Более трети работников, занимающихся обучением корпоративных ИИ-агентов, признались, что намеренно передают системам неполные или искажённые знания. Главная причина — опасение, что автоматизация в итоге оставит их без работы. Такие данные приводит опрос, на который ссылается редакция.

Речь идёт о сотрудниках, чьи обязанности напрямую связаны с подготовкой данных и настройкой ИИ-помощников внутри компаний. Именно эти люди лучше остальных понимают, как работает автоматизация и какие процессы она способна заменить. На фоне этого в опросах звучит характерная формулировка: ситуация напоминает просьбу к индейке проголосовать за Рождество — то есть предложение самостоятельно подписать себе приговор.

Ключевая цифра — свыше 34 процентов респондентов. Примерно столько признались, что «придерживают» экспертизу: делятся с ИИ лишь частью сведений, упрощают инструкции, сознательно избегают передачи редких или трудно формализуемых навыков. Часть опрошенных отметила, что поступает так из принципа: если компании сокращают персонал ради машин, работники не видят причин помогать им ускорять этот процесс.

Среди других мотивов — недоверие к тому, как руководство распорядится результатами обучения. Респонденты отмечают, что после внедрения новых ИИ-агентов команды нередко сокращаются, а оставшимся перераспределяют задачи без повышения оплаты. На этом фоне передача полного объёма знаний воспринимается как прямая угроза собственной позиции.

Эксперты по организационной психологии указывают, что описанное поведение — классический пример сопротивления изменениям, усиленного реальным экономическим риском. В отличие от типичных страхов перед автоматизацией здесь есть конкретный механизм: человек, обучающий модель, понимает, какие именно задачи она впоследствии сможет выполнять самостоятельно. Чем лучше он обучит систему, тем быстрее она его заменит. Это превращает процесс тренировки ИИ в конфликт интересов между работником и работодателем.

Отдельная проблема — качество будущих моделей. Если специалисты сознательно ограничивают объём передаваемых знаний, обученные на таких данных агенты будут работать хуже: хуже понимать контекст, реже справляться с нестандартными ситуациями, чаще ошибаться там, где нужна глубокая профессиональная интуиция. По сути, компании получают менее полезный инструмент в попытке сэкономить на тех же специалистах.

На фоне этих данных обостряется дискуссия о гарантиях для сотрудников, участвующих во внедрении ИИ. Речь идёт не только о сохранении должностей, но и о более прозрачных правилах: какие задачи планируется передать алгоритмам, сколько рабочих мест под это попадает, какую переподготовку предлагают людям, чью экспертизу используют для обучения моделей. Без ответов на эти вопросов массовое внутреннее сопротивление обучению ИИ будет только усиливаться.

Для индустрии это сигнал, что технологическая сторона автоматизации давно перестала быть главным узким местом. На первый план выходят доверие сотрудников и готовность компаний делить с ними выгоды от внедрения машин — иначе даже хорошо обученные модели рискуют оказаться «недообученными».