Эмма Уайлс, профессор Бостонского университета, поставила простой эксперимент. Людям давали одну и ту же работу с одними и теми же ошибками. Одной группе говорили, что её сделал чат-бот. Другой — что «ИИ-сотрудник».
Вторая группа нашла на 18% меньше ошибок.
И, что для бизнеса ещё дороже, эти люди на 44% чаще передавали сомнительный результат наверх, руководителю, вместо того чтобы поправить его самим.
Работа была идентичной. Изменилось только название исполнителя.
Что здесь на самом деле произошло
Разберу механику, потому что без неё это выглядит курьёзом, а не проблемой.
Когда вы считаете, что перед вами инструмент, вы автоматически берёте на себя ответственность за результат. Молоток не виноват. Проверять — ваша работа, и вы проверяете.
Когда вам говорят, что работу выполнил «сотрудник», включается другой набор привычек — социальный. У коллеги предполагается своя зона ответственности, своя квалификация и своё начальство. Перепроверять чужую работу построчно неловко и вроде бы не твоё дело. А если что-то не так — это повод эскалировать, а не править.
Обе реакции разумны применительно к человеку. Обе катастрофичны применительно к программе, которая уверенно ошибается и не имеет ни квалификации, ни ответственности.
Джеймс О’Доннелл, автор разбора в MIT Technology Review, формулирует итог жёстко: метафора «цифрового коллеги» переворачивает структуру ответственности. Появляется удобный виноватый, которого нельзя уволить и с которого нечего спросить.
Насколько далеко это уже зашло
Это не гипотеза про будущее.
Из 1261 опрошенного руководителя почти треть уже описывает ИИ-агентов как сотрудников. 23% — вносят их в организационную структуру. В оргсхему, рядом с людьми.
Крупные разработчики подталкивают ровно туда же: Microsoft, OpenAI, Anthropic и Google прямо продают агентов как «цифровых коллег». Их можно понять — так продукт продаётся лучше. «Наймите ещё одного сотрудника за $30 в месяц» звучит убедительнее, чем «купите подписку на инструмент».
Проблема в том, что вместе с удачной формулировкой компания покупает и описанный выше эффект.
Что об этом говорит российское право
Здесь метафора рассыпается окончательно, и это полезно знать до того, как что-то пойдёт не так.
Специального регулирования ИИ в России нет, поэтому работают общие нормы. Ключевая — статья 1068 Гражданского кодекса: юридическое лицо отвечает за вред, причинённый его работником при исполнении трудовых обязанностей. Агент работником не является, но это ничего не меняет для компании: ответственность всё равно замыкается на ней, причём не как на пострадавшей стороне, а как на том, кто выбрал и применил инструмент.
Пётр Деревенский, разбиравший эту тему для Контура в феврале 2026 года, формулирует принцип коротко: управленческое решение считается принятым человеком, даже если оно основано на рекомендациях алгоритма.
Практически это значит вот что. Клиент, которому ваш бот выдал неверную консультацию, придёт не к алгоритму и не к поставщику модели. Он придёт к вам. И объяснение «так решил наш цифровой сотрудник» не имеет юридического содержания вообще.
Отсюда три вещи, которые стоит завести до запуска: обязательное участие человека в критических решениях, документирование работы с ИИ (какие данные подавали, какой запрос, какой вывод), и перекрёстная проверка результата там, где цена ошибки высока.
Роли вместо метафоры
Если «сотрудник» — неправильная рамка, то какая правильная? Самый практичный ответ, который я встречал, — не про название, а про роли.
Станислав Ежов, директор по ИИ в «Группе Астра», описывает это так: компанию меняют не сами агенты, а система ролей вокруг них. Он выделяет пять позиций, и все они человеческие:
- Владелец процесса — отвечает за результат целиком: вход, выход, исключения. Не за агента, а за процесс, частью которого агент стал.
- Специалист по экономике операций — считает полную стоимость завершённой операции с учётом ошибок и проверок. Не стоимость подписки, а стоимость результата.
- Эксперт по границам автономии — определяет, где агент действует сам, где нужно подтверждение, а где автономия недопустима вообще.
- Координатор эскалации — задаёт маршруты для сложных случаев с понятными приоритетами.
- Куратор качества — отвечает за воспроизводимость: чтобы на одинаковый запрос стабильно приходил одинаковый по качеству ответ.
В небольшой компании это не пять человек, а две-три роли на одного-двух сотрудников. Смысл не в штатном расписании, а в том, что у каждой функции есть фамилия.
Вывод Ежова совпадает с тем, что вижу я: разница пройдёт не между теми, у кого агент есть, и теми, у кого его нет. Она пройдёт между теми, кто оставил его в логике пилота, и теми, кто встроил его в систему ролей и контроля.
Как называть
Я в этом смысле зануда и настаиваю на скучных формулировках.
Не «Аня из отдела поддержки», а «бот первой линии». Не «наняли ИИ-аналитика», а «подключили инструмент подготовки отчётов». Не «агент ошибся», а «мы не настроили проверку».
Разница не косметическая. За инструмент отвечает тот, кто его поставил и кто им пользуется — ровно то распределение, которое нужно, чтобы качество не поехало.
Практическое следствие: у каждого агента должен быть назван человек, отвечающий за его результат. Не «команда внедрения» — конкретный сотрудник, чья работа считается сделанной плохо, если агент выдал брак. Как только такой человек появляется, эффект из исследования Уайлс исчезает сам собой: свою работу перепроверяют внимательно.
Отдельно про оргструктуру. Если агент попал в схему как штатная единица — это уже не метафора, а институционализированная путаница. Инструменты не размещают в оргструктуре, их закрепляют за подразделением. Строчка в схеме кажется мелочью ровно до первого разбора инцидента, когда выясняется, что виноватого нет.
Где метафора всё-таки работает
Честно про обратную сторону, потому что запрещать слова целиком — тоже глупость.
Сравнение с сотрудником полезно на этапе постановки задачи. Вопрос «что бы делал человек на этой позиции и какой у него был бы регламент» помогает описать процесс гораздо быстрее, чем попытка сразу сформулировать техническое задание. Как инструмент мышления при проектировании — годится.
Вредным оно становится в двух местах: при приёмке результата и при разборе ошибки. Проектируем — можно думать про роль. Проверяем и отвечаем — только про инструмент.
Ещё одна деталь из материала MIT TR, которая идёт вразрез с ожиданиями: в исследовании Стэнфорда работники нередко отказывались автоматизировать как раз те задачи, которые эксперты считали идеальными кандидатами на автоматизацию. Люди сопротивляются не там, где мы предполагаем, — и это отдельный повод спрашивать у команды, а не решать за неё.
Метафора «цифрового сотрудника» стоит компании 18% незамеченных ошибок и юридически не значит ничего. Довольно дорого за красивое слово в презентации.