Почему система оценки эффективности сотрудников устарела в эпоху ИИ

Способности искусственного интеллекта растут стремительно: он пишет письма, анализирует данные и генерирует код. По всем измеримым параметрам — скорости, продуктивности и завершению задач — машины обходят человека. Однако исследования показывают, что ИИ ошибается в 19% случаев, даже когда помогает сотрудникам выполнять на 25% больше работы за 12% меньше времени. Мы оптимизируем производительность, но при этом молчаливо соглашаемся на накапливающиеся ошибки.

Проблема в том, что ИИ и человек — это принципиально разные типы интеллекта. ИИ, несмотря на название «генеративный», по сути рекурсивен. Он находит шаблоны в уже существующем, оптимизирует проверенные решения и ускоряет принятые решения. Это мощный инструмент: он может создать песню по вашему рассказу или сверстать сайт. Но он не способен представить то, чего ещё не существует. Он не может выразить несогласие, проявить эмпатию или почувствовать, когда решение лишено целостности. А вот человек — может.

Люди не просто обрабатывают информацию — мы создаём новые версии реальности. Мы берём нерешённые проблемы, сталкиваемся с противоречиями и работаем над ними до тех пор, пока не найдём то, что ускользнуло от других. Именно эта генеративная способность — воображение, а не копирование — лежит в основе всех значимых инноваций. И именно её наши системы оценки эффективности никогда не научились ценить.

Это не новая проблема. Это старая проблема, которая обострилась с появлением ИИ.

Как система оценки эффективности родилась из индустриальной логики

В начале XX века Фредерик Тейлор предложил «научный менеджмент» — идею, что человеческий труд можно и нужно стандартизировать, измерять и оптимизировать как любой другой промышленный ресурс. Люди воспринимались как сырьё, а эффективность — как результат. Вскоре после этого армия США внедрила систему оценки солдат, чтобы ранжировать их для распределения по подразделениям. Это был инструмент иерархии, а не развития.

Когда войны закончились, корпорации переняли эту логику. К 1950-м годам ежегодная оценка эффективности стала нормой в бизнесе. Не потому, что она помогала развивать сотрудников, идеи или инновации, а потому, что сортировала, ранжировала и оценивала. Джек Уэлч из GE усилил эту систему, сделав её жёсткой: 20% лучших получали награды, а 10% худших — увольняли каждый год. Это стало стандартом для бизнеса во всём мире.

Но мало кто знает: система ранжирования не была направлена на улучшение производительности. Уэлч использовал её как инструмент для управления восприятием акционеров, чтобы демонстрировать «жёсткий менеджмент» и поддерживать стоимость акций. В основе этой системы лежала не логика развития, а логика сортировки.

Почему это важно сейчас

Системы оценки эффективности, унаследованные из индустриальной эпохи, измеряют то, что легко измерить: скорость, объём задач, соответствие стандартам. Но они игнорируют то, что действительно ценно в эпоху ИИ — креативность, способность к инновациям и этическое суждение.

Вот почему компании, которые продолжают полагаться на устаревшие системы оценки, рискуют проиграть в конкурентной гонке. Они оптимизируют то, что уже есть, вместо того чтобы создавать новое. Они ценят подчинение стандартам, а не способность бросать вызов существующему порядку. Они измеряют производительность, но не оценивают вклад в будущее.

Решение не в том, чтобы отменить оценку эффективности полностью, а в том, чтобы переосмыслить её. Нам нужны системы, которые ценят не только выполнение задач, но и способность к творчеству, эмпатию и генерацию новых идей. Нам нужны метрики, которые измеряют не только скорость, но и качество инноваций. Нам нужно перестать ранжировать людей и начать развивать их потенциал.

«Мы оптимизируем движение, но забываем о направлении. Как и у Вили Койота, который бежит всё быстрее, пока не понимает, что под ногами больше нет земли».