Если вы когда-нибудь делегировали задачу коллеге, а в ответ получили результат, который выглядит вроде бы готовым, но внутри — пустота, поздравляем: вы, скорее всего, столкнулись с workslop.

Нет, это не опечатка. Workslop — модное словечко 2026 года, и если вы ещё о нём не слышали, скоро услышите. Этот термин активно продвигают исследователи из Stanford и BetterUp, а также Harvard Business Review, CNBC и Gartner. «Workslop» описывает то, с чем каждый из нас наверняка сталкивался, но до сих пор не знал, как назвать: халтурная работа, сгенерированная ИИ и выданная за полноценный результат — растущая проблема, которая напрямую влияет на качество работы с ИИ в командах.

Но прежде чем вы решите, что это очередная статья об этике ИИ, давайте поговорим о том, что мы реально теряем. И потери — немаленькие.

Проблема на $9 миллионов, которая прячется у всех на виду

Workslop опасен тем, что на первый взгляд не выглядит как проблема. В презентации есть буллеты, чёткая структура и даже выводы — всё на месте. Проблемы всплывают позже. Клиент возвращает стратегию, потому что она слишком общая. Какая-нибудь цифра оказывается галлюцинацией нейросети. Кто-то пытается действовать на основе «инсайтов» и понимает, что за уверенными формулировками ничего нет.

Именно тогда становится очевидным падение качества работы с ИИ.

Согласно свежим исследованиям:

• 41% сотрудников получали от коллег халтуру, сгенерированную ИИ
• Каждый такой случай требует в среднем 2 часа на доработку
• 58% сотрудников крупных компаний тратят более 3 часов в неделю на исправление результатов ИИ
• И, пожалуй, самое болезненное: половина получателей начинают считать отправителя менее компетентным

Если пересчитать это на масштаб средней или крупной компании, набегает порядка $9 миллионов в год потерянной продуктивности — именно такую цифру приводит Gartner, описывая реальную стоимость потерь продуктивности из-за workslop на уровне предприятия.

Вот так выглядит реальное влияние снижения продуктивности из-за workslop внутри организаций. Это тысячи мелких сбоев каждый день. Отчёт, который пришлось переписывать. Предложение, которое нужно было собирать заново. Бриф, который ушёл клиенту недоделанным и вернулся с вопросами, на которые никто не мог ответить.

Эти скрытые затраты на доработку результатов ИИ накапливаются в командах со временем.

Что такое workslop на рабочем месте?

Слово грубоватое — и это намеренно. Workslop = work + slop (работа + халтура). Это то, что получается, когда человек берёт ИИ-инструмент, слегка подправляет результат и выдаёт его за свой вклад — без анализа, проверки, исследований и какой-либо реальной добавленной стоимости.

Важно уточнить, чем workslop не является. Workslop — это не использование ИИ как таковое. Использовать ИИ для ускорения мышления, структурирования идей, обработки информации и генерации вариантов — абсолютно нормально. Собственно, для этого он и создан. Проблема не в ИИ. Проблема в том, когда его используют как замену мышлению, а не как усилитель мышления.

Простой тест: спросите себя — «Сможет ли человек, который сдал эту работу, объяснить её устно?» Сможет ли он обосновать конкретное утверждение? Сказать, откуда взял ту или иную статистику?

ИИ сделал работу. Сотрудник просто нажал «отправить».

Почему это распространяется — и почему это трудно остановить

Вот почему качество работы с ИИ в командах так заметно падает в последнее время:

Команды быстро внедрили ИИ-инструменты, но всё остальное осталось прежним. Дедлайны, ожидания, требования к объёму — ничего не изменилось. А тут появляется инструмент, который за пару минут выдаёт что-то, похожее на готовый результат. И кто-то просто идёт по пути наименьшего сопротивления.

Никто не объяснил, что так нельзя. Никто не рассказал, что на самом деле значит «ответственное использование ИИ». А поскольку результат выглядит прилично — ИИ пишет уверенно, выдерживает нужный объём, аккуратно оформляет, — он чаще всего проходит первичную проверку.

Есть и социальный аспект. Когда вам кажется, что коллега подсунул сгенерированный текст, хочется это озвучить, но вы не уверены на 100%. Неудобно обвинять человека в чём-то подобном. Не хочется подставить кого-то незаслуженно. Поэтому вы просто исправляете и идёте дальше.

Тем временем затраты на доработку результатов ИИ — часы, которые ваша команда тратит на исправление чужих «поделок», — нигде не отображаются в отчётах о продуктивности. Они растворяются в «текучке» и переработках, в тихом раздражении людей, которым вечно приходится доделывать за другими.

7 признаков того, что в вашей команде проблема с workslop

Не нужно параноить по поводу использования ИИ. Достаточно знать, на что обращать внимание.

Сроки выполнения не соответствуют сложности задачи

Глубокий конкурентный анализ готов за 45 минут. Техническая спецификация, на которую обычно уходит день, сдана к обеду. Скорость сама по себе не подозрительна, но резкое, драматичное сжатие сроков на сложных задачах — повод присмотреться внимательнее.

Размытые формулировки, подходящие к чему угодно

«Организациям в данной сфере следует сосредоточиться на цифровой трансформации и клиентском опыте.» Эту фразу мог бы выдать любой ИИ, про любую отрасль, в любое время. Настоящий анализ — конкретный. У настоящего анализа есть позиция.

Уверенная статистика без источников

«Исследования показывают, что 67% потребителей предпочитают…» — и ни ссылки, ни цитаты, ни намёка на первоисточник. ИИ обожает генерировать правдоподобно звучащие цифры. Это один из самых простых индикаторов.

Гладкий текст, пустое содержание

Работа хорошо читается, но не выдерживает вопросов. Попробуйте копнуть логику — а за ней ничего нет. Workslop часто безупречен по структуре и абсолютно пуст по смыслу.

Шаблонные рекомендации

Каждая стратегическая записка заканчивается вариацией на тему «инвестируйте в технологии, повышайте квалификацию команды и приоритизируйте работу с данными». Если рекомендации мог бы написать любой человек, ничего не знающий о вашей компании и контексте, — скорее всего, так и было.

Нет следов процесса и итераций

Настоящая работа оставляет следы — заданные вопросы, промежуточные черновики, обсуждения. Когда человек выдаёт отполированный финальный документ без единого видимого этапа работы и ни разу не задал уточняющий вопрос — это как минимум необычно.

Доработка ложится на чужие плечи

Один из самых явных паттернов workslop: один человек стабильно сдаёт работу быстро, а все, кто дальше по цепочке, стабильно разгребают последствия. Трудозатраты никуда не делись. Они просто перекочевали к другим.

Ловушка доработок, о которой никто не говорит

А теперь самое болезненное. Один человек в команде пишет отчёт за три минуты. Выглядит как звезда: быстро сдал, молодец. Потом другой член команды два часа переделывает этот отчёт. Эта работа совершенно невидима. Для руководства второй сотрудник просто «загружен», а не первый сдал халтуру.

Именно так workslop незаметно проникает в организации. С точки зрения метрик продуктивности всё выглядит отлично. Объёмы растут. Задачи закрываются. Дедлайны соблюдаются. Но на уровне команды качество падает. Часы, потраченные на переделку ИИ-генерированных результатов — скрытые, но растущие затраты на доработку результатов ИИ — похоронены в таймшитах других сотрудников.

Этого не видно, если смотреть только на то, что было сдано. Нужно видеть, как это было сделано и что с этим происходило дальше.

Как WebWork помогает выявить workslop до того, как он нанесёт ущерб

Именно здесь такой инструмент, как WebWork, становится по-настоящему полезным — не как система слежки, а как система раннего предупреждения.

Учёт времени и мониторинг активности в WebWork дают руководителям видимость процесса, стоящего за результатом. Когда вы видите, как работа выполняется на самом деле, вы можете отслеживать паттерны и со временем улучшать продуктивность, снижая влияние workslop.

Разрыв между временем и результатом: Если задача, которая обычно занимает два часа, залогирована за восемь минут — это данные. Сами по себе они ничего не доказывают, но это сигнал, который стоит проверить, особенно если он повторяется на сложных задачах.

Данные по приложениям и активности: Программа мониторинга рабочих компьютеров WebWork отслеживает, какие приложения используются в рабочее время. Если человек выдаёт аналитические материалы, но при этом не открывает исследовательские инструменты, базы данных и первоисточники, а вся его активность — в одном окне ИИ-чата, паттерн говорит сам за себя.

Тренды продуктивности во времени: Когда объём работы резко растёт, а качество работы с ИИ падает — это чётко видно в данных. Такой паттерн невозможно заметить без трекинга, но с ним он становится очевидным.

Ключевое отличие: Система мониторинга сотрудников WebWork — это не про то, чтобы ловить людей за руку. Это про то, чтобы дать руководителям данные для осмысленного разговора. «Я вижу, что этот отчёт залогирован за 11 минут. Расскажи, как ты работал над ним?» — это совсем другой разговор, нежели «По-моему, ты использовал ИИ». Первое — это коучинг. Второе — обвинение. Данные делают возможным именно первый сценарий.

Как выстроить команду, которая использует ИИ правильно

Цель — не запугать людей и не отнять у них ИИ. Цель — убедиться, что использование ИИ действительно делает команду лучше, а не просто создаёт видимость скорости.

Определяйте стандарты качества, а не правила для инструментов: Вместо того чтобы запрещать или разрешать конкретные инструменты, сформулируйте, что такое хороший результат. Какой уровень детализации нужен? Что должно быть исследовано? На какие вопросы работа должна отвечать? Чёткие критерии качества не оставляют пространства для того, чтобы выдавать сгенерированную «воду» за настоящую работу.

Сделайте доработки видимыми: Если чья-то работа стабильно требует двух часов доработки ниже по цепочке, это должно быть видно. Сейчас этого не видно — и получается, что автор халтуры выглядит продуктивным, а те, кто за ним переделывает, выглядят перегруженными.

Нормализуйте вопросы о процессе: В команде должно быть нормой спрашивать: «Как ты к этому подошёл?» Не в допросном тоне, а как часть здоровой рабочей культуры. Команды, которые обсуждают процесс, естественным образом ловят workslop.

Сначала обучайте, потом наказывайте: Иногда workslop — симптом того, что человек перегружен и хватается за любые короткие пути. Данные из WebWork помогают увидеть это до того, как оно перерастёт в паттерн, — и решить проблему как вопрос нагрузки, а не поведения.

Заключение

ИИ был создан, чтобы сделать вашу команду продуктивнее. И он может это делать — когда усиливает мышление, а не заменяет его.

Большинство организаций до сих пор не умеют эффективно измерять качество работы с ИИ. Вместо этого они опираются на количественные метрики продуктивности — задачи закрыты, документы сданы, проекты помечены как «выполнено» — без реальной оценки качества, объёма переделок или скрытых затрат. Они видят скорость и не замечают ущерба.

Цифра в $9 миллионов — это сигнал к пробуждению. Не потому что это абстрактное число, хотя оно вполне реальное. А потому что это реальная проблема, которая затрагивает множество людей и плохо измеряется, ведь многие компании используют ИИ-инструменты без чётких правил и руководств по их эффективному применению.

Хотите видеть, как ваша команда на самом деле работает, а не только то, что она сдаёт? Система мониторинга сотрудников WebWork помогает выявлять провалы в продуктивности, сокращать доработки и повышать качество результатов в реальном времени.