Мониторинг продуктивности 2026: от тайм-трекеров к ИИ

Домен statwin.ru вырос из программы учёта рабочего времени, поэтому тему мониторинга мы не обходим, а разбираем честно — включая её неудобную часть. Технически следить за работой сегодня можно как никогда подробно; вопрос в том, что из этого имеет смысл и где проходит граница.

Каким мониторинг был

Программы вроде StatWin в 2000-х решали простую задачу: посчитать. Сколько времени компьютер включён, в каких приложениях проведено время, когда начинался и заканчивался рабочий день.

Это был честный учёт — цифры без интерпретации. Руководитель сам решал, что они значат, и в этом была своя защита: данные не претендовали на понимание человека. Именно за прозрачность такие программы обозревали софт-каталоги и IT-издания.

Что изменилось

Современные системы добавили слой искусственного интеллекта. Теперь они не просто считают, а интерпретируют: оценивают «продуктивность», выявляют паттерны, отмечают «аномалии», строят прогнозы.

Данных стало больше, но появилась и проблема: алгоритм выносит суждения, а суждения бывают ошибочными — и, в отличие от цифры, суждение труднее оспорить.

Где ИИ-оценка ошибается

Три системные проблемы, которые не решаются качеством модели.

Активность вместо результата. Алгоритм видит клики, нажатия и время в приложениях. Но работа аналитика, редактора или архитектора состоит в основном из обдумывания и чтения — активности мало, ценности много. Система уверенно назовёт такого сотрудника непродуктивным.

Наследование предвзятости. Модель учится на прошлых оценках и решениях компании. Если в них был перекос, он переходит в алгоритм и получает вид объективной математики. Человека можно оспорить; «так решил алгоритм» звучит окончательно.

Закон Гудхарта. Как только метрика становится целью, она перестаёт быть метрикой: сотрудники начинают оптимизировать показатель, а не работу. Мониторинг активности особенно легко имитируется — от программ-«шевелилок» мыши до бессмысленных переписок ради счётчика.

Всё это — частные случаи общей проблемы данных: корреляция активности с результатом слаба, а модель принимает её за причинную связь.

Что измерять осмысленно

Практический вывод не «не измеряйте», а «измеряйте результат, а не суету»:

• закрытые задачи и время цикла — сколько прошло от постановки до готовности;
• качество — доработки, возвраты, дефекты;
• предсказуемость — насколько оценки сроков совпадают с фактом.

Эти метрики труднее собрать, зато их сложнее имитировать, и они связаны с ценностью работы, а не с движением мыши. И читать их нужно с той же осторожностью, что любую статистику: смотреть на медиану, а не среднее, помнить про размер выборки и не делать выводов по одной неделе.

Где начинается этика и закон

Общий принцип законного мониторинга сводится к трём условиям: уведомление (сотрудник знает, что и как отслеживается), соразмерность (объём сбора соответствует цели) и рабочий контекст (рабочее оборудование, рабочее время).

За гранью — скрытая слежка, сбор личных данных, тотальная запись экрана и переписки без веских оснований. Это не только юридический риск: коллектив под тотальным наблюдением работает хуже, а не лучше, потому что доверие — рабочий ресурс.

Отдельный риск — использовать ИИ-оценку как единственное основание для решений о премиях, увольнениях и репутации. Это инструмент-подсказка, а не приговор. Подробный разбор правовой и этической стороны — в отдельном материале.

Ирония истории

Старый честный учёт «просто цифр» в чём-то был этичнее умной аналитики: он не притворялся, что знает о человеке больше, чем показывают данные. Современная система говорит «сотрудник непродуктивен» там, где старая сказала бы «в приложении X проведено 40 минут», — и вторая формулировка честнее, потому что оставляет интерпретацию человеку.

Это общий урок работы с данными, который проходит через весь наш журнал: данные не говорят сами за себя, а любая интерпретация — уже решение, за которое кто-то отвечает. Об истории домена и о том, как из программы учёта вырос журнал о данных, — на странице «О проекте».