🔍 Сотрудники стали работать быстрее с ИИ. Почему компания быстрее не стала?
Мы привыкли обсуждать ИИ через производительность отдельного человека.
И на этом уровне эффект действительно впечатляет.
В новом исследовании коллег из «Яков и Партнёры» «ИИ-агенты: где хайп, а где реальность» приводится показательный парадокс: при решении лабораторных задач ИИ способен ускорять работу до 55%. Но когда технология попадает в реальные рабочие процессы, эффект начинает снижаться.
В одном из экспериментов разработчики были уверены, что с ИИ работают быстрее. Фактически же выполнение реальных задач замедлилось на 19%.
⁉️ Как так получается?
Потому что производительность сотрудника и производительность компании — не одно и то же.
Именно этот эффект авторы исследования называют «каскадом затухания»: чем дальше мы движемся от отдельной задачи к проекту и затем к организации в целом, тем сильнее может уменьшаться первоначальный эффект от ИИ.
И здесь, на мой взгляд, начинается самое интересное для HR.
Мы много говорим о том, что сотрудников нужно учить пользоваться ИИ. Но даже если научить всех, это ещё не означает, что компания автоматически станет производительнее.
‼️ Потому что невозможно изменить инструмент и оставить неизменной работу вокруг него.
Иначе возникает то, что в исследовании называют ловушкой частичной автоматизации.
ИИ может автоматизировать 30–60% задач конкретной роли, но остальные 40–70% всё равно остаются за человеком. Нельзя сократить «половину сотрудника» только потому, что половина его задач стала выполняться быстрее.
Поэтому производительность отдельного человека растёт, а экономика процесса может практически не измениться.
Показательно, что 83% компаний, которым удалось повысить производительность с помощью ИИ, не сокращают численность персонала. А в России доля компаний, которые связывают ожидаемый эффект от генеративного ИИ с сокращением ФОТ, снизилась с 49% в 2024 году до 12% в 2025-м.
Важно: речь именно об ожиданиях компаний, а не о подтверждённых сокращениях.
💡 И, пожалуй, это меняет сам вопрос, который стоит задавать при внедрении ИИ.
А:
Потому что настоящий эффект появляется не тогда, когда человек научился за 20 минут делать то, на что раньше уходил час.
А тогда, когда компания понимает, что делать с оставшимися 40 минутами — и перестраивает под новую реальность процессы, роли и показатели.
Иначе мы получаем более быстрых сотрудников внутри всё той же медленной системы.
#простоосложном
Мы привыкли обсуждать ИИ через производительность отдельного человека.
Сколько времени сотрудник сэкономил на подготовке презентации? Как быстро написал текст? Сколько задач теперь может выполнить за день?
И на этом уровне эффект действительно впечатляет.
В новом исследовании коллег из «Яков и Партнёры» «ИИ-агенты: где хайп, а где реальность» приводится показательный парадокс: при решении лабораторных задач ИИ способен ускорять работу до 55%. Но когда технология попадает в реальные рабочие процессы, эффект начинает снижаться.
В одном из экспериментов разработчики были уверены, что с ИИ работают быстрее. Фактически же выполнение реальных задач замедлилось на 19%.
⁉️ Как так получается?
Потому что производительность сотрудника и производительность компании — не одно и то же.
Представим, что раньше специалист тратил три часа на подготовку документа, а с ИИ справляется за час.
На уровне сотрудника — очевидный выигрыш.
Но если после этого документ всё равно должен пройти несколько согласований, данные приходится вручную переносить между системами, решение ждёт руководителя, а высвободившиеся два часа никак не используются иначе, то весь процесс быстрее практически не становится.
Именно этот эффект авторы исследования называют «каскадом затухания»: чем дальше мы движемся от отдельной задачи к проекту и затем к организации в целом, тем сильнее может уменьшаться первоначальный эффект от ИИ.
И здесь, на мой взгляд, начинается самое интересное для HR.
Мы много говорим о том, что сотрудников нужно учить пользоваться ИИ. Но даже если научить всех, это ещё не означает, что компания автоматически станет производительнее.
‼️ Потому что невозможно изменить инструмент и оставить неизменной работу вокруг него.
Если ИИ забирает часть задач, приходится заново отвечать на вопросы:
➡️ что теперь входит в роль сотрудника;
➡️ куда направляется высвободившееся время;
➡️ какие этапы процесса больше не нужны;
➡️ где меняется ответственность;
➡️ по каким показателям теперь оценивать результат.
Иначе возникает то, что в исследовании называют ловушкой частичной автоматизации.
ИИ может автоматизировать 30–60% задач конкретной роли, но остальные 40–70% всё равно остаются за человеком. Нельзя сократить «половину сотрудника» только потому, что половина его задач стала выполняться быстрее.
Поэтому производительность отдельного человека растёт, а экономика процесса может практически не измениться.
Показательно, что 83% компаний, которым удалось повысить производительность с помощью ИИ, не сокращают численность персонала. А в России доля компаний, которые связывают ожидаемый эффект от генеративного ИИ с сокращением ФОТ, снизилась с 49% в 2024 году до 12% в 2025-м.
Важно: речь именно об ожиданиях компаний, а не о подтверждённых сокращениях.
💡 И, пожалуй, это меняет сам вопрос, который стоит задавать при внедрении ИИ.
Не «на сколько быстрее теперь работает сотрудник?»
А:
«что изменилось в процессе благодаря тому, что сотрудник стал работать быстрее?»
Потому что настоящий эффект появляется не тогда, когда человек научился за 20 минут делать то, на что раньше уходил час.
А тогда, когда компания понимает, что делать с оставшимися 40 минутами — и перестраивает под новую реальность процессы, роли и показатели.
Иначе мы получаем более быстрых сотрудников внутри всё той же медленной системы.
#простоосложном