29% сотрудников саботируют AI — и они ведут себя рационально

Что именно показал опрос Writer

В апреле 2026 года компания Writer и исследовательская фирма Workplace Intelligence опубликовали данные опроса об AI-внедрениях в крупных компаниях США. Главная цифра разошлась по деловым изданиям за сутки: 29% сотрудников признались, что намеренно мешают AI-стратегии своего работодателя — среди поколения Z доля доходит до 44%. «Саботаж» здесь — исследовательский термин самого опроса: под ним авторы понимают сознательные действия, от ввода заведомо некорректных данных в корпоративные модели до тихого отказа использовать внедрённые инструменты. Fortune и Fast Company подали это как историю о бунте младших сотрудников, которые боятся потерять работу. Это правдоподобно и совершенно недостаточно как объяснение.

Тот же опрос содержит вторую половину картины, которую цитируют гораздо реже. В выборке руководителей высшего звена около 60% заявили, что готовы увольнять или не продвигать сотрудников, отказывающихся работать с AI. И значительная часть этих же руководителей признала, что их собственная AI-стратегия ближе к декларации, чем к работающей системе — то, что в деловой прессе закрепилось как «AI-washing»: публичная демонстрация AI-трансформации без реального изменения процессов. Если держать обе цифры в одном кадре, история про «сотрудники не доросли до технологии» рассыпается. Перед нами не дефицит грамотности, а рациональный расчёт людей, которые точно поняли, в какую игру их поставили.

Почему скептицизм здесь — оптимальная стратегия

Рассмотрим положение рядового сотрудника глазами теории решений, а не корпоративной риторики. Ему сообщают одновременно две вещи. Первая: компания внедряет AI, и отказ работать с ним угрожает его позиции — это явно сказали 60% руководителей. Вторая: внедряемый инструмент в большинстве случаев сырой, потому что сама организация не довела стратегию до рабочего состояния. Сотрудник оказывается в ситуации, где его просят добровольно ускорить процесс, исход которого для его роли в лучшем случае неясен, а в части сценариев прямо враждебен.

В этой конфигурации скептицизм — это не иррациональное упрямство, а доминирующая стратегия. Активное участие в плохо спроектированном внедрении несёт два риска: помочь автоматизировать собственную функцию и при этом получить инструмент, который не работает, но за пользование которым теперь спрашивают. «Саботаж» — ввод мусорных данных, демонстративное игнорирование, тихий отказ — это способ снизить личный риск в системе, где сама система не дала никаких гарантий. Низкая цифровая грамотность — это неумение пользоваться инструментом. Здесь же сотрудники прекрасно понимают инструмент; они отказываются не от технологии, а от сделки, в которой все риски переложены на них.

Особенно показателен возрастной перекос. То, что доля сопротивляющихся среди поколения Z вдвое выше средней (44% против 29%), деловая пресса прочитала как «молодёжь капризничает». Более точное прочтение обратное: младшие сотрудники сильнее всего чувствуют угрозу, потому что их функции — первичная обработка данных, черновые тексты, типовая коммуникация — это ровно те задачи, которые модели снимают первыми. Их сопротивление — не незрелость, а лучшая в выборке калибровка на собственный риск. Они саботируют активнее, потому что им есть что терять раньше остальных, и они это понимают точнее старших коллег, чьи функции пока вне зоны автоматизации.

Это смещает диагноз. Проблема не в персонале и не в технологии. Проблема в том, что между «компания решила внедрить AI» и «сотрудник согласился в этом участвовать» нет ни одного звена, которое отвечало бы на единственный важный для сотрудника вопрос: что будет с моей ролью. Управление изменениями (change management) как раз должно строить это звено. Его отсутствие — управленческий провал, а сопротивление — его симптом, а не причина.

Данные о провале внедрений подтверждают расчёт сотрудника

Скепсис сотрудника был бы паранойей, если бы внедрения в среднем работали. Они в среднем не работают, и это хорошо измерено.

Самая цитируемая цифра 2025 года пришла из исследования инициативы Nanda при MIT — отдельной программы лаборатории, которая изучала отдачу от корпоративных AI-проектов. По данным разбора, который пересказал Forbes, около 95% корпоративных пилотов генеративного AI не дали измеримого финансового результата — при совокупных вложениях в 30–40 миллиардов долларов значимую отдачу зафиксировали лишь около 5% проектов. Важна не сама цифра 95%, а причина, которую вывели авторы: проекты проваливались не из-за слабости моделей, а из-за того, что компании избегали трудной части — перестройки процессов и обучения системы на реальных рабочих сценариях. Один из исследователей программы сформулировал это прямо: разрыв проходит не по линии качества моделей, а по линии готовности организации менять то, как она работает.

McKinsey в исследовании «The State of AI» за ноябрь 2025 года зафиксировала ту же трещину с другой стороны. AI в том или ином виде используют около 88% опрошенных организаций, но лишь 39% сообщают о заметном влиянии на прибыль на уровне предприятия, и только около 6% компаний McKinsey относит к «AI high performers» — тем, у кого эффект превышает 5% операционной прибыли. Разрыв между почти всеобщим внедрением и единичными случаями реального эффекта аналитики McKinsey описывают прямо: для большинства организаций использование AI пока не отразилось на показателе EBIT — операционной прибыли до вычета процентов и налогов — в масштабах компании. Сложите две цифры: 88% внедрили, 6% получили результат. Это и есть статистическое выражение «AI-washing» — внедрение состоялось как факт, но не как результат.

И есть третья цифра, которая замыкает картину и идёт из первоисточника. В официальном пресс-релизе опроса Writer и Workplace Intelligence формулируют разрыв прямо: 69% руководителей высшего звена сообщили, что их компания уже проводит увольнения из-за AI, но 39% из них признались, что формальной AI-стратегии у них нет. Сокращают под лозунгом, который сами не довели до плана. Именно этот разрыв сотрудник и считывает безошибочно.

Теперь вернёмся к сотруднику. Ему предлагают приложить усилия к инициативе, которая по объективным данным с вероятностью около девяти из десяти не даст бизнес-результата, но при этом несёт личный риск для его роли. Его отказ — не слепота, а корректная оценка базовых вероятностей. Он ведёт себя ровно так, как ведёт себя человек, которому предложили вложиться в проект с отрицательным ожидаемым исходом для него лично. Цифры провала внедрений и цифры сопротивления — это не два разных сюжета. Это одна и та же реальность, измеренная с двух концов.

Что на самом деле покупает сотрудник, когда соглашается на AI?

Если перевернуть оптику, видно, что неудачные внедрения совершают одну общую ошибку: они продают сотруднику технологию, тогда как купить он готов совсем другое.

Сотрудник никогда не хотел «модель». Модель — это инфраструктура, и для него она так же абстрактна, как марка стали в перекрытиях офиса. Он готов отдать деньги — в валюте внимания, усилий и лояльности — за две конкретные вещи. Первая: избавление от рутины, которая отнимает часы и не требует его как профессионала. Вторая, и более важная: безопасность роли — гарантия, что после внедрения его работа станет лучше, а не исчезнет. Внедрение, которое начинается со слов «мы ставим AI» и заканчивается угрозой «не освоишь — уволим», не продаёт ни того, ни другого. Оно требует от сотрудника оплатить чужой риск его собственной безопасностью.

Эта таблица описывает механику провала точнее, чем «сотрудники сопротивляются переменам». Сотрудники не сопротивляются переменам — они сопротивляются переменам, в которых их роль превращена в переменную для оптимизации, а не в сторону, чьи интересы учтены. Там, где внедрение начинается с ответа на вопрос «что станет с твоей работой», и где этот ответ подкреплён практикой, сопротивление падает — потому что сделка наконец становится симметричной.

Это не проблема персонала. Это провал проектирования

У провала внедрений есть инженерная природа, и она роднит его с провалом любого недоспроектированного продукта. Инженеры Anthropic в руководстве по построению агентных систем формулируют принцип, который выходит за рамки чистой техники: «самые успешные внедрения, — пишут они, — используют не сложные фреймворки, а простые, компонуемые паттерны», а рекомендация прямая — начинать с самого простого решения и наращивать сложность только по мере необходимости. Общий смысл: надёжные системы получаются там, где сложность вводится только под доказанную задачу, а каждый шаг прозрачен и проверяем человеком. Перенесите это на организацию — и «внедрение AI ради внедрения», без привязки к конкретному болезненному процессу и без прозрачности для исполнителя, нарушает оба принципа. Получается система, которая непрозрачна для того, кто в ней работает, и не привязана к задаче, которую он считает своей. Сопротивление такой системе — не баг персонала, а корректная реакция на плохой дизайн.

Отсюда следуют конкретные проверки.

Для исполнительного руководителя, ведущего внедрение: метрика «процент сотрудников, использующих AI» вредна, потому что она поощряет ровно то поведение, которое маскирует провал — формальное использование без результата. Полезная замена — две метрики, которые трудно накрутить: сколько часов рутины реально снято с конкретных ролей и сколько сотрудников могут назвать процесс, который стал для них лучше после внедрения. Если первая метрика растёт, а вторая — нет, перед вами AI-washing, и сопротивление, которое вы наблюдаете, заслуженно.

Для основателя, который строит AI-продукт для бизнеса: цифра 29% — это не риск, а карта спроса. Она показывает, что покупатель внутри организации — не только подписавший контракт руководитель, но и сотрудник, чьё участие нельзя купить угрозой. Продукт, который продаёт сотруднику безопасность роли и снятие рутины напрямую — а не «мощь модели» через голову руководителя, — обходит главную причину провала конкурентов. Это, в свою очередь, требование к архитектуре: продукт должен встраиваться в конкретный болезненный процесс и показывать исполнителю личный выигрыш в первые дни, а не в годовой презентации совету директоров. Ровно так — берём один измеримый процесс и собираем вокруг него AI-контур, который ведёт его сам, — мы и строим такие контуры как рабочие системы, а не как пилоты: посмотреть, как это устроено.

Для основателя на стадии масштабирования: внедрение, прошедшее через сопротивление и выжившее, оставляет след — накопленные сценарии реальной работы, в которых видно, какие задачи система сняла, а какие нет. Этот след сам по себе становится активом и защитой, и эта логика подробно разобрана в разборе «Вертикальный AI» уже не значит то, что вы думаете. Сопротивление, отработанное правильно, — это не потерянное время, а первый цикл сборки того, что потом нельзя скопировать.

Есть и обратное следствие, неудобное для части рынка. Если 29% сопротивления — это сигнал о провале change management, то поставщик, продающий «AI-трансформацию» через презентацию совету директоров, продаёт ускорение этого провала. Угроза увольнения за отказ от AI, которую готовы применять 60% руководителей, — это попытка решить управленческую задачу административным насилием. Она работает на коротком горизонте как накрутка метрики использования и не работает на длинном: формально вовлечённый, но внутренне сопротивляющийся сотрудник производит ровно тот мусор в данных, на котором потом обучается негодная система. Принуждение здесь не обходит провал проектирования, а консервирует его, маскируя цифрой охвата.

За чем стоит следить дальше

Три сигнала покажут, движется ли рынок к зрелости или остаётся в фазе AI-washing. Первый — изменится ли формулировка корпоративных метрик: уход от «процента пользователей» к измерению снятой рутины будет означать, что организации признали разрыв. Второй — появится ли в продуктах для бизнеса явная адресация сотрудника как стороны сделки, а не только покупателя-руководителя. Третий, самый медленный, — разойдётся ли на двое рынок поставщиков: на тех, кто продаёт «трансформацию» совету директоров, и на тех, кто продаёт измеримый сдвиг в конкретном процессе исполнителю. Первые живут на бюджете пока он есть; вторые накапливают тот самый след реальной работы, который со временем нельзя скопировать. Пока коммуникация строится вокруг «модели», а не вокруг «что будет с твоей работой», цифра сопротивления будет держаться, и держаться она будет заслуженно.

FAQ

Что такое «саботаж AI» в контексте этого опроса?

«Саботаж» — исследовательский термин самого опроса Writer и Workplace Intelligence. Под ним понимают сознательные действия сотрудников против AI-инициатив работодателя: ввод заведомо некорректных данных, игнорирование внедрённых инструментов, тихий отказ от обучения. Это не диверсия в юридическом смысле, а поведенческий паттерн снижения личного риска.

Почему сопротивление называют рациональным, а не иррациональным?

Потому что сотруднику одновременно сообщают две вещи: отказ работать с AI угрожает его позиции (это явно сказали 60% руководителей), но сам инструмент в большинстве случаев сырой. В такой конфигурации скептицизм — это доминирующая стратегия: сотрудник отказывается не от технологии, а от сделки, в которой все риски переложены на него.

Почему у поколения Z доля сопротивления вдвое выше?

44% против 29% в среднем — не «молодёжь капризничает». Младшие сотрудники сильнее всех чувствуют угрозу, потому что их функции — первичная обработка данных, черновые тексты, типовая коммуникация — ровно те задачи, которые модели снимают первыми. Их сопротивление — не незрелость, а лучшая в выборке калибровка на собственный риск.

Что делать руководителю, чтобы снизить сопротивление?

Отказаться от метрики «процент сотрудников, использующих AI» — она поощряет формальное использование без результата. Заменить её двумя, которые трудно накрутить: сколько часов рутины реально снято с конкретных ролей и сколько сотрудников могут назвать процесс, который стал для них лучше после внедрения. Растёт первая, а вторая нет — перед вами AI-washing.

Главное

• Опрос Writer и Workplace Intelligence 2026 зафиксировал, что 29% сотрудников (44% среди поколения Z) намеренно мешают AI-внедрениям. Стандартное объяснение через «низкую цифровую грамотность» не выдерживает второй цифры из того же опроса: 60% руководителей готовы увольнять отказников.
• В системе, где сотруднику угрожают за отказ, но дают сырой инструмент, скептицизм — оптимальная стратегия, а не дисфункция. Сотрудники понимают технологию; они отказываются от сделки, в которой все риски переложены на них.
• Данные о провале внедрений подтверждают расчёт: около 95% пилотов генеративного AI (по разбору MIT) не дали финансового результата, и лишь 39% компаний (McKinsey) видят влияние AI на прибыль на уровне предприятия.
• Организация продаёт сотруднику технологию, а купить он готов избавление от рутины и безопасность роли. Внедрение, которое не отвечает на вопрос «что будет с моей работой», получает сопротивление по построению.
• Практический сдвиг: заменить метрику «процент использующих AI» на «снятые часы рутины» и «число ролей, которым стало лучше»; строить продукт вокруг исполнителя, а не через его голову.