Муда в эпоху ИИ: как мы автоматизируем пустоту

Что такое муда и почему это важно сегодня

В 1950-х годах Тайити Оно, архитектор производственной системы Toyota, сформулировал концепцию, которая перевернула промышленность: муда — это любая деятельность, которая потребляет ресурсы, но не создаёт ценности с точки зрения потребителя. Оно выделил семь видов потерь: перепроизводство, ожидание, транспортировку, излишнюю обработку, запасы, лишние движения и дефекты. Позже к ним добавили восьмой — неиспользованный потенциал людей.

Ключевое в этой философии — не просто сокращение издержек, а радикальное различение того, что создаёт ценность, и того, что её имитирует. Toyota строила свою империю не на скорости, а на способности видеть, где скорость бессмысленна.

Сегодня мы стоим перед соблазном поверить, что генеративный ИИ отменяет эту логику. Что если мы можем генерировать текст, код, изображения и отчёты за секунды, то сама проблема муда растворяется в скорости. Это опасная иллюзия.

Цифровая муда: когда автоматизация усугубляет потери

Главный парадокс ИИ в контексте бережливого производства сформулирован предельно ясно: «Если вы оцифровываете потери, вы просто получаете цифровые потери». Автоматизация муда не устраняет её — она делает её масштабируемой.

Классический пример — перепроизводство. В бережливом производстве это «мать всех потерь», потому что оно порождает все остальные неэффективности. С ИИ перепроизводство приобретает новую форму: когда предельная стоимость генерации текста, кода и данных падает почти до нуля, компании попадают в ловушку исполнения. Автоматизированные системы производят сотни отчётов, резюме и аналитических метрик в секунду, которые никто не читает и на основе которых никто не действует. Это не продуктивность — это структурное перепроизводство.

Исследование Стэнфорда и Harvard Business Review ввело термин «workslop» для описания этого феномена: контент, который выглядит профессионально, но лишён содержания, необходимого для реального продвижения задачи. Более 40% американских сотрудников сообщают, что сталкивались с таким контентом, и на его исправление уходит почти два часа в неделю. Иронично, что ИИ, обещавший освободить время, создаёт новый вид работы — работу по исправлению работы, которую он же и произвёл.

Иллюзия продуктивности: скорость без направления

Hamilton Mann в статье для IMD формулирует это как путаницу между эффективностью и продуктивностью — «ошибку, при которой скорость принимают за направление, а исполнение — за ценность». Он описывает реальный кейс: глобальная B2B-компания внедрила ИИ-трансформацию для 2800 сотрудников. За шесть недель объём писем клиентам вырос втрое. Отписки и возвраты начали расти. Менеджеры тратили больше времени на просмотр ИИ-черновиков, чем на содержательную работу. Коэффициент отклика падал, но графики активности выглядели героически.

Это и есть муда в чистом виде: система генерирует активность, которая не создаёт ценности, но потребляет внимание, время и когнитивные ресурсы. Более того, она создаёт иллюзию контроля — дашборды показывают рост, но качество результатов падает.

Особенно опасна «решение-муда» (decision muda), которую описывает Joanna Miler: ИИ может ускорять исполнение, одновременно замедляя суждение. Организация становится технически быстрее, но когнитивно медленнее. Менеджеры получают три ИИ-рекомендации по одному вопросу, аналитики сравнивают результаты нескольких копиолотов, комплаенс добавляет дополнительные проверки, потому что никто до конца не доверяет рассуждениям системы. Вместо устранения бюрократии ИИ встраивается в неё, создавая новые циклы проверки.

Невозможность перескочить через некомпетентность

Здесь мы подходим к самому болезненному вопросу. ИИ даёт ощущение, что теперь всё по плечу. Что можно писать книги, создавать стратегии, разрабатывать продукты — без десяти лет практики. Что барьер входа в любую профессию обнулился.

Но это ощущение обманчиво. Как отмечает исследование о природе ИИ-генерации, языковые модели обучены на форме, и «никакой мост от формы к смыслу не может быть построен априори». ИИ может имитировать стиль, но не понимает, что стоит за словами. Он может генерировать уверенные, беглые и ложные утверждения, которые исследовательское сообщество называет «галлюцинациями».

Более того, ИИ не способен заменить вкус — то, что невозможно почерпнуть из данных. Как отмечают исследователи в области кулинарии, ИИ не может распознать все переменные, влияющие на вкусовой опыт, и поэтому не может создать новый вкусовой опыт. Человек развивает вкус через реальный опыт, через ошибки, через телесное присутствие в мире. Никакая документация, сгенерированная ИИ или нет, не может передать неявное знание, которое мы получаем через взаимодействие с реальностью.

Это касается не только кулинарии. В любой области — от стратегического управления до дизайна — компетентность включает в себя способность распознавать, когда что-то не так, даже если формально всё соответствует правилам. Эксперт становится менее уверенным, приближаясь к границам своей компетенции, потому что чувствует сопротивление реальности. ИИ, напротив, генерирует уверенные ответы именно там, где должен остановиться.

Размывание границы между глубоким и одноразовым

Самое тревожное последствие цифровой муда — не просто потеря времени, а стирание различия между полезным, глубоким и одноразовым. Когда ИИ может генерировать бесконечный поток контента, который выглядит достаточно хорошим, возникает соблазн принять видимость за суть.

Исследование о «высококачественном китче» ИИ описывает это точно: генеративные модели создают контент, который «технически превосходен» и «эмоционально заряжен», но лишён глубины и трансформационного потенциала. Это «поверхностные знаки глубины без бремени глубины». Проще говоря, ИИ даёт вам ощущение, что вы что-то создали, не требуя от вас того усилия, которое действительно создаёт ценность.

В Lean-философии это называется «паровой работой» (vapor work): организационные артефакты, которые существуют преимущественно как сигналы, а не как содержательный вклад. Презентации, созданные чтобы показать активность, а не для передачи инсайта. Отчёты, написанные для распространения, а не для использования. ИИ автоматизирует паровую работу, ускоряя создание артефактов с налётом легитимности. Опасность не только в потраченных усилиях, но в нормализации исполнения как субстанции. Когда паровая работа становится неотличима от реальной, организации дрейфуют в среды, где внешний вид важнее влияния.

Lean-мышление как противоядие

Ответ не в отказе от ИИ, а в применении Lean-принципов к самому ИИ. Ключевой вопрос Lean: что создаёт ценность с точки зрения потребителя? Применительно к ИИ это означает: не «что мы можем сгенерировать?», а «что из сгенерированного действительно продвигает работу вперёд?»

Это требует дисциплины, которую Toyota отрабатывала десятилетиями. Не автоматизировать генерацию данных, если не автоматизирован функциональный путь, который их потребляет. Не измерять производительность количеством созданных артефактов. Не позволять скорости исполнения маскировать замедление суждения.

Andrey Andreev сформулировал это лаконично: «ИИ не исправит сломанный процесс. Он только заставит его сломаться быстрее». Если у вас нет ясного понимания, что создаёт ценность, ИИ не даст вам этого понимания. Он даст вам больше того, что вы и так делали, — быстрее и в большем объёме.

Муда как зеркало

Концепция муда ценна не как инструмент сокращения издержек, а как способ видеть. Она заставляет задавать неудобный вопрос: эта деятельность создаёт ценность или только её имитирует? В эпоху ИИ этот вопрос становится экзистенциальным.

ИИ не отменяет муда. Он её усиливает, потому что делает производство имитации бесконечно дешёвым. Единственная защита — сохранять способность различать. Различать форму и содержание. Сигнал и субстанцию. Скорость и направление. Иллюзию владения и подлинную компетентность.

Это различение нельзя делегировать ИИ, потому что оно и есть то, что делает нас людьми — неспособными перескочить через собственную некомпетентность, но способными еёRecognize и превзойти через усилие, через время, через вкус, который не генерируется, а выращивается.