Старые KPI больше не показывают, кто на самом деле двигает бизнес

Что увидел HR-директор крупной компании в 2025 году

Команда из ста человек активно внедрила AI-ассистентов в работу. Через год каждый сотрудник производит на 35% больше output — больше кода, больше документов, больше закрытых задач, больше отправленных писем. Performance review показывает рост метрик у всех. Но выручка от продуктов, которые делает эта команда, выросла всего на 5% за тот же период.

В 2025 году такая картина повторяется в десятках больших компаний. И главный вопрос, на который никто не успел дать удовлетворительного ответа — если старые метрики больше не показывают вклад сотрудника, чем их заменить.

В России эта тема приходит с лагом, но в 2026-м встаёт массово. По публичным данным крупных корпораций и оценкам HR-ассоциаций, в 2025 году в РФ AI-инструменты использовали уже 35-45% knowledge workers в крупных компаниях и 20-30% в среднем бизнесе. Каждая из них рано или поздно сталкивается с одним и тем же: как теперь оценивать сотрудников.

Почему KPI-машина выдаёт неверные сигналы

Классические KPI строились на принципе «измеряй output». Сколько кода, сколько лидов, сколько договоров, сколько встреч. Логика простая: больше output — больше вклад. Эта логика работала, пока производительность была функцией от усилий конкретного человека.

ИИ изменил саму природу зависимости между усилием и output. С AI-ассистентом за час можно произвести в 2-5 раз больше при тех же или меньших усилиях. Сотрудник, который пишет 1000 строк кода в день с AI, и сотрудник, который пишет 500 без AI — формально дают разную продуктивность, но реальная их ценность для команды может оказаться одинаковой или даже обратной.

OKR в IT тоже искажаются. Цели, поставленные в 2023 году в логике «вырасти в 3 раза за полгода», в 2025-м легко перевыполняются на 200-300% за счёт AI-ускорения. Это не успех команды, это несоответствие амбиций инструменту.

360-feedback премирует тех, кто умеет создавать видимость через AI — автогенерация ответов в чатах, AI-составление документов, автозаполнение комментариев. Сотрудник кажется активным, документов отправляет много, но реального вклада в бизнес-результат может не делать.

Performance reviews, основанные на сочетании этих метрик, перестают отражать вклад людей. По McKinsey за конец 2025 года, корреляция официальной performance-оценки с реальным business outcome за 12 месяцев упала с 0.62 в 2021 году до 0.38 в 2025-м. Это критическое падение, после которого система больше не работает как инструмент управления.

«ИИ не сломал метрики продуктивности. ИИ показал, что они мерили не то, что мы думали. И теперь, когда output стал дешёвым, главный вопрос — что вообще является реальным вкладом сотрудника в результат бизнеса».

Что создаёт ценность в команде с AI

Если выпустить наружу старые метрики и посмотреть на работу честно, выясняется несколько важных вещей.

Вклад сотрудника всё чаще определяется качеством постановки задачи, а не качеством её исполнения. Когда исполнение делает AI, главный вопрос — кто и как сформулировал, что нужно. Сотрудник, который точно понимает цель, разбивает её на под-задачи, даёт AI правильный контекст и проверяет результат — создаёт реальный вклад.

Ценность всё чаще создаётся в зонах, где AI не работает. Сложные переговоры, нестандартные кейсы, креативный рестартинг продукта, понимание клиента, взаимодействие с регуляторами, эмпатия. Сотрудник, который провёл одну сложную встречу и удержал контракт на 50 миллионов рублей, в 2026 году создаёт больше ценности, чем команда, написавшая через AI тысячу страниц документов.

Вклад в команду стал важнее индивидуального output. Один сотрудник, который вкладывается в общую методологию, инструменты, базу знаний, документацию, обучение коллег — создаёт мультипликативный эффект на всех. Эту роль в индустрии уже называют по-разному: AI-ops, workflow designer, knowledge curator. Это та роль, которая в 2026 году становится самой дефицитной и самой высокооплачиваемой.

Reflection и iteration важнее раннего результата. Сотрудник, который умеет посмотреть на свою работу, понять, что сработало и что нет, перестроить процесс — создаёт ценность, которую невозможно заменить никаким инструментом.

Доверие и социальный капитал стали экономическим активом. Сотрудник, к которому коллеги идут за советом, кому доверяют делегировать сложные решения — в эпоху AI создаёт ценность, которую невозможно автоматизировать. Это не «soft skills» в старом понимании, это реальный актив.

Российские кейсы: как делают по-новому

Сбер в 2025 году в нескольких IT-командах заменил классические индивидуальные KPI на «команд-уровневые» метрики плюс качественную оценку индивидуального вклада. Через 9 месяцев индекс вовлечённости вырос на 18-22%, текучесть упала на 15%, корреляция оценок с бизнес-результатами — с 0.4 до 0.6.

Яндекс ввёл «contribution review» — оценку через перечень конкретных вкладов в команду, продукт, инфраструктуру, коллег. Каждый вклад описывается качественно, с привязкой к бизнес-результату или эффекту на других людей. Стоит дороже в часах менеджера, но возвращает в систему то, что AI-инструменты выбили: способность видеть людей за их output.

Альфа-банк ввёл «AI-leverage rate» — метрику, оценивающую, насколько сотрудник умеет использовать AI для усиления своей и коллег эффективности. В командах, где этот показатель оценивается явно, рост продуктивности составил 25-35% при сохранении burnout-баллов и текучести.

Тинькофф ввёл «зоны ответственности» — 3-5 областей на квартал, за которые сотрудник берёт прямую ответственность с количественными и качественными индикаторами. Удовлетворённость менеджеров системой выросла за полгода с 3.2 до 4.1 из 5.

Что объединяет эти эксперименты — переход от «измерения цифрами» к «оценке через структурированный нарратив плюс качественные индикаторы», и от индивидуальной оценки к команд-уровневой плюс контекстуализированной индивидуальной.

«Самое интересное в российских кейсах — они не пытаются сохранить старую систему оценки, добавив корректировку на AI. Они пересобирают саму идею performance review, превращая её из числовой машины в структурированную беседу про вклад. И это работает».

Практическая модель оценки в 2026 году

Если попытаться сжать сказанное в применимую модель, в 2026-м рабочая система оценки сотрудника состоит из четырёх слоёв.

Команд-уровневые метрики. Команда оценивается по бизнес-результатам — выручка, retention, NPS, рост ключевых продуктовых метрик, скорость гипотез, time-to-market. Ответственность за достижение — на команде целиком.

Индивидуальные «зоны ответственности». Каждый сотрудник определяет 3-5 областей, в которых он берёт прямую ответственность за результат. Не «разработал столько-то фич», а «отвечает за стабильность критического сервиса с SLA 99.95%»; не «закрыл столько-то сделок», а «удержал ключевых клиентов сегмента enterprise с retention выше 95%».

Вклады в команду. Качественная оценка влияния на коллег, инфраструктуру, культуру, методологию. Менторство, документация, обучение, разрешение конфликтов, стратегические инициативы. Оценивается через структурированную обратную связь от 3-5 коллег и руководителя, без числовых рейтингов.

Индивидуальный нарратив. Раз в квартал сотрудник пишет короткий рассказ о вкладе: что сделал, какие решения принял, что изменил, чему научился, какие ошибки совершил. Это инструмент рефлексии и точка для разговора с руководителем.

Эта модель сложнее простых KPI, требует от менеджеров умения вести структурированные разговоры. Но это та работа, от которой раньше менеджмент пытался уйти через автоматизацию метрик, и в эпоху ИИ она возвращается как главная управленческая компетенция.

Что меняется для сотрудника

Главное изменение для сотрудника в 2026 году — научиться формулировать собственный вклад без опоры на чисто количественные метрики. Если резюме звучит как «написал 5000 строк кода и обработал 250 тикетов» — оно неубедительно. Если оно звучит как «отвечал за стабильность сервиса, обслуживающего 30 миллионов пользователей, при росте нагрузки в 4 раза удержал SLA, вместе с командой переосмыслил архитектуру очередей» — это уже другой уровень разговора.

Рынок труда 2026 года расщепляется на две полосы. На одной — сотрудники, умеющие производить output с помощью AI и доказывать вклад через нарратив. Они получают премии и продвижение. На другой — те, кто продолжает работать в логике 2018 года и измеряет себя через output без понимания вклада. Между этими полосами разрыв растёт, и в ближайшие три года он закроется навсегда.

Про управление командами, AI-инструменты и реальную работу пишу в Telegram-канале.