Что делать, если команда не использует ИИ-агента

Как понять, что агента не используют

Внедрили ИИ-агента, а люди работают, будто его нет. Эта картина знакома чаще, чем хочется признать. Проблема не всегда кричит о себе: агент исправно отвечает на тестовые запросы, а в боевой работе тишина. Вот признаки, по которым низкое использование видно за пару недель.

• Доля обращений, которые агент закрывает сам, держится возле нуля, хотя на тестах он справлялся нормально.
• Сотрудники продолжают делать вручную то, ради чего агента и брали: переносят данные, перепечатывают шаблоны, ищут ответы в документах.
• Вопросы про агента перестали появляться вовсе. Сначала их было много, потом ноль. Никто не уточняет, как работает новая функция, потому что к ней не возвращаются.
• Агент числится «внедрённым», но ни в одном рабочем процессе его нет. Он отдельно ото всех, и это не случайность.
• Единственный, кто реально пользуется, это автор внедрения. Утилита держится на одном человеке и пропадёт вместе с ним.

Один такой признак ещё ни о чём не говорит. Первые дни все присматриваются. Настораживает сочетание: низкая доля закрытых задач плюс отсутствие вопросов плюс рутина, которая не изменилась. Если так живёт третий месяц, проблема не в агенте, а в процессе вокруг него.

Прежде чем строить гипотезы, разведите две ситуации: сотрудники не знают, что агент умеет, или сознательно его избегают. От ответа зависит, что делать дальше. Незнание снимается за пару дней обучения, сопротивление — только доказанной пользой на собственной задаче сотрудника. Спросите прямо, кто вообще пробовал агента хотя бы раз. Часто выясняется: большинство к нему ни разу не обращалось, и тогда дело не в саботаже, а в том, что инструмент просто не занял своё место.

Почему так происходит: четыре причины

Когда агент не используют, проще всего обвинить сотрудников в консерватизме. Это удобно и почти всегда неверно. Люди отказываются не от пользы, а от неудобства. Разберём четыре причины, которые повторяются чаще всего.

Страх ошибки и «меня заменят»

Сотрудник, который не до конца понимает, как агент принимает решения, боится скопировать неверный ответ и отвечать за него. Плюс тихий страх, что автоматизация сокращает людей. Никто не говорит об этом вслух. Но страх остаётся и проявляется ровно так: агента обходят, чтобы не рисковать. Покажите на конкретном сценарии, что агент передаёт спорное человеку, а не решает за него, и половина тревоги уходит.

Достаточно один раз перевести реальный случай через агента на глазах у сомневающегося сотрудника, и страх сменяется интересом. Вы показываете не абстрактную возможность, а его собственную рабочую задачу, закрытую за минуту. Слова о надёжности не работают, работает демонстрация на знакомом материале.

Непонимание, что агент умеет

Агента внедрили, но команде не объяснили границы его возможностей: что он делает сам, что передаёт человеку, где берёт ответы. Люди строят догадки, догадки неверны, и доверие падает. Человек либо ждёт от агента нереального и разочаровывается, либо не знает о его реальных возможностях и не обращается. В обоих случаях виновато не качество ответов, а отсутствие ясной картинки возможностей.

Хорошая вводная занимает от силы час: где агент лежит, каким языком с ним говорить, что он отдаёт человеку и где берёт ответы. Без такой картинки каждый сотрудник собирает модель по догадкам, и эти модели расходятся с реальностью. Один документ с границами возможностей закрывает причину целиком.

Дублирование рутины

Новый инструмент приживается, когда он сокращает путь к результату. Если агент встроен в систему, но сотрудник всё равно заполняет ту же форму в старом интерфейсе, потому что «так привыкли», дополнительная работа от инструмента очевиднее, чем польза. Агент, который не встроен в ежедневный маршрут, воспринимается как ещё один шаг, а не как сокращение шагов. Рутина, продублированная для агента, — верный способ его убить.

Нет ответственного

У агента может не быть владельца: человека, который отвечает за его жизнь внутри команды. Кто-то проталкивает новую функцию, решает, почему её не используют, переобучает и убирает возражения. Без такого человека внедрение заканчивается моментом запуска, а дальше агент умирает от невнимания. Ответственный — это не формальность, а механизм, без которого инструмент не развивается.

Как измерить: метрики использования

Прежде чем решать, надо понять масштаб. Интуиция тут врет: «вроде пользуются» и «реально вошли в работу» — разные вещи. Три простые метрики лучше любых споров. Цифры ниже — типичные ориентиры для среднего внедрения, а не обещание конкретной команды.

• Доля закрытых задач. Сколько обращений или операций агент доводит до конца сам, без передачи человеку. На старте редко превышает треть, после обучения и подстройки базы знаний обычно достигает 60–80%.
• Доля активных пользователей. Сколько людей реально обращаются к агенту за неделю. Если работает меньше половины команды, дело в доступности и обучении, а не в качестве ответов.
• Время до результата. Как быстро сотрудник получает готовый ответ или результат. Сравните с тем, сколько занимала ручная операция. Это цифра, которую видит каждый, и она продаёт инструмент лучше любых лекций.

Собирайте эти три показателя раз в неделю и не гонитесь за идеалом в первый месяц. Медленный, но устойчивый рост говорит о здоровом внедрении. Замерзшая на нуле доля закрытых задач — сигнал, что пора вмешаться системно, а не ждать.

Условный пример, чтобы показать направление. Отдел получает двести обращений в неделю, на одно сотрудник тратит около пятнадцати минут, агент — около минуты. Если агент закрывает половину потока, команда высвобождает десятки рабочих часов в неделю, которые идут на полноценное ведение сложных запросов, переданных человеком. Точная копейка не так важна, как тенденция: она видна уже через месяц регулярных замеров.

Системное решение: обучение и процесс

Использование не растёт само по себе. Его выращивают. И главный рычаг — корпоративное обучение, потому что без него агент стоит вне рабочего уклада. Но обучение работает в связке с ответственными и встраиванием в процесс. Разберём по шагам.

1. Обучите на реальных задачах, а не на слайдах

Корпоративное обучение ИИ-агентов приносит пользу, когда построено на задачах вашей команды, а не на общих вводных. Соберите пять реальных сценариев, с которыми сотрудники встречаются ежедневно, и разберите, как агент решает каждый: где он опирается на документы, где передаёт человеку, где просит уточнить вопрос. Человек должен один раз увидеть, что агент даёт рабочий результат быстрее, чем рука. После этого возврата назад нет. Подробный сценарий такого обучения описан в статье о том, как обучить сотрудников ИИ.

Практическое обучение обычно укладывается в один-два дня и строится на трёх блоках: как ставить задачу агенту в терминах вашей команды, как проверять и править его ответ, как передавать спорное человеку. После занятия у сотрудника остаётся не «общее впечатление», а короткая памятка с пятью сценариями его отдела и примерами готовых формулировок. Именно такой формат даёт устойчивое использование, а не разовая лекция.

2. Назначьте ответственного за агента

У агента должен быть владелец из вашей команды, а не подрядчика. Он отвечает на вопросы коллег, собирает обратную связь, замечает, что сценарий устарел, и передаёт на доработку. Обычно хватает одного человека на отдел. Без владельца внедрение — разовый запуск, с владельцем — живой инструмент, который развивается.

3. Встройте агента в ежедневный маршрут

Инструмент используют, когда его трудно обойти. Встроить агента в процесс означает убрать лишние шаги: сделать его доступным там, где сотрудник работает, а не в отдельном окне. Логично, чтобы он участвовал в том же потоке задач, который люди и так ведут. Чем меньше усилий до доступа, тем выше использование. Обучение и процесс работают вместе: обучение показывает, зачем, встройка делает это удобным и упомянутой в инструкциях отдела. Если об агенте нет ни слова в регламентах, он так и останется на периферии рабочего дня. Обучение и процесс работают в паре: обучение показывает, зачем, встройка делает это удобным и обязательным.

Коротко о главном

Команда не использует ИИ-агента не потому, что технология плохая. Причины всегда вокруг: страх, непонимание возможностей, дублирование рутины и отсутствие ответственного. Всё это решается системно, и ядро решения — корпоративное обучение команды на реальных задачах.

Порядок действий прост: измерьте три метрики, поймите главную причину, обучите сотрудников на пяти реальных сценариях и назначьте ответственного. Если разбираете бюджет, заложите обучение как самостоятельную статью: сколько стоит ИИ-агент считается вместе с вводом команды в работу, а не отдельно. А если внедрение ещё только планируете, изучите этапы внедрения ИИ-агента, чтобы заложить обучение с первого дня.