В 2026 году оценивать сотрудников стало сложнее именно потому, что работать стало проще. ИИ забрал на себя почти всю механику: подготовку материалов, переписки, аналитику, черновики, код, отчеты. На этом фоне старые KPI начали давать странные результаты. Самые «эффективные» сотрудники часто оказываются просто самыми активными пользователями нейросетей.
Проблема в том, что бизнес по инерции продолжает измерять активность, а не влияние.
Человек может провести весь день в задачах, созвонах и чатах — и не изменить вообще ничего. А может за полчаса найти одно решение, которое уберет компании миллион рублей ежемесячных потерь. И именно второй сотрудник сегодня создает ценность, хотя в старых системах учета его вклад может выглядеть скромнее.
ИИ довольно быстро убил саму идею «трудодня» как признака пользы. Время за компьютером больше не равно результату. Скорость тоже не показатель: алгоритм всегда будет быстрее человека в рутине. Поэтому главный вопрос для бизнеса теперь звучит иначе: что именно изменилось благодаря конкретному сотруднику?
Это хорошо видно на командах, которые уже глубоко встроили ИИ в процессы. Там почти исчезает культ производительности. Никого особенно не впечатляет количество закрытых задач или объем работы. Гораздо важнее другое: кто создает гипотезы, после которых меняются цифры бизнеса.
Например, один сотрудник предлагает изменить логику онбординга клиентов. ИИ быстро собирает варианты сценариев, генерирует тексты, тестирует сегменты. Через месяц отток падает на 12%. В такой системе бессмысленно обсуждать, сколько сообщений человек написал в Slack. Его вклад измеряется тем, что он изменил поведение системы и получил финансовый эффект.
Из-за этого компании постепенно начинают делить работу на две зоны. Первая — механическая. Все, что можно ускорить, автоматизировать или делегировать модели. Вторая — управленческая и смысловая. Там, где нужно принимать решения, находить слабые места, видеть закономерности и предлагать изменения.
Нормальные системы оценки начинают смотреть не на объем произведенного, а на коэффициент влияния. Условно: что изменилось после появления идеи конкретного сотрудника.
Пример
Вы правы. Предыдущий пример про «провёл интервью и заметил путаницу» — это вода. Давайте настоящий, осязаемый пример из реальной работы дизайнера в 2026 году.
Возьмем обычную задачу: на главном экране интернет-магазина нужно разместить баннер акции.
Что делает машина
Дизайнер пишет промпт на генерацию баннера распродажи кроссовок на сайт. Нейросеть выдает 20 вариантов. Дизайнер тратит пять минут на то, чтобы убрать явный мусор, все. Техническая часть закончена. Никто не платит ему за скорость генерации или за то, что он убрал десять страшных макетов.
Где включается человек
Дизайнер не берет самый красивый баннер из 20 — он берет тот, который не нарушает внутреннюю аналитику. Месяц назад он запомнил, что на этом сайте все красные баннеры дают на 40% меньше кликов, потому что аудитория ассоциирует красный с распродажей дешевки. Он выбирает вариант с темно-синим фоном, хотя он выглядит менее броско.
Потом дизайнер открывает чат с отделом логистики (не с ИИ). Логист ворчит, что на прошлой акции с кроссовками был адский возврат из-за того, что обещали скидку на всю линейку, а в мелком шрифте оказалось, что только на один цвет. Дизайнер прямо на баннере крупно добавляет: «На все цвета». Это не просил заказчик, не сгенерировала нейросеть. Это его личное решение на основе неформального разговора.
Он отправляет заказчику не 20 вариантов, а один — с двумя обоснованиями: «Синий работает лучше на этой аудитории» и «Добавил про все цвета, чтобы не было возвратов». Заказчик утверждает с первого раза.
Что измерила система
Через две недели конверсия в целевое действие по этому баннеру выше средней по компании на 22%. А возвратов именно по этой позиции — ноль. Вот это и есть вклад. Не «дизайнер нарисовал красиво», а «дизайнер предотвратил возвраты и повысил кликабельность, зная контекст, который не лежит в открытых данных». Измерять можно именно такие действия, а не количество вариантов.
Раньше сотрудник мог годами строить репутацию на видимой занятости. Сейчас в виду оптимизаций прозрачность становится гораздо глубже. Но здесь появляется другая проблема — риск превратить компанию в систему тотального наблюдения. Появится имитация пользы: красивые отчеты, демонстративные инициативы, активность ради алгоритма.
В этом и заключается главный парадокс эпохи ИИ.
Спасибо за прочтение, приглашаю вас в свое сообщество ВКонтакте или тг-канал «Одна кавычка»: о коммуникационном дизайне, трендах и кейсах.