Сто миллионов долларов за то, чего не умеет нейросеть
Американское подразделение EY зарезервировало 100 миллионов долларов на премии сотрудникам. Деньги пойдут не за освоение нейросетей, а за качества, которые машина пока не воспроизводит: адаптивность, изобретательность, способность вынести суждение. Я считаю эту новость самой содержательной из всего, что корпорации сказали про ИИ за последний год.
Метрика, которая растет сама
Последние два года я наблюдаю, как компании внедряют ИИ-инструменты с очень разным результатом, и почти везде повторяется один и тот же управленческий рефлекс: сам факт использования нейросети начинают считать достижением. А раз достижение, значит, надо поощрять напрямую. Подход стал настолько массовым, что обзавелся именем - токенмаксинг. От «токенов», единицы измерения расхода модели: сотрудников призывают выжимать этот расход по максимуму.
Претензия у меня к такой логике простая. Компания начинает измерять не результат, а расход. Метрика удобная: растет сама, легко показывается наверх, под нее без труда собирается отчет. Только связь между количеством запросов к модели и качеством работы никто не доказал. В какой-то момент выясняется, что премию получил не тот, кто решил задачу, а тот, кто чаще открывал окно чата.
Как устроена программа
EY пошла другим путем. Деньги привязаны к развитию навыков, которые ИИ заменить не может, - по крайней мере пока. Формально программа рассчитана на сотрудников, демонстрирующих адаптивность, изобретательность и суждение.
Механика прозрачная. Спот-награды - до 500 долларов за удачное решение. Тем, кто вместе с командой или в одиночку добился ощутимой перемены в работе фирмы, полагается премия до 25 тысяч. Средства расписаны на текущий финансовый год. Верхней планки заработка по программе для отдельного человека нет, ограничений на то, кого именно из коллег можно выдвинуть, тоже.
И вот деталь, ради которой стоит разбирать этот кейс. Полного отказа от токенмаксинга не произошло: эксперименты с ИИ в EY тоже премируют. Здесь нет позы и нет борьбы с технологией. Есть попытка развести две вещи, которые обычно валят в одну кучу: инструмент и способность им распорядиться. Платят за вторую, первую просто не запрещают.
Мы ценим то, что отмечаем
Директор по талантам и корпоративной культуре EY Americas Джинни Карлье описала масштаб задачи без иллюзий: одним учебным курсом или отдельной программой такое не решается, потребуются «устойчивые, радикальные перемены». Вторая ее реплика короче и бьет точнее: то, что компания отмечает, и есть сигнал о том, что она ценит.
С формулировкой я соглашусь, но добавлю неудобное уточнение. Система признания редко врет. Сотрудники читают ее быстрее любого корпоративного манифеста и подстраиваются под то, за что реально платят. Значит, вопрос не в том, какие ценности компания декларирует на стратегической сессии, а в том, какая строчка попадает в бонусный расчет.
Реванш гуманитариев, в котором согласны не все
Программа приоткрывает, как крупная фирма думает о переобучении, которое понадобится по мере проникновения ИИ в труд белых воротничков. Пока машина автоматизирует классический STEM-труд вроде написания кода, часть аналитиков предсказывает всплеск найма выпускников гуманитарных направлений.
Согласны с этим далеко не все. Главы многих компаний говорят, что ИИ означает конец гуманитарным профессиям. Но приоритеты, которые EY расставила для собственного персонала, и девятизначный бюджет под них показывают: как минимум эта фирма ждет роста спроса на абстрактное мышление гуманитарного типа по мере того, как машина забирает черновую офисную работу.
Что с этим делать здесь
От прямого копирования схемы я бы предостерег. Российские корпоративные бюджеты на признание устроены скромнее, а соблазн свести все к KPI по использованию нейросети тут даже сильнее: цифра красивая, отчет собирается за вечер.
Но логика переносится и без ста миллионов. Начать можно с малого: перестать считать активность в ИИ достижением и научиться описывать словами, что именно сделал человек, когда задача не имела очевидного решения. Кто заметил, что модель уверенно выдала неверную цифру. Кто переформулировал вопрос клиента так, что от половины работы отпала необходимость. Кто взял на себя решение, за которое потом пришлось отвечать лицом.
Это дешевле любой премии и работает не хуже. А сто миллионов долларов - всего лишь цена того, чтобы понять это чуть быстрее остальных.