Наблюдение из опыта работы с ИИ: навыки руководителя

Чем больше я работаю с ИИ, тем чаще ловлю себя на том, что вижу в этой работе свою же руководящую деятельность, только в концентрированном виде. И это, кажется, главный вызов эпохи ИИ для каждого из нас: сможешь ли ты стать хорошим руководителем. С человеком можно было компенсировать слабую постановку задачи «человечностью» сотрудника, общим контекстом, способностью переспросить и догадаться. С агентом так не получится: что сформулировал, то и получил. Плохой менеджер с ИИ остаётся плохим менеджером, только теперь с большей пропускной способностью своей неэффективности.

Первое, что обнажается и сразу влияет на общий результат, это нарезка задач. Главный сдвиг в том, чтобы в числе прочего мыслить задачами размером в один ответ модели или одну сессию агента, а не «проектами на неделю». Хорошая задача для ИИ это та, у которой можно за разумное время проверить результат. Если ты не понимаешь, как будешь принимать работу, задача нарезана плохо. И отдельный навык, отличать задачи, которые стоит делегировать ИИ, от тех, которые стоит делать самому. Стратегия, архитектурное решение, разбор конфликта это твоё мыслительное упражнение, делегировать его значит обокрасть себя. А исполнительская работа на знакомой территории, наоборот, должна уходить агенту.

Второе это приёмка результата, который строится на различии задачи, работы и рабочего продукта. Здесь нужна дисциплина не доверять. Не в смысле паранойи, а в смысле всегда явного шага верификации. У меня в голове три уровня проверки: поверхностный (структура, формат, нет ли явной чуши), содержательный (соответствует ли решение задаче, нет ли логических дыр) и глубокий, для важных решений (проверка фактов по первоисточникам, сравнение с тем, что сделал бы сам). И отдельно навык быстро браковать, но при этом вести учет сделанных рабочих продуктов.

Третье и самое недооценённое это переключение и личная собранность. Когда у тебя параллельно идут несколько Claude Code сессий, чат с моделью, агенты в фоне, узким местом становишься ты сам. Что работает на практике: один первичный фокус в момент времени, даже если фоном крутятся агенты. Между задачами явная пауза и явный вход: что я делаю, зачем, какой ожидаю результат. Без этого получается состояние «весь день что-то делал с ИИ, а к вечеру не понимаю, что сделано». ИИ создаёт иллюзию, что можно делать всё сразу: пока генерится одно, давай начну другое. По факту качество решений падает, и ты становишься узким местом не в скорости, а в качестве суждения.

Четвёртое, о чём редко думают на старте. Любому новому сотруднику ты обязан обеспечить доступ к информации, провести онбординг, определить границы: что можно видеть, что нельзя, к каким системам подключён. С ИИ ровно так же. Модель без правильного контекста это новичок без онбординга: она не знает твоих договорённостей, истории решений, специфики предметной области, и её ответы будут «среднепопулярными», а не «твоими». Отсюда практический вывод: нужно всерьёз заняться качественной базой знаний (контекстом). Не «когда-нибудь потом», а как часть руководящей работы. По сути, ты строишь базу знаний для команды людей и агентов одновременно, и это другой уровень требований к качеству и структуре. Пока её нет, большая часть твоего времени уйдёт не на мышление, а на повторное «введение в курс дела» каждого нового агента.