Если вы используете GPT в работе, вы уже могли поймать странный эффект: задачи стали делаться быстрее, но свободнее не стало. Более того — иногда кажется, что стало тяжелее.
Раньше ты писал отчёт два часа. Теперь собираешь его за двадцать минут. Но вместо того чтобы получить обратно эти полтора часа, ты начинаешь делать отчёт глубже: добавляешь аналитику, проверяешь гипотезы, готовишь несколько сценариев, аккуратнее формулируешь выводы.
И в какой-то момент возникает неприятный вопрос: если ИИ действительно экономит мне время, почему я не чувствую себя менее загруженной?
Сначала я решила, что проблема во мне: плохо планирую, не так расставляю приоритеты, недооцениваю задачи. Потом посмотрела на цифры.
планирование проекта и поддержание плана — 8 часов
карточка проекта — 4 часа
отчёт по проектам — 4 часа
протоколы и повестки встреч — 3 часа
документация процессов — 8 часов
анализ метрик — 3 часа
Итого: ~30 часов операционки в неделю
С GPT тот же объём я сейчас могу закрыть примерно за один рабочий день. Логичный вопрос: где мои освобождённые 4 дня? Давайте разберем.
1. Сэкономленное время мгновенно заполняется новой работой
Когда задача становится дешевле по времени, мы редко просто останавливаемся на прежнем уровне качества.
Если раньше отчёт был «собрать статусы и риски», то теперь он превращается в: посмотреть динамику, сравнить с прошлой неделей, сформулировать выводы, подготовить несколько сценариев, отдельно подсветить проблемные зоны.
Формально это всё тот же отчёт. Фактически — уже другая работа.
ИИ не просто ускоряет выполнение задачи. Он расширяет представление о том, какой результат теперь считается нормальным.
Как только выполнение задачи дешевеет, автоматически растёт требуемая глубина: больше вариантов, больше проверок, больше улучшений. В итоге дополнительные итерации съедают почти всё сэкономленное время.
2. Скорость перестаёт быть преимуществом и становится базой
Самый неприятный эффект ИИ — скорость очень быстро перестаёт восприниматься как преимущество.
Первый раз ты готовишь документ за час вместо дня — это выглядит как магия. Второй раз — как хороший результат. Третий раз — как новая норма.
После этого возникает обратный вопрос: если теперь можно быстрее, почему ты всё ещё просишь столько времени?
Так ИИ незаметно меняет baseline производительности. Он не просто помогает делать быстрее — он пересобирает ожидания вокруг того, что считается нормой.
3. Работа становится не короче, а сложнее
В PM-работе большая часть нагрузки — не в том, чтобы написать текст руками.
Нагрузка в том, чтобы понять, что происходит на проекте, где риск, кто кого не услышал, какая зависимость сейчас выстрелит, какой срок уже выглядит подозрительно, но ещё не признан проблемой.
GPT помогает быстрее оформить мысль, собрать структуру, подготовить протокол, вытащить формулировки. Но он не снимает ответственность за управленческое решение.
В итоге ты меньше печатаешь, но больше анализируешь. Меньше тратишь времени на механику, но больше — на интерпретацию, проверку и принятие решений.
4. ИИ убирает рутину, но не убирает ответственность
ИИ может помочь подготовить отчёт, но не может понести последствия за неправильный вывод.
Он может предложить структуру плана, но не будет отвечать за сорванный релиз. Он может красиво сформулировать риск, но не примет за тебя решение — эскалировать сейчас или подождать. Он может собрать варианты, но выбор всё равно останется на человеке.
Поэтому ИИ снижает стоимость подготовки управленческих артефактов, но не снижает стоимость управленческой ответственности.
Иногда даже наоборот: когда подготовительная работа становится быстрее, от тебя начинают ждать более качественных решений.
Мой вывод
ИИ действительно сократил мои трудозатраты, но не сократил мою загрузку.
Он убрал часть механической работы, но освободившееся время почти сразу превратилось в дополнительные проверки, более глубокую аналитику, новые сценарии и более высокие ожидания от результата.
Проблема не в том, что ИИ «не работает». Он как раз работает слишком хорошо. Просто система быстро адаптируется к новой скорости и начинает воспринимать её как норму.
Поэтому главный вопрос уже не в том, насколько быстрее мы можем работать с ИИ. Главный вопрос — кто заберёт выгоду от этой скорости: сотрудник в виде разгрузки или система в виде ещё большего объёма ожиданий