💻 ИИ ускоряет работу, но компании не становятся продуктивнее
Glean опросила 6 тыс. офисных сотрудников в США, Великобритании и Австралии и выяснила, что 87% используют ИИ на работе. 75% говорят, что стали продуктивнее, экономия — около 11 часов в неделю. Только 13% замечают, что от этого заметно улучшилась работа компании.
Куда уходит сэкономленное время? В отчёте показано, что сотрудники тратят в среднем 6,4 часа в неделю на то, чтобы подкормить модель недостающим контекстом, проверить ответ, отладить ошибку, перезапустить запрос, разобрать уверенно сформулированную чушь. Больше времени, чем на собственно производительную работу с ИИ. Из 11 сэкономленных часов около 6 уходит обратно — на обслуживание инструмента, которое никто не планировал, не бюджетировал и не считает работой.
Дальше начинается цепная реакция. 69% пользователей признаются, что сдавали материал, который не проверили, не до конца понимают или не готовы защищать. Такая работа не исчезает — она перекладывается на следующего в цепочке. Личная экономия одного превращается в скрытые издержки коллеги, и на уровне компании сумма схлопывается в ноль.
Есть и третий механизм — исследователи называют его недооценкой координации. Мы систематически преуменьшаем, сколько усилий уходит на согласование работы между людьми, командами и системами. Ускорив свою часть, вы упираетесь в то, что узкое место было не в ней. Отдел маркетинга генерирует втрое больше материалов, но согласование и утверждение идут с прежней скоростью — очередь просто становится длиннее.
Отсюда напрашивается неудобная гипотеза, которую отчёт прямо не формулирует, но подсказывает: если ускорение отдельной операции не даёт общего эффекта, стоит проверить, а нужна ли была эта операция. Отчёты, которые никто не читает, письма ради письма, презентации для галочки — ускорив их производство, вы получите ровно ноль дополнительной пользы, зато вдвое больше материала на входе у тех, кто дальше по цепочке.
К данным есть поправка: это самооценка сотрудников, а не измеренный результат, и заказчик исследования продаёт корпоративную ИИ-платформу — то есть заинтересован показать, что проблема решается правильной инфраструктурой контекста. Но направление разрыва подтверждается независимой государственной статистикой, и это делает картину убедительнее самого опроса.
Практический вывод простой. Понаблюдайте, к чему приводит ускорение вашей личной продуктивности: сколько времени уходит на доводку и проверку, куда девается сэкономленное, и кто разбирает то, что вы отправили дальше. Если ответ — «время ушло на новые задачи того же типа», ускорение работает вхолостую.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
Glean опросила 6 тыс. офисных сотрудников в США, Великобритании и Австралии и выяснила, что 87% используют ИИ на работе. 75% говорят, что стали продуктивнее, экономия — около 11 часов в неделю. Только 13% замечают, что от этого заметно улучшилась работа компании.
Куда уходит сэкономленное время? В отчёте показано, что сотрудники тратят в среднем 6,4 часа в неделю на то, чтобы подкормить модель недостающим контекстом, проверить ответ, отладить ошибку, перезапустить запрос, разобрать уверенно сформулированную чушь. Больше времени, чем на собственно производительную работу с ИИ. Из 11 сэкономленных часов около 6 уходит обратно — на обслуживание инструмента, которое никто не планировал, не бюджетировал и не считает работой.
Дальше начинается цепная реакция. 69% пользователей признаются, что сдавали материал, который не проверили, не до конца понимают или не готовы защищать. Такая работа не исчезает — она перекладывается на следующего в цепочке. Личная экономия одного превращается в скрытые издержки коллеги, и на уровне компании сумма схлопывается в ноль.
Есть и третий механизм — исследователи называют его недооценкой координации. Мы систематически преуменьшаем, сколько усилий уходит на согласование работы между людьми, командами и системами. Ускорив свою часть, вы упираетесь в то, что узкое место было не в ней. Отдел маркетинга генерирует втрое больше материалов, но согласование и утверждение идут с прежней скоростью — очередь просто становится длиннее.
Отсюда напрашивается неудобная гипотеза, которую отчёт прямо не формулирует, но подсказывает: если ускорение отдельной операции не даёт общего эффекта, стоит проверить, а нужна ли была эта операция. Отчёты, которые никто не читает, письма ради письма, презентации для галочки — ускорив их производство, вы получите ровно ноль дополнительной пользы, зато вдвое больше материала на входе у тех, кто дальше по цепочке.
Разрыв подтверждается и снаружи опроса. Совокупный рост производительности в США за последние 7 лет — 2,1%, ровно средний исторический уровень с 1947 года. Первый квартал 2026 года — лишь 0,3%. Согласно статистики, даже благодаря ИИ мы практически стоим на месте.
К данным есть поправка: это самооценка сотрудников, а не измеренный результат, и заказчик исследования продаёт корпоративную ИИ-платформу — то есть заинтересован показать, что проблема решается правильной инфраструктурой контекста. Но направление разрыва подтверждается независимой государственной статистикой, и это делает картину убедительнее самого опроса.
Практический вывод простой. Понаблюдайте, к чему приводит ускорение вашей личной продуктивности: сколько времени уходит на доводку и проверку, куда девается сэкономленное, и кто разбирает то, что вы отправили дальше. Если ответ — «время ушло на новые задачи того же типа», ускорение работает вхолостую.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться