Половина специалистов отмечают падение продуктивности из‑за «workslop» ИИ-отчет Zety предлагает двухшаговую тактику

Исследование Workslop Trust Report, подготовленное сервисом шаблонов резюме Zety, показывает, что автоматическая генерация контента от ИИ приносит не только пользу, но и ощутимый вред: 51% опрошенных специалистов считают, что «workslop» снижает их продуктивность. В отчёте авторы предлагают двухшаговую тактику — сначала пересмотреть критерии продуктивности при использовании ИИ, затем системно и настойчиво улучшать процессы применения генеративных систем — чтобы предотвратить потерю эффективности и доверия.

Авторы определяют «workslop» как внешне отполированный, но фактически неточный или непроверенный вывод ИИ. По данным опроса, 45% специалистов стали осторожнее с использованием ИИ; 57% отмечают снижение доверия к материалам, сгенерированным автоматически, а 46% видят в таком контенте риск ущерба репутации компаний. Эти показатели иллюстрируют, что проблема охватывает не только отдельных сотрудников, но и корпоративные процессы, где неверная или невыверенная автоматизация может привести к репутационным и операционным потерям.

Технологические лидеры в отчёте подчёркивают переход к модели «ИИ сначала — человек потом»: CTO Thomson Джоэл Хрон указывает, что оптимальный рабочий поток сейчас часто выглядит так — система генерирует первичный материал, а человек добавляет более высокий уровень суждения и интуиции. На практике это означает, что ИИ может ускорять подготовку черновиков, но окончательная ответственность и валидация остаются за людьми.

На уровне инструментов Ricoh Europe разработала внутреннюю модель оценки приложений из собственного AI‑маркетплейса, которая учитывает бизнес‑риски, финансовую отдачу и реальные временные экономии. CIO Ник Пирсон подчёркивает практический критерий полезности: действительно ли инструмент экономит часы или дни, или же генерирует бессодержательные заметки, не добавляющие ценности. Отчёт делает очевидным, что без таких метрик компании рискуют вложить ресурсы в автоматизацию, которая формально работает, но фактически ухудшает процессы.

Для разработчиков и менеджеров продукт‑практики отчёт формулирует конкретные рекомендации: внедрять метрики влияния ИИ на время и качество работы; проектировать потоки с обязательным уровнем человеческой проверки; применять модель оценки рисков и ROI перед развёртыванием; и фокусироваться на сценариях, где сочетание машинной генерации и экспертного контроля даёт очевидное добавленное значение. Те команды и специалисты, которые сумеют сочетать скорость машин с человеческим суждением, окажутся наиболее востребованы при дальнейшем внедрении генеративных и агентных систем.