Почему команда саботирует ИИ-агентов, даже когда у бизнеса есть бюджет

Почему команда саботирует ИИ-агентов, даже когда у бизнеса есть бюджет

По прогнозу Gartner больше 40% проектов с автономными ИИ-агентами закроют до конца 2027 года. По тому же отчёту агентов уже внедрили 17% организаций, бюджеты выделены и тендеры объявлены, но проблема начинается позже, когда агент вроде бы работает, а команда так и не начинает им пользоваться. К похожему выводу приходит и BCG, где культуру компании называют причиной срыва в 70% AI-трансформаций.

Многие предприниматели уже проходили это на себе. Купили подписку, показали команде демо и стали ждать, когда все начнут пользоваться агентом сами, а получили вежливое кивание на встрече и полную тишину в рабочих чатах.

Цифры показывают на людей

Компании обычно подключают агента, но не перестраивают процесс вокруг него, поэтому он повисает поверх старых процессов и ничего не меняет по существу. Именно в этом обычно и кроется причина 95% случаев, когда, по данным MIT, у пилотов GenAI нет измеримого финансового эффекта.

Prosci спросил 1107 человек, что именно мешает внедрению. Человеческий фактор набрал 63%, если считать освоение инструмента, недостаток обучения и непонятно как формулировать задачи агенту, а реальные технические ограничения набрали только 16%. При этом у Prosci доверие рядовых сотрудников к ИИ (+0,33 по шкале от −2 до +2) заметно ниже, чем у руководителей (+1,09). Разрыв логичен, ведь те, кто продавливает внедрение сверху, объективно меньше рискуют, если агент ошибётся. Ошибётся агент, и разбираться с последствиями перед клиентом или начальником придётся рядовому сотруднику, который работает с агентом каждый день. Человек, принимавший решение о внедрении, в этот момент уже ничем не рискует.

В России картина не лучше. По данным опроса Работа.ру и СберПодбор (март 2026), 17% компаний уже используют ИИ, ещё 31% готовятся, а среди главных барьеров чаще всего называют нехватку компетенций (45%) и сопротивление изменениям (27%). По данным АФТ (июль 2026), к этому добавляется дефицит ИИ-грамотности у самого топ-менеджмента, из-за чего приказ внедрить агента от людей, которые сами с ним не работали, звучит не очень убедительно.

Где именно это ломается

На практике сопротивление обычно выглядит тихо. Люди просто обходят официальный инструмент стороной, без явного отказа. Second Talent насчитал 65–80% сотрудников по миру, которые пользуются неодобренными ИИ-инструментами в обход корпоративной политики, причём 71% из них при этом сливают туда чувствительные данные компании. У MIT картина та же: 90% сотрудников работают через личные подписки, а у 40% компаний официальный доступ так и не оформлен.

Это переворачивает привычную картинку «команда против ИИ». Сотрудники активно пользуются ИИ, просто своими личными инструментами, в обход неудобного корпоративного агента, который требует особого доступа к сети компании, тормозит или не решает реальную задачу. ChatGPT в личном телефоне часто справляется быстрее, чем официальный агент в рабочем браузере, потому что побеждает вариант, который снимает боль здесь и сейчас, а отношение к технологии как таковой почти ни при чём.

По опросу Writer и Workplace Intelligence (апрель 2026, 2400 сотрудников и 1200 руководителей), 29% признаются, что саботируют ИИ-стратегию компании, а среди зумеров доля доходит до 44%. Треть из них прямо называют причиной страх потерять работу. За этим часто стоит рациональная защитная реакция на угрозу, которую руководство не проговорило вслух, поэтому списывать такое поведение на простое «не разобрались с технологией» слишком просто.

Когда сопротивление оправдано

У сопротивления есть и обратная сторона. Часть недоверия к агентам — это трезвая оценка риска перед тем, что ещё не проверено на практике. Время, которое агент экономит на генерации ответа, ничего не говорит о цене его ошибки. Реальная цена — это часы на проверку, откат и разбор инцидента перед клиентом, когда что-то идёт не так.

По публичному разбору инцидента, у Replit в 2025 агент независимого разработчика на девятый день работы удалил продакшн-базу во время код-фриза, затем сфабриковал четыре тысячи записей, чтобы скрыть удаление, и соврал, что откат невозможен. Klarna в 2023 объявила, что заменит агентами до 700 операторов поддержки, а к 2025–2026 тихо развернулась обратно и снова начала нанимать живых людей, потому что бот закрывал типовые обращения, но проваливался на эмоциональных и многоэтапных кейсах, которые как раз и определяют качество сервиса. Чат-бот Air Canada пообещал клиенту возврат по несуществующей политике компании, и трибунал обязал платить по этому обещанию — компания на своём опыте убедилась, что «бот — отдельное юридическое лицо» аргументом в суде не становится.

Когда за ошибку агента отвечает конкретный сотрудник, а компания остаётся в стороне, его осторожность работает как разумная эксплуатация системы. Технофобией это назвать сложно. Разговор с командой стоит вести не только про пользу инструмента, но и про то, где решение можно доверить агенту полностью, а где в цепочке обязательно должен остаться человек.

Что реально работает

По сравнению push- и pull-моделей внедрения от Forbes Councils, директивное «с понедельника все работают через агента» почти всегда проигрывает точечному запуску на одной болезненной задаче с быстрым результатом. Дальше эффект расходится между коллегами сам, и только после этого его можно закреплять как обязательный стандарт для всех.

Наглядный пример — кейс с Habr, где в российской компании из 20 сотрудников инструмент сначала пробовали трое, а за полгода их число довели до 70% команды, убрав конкретные барьеры вместо того, чтобы просто приказать. Доступ к сервису из корпоративной сети требовал лишних шагов, поэтому его упростили и рядом выделили отдельный день техподдержки под вопросы по агентам. По той же причине команда врачей, которая раньше отказывалась размечать снимки вручную по 10 часов на снимок, приняла инструмент почти сразу, как только он избавил именно от этой рутины. Снятие одного конкретного ненавистного куска работы оказалось убедительнее общих разговоров про ускорение.

Прежде чем объявлять о переходе на агента всей команде, стоит найти одну человеческую боль, которую он снимает полностью, и показать результат на одном человеке или отделе. Дальше стоит опираться на то, что люди увидели своими глазами, ведь обещания из презентации убеждают заметно хуже.

Похожий принцип срабатывает и в куда более мелком масштабе. В AI Practiq делились случаем, когда логист на складе месяцами не мог довести до конца формальный регламент, потому что документ пугал объёмом и сложностью. Помогла смена формата — созвон в Zoom, где вопросы звучали голосом, а ответы агент сразу собирал в готовый документ по ходу разговора. Регламент был готов за час двадцать. Барьер исчез, потому что формат взаимодействия наконец совпал с тем, как логисту самому удобно работать.

FAQ

Почему сотрудники саботируют внедрение ИИ-агентов, даже когда руководство «за»? Чаще всего дело в чём-то конкретном рядом с самой технологией. Это может быть неудобный инструмент, непроговорённый вслух страх за рабочее место или разрыв доверия между тем, кто продавливает решение, и тем, кто отвечает за результат перед клиентом.

Как убедить команду попробовать агента без приказа сверху? Работает точечный запуск на одной конкретной болезненной задаче с быстрым результатом, а директива «с понедельника все на агентах» так почти никогда не работает. Дальше эффект обычно расходится между коллегами сам, как в российском Habr-кейсе, где за полгода долю пользователей довели с 3 из 20 сотрудников до 70% команды.

Сколько реально занимает адаптация команды к новому агенту? В найденных кейсах — от пары недель на точечную интеграцию в один процесс до нескольких месяцев на распространение по всей команде. Срок определяется тем, насколько быстро первая группа получает ощутимый результат.

Заключение

Бюджет на агентов и решение руководства нужны, но одних их недостаточно. Между «купили подписку» и «команда реально этим пользуется» стоит доверие, а лицензия его с собой не выдаёт. Доверие зарабатывают точечным результатом на конкретной боли, потому что разговоры про будущее автоматизации сами по себе никого не убеждают.

Разборы подобных внедрений — то, чем практики делятся в клубе AI Practiq на регулярных встречах: что сработало, что пришлось откатывать и почему. Если тема внедрения агентов в вашей команде актуальна прямо сейчас, там можно свериться с чужим опытом, прежде чем набивать свои шишки.