Проверять работу, сделанную нейросетью, стало дороже, чем её делать

Два числа, которые не сходятся

Наверх идёт то, что легко посчитать: материалов больше, сроки короче, путь от брифа до макета быстрее. Вниз оседает то, что посчитать нечем. В том же майском исследовании Harness, платформы для инженерных команд, 81% подтвердили, что разработчики стали тратить на проверку кода больше времени, а около трети рабочего времени уходит на разбор машинного вывода, починку последствий и переключение между инструментами. Замеряли разработку, потому что там всё считается, но механика от предмета не зависит.

Отчёт о продуктивности при этом не врёт. Он честно измеряет ровно ту половину, которая выросла.

Сколько стоит принять работу, сделанную нейросетью

Дороже, чем принять работу человека, и это замерено. В опросе Sonar за январь 2026 года по выборке из 1149 разработчиков 38% ответили, что проверка машинного кода отнимает больше сил, чем проверка кода коллеги. Самая частая жалоба звучит так: выглядело правильным, оказалось ненадёжным, её назвали 53%.

Причина простая. Проверка всегда была дешевле производства, и на этой разнице держалось управление чужой работой. Теперь производство схлопнулось до минут, а проверка осталась на прежней цене.

Отсюда и заголовок. Чтобы всерьёз проверить чужой вывод, нужно то же понимание предмета, что и для того, чтобы его получить: сверить расчёт можно, только умея его повторить, оценить медиасплит – только держа в голове всю картину размещения. Если понимания нет, проверка сводится к чтению. А если оно есть, то на многих задачах сделать самому выходит быстрее, чем разобраться в чужом. За работой человека при этом стоит человек, которого можно доспросить, и это последний уточняющий вопрос, на который приходит осмысленный ответ.

Кто платит за приёмку в связке клиента и агентства

Клиент, целиком. Агентство отдаёт материал быстрее и берёт прежние деньги. Сроки сократились, счёт не вырос, формально все довольны. Фактически часть работы переехала через стол, и на новом месте её никто не считает.

Я управляющий партнёр венчурного фонда YellowRocks, и приёмка чужой работы занимает у меня половину недели: разборы от портфельных команд, отчёты подрядчиков, аналитика, в которой я разбираюсь хуже того, кто её собрал. За последний год эта половина выросла, и выросла молча – ни в одном отчёте, который приходит мне на стол, нет строки с часами на приёмку. Проверять при этом приходится ровно те материалы, в предмете которых я слабее всего, потому что именно их и отдал наружу.

Беспокойство при этом уже оцифровано, а расходы на него нет. Опрос Всемирной федерации рекламодателей среди 48 крупнейших мировых компаний с совокупным маркетинговым бюджетом 102 млрд долларов дал 80% тех, кого тревожит применение генеративного ИИ на стороне агентств. Тревога есть у восьми компаний из десяти, а до строки бюджета она не дошла ни у кого: ни один из вопросов исследования не про то, сколько часов уходит на разбор присланного.

На Sostav уже разбирали вход в эту воронку в материале «ИИ-брифы: как бренды и агентства теряют общее понимание задачи». На выходе картина зеркальная, и цена там выше: расхождение в брифе стоит правок, расхождение в приёмке стоит публикации.

Что происходит, когда не проверил никто

В июне 2026 года сервис GPTZero вместе с Financial Times разобрал отчёт KPMG «Total Experience: Redefining Excellence in the Age of Agentic AI»: из 45 ссылок корректными оказались 5, отчёт сняли с сайтов. Месяцем раньше та же участь постигла отчёт EY Canada «Points of Attack» о программах лояльности, где выдуманными или битыми оказались 16 источников из 27. После публикации разбора ChatGPT, Claude и Perplexity начали ссылаться на этот дефектный отчёт как на источник.

В обеих компаниях есть внутренние правила о человеческом контроле над машинным выводом. Правила записаны, а процедуры под них нет, и обошлось это в снятые с сайтов отчёты. Если такое проходит редактуру там, где контроль качества это отдельная служба с бюджетом, то у команды, где материал вычитывает тот же человек, который его сдаёт, шансов поймать ошибку заметно меньше.

Час в месяц вместо разбора каждой операции

Семейный бюджет я веду с 2016 года и поначалу разбирал помесячно каждую операцию, строил объяснение, куда что ушло. Занимало прилично, выглядело солидно, а на решения почти не влияло. Потом перешёл на одну метрику – чистый капитал, считаю сам, час раз в месяц. Подробную картину расходов при этом потерял и считаю это правильной ценой: падающая цифра заставляет шевелиться, а разбор прошлого месяца не заставлял.

Отсюда и ответ на подорожавшую приёмку. Дорогую проверку не отменяют, её сужают до тех мест, где ошибка стоит денег, и это решение принимают заранее.

Почему счёт нельзя переложить обратно на агентство

Договор тут помогает меньше, чем кажется. Британский регулятор рекламы в июне 2026 года закрыл самый очевидный ход: сослаться на то, что материал сделала машина, и на этом снять с себя вводящее в заблуждение утверждение, не выйдет. Отвечает тот, кто разместил. По статье 14.3 КоАП недостоверная реклама стоит организации до 500 тыс. рублей, и вопрос, чьи руки готовили макет, при этом не задаётся.

То есть приёмку нельзя ни отменить, ни делегировать поставщику: платит в конце всё равно рекламодатель. Единственное, что переносится в договор, это обязанность агентства сообщать о применении ИИ и не выдавать машинный результат за ручную работу – ровно так устроено типовое приложение американской Ассоциации национальных рекламодателей от июля 2025 года. Обязанность проверить остаётся на стороне клиента.

Где скорость всё-таки настоящая

Было бы нечестно превратить это в утверждение, что ИИ не ускоряет. В отчёте Google DORA о состоянии разработки с ИИ за май 2026 года выигрыш на задачах с нуля составил 35-40%, а на сложном унаследованном коде часто 10% и меньше. Замер про разработку, но правило переносится: ускорение работает там, где ничего ещё не накоплено, и слабеет там, где есть чему противоречить. Бренд-платформа, накопленная за десять лет, для нейросети такой же унаследованный код.

Отдельно про цифру, которой удобно махать скептикам. Исследовательская группа METR в июле 2025 года получила результат, что с ИИ опытные разработчики работали на 19% медленнее. В феврале 2026 года она же выпустила обновление с ускорением на 18% у той же когорты и назвала данные очень слабым свидетельством. Так что тезис «ИИ замедляет» на этот замер больше не опирается. Проблема живёт дальше по цепочке, в том, что происходит с работой после того, как она сделана.

Что менять в приёмке

Начать стоит с того, что часы на разбор присланного надо посчитать. Пока в отчёте стоит число сделанных материалов и не стоит число часов на их проверку, он будет показывать рост при любом положении дел.

Дальше глубину проверки задаёт цена ошибки. Внутренние наброски не проверяются вообще. Цифра в презентации клиенту, утверждение о свойствах продукта и ссылка в публичном документе сверяются с фактом всегда.

И у проверки должен быть назначенный человек. По июльскому опросу Работы.ру, СберПодбора и Нетологии среди руководителей и HR-специалистов, в 71% организаций сотрудники сами решают, как использовать ИИ-инструменты, регламент есть у 20%, а системное обучение проводят 2% компаний. Приёмку отдали на усмотрение того же человека, который отдал задачу машине.

По моему опыту это и есть самое трудное. Договориться, кто и что проверяет, скучно и выглядит бюрократией, поэтому почти никто этого не делает, включая меня в те моменты, когда задача кажется мелкой.

Подписывайтесь на мой блог – считаю здесь экономику решений, которые в отчётах выглядят выгоднее, чем на счёте.