Российский рынок систем видеонаблюдения с элементами искусственного интеллекта ежегодно растет. Камеры учатся распознавать лица, детектировать драки, оставленные предметы, нарушения периметра и даже настроение посетителей. Компании из ритейла, логистики, транспорта и промышленности массово внедряют «умное» видео — но парадокс в том, что дорогостоящие технологии зачастую не оправдывают ожиданий.
По данным международных консалтинговых отчетов, до 70% проектов по интеграции ИИ сталкиваются с серьезными трудностями, а более половины так и не выходят из стадии пилота. Руководители традиционно винят «сырые» алгоритмы, недостаточную вычислительную мощность или недобросовестных поставщиков. Однако серия свежих академических исследований указывает на другую, более глубокую причину: проблема кроется не в искусственном, а в человеческом интеллекте.
Успех внедрения ИИ-видеонаблюдения зависит не от вычислительной мощности и не от размера обучающей выборки. Он зависит от того, кто сидит по ту сторону монитора — и как этот человек взаимодействует с технологией. В этой статье мы разберем, почему сотрудники саботируют ИИ, какие психологические ловушки мешают доверять алгоритмам, как возраст влияет на отношение к автоматизации и почему настоящая проблема внедрения — это не код, а люди.
ПОРТРЕТ ПРОБЛЕМЫ: ПОЧЕМУ ИИ «НЕ РАБОТАЕТ»? ДАННЫЕ ИССЛЕДОВАНИЙ
Чтобы понять корни неудач, обратимся к цифрам и исследованиям. Масштабный отчет Уортонской школы бизнеса (Wharton GBK AI Adoption Report, 2025), основанный на опросе более 2000 компаний по всему миру, дает четкое разделение на «чемпионов» и «аутсайдеров» в гонке внедрения ИИ.
У КОГО ИИ РАБОТАЕТ?
«Успешное внедрение» (чемпионы) — это около 15% компаний, которые уже получают измеримую финансовую отдачу от искусственного интеллекта. В чем же особенности их подхода?
- Они рассматривают ИИ не как одноразовый проект, а как стратегический актив, встроенный во все бизнес-процессы. Для них ИИ-видеонаблюдение — не просто «замена глазам охранника», а источник данных для аналитики, маркетинга, операционного управления.
- Они тратят на переобучение сотрудников и изменение процессов до 40% от общего бюджета на ИИ-проект.
- Они понимают, что ИИ — это не «включил и забыл», а живой инструмент, который требует настройки, обратной связи и постоянной доработки. Они готовы к итерациям и не ждут 100% точности в первый же день.
У КОГО ИИ НЕ РАБОТАЕТ?
Остальные 85% компаний действуют по принципу «внедрили — запустили — разочаровались — отказались». В чем типичные ошибки:
- Ожидание «волшебной таблетки». Они уверены, что ИИ решит все проблемы мгновенно и автономно. Когда система требует тонкой настройки под специфику объекта (например, чтобы не путать движение человека с движением тени), наступает разочарование.
- Экономия на главном. Они инвестируют в «железо» и софт, но экономят на обучении персонала. В результате дорогая система используется на 10–20% своего потенциала, а сотрудники находят способы ее обойти или отключить.
Вывод Wharton однозначен: технологический барьер — иллюзия. Реальный барьер — это завышенные ожидания, отсутствие стратегии и, главное, неготовность людей к новой роли в процессе.
ПСИХОЛОГИЧЕСКИЙ БАРЬЕР: МЫ ЖДЕМ ОТ ИИ ЧЕЛОВЕЧНОСТИ
Но проблема не только в управленческих ошибках. Есть фундаментальная особенность человеческой психики, которую вскрыло еще классическое исследование Стэнфордского университета «Computers Are Social Actors» (Nass, Steuer, Tauber, 1994). Авторы провели серию экспериментов и доказали: люди бессознательно и автоматически наделяют компьютеры (а теперь и ИИ) чертами социальных объектов. Мы применяем к ним те же правила вежливости, ожидаем проявления «личности» и приписываем им намерения. В общем, как мы ведем себя с людьми, так мы ведем себя с машинами.
В одном из экспериментов испытуемые оценивали обучающую программу. Когда программа сама себя оценивала (то есть «спрашивала о себе»), люди ставили ей более высокие и похожие друг на друга оценки, как будто им было неловко критиковать ее в лицо.
В другом эксперименте людям давали компьютеры с разными голосами. Выяснилось: если компьютер хвалил сам себя (тем же голосом), это казалось подозрительным. А вот похвала от другого компьютера (с другим голосом) воспринималась как честная. И наоборот: критику от «чужого» голоса люди считали агрессивной, а критику «своего» — даже дружелюбной, как скромность.
А еще участники приписывали компьютерам гендерные стереотипы: мужской голос казался им более авторитетным и заслуживающим доверия, а женский — лучше разбирающимся в любви и отношениях.
Что это означает для видеонаблюдения? Прямая проекция: когда ИИ-камера выдает ложное срабатывание (например, принимает кошку за нарушителя), оператор воспринимает это не как технический сбой алгоритма, а как «глупость» или «вредность» системы. Он злится на «глупую железяку» так же, как на некомпетентного коллегу. Вместо того чтобы рационально разобраться в причинах (изменившееся освещение, неправильная зона детекции, неоткалиброванная чувствительность), он эмоционально отторгает технологию, отключает надоедливую функцию и возвращается к ручному контролю. Исследование CASA показывает, что эта реакция автоматическая, неконтролируемая и не связана с уровнем технической грамотности — она проявляется даже у опытных пользователей.
НОВОЕ ИССЛЕДОВАНИЕ: ИИ КАК АВТОНОМНЫЙ АГЕНТ МЕНЯЕТ ПРАВИЛА ИГРЫ
В 2026 году вышло исследование «How AI Agents Reshape Knowledge Work» (Perplexity, arXiv:2606.07489), которое добавляет важный нюанс. Авторы сравнили два режима взаимодействия с ИИ: «Search» (ассистент без автономии, просто отвечает на запросы) и «Computer» (автономный агент, который сам планирует действия, собирает информацию, выполняет задачи). Результаты поразительны:
В режиме «Computer» ИИ-агент выполняет 26 минут полезной работы за сессию против 33 секунд в режиме «Search». Время выполнения комплексной задачи сокращается с 269 до 36 минут — почти в 7,5 раза. Стоимость решения снижается на 87–94%.
Но ключевой вывод для нас другой: автономный ИИ не заменяет человека — он расширяет его возможности. Пользователь переключается с рутинных операций (поиск, систематизация, первичный анализ) на задачи высшего порядка: верификацию результатов, расширение контекста, синтез и принятие решений. Исследователи подчеркивают: эффективность такого тандема «человек + автономный агент» напрямую зависит от того, насколько человек готов к этой новой роли — быть не исполнителем, а дирижером и контролером.
Для сферы безопасности это означает следующее: оператор, который умеет делегировать ИИ рутинную фильтрацию событий, а сам сосредотачивается на сложных кейсах и настройке модели, становится в разы эффективнее. Но если оператор не готов к такому повышению — если он хочет просто сидеть и смотреть в мониторы, не вникая в логику работы агента, — то он не просто бесполезен, он становится тормозом для всей системы.
ЧЕЛОВЕК ХОЧЕТ КОНТРОЛЯ, ОСОБЕННО СТАРШЕЕ ПОКОЛЕНИЕ
Наконец, масштабный опрос, проведенный Ada Lovelace Institute и The Alan Turing Institute (2023) среди 4000 взрослых жителей Великобритании, показал, что люди не готовы слепо доверять ИИ. 62% респондентов заявили, что для комфортного использования ИИ им необходимы четкие законы и регулирование. 59% хотят иметь процедуры для апелляции к человеку против решения ИИ. А главное — обнаружился четкий поколенческий разлом: люди в возрасте 45 лет и старше значительно чаще настаивают на том, что окончательные решения должны принимать люди, способные их объяснить. Молодежь (18–24 года) гораздо спокойнее относится к ИИ-решениям и чаще готова доверить машине часть полномочий.
Это совпадает с данными других исследований: например, опрос Dale Carnegie (2025) показал, что 61% «бумеров» (57–75 лет) видят в ИИ угрозу рабочим местам, тогда как среди поколения Z (18–24 года) таких только 25%. Уверенность в работе с ИИ демонстрируют 64% зумеров и лишь 27% бумеров.
Таким образом, исследования сходятся в трех ключевых выводах:
- Провал внедрения ИИ — это не техническая проблема. Технология готова, алгоритмы работают, оборудование достаточно мощное. Провал происходит на стыке завышенных ожиданий, плохого обучения и психологического отторжения.
- Люди бессознательно персонифицируют ИИ, приписывают ему намерения и эмоции, а его ошибки воспринимают как личную «выходку». Это вызывает нерациональную злость и саботаж вместо аналитического подхода.
- Возраст имеет значение. Чем старше сотрудник, тем более скептично он относится к автономным решениям ИИ и тем настойчивее требует человеческого контроля. Это не «отсталость», а другой жизненный опыт и иные установки, которые необходимо учитывать при внедрении.