Проблема «workslop» заключается в том, что сгенерированные ИИ материалы часто содержат фактические неточности и «галлюцинации». В результате доверие к внутренним данным падает, а рабочие процессы стопорятся из-за необходимости постоянной верификации. На отдельных предприятиях уже появились целые отделы, занятые исключительно исправлением результатов работы алгоритмов. Это создает парадоксальную нагрузку: автоматизация, призванная упростить труд, лишь добавляет новые уровни контроля.
Корпоративный ИИ порождает деградацию знаний и лишнюю работу
Массовое внедрение генеративного искусственного интеллекта обернулось для бизнеса неожиданным эффектом: вместо роста производительности компании столкнулись с потоком низкокачественного контента. Аналитики Harvard Business Review называют это явление «workslop», отмечая, что бесконтрольное использование нейросетей размывает корпоративную экспертизу и вынуждает сотрудников тратить время на исправление ошибок автоматики, а не на реальные задачи.
Деградация знаний проявляется и в найме. Автоматизированные этапы взаимодействия искажают ожидания сторон, делая подбор специалистов менее предсказуемым. Кроме того, сотрудники начинают сопротивляться навязанному внедрению технологий, саботируя их использование. Эксперты HBR указывают, что выход заключается в жестком разделении задач: нейросети должны выполнять только те функции, где их польза очевидна, а не внедряться повсеместно. Использование специализированных систем, обученных на внутренних данных компании, вместо публичных моделей может стать решением, которое вернет смысл в рабочие алгоритмы и снизит потребность в ручной проверке каждого документа.
Комментарии (0)
Пока нет комментариев. Будьте первым!