Скрытый налог сложности: почему инструменты и процессы пожирают ваши ресурсы незаметно
Каждый новый инструмент, процесс и уровень согласований несёт за собой административные издержки, которые редко попадают в отчётность. Совокупность этих затрат превращается в «скрытый налог», который замедляет команды и сводит на нет выгоду от внедрения новых технологий.
Каждый новый процесс, инструмент и уровень согласования несёт издержки, которые почти никогда не отражаются в балансе. В сумме они превращаются в налог, замедляющий всю компанию.
Административная рутина поглощает рабочее время
Таня Чэннинг, операционный директор CRM-платформы Pipedrive, опубликовала аналитическую колонку, в которой описывает проблему, знакомую, пожалуй, каждому, кто работает в средних и крупных компаниях. Суть проста: инструменты и процессы, которые должны помогать командам работать быстрее и качественнее, на практике часто создают дополнительную нагрузку. Люди тратят время не на работу, а на обслуживание самой машины работы — заполнение отчётов, переключение между приложениями, ожидание одобрений, обучение новым системам.
По данным, на которые ссылается Чэннинг, около 58% специалистов тратят не менее трёх часов в неделю только на административные задачи. Более половины признают, что эта часть работы вызывает у них раздражение. Цифры не выглядят удивительными — многие из нас сталкиваются с этим ежедневно, — но масштаб проблемы заслуживает внимания.
Скорость в ущерб качеству решений
Отдельный тезис колонки касается роли искусственного интеллекта. Чэннинг утверждает, что AI ускорил выполнение задач, но не улучшил качество принимаемых решений — по крайней мере, не повсеместно и не последовательно. Давление скорости, напротив, подталкивает людей к тому, чтобы просто принять решение — пусть не идеальное, — лишь бы снять стресс и перейти к следующему пункту.
Это наблюдение заслуживает внимания, хотя и трудно поддаётся строгой проверке. Скорость действительно может подавлять критическое мышление, и это хорошо задокументировано в когнитивной психологии. Но говорить, что AI «не улучшил качество решений» в целом — слишком широкое обобщение. В ряде задач (анализ данных, распознавание паттернов, автоматизация рутины) модели доказали свою ценность. Проблема скорее в том, что компании часто внедряют AI-инструменты поверхностно, не пересматривая под них свои процессы.
Четыре области, где стоит начать
Чэннинг предлагает практический подход, состоящий из нескольких направлений. Вот они — без претензии на универсальность, но с рабочей логикой:
Сокращение рутины. Начать стоит с аудита рабочих процессов: что можно упростить, автоматизировать или убрать вовсе. При этом важно, чтобы сотрудники понимали цель каждого процесса, а не просто выполняли его «потому что так положено».
Фокус на приоритетах. Принцип «делай меньше, но лучше» применим и к инструментам. Вместо того чтобы размазывать AI по всем бизнес-процессам, разумнее сосредоточиться на ключевых направлениях, где технологии могут дать реальное преимущество.
Консолидация информации. Переключение между десятками приложений и вкладок — один из самых незаметных, но разрушительных факторов. Объединение данных в единой среде снижает cognitive load и уменьшает количество ошибок.
AI как ассистент, а не замена. Чэннинг предостерегает от чрезмерного доверия к генеративным моделям. Сотрудники должны уметь работать и без AI — сбои, отключения, изменения API никто не отменял. Если человек не может выполнить задачу без нейросети, он не контролирует процесс.
Обучение — главный рычаг
Пожалуй, самый важный тезис колонки касается обучения. Чэннинг считает, что именно инвестиции в подготовку персонала определяют, будет ли AI давать реальную отдачу. Речь не только о технических навыках — промпт-инжиниринг, работа с моделями, настройка автоматизаций, — но и о критическом мышлении, системном подходе и soft skills, которые удерживают организацию вместе.
Слепое копирование выводов нейросети — прямой путь к ошибкам. «AI-мусор» (в англоязычном сленге — AI slop) не просто бесполезен, он может быть контрпродуктивен, если принимается без проверки. Это особенно актуально для решений, затрагивающих клиентов, финансы или стратегию.
Нарастающая сложность IT-ландшафта
Современные компании работают в среде, которую руководители IT-отделов пять лет назад не могли себе представить. Облачные инфраструктуры, несколько слоёв AI-моделей, неструктурированные данные, shadow IT — всё это создаёт сложность, которая требует постоянного контроля. Зависимости между системами, разрастание инструментов, «дрейф» моделей и расходы на токены — всё это становится частью операционной повседневности.
Издержки при этом не только финансовые. Время, потраченное впустую, упущенные возможности, демотивация сотрудников — всё это имеет цену, которую трудно измерить, но невозможно игнорировать.
Что это значит на практике
Статья Чэннинг — не научное исследование и не руководство к действию. Это opinion piece от операционного директора, который ежедневно сталкивается с описанными проблемами. Стоит отнестись к ней соответственно: как к фреймворку для мышления, а не как к рецепту.
Тем не менее, общая логика верна. Инструменты и процессы со временем неизбежно усложняются. Без регулярного аудита и пересмотра они начинают работать против тех, кому должны помогать. AI добавил в эту картину новый слой — и скорости, и сложности. Те компании, которые научатся балансировать между этими факторами и не забудут про развитие людей, получат реальное преимущество. Остальные будут платить «скрытый налог» — в виде потраченного времени, демотивированных команд и упущенных возможностей.