В условиях экономической неопределенности компании вынуждены снижать затраты на персонал. Количество вакансий сокращается год к году, среди причин — оптимизация расходов, отказ от неэффективных направлений и от запуска новых. В 2025 году hh.ru и SuperJob фиксировали падение числа вакансий на 15 и 11% соответственно. Кроме того, работодатели нередко замораживали наем и вместо расширения штата перераспределяли внутренние ресурсы. Параллельно с этим в 2022—2025 годах компании проводили сокращения.
При этом там, где потребность в найме сохраняется, рынок труда не дает достаточного числа специалистов с релевантной экспертизой: по данным hh.ru, в 2025 году 93% работодателей сталкивались с нехваткой навыков у кандидатов.
Компании оказались в тисках: наем замедляется, затраты под жестким контролем, но KPI и требования роста никто не отменял. В этих условиях модель «больше людей в штате — больше результата» перестает работать. Чтобы двигаться дальше, компаниям приходится точечно добирать экспертизу и собирать распределенные команды из внутренних специалистов и внешних экспертов, управляя ими как единой системой.
Гибкие распределенные команды как новая логика роста
Вместо линейного роста численности персонала компании все чаще формируют двухконтурную модель. Ядро — как правило, штатные сотрудники — владельцы контекста, стратегии и ключевых решений. Второй контур — пул внешних исполнителей, которых может быть сколько угодно. Их экспертизу подключают под конкретные задачи. Такой подход позволяет платить за результат, сохранять гибкость бюджета и снижать долгосрочные обязательства. Future of Jobs Report 2025 Всемирного экономического форума констатирует: 47% глобальных работодателей рассматривают расширение источников привлечения талантов как перспективный способ получить нужные компетенции (в 2023 году таких было около 10%). Еще 27% работодателей считают перспективной удаленную работу с людьми из других стран.
Читайте также: Гибкие кадры
По данным платформы «Профессионалы 4.0», за 2025 год органический рост базы исполнителей составил 9,2% без рекламных кампаний, что подтверждает рост спроса на гибкие формы занятости со стороны корпоративных заказчиков.
Дополнительным драйвером этой модели становится развитие ИИ. Бизнесу дорого растить редкую экспертизу внутри — на это нет времени и ресурсов. Основатели компаний-единорогов — OpenAI, NVIDIA и других — считают, что под конкретный проект или задачу проще нанять новых сотрудников с ИИ-навыками.
На уровне конкретных кейсов эта логика уже работает. Например, один из заказчиков привлек через платформу «Профессионалы 4.0» внешнего ИИ-аналитика. Благодаря опыту работы в крупных компаниях и насмотренности тот за несколько месяцев разработал модуль обработки производственных данных: удалось сократить цикл расчетов с нескольких дней до нескольких минут, а точность прогнозов ключевых показателей при этом выросла на 92%. Для заказчика это стало примером того, как единичная ИИ-компетенция извне может радикально изменить скорость и качество принятия решений в компании.
Двухконтурная модель становится для бизнеса не временным решением, а новой логикой роста: внутреннее ядро сохраняет контекст и управление, а внешняя экспертиза дает скорость и гибкость.
Как меняется роль внешнего исполнителя
Роль внешних исполнителей меняется: раньше их привлекали точечно — как «руки» на отдельные участки работы, с ручным контролем и минимальным погружением. Теперь их чаще встраивают в общий ритм, распределяя и ответственность: от операционных задач до экспертизы, влияющей на решения. Рассмотрим это изменение на конкретных примерах клиентов «Профессионалы 4.0».
Джуниор-экспертиза
Раньше: Фрилансер-одиночка получает ТЗ без глубокого погружения в контекст и доступа к внутренним системам. Штатный сотрудник постоянно «ведет» исполнителя: поясняет задание → проверяет каждую партию готовых документов → корректирует и следит за дедлайном. Если исполнитель «пропадает», срываются сроки, а переделка ложится на штатного сотрудника.
Сейчас: Операционные блоки поручают проверенным внешним исполнителям — это снижает нагрузку на штат и уменьшает «внутренний долг» — когда команда берет на себя больше задач, чем может качественно выполнить, часть работы делается кое-как, откладывается или не делается вовсе. Это и есть «долг» — невидимый груз незакрытых дел, накопленных компромиссов и скрытых проблем, который потом придется «отдавать».
Пример: Студенты профильных вузов подготовили архив технической документации, перевели более 300 файлов в единый формат, что сэкономило 1760 рабочих часов штатных сотрудников.
Мидл-экспертиза
Раньше: Внешний аналитик делает исследование, сдает отчет, и на этом участие в проекте заканчивалось. Дальше классическая ситуация: отчет есть, а что с ним делать — неясно. Гипотезы не проверены в реальности, внедрение целиком на внутренней команде. Если что-то идет не так, ответственность оставалась внутри — консультант свою часть работы формально выполнил.
Сейчас: Внешние эксперты работают в связке со штатными командами, помогая проверять гипотезы и влиять на решения по ходу проекта.
Пример: Два аналитика — руководитель подразделения российской корпорации и международный эксперт с опытом работы в Waymo — совместно подготовили исследование рынков электромобилей и беспилотного транспорта, которое напрямую повлияло на корректировку стратегии новых сервисов.
Синьор-экспертиза
Раньше: Эксперта привлекали точечно — дать совет, подтвердить расчеты. Часто это была разовая консультация без погружения в контекст. Эксперт мог указать на риски или проблемы, но не отвечал за итоговое решение и не участвовал в дальнейших шагах. Если сроки срывались или данные оказывались неполными, компании приходилось разбираться самой: эксперт уже ушел из проекта, а ответственность оставалась у внутренней команды.
Сейчас: Синьор-эксперты подключаются к узлам, где цена ошибки особенно высока, и работают по проектной модели, беря на себя часть ответственности за результат.
Пример: Ведущий эксперт НИИ с 40-летним опытом провел аудит данных по пяти месторождениям (46 пластов, 117 залежей) и помог компании защитить отчеты перед государственной комиссией.
Почему управлять гибкими распределенными командами сложнее
Управление гибкой распределенной командой требует от руководителя других компетенций: привычная офисная логика «вижу — значит контролирую» здесь не работает.
Гибкие команды распределены не только географически, но и с точки зрения формата подключения. В них есть люди, которые работают фултайм, на ставке, а также люди, которые подключаются проектно. Отсюда следует, что в таких командах больше разнообразия, больше процессных транзакций, больше нагрузка на менеджмент — особенно на качественный проектный менеджмент. Ниже — несколько принципов, которые помогают выстроить работу.
Переход от должностей к навыкам
Компаниям все чаще нужны люди с конкретным набором навыков под конкретные задачи, и это сложно упаковать в рамки старых ролей. По данным World Economic Forum, 70% работодателей планируют нанимать специалистов с новыми навыками. А исследование hh.ru «Будущее навыкоцентричности» показывает, что 68% компаний уже используют навыкоцентричный подход, хотя почти половина делает это точечно, а не системно.
При переходе к управлению через навыки компании нужно определить, какие компетенции критичны для бизнеса, каких уже достаточно, а каких не хватает, а также какие навыки в большей степени соответствуют задаче, как их активировать, учитывая контекст и специфику организации и т. д.
Нужно описывать не только навыки, но и сами задачи. Подход позволяет понимать, из каких конкретных микропроцессов и операций состоит работа. Можно собрать все это в понятную рабочую систему на уровне организации — таксономию навыков. Она поможет точнее соотносить человека и задачу — при найме, сборке команд и внутренних переходах из одной команды в другую.
Создание такой системы на уровне архитектуры компании — сложный и трудоемкий проект. Если на старте получится сделать ее «на троечку» — это нормально, потом можно постепенно дорабатывать. На первых порах можно прибегать к помощи внешней экспертизы, если внутри компании ее не хватает.
Следующий вызов — обеспечить получение полных и правдивых данных о навыках и использовать ИИ для поддержки этой системы.
Точечный наем и зрелая проектная экспертиза
Когда речь идет о найме по навыкам, обычные методы рекрутинга работают плохо. Воронка должна быть более узкой и более экспертной, а оценка навыков — более точной. Иными словами, нужно четкое понимание того, какие навыки под какие задачи нужны, какой бэкграунд их обеспечивает и как их верифицировать. А дальше — процесс быстрого онбординга и передачи контекста задач.
Но одного подключения нужных людей недостаточно. В гибкой распределенной команде руководителю нужна зрелая проектная экспертиза: находить нужных специалистов, выстраивать их совместную работу, видеть узкие места и удерживать сроки, качество и бюджет. Во многом это история про хорошее тактическое планирование, реализацию и умение держать операционный ритм — от недели до квартала.
Рассмотрим гибкую распределенную команду на примере центра экспертизы внутри компании или сервисной модели. По таким моделям могут работать внутренние креативные бюро (дизайн, контент), HR, аналитика и другие бизнес-функции.
Кратко формат работы таков: получить задачу от стейкхолдера и обеспечить ее реализацию в течение конкретного промежутка времени. При этом задач сразу много, они наслаиваются и пересекаются по времени.
Задача менеджера — настроить производство так, чтобы не было очередей и не падало качество. Если задача в бесконечной очереди — это означает, что процесс не рассчитан, не хватает ресурса, скорость прохождения задачи низкая и падает качество.
При поиске менеджера для управления гибкой распределенной командой стоит обращать внимание на тип компаний в опыте кандидатов. Например, люди, которые работали в консалтинге и в агентствах при большой нагрузке, лучше справляются с этой сервисной моделью.
Прозрачные договоренности и измеримый результат
В гибкой распределенной команде важен результат: что сделано, к какому сроку и соответствует ли критериям. В отчете Upwork есть пример компании Plenty, где контрактных специалистов сделали частью основной команды — ключевым фактором их успешной работы стали понятные договоренности по объему работ, срокам и ожидаемому результату.
Компания Atlassian, чьими инструментами (Jira и Confluence) пользуются сотни тысяч команд по всему миру, анализируя опыт своих распределенных и удаленных команд, тоже пришла к выводу, что один из ключевых факторов успешной работы — умение заранее договориться о правилах. Например, что именно считается «завершенной задачей»: код написан, проверен, протестирован и добавлен в основную ветку. Такие критерии снимают двусмысленность и упрощают взаимодействие.
Читать также: Бессилие как затратный ресурс
Бережная работа с мотивацией и планированием
Когда достигнуты договоренности о результатах проекта, руководителю предстоит более тонкая работа — с мотивацией людей. В распределенной команде сотрудники могут занимать одинаковые роли, но руководствоваться разными драйверами.
Если сравнить штатных и внештатных работников, видно, что их мотивируют разные вещи. Для 60% независимых специалистов важно, чтобы работа им подходила по интересам и ценностям, из штатных сотрудников это отметили 47%, отмечает MBO Partner. При этом только около половины внештатников зарабатывают больше, чем в найме. Но 84% из них все равно довольны своей работой.
Поэтому управление мотивацией становится задачей руководителя: важно понимать, что движет конкретным человеком, и подстраивать под это задачи, обратную связь и способы поощрения.
Не меньшее значение имеет планирование. Внешними исполнителями и частично вовлеченными специалистами сложно управлять через постоянное ускорение: у них могут быть параллельные обязательства, и перегруз быстро приводит к срыву сроков и падению качества.
Поэтому здесь важнее не «поднажать», а точнее выстраивать ритм: оставлять людям время на сосредоточенную работу, вовремя перераспределять задачи внутри команды и переходить к более коротким циклам планирования с регулярной обратной связью.
Читайте также: Структура мотивации
Управление командами с ИИ-агентами
Распределенная команда может включать не только людей. В отчете Microsoft Work Trend Index описан переход к новому типу организаций — Frontier Firm, где в составе команд помимо штатных сотрудников появляются ИИ-агенты, а также люди, которые управляют их работой.
Компании могут проходить ИИ-трансформацию по-разному, но в целом этот путь можно представить так:
Фаза 1: человек с AI-ассистентом. У каждого сотрудника появляется AI-помощник, который помогает работать быстрее и эффективнее. На этом этапе ИИ усиливает отдельного человека, но не меняет принципиально устройство команды.
Фаза 2: команды людей и агентов. AI-агенты становятся частью рабочих команд как «цифровые коллеги». Они берут на себя отдельные задачи, но действуют под руководством человека и в связке с ним.
Фаза 3: человек задает направление, агент исполняет. Люди в основном определяют цели, правила и приоритеты, а агенты выполняют значительную часть бизнес-процессов и рабочих операций, подключая человека только там, где это действительно нужно.
Во многом такая трансформация — ответ на рост нагрузки. Около 80% сотрудников и руководителей говорят, что им уже не хватает времени и энергии на текущую работу. Поэтому цифровые агенты начинают рассматриваться как способ расширить возможности команды. Руководителю важно понимать, где усиливать контроль качества и как встроить ИИ в контур ответственности — кто проверяет результат и кто принимает финальные решения.
Когда наряду со штатной командой в работу регулярно включаются проверенные внешние специалисты (а скоро и ИИ-агенты), руководителю приходится заново собирать систему управления: определять, за кем закреплены какие задачи и зоны ответственности, как передаются процессы, где фиксируются решения, каковы критерии. Тогда распределенная команда начинает работать как единая система — с общим ритмом, понятными точками передачи и общей ответственностью за результат.
