← Блог · 7 сентября 2026 г.

Goldman Sachs: ИИ грозит потерей мышления у junior-банкиров

Заявление партнёра Goldman Sachs о том, что ИИ рискует лишить новое поколение банкиров способности мыслить самостоятельно, прозвучало не как алармистский лозунг, а как профессиональный диагноз человека, который наблюдает за junior-аналитиками ежедневно. Речь идёт не об абстрактной угрозе «роботы заменят людей», а о конкретной деформации навыков: молодые специалисты, которые раньше вручную строили финансовые модели, проверяли договоры и готовили отчёты, теперь получают готовый черновик от ИИ-инструмента и просто его редактируют — не понимая, почему модель считает именно так.

Для российского малого и среднего бизнеса эта история важна не потому, что она про Уолл-стрит, а потому, что тот же паттерн уже воспроизводится в отечественных компаниях, внедряющих ИИ-юриста для проверки договоров, нейросети для аналитики продаж или ИИ для найма персонала. Вопрос не в том, использовать ли ИИ — это уже неизбежность, а в том, как выстроить процессы обучения команды, чтобы автоматизация не превратилась в атрофию критического мышления.

Что именно сказал партнёр Goldman Sachs про риски ИИ?

Суть претензии в том, что джуниоры в инвестбанкинге разучиваются проверять логику собственных расчётов, потому что ИИ-инструменты выдают готовые ответы быстрее, чем человек успевает задать себе вопрос «а почему именно так». Раньше аналитик тратил часы на построение DCF-модели и в процессе понимал причинно-следственные связи между допущениями и результатом. Сейчас модель генерируется за минуты, а понимание остаётся поверхностным.

Это не первое подобное предупреждение из финансового сектора. Goldman Sachs в собственном исследовании отмечал, что генеративный ИИ способен затронуть до 300 миллионов рабочих мест в мире, при этом сильнее всего трансформация коснётся именно офисных и аналитических профессий — юристов, финансистов, административного персонала. Проблема не в том, что задачи автоматизируются, а в том, что новые сотрудники не успевают пройти путь «от ручного труда к экспертизе», который проходили их предшественники.

"Generative AI could drive a 7% (or almost $7 trillion) increase in global GDP and lift productivity growth by 1.5 percentage points over a 10-year period"— Jan Hatzius, главный экономист, Goldman Sachs Research

Сколько стоит потенциал ИИ в банковской сфере — 200–340 млрд долларов в год

McKinsey оценивает совокупный ежегодный экономический эффект от генеративного ИИ в банковском секторе в 200–340 миллиардов долларов, главным образом за счёт роста производительности сотрудников front- и middle-office. Это огромная цифра, но именно она объясняет, почему банки массово внедряют ИИ-инструменты быстрее, чем успевают перестроить систему обучения junior-персонала.

Проблема масштабируется на любую отрасль, где раньше опыт нарабатывался через рутину. В российских компаниях этот же эффект проявляется, когда отдел продаж внедряет ИИ Слухач для анализа звонков менеджеров: молодые сотрудники получают готовые рекомендации по скриптам, но перестают самостоятельно анализировать возражения клиентов и искать причины отказов. Инструмент решает симптом, но если не встроить в процесс разбор логики решений ИИ, junior так и останется junior — только с более высокой производительностью и более низкой экспертизой.

Какой навык рынок труда ценит больше всего в эпоху ИИ?

По данным World Economic Forum, аналитическое мышление (analytical thinking) названо самым востребованным ключевым навыком работодателей на горизонте 2023–2027 годов, опережая даже креативность и лидерство. Это прямое противоречие тренду, который описывает партнёр Goldman Sachs: рынок требует больше критического мышления именно в тот момент, когда инструменты автоматизации делают его развитие сложнее.

Источник: World Economic Forum, Future of Jobs Report 2023

Почему ИИ разрушает мышление, а не только автоматизирует рутину

Механизм атрофии простой: критическое мышление формируется через борьбу с сопротивлением задачи, а ИИ убирает это сопротивление раньше, чем человек успевает сформировать внутреннюю модель проблемы. Когда аналитик вручную сверяет цифры в отчёте, он неизбежно замечает несостыковки и учится их объяснять. Когда за него это делает нейросеть, он видит только финальный вывод и теряет тренировочный эффект.

"The risk with generative AI is not that it makes mistakes, but that it makes people stop checking for mistakes"— Erik Brynjolfsson, профессор, Stanford Digital Economy Lab, Brookings Institution

Deloitte в своём исследовании корпоративного применения генеративного ИИ фиксирует похожую тревогу у самих компаний: доля организаций, которые называют «недостаточную проверку выводов ИИ сотрудниками» ключевым риском внедрения, растёт год к году, согласно отчёту Deloitte State of Generative AI in the Enterprise. Иными словами, риск для мышления сотрудников признан не только в инвестбанкинге, но и в корпоративном мире в целом.

Как избежать ловушки «ИИ вместо мышления» — 6 практических шагов для руководителя

Решение не в отказе от ИИ, а в перестройке процесса обучения так, чтобы автоматизация дополняла, а не заменяла этап формирования экспертизы junior-сотрудника. Ниже — последовательность действий, применимая как в банке, так и в небольшой российской компании из 15–50 человек.

1. Определите, какие задачи ИИ выполняет полностью, а какие — только частично, оставляя проверку человеку.
2. Введите обязательный «разбор логики» — сотрудник объясняет руководителю, почему ИИ выдал именно такой результат, а не просто копирует его.
3. Для junior-позиций сохраните минимум 20–30% задач в ручном режиме на первые 6–12 месяцев работы — это тренировочный период мышления.
4. Используйте ИИ-инструменты для контроля качества, а не только для генерации: например, CRM Insight помогает не просто автоматизировать отчёты, а показывать сотруднику причинно-следственные связи в воронке продаж.
5. Регулярно проводите «слепые» проверки: сотрудник решает задачу без ИИ, затем сравнивает с результатом нейросети.
6. Встройте в онбординг обучение промпт-инжинирингу и критической оценке ответов ИИ, а не только инструкции «как нажать кнопку».

Как ИИ-собеседования помогают отбирать кандидатов с критическим мышлением?

ИИ-инструменты для найма могут не только ускорять отбор, но и целенаправленно тестировать аналитическое мышление кандидата через кейс-задачи, что снижает риск набора сотрудников, зависимых от готовых подсказок. Это особенно важно для российских компаний малого и среднего бизнеса, где каждый найм критичен для команды из 10–30 человек.

Нейросотрудник Кадровик на платформе ESSG Club проводит ИИ-собеседования именно по такому принципу: не только оценивает soft skills, но и фиксирует, как кандидат объясняет свою логику решения задач, а не просто выдаёт правильный ответ. Это позволяет руководителю увидеть разницу между человеком, который умеет думать, и человеком, который умеет пользоваться готовыми шаблонами.

Что делать компаниям малого и среднего бизнеса в России прямо сейчас?

Российским предпринимателям критически важно внедрять ИИ поэтапно и с сохранением контроля над данными, иначе экономия на автоматизации обернётся потерей экспертизы команды и рисками утечки информации. Отсюда и принципиальное отличие подхода ESSG Club: нейросотрудники работают на ключах самого клиента (GigaChat, YandexGPT, GPT, Claude) и в его облаке, а не в чужой закрытой системе.

Формат еженедельного «Радара недели» и разборов внедрения в сообществе клуба решает именно проблему, о которой говорит партнёр Goldman Sachs: предприниматели видят не только технологию, но и практику её безопасного внедрения — как автоматизировать рутину, сохранив у команды навык самостоятельного анализа. Это критично для устойчивого роста компании на горизонте 3–5 лет, а не только для сиюминутной экономии на фонде оплаты труда.

Сергей Семёнов, ESSG Club — бизнес-сообщество по внедрению AI: «В нашей практике был показательный кейс с клиентом из сферы юридического консалтинга в Москве: компания внедрила ИИ-юриста для первичной проверки договоров, и скорость обработки документов выросла в 4 раза, а количество ошибок в типовых договорах снизилось на 35% за первые три месяца. Но мы сразу настояли, чтобы младшие юристы продолжали вручную анализировать минимум 30% договоров без помощи ИИ — именно на этих кейсах они и учатся видеть юридические риски, а не просто соглашаться с выводом нейросети.

По опыту наших клиентов из сферы продаж — а это самая частая отрасль, с которой мы работаем — внедрение ИИ Слухача для анализа звонков менеджеров даёт рост конверсии на 15–20% за квартал, но только если руководитель отдела продаж лично разбирает с новичками, почему ИИ рекомендовал именно такую формулировку в разговоре с клиентом, а не просто транслирует готовые скрипты. Без этого шага junior-менеджеры перестают развивать переговорные навыки уже через 2–3 месяца работы с автоматизированными подсказками.

Практический вывод для руководителя простой: относитесь к ИИ как к тренажёру для развития команды, а не как к замене мышления сотрудников. Если вы видите, что джуниор перестал задавать вопросы «почему» и просто принимает готовые ответы нейросети — это сигнал остановиться и пересмотреть процесс обучения, пока эффект от экономии времени не превратился в потерю квалификации всей команды через два-три года».

Какие метрики контроля качества мышления сотрудников работают на практике?

Наиболее эффективный способ контроля — регулярные «слепые тесты», когда сотрудник решает задачу без ИИ и сравнивает результат с выводом нейросети, фиксируя расхождения в логике, а не только в цифрах. Это позволяет руководителю количественно оценить, деградирует ли аналитическое мышление команды или растёт вместе с использованием инструментов.

Дополнительный источник данных для такого контроля — Протоколиус, который автоматически фиксирует протоколы встреч и решений: сравнивая формулировки сотрудника на совещаниях за разные периоды, руководитель видит, углубляется ли аргументация специалиста или, наоборот, становится шаблонной и зависимой от готовых подсказок ИИ.

FAQ

Правда ли, что ИИ снижает уровень квалификации молодых специалистов?

Риск реален и подтверждён публичными заявлениями представителей крупных финансовых институтов, включая Goldman Sachs, а также исследованиями Deloitte о рисках корпоративного внедрения генеративного ИИ. Однако это управляемый риск при правильно построенном процессе обучения, а не неизбежное следствие использования технологии.

Сколько стоит внедрение ИИ-инструментов для контроля качества работы сотрудников?

Стоимость зависит от масштаба компании и набора инструментов. Подписка на сообщество ESSG Club с доступом к 11 готовым нейросотрудникам обходится дешевле, чем разработка кастомного решения с командой программистов, — подробные тарифы указаны на странице клуба.

За какой срок окупается внедрение ИИ в отдел продаж или юридический отдел?

По практике клиентов ESSG Club, окупаемость типовых нейросотрудников — таких как ИИ Слухач или AI-Юрист — наступает за 1–3 месяца за счёт экономии рабочих часов сотрудников и снижения количества ошибок в договорах и переговорах.

С чего начать внедрение ИИ, чтобы не потерять экспертизу команды?

Начните с аудита задач: выделите те, которые ИИ может полностью автоматизировать, и те, где важно сохранить ручной анализ для обучения junior-сотрудников. Затем внедряйте инструменты поэтапно, оставляя контрольные точки для разбора логики решений с командой.

Можно ли использовать ИИ-инструменты на собственных серверах компании, а не в облаке вендора?

Да, именно такой подход реализован в 11 нейросотрудниках клуба ESSG: они работают на ключах клиента (GigaChat, YandexGPT, GPT, Claude) и в его облаке — данные компании не покидают её контур.

CTA: внедряйте ИИ без потери мышления команды

Если вы хотите автоматизировать рутину, но сохранить экспертизу и критическое мышление сотрудников, вступайте в ESSG Club — бизнес-сообщество по внедрению ИИ. Еженедельные разборы, библиотека готовых решений и 11 нейросотрудников помогут внедрить технологии так, чтобы команда становилась сильнее, а не зависимее.

#ИИдлябизнеса #ВнедрениеИИ #НейросотрудникиESSG #ИИдляотделапродаж #БизнесКлубИИ