Компания KPMG и Техасский университет в Остине провели полевое исследование с участием 523 новых сотрудников в США (со стажем работы менее 18 месяцев), чтобы оценить, как новички взаимодействуют с ИИ при выполнении реальных бизнес-задач.
Участники выполняли профессиональные задания с помощью ИИ-агента, после чего их результаты сравнивались с эталоном, самостоятельно выполненным ИИ, для определения добавленной стоимости, созданной человеком.
Результаты разделили участников на 3 группы: AI Apprentices (24,1%) показали результаты ниже ИИ; AI Delegators (25,8%) достигли уровня, эквивалентного ИИ; а AI Amplifiers (50,1%) создали результаты лучше, чем ИИ.
Удивительно, но критическое мышление, профильные знания и понимание ИИ не позволяли спрогнозировать, к какой группе отнести человека. Разница заключалась в том, как именно они взаимодействовали с ИИ в процессе работы.
Группа AI Apprentices имела хорошую базу, но не умела использовать ИИ. Они часто просили ИИ переписать или упорядочить информацию вместо того, чтобы использовать его для проверки гипотез, оценки результатов и повышения качества итогового продукта.
Группа AI Delegators в основном принимала результаты, сгенерированные ИИ, с минимальными правками. Благодаря тому, что ИИ выдавал достаточно хороший результат, они все же достигали приемлемой производительности, но практически не создавали добавочной стоимости.
Группа AI Amplifiers использовала ИИ как партнера по мышлению: они правильно форматировали проблему, просили ИИ объяснить аргументацию, проверяли гипотезы, рассматривали альтернативные варианты и непрерывно дорабатывали результаты в соответствии со стандартами реальной работы.
Исследование рекомендует предприятиям изменить подход к обучению новых сотрудников, сосредоточившись на практических упражнениях в рамках рабочих процессов с ИИ, вместо отдельного обучения навыкам работы с ИИ или сугубо профессиональным знаниям.
KPMG внедряет персонализированную программу обучения ИИ, использующую сценарии моделирования реальной работы и траектории непрерывного обучения для развития поведенческих паттернов группы AI Amplifiers по всей компании.
Авторы считают, что компании должны оценивать сотрудников не только по конечному результату, но и по тому, как они работают с ИИ, как формулируют задачи, проверяют результаты и принимают решения. В будущем ценность человека будет все больше заключаться в способности направлять, оценивать и масштабировать результаты, созданные ИИ, а не просто самостоятельно генерировать ответы.
📌 Заключение: Исследование показывает, что ИИ не сглаживает разрыв между сотрудниками автоматически, а наоборот, подчеркивает различия в стиле работы каждого человека. В опросе 523 новых сотрудников около половины показали результаты выше ИИ, в то время как почти четверть оказались слабее самого ИИ. Решающим фактором стали не знания или понимание ИИ, а умение взаимодействовать с ИИ, задавать вопросы, критически мыслить и постоянно улучшать итоговый результат. Это говорит о том, что предприятиям необходимо пересмотреть способы обучения, оценки и развития персонала в эпоху ИИ.
