Газуют на нейтралке: почему ИИ ускоряет сотрудников, но бизнес не чувствует отдачи
ChatGPT пишет быстрее, презентации собираются за минуты, сотрудники освоили нейросети. Но стала ли быстрее сама компания? Сергей Семёнов, основатель и генеральный директор RECOMO AI, — о разнице между скоростью выполнения задач и результатом для бизнеса.
Сотрудник за десять минут подготовил документ, на который раньше уходило два часа. Руководитель доволен. На совещании рассказывают об эффективности искусственного интеллекта.
Только клиент получил коммерческое предложение всё так же через неделю.
Документ ждал проверки, согласования цены, ответа юриста и подписи директора. Текст появился быстрее. Очередь осталась на месте.
Вот это я называю «газовать на нейтралке».
89% видят ускорение. Только 6% уверены в отдаче
В исследовании Atlassian State of Teams 2026 обнаружился показательный разрыв: 89% опрошенных руководителей говорят, что ИИ ускоряет работу. Но только 6% уверены, что могут привести ясные примеры окупаемости ИИ на уровне всей организации.
Исследование основано на опросе 12 035 работников интеллектуального труда и 173 руководителей компаний Fortune 1000, проведённом в январе–феврале 2026 года. Дополнительно авторы опросили в формате интервью 25 руководителей Fortune 500.
Здесь важно правильно прочитать цифры. Они не означают, что у остальных 94% компаний искусственный интеллект бесполезен. Речь об уверенности руководителей в наличии понятных примеров отдачи на уровне организации. Эффект может оставаться локальным или быть плохо измерен.
Но для собственника и это проблема. Если компания оплачивает инструменты, интеграции и обучение, а объяснить изменение результата не получается, управлять такими вложениями трудно.
Быстрее создавать — ещё не значит быстрее продавать
Представим обычную ситуацию в маркетинге.
Раньше команда готовила десять материалов в неделю. С нейросетью стала готовить тридцать. В отчёте — трёхкратный рост производительности.
Однако редактор успевает проверить двенадцать. Эксперт согласовывает фактуру по пятницам. Дизайнер загружен. Страницы, на которые ведут публикации, не отвечают на вопросы покупателей. Отдел продаж обрабатывает обращения с задержкой.
Компания увеличила объём заготовок. До роста выручки ещё несколько нерешённых задач.
Та же история с коммерческими предложениями: если черновик появляется за пять минут, но утверждённая цена приходит через три дня, клиент почти не замечает технологического прогресса.
ИИ может ускорить отдельное действие. Срок выполнения обещания клиенту зависит от всей цепочки.
Нейросеть способна быстрее заполнить старую очередь
В Atlassian называют проблему издержками фрагментации: сотрудники ускоряются по отдельности, а координация не успевает за потоком новой работы.
Мой вывод из этого наблюдения: перед внедрением стоит выяснить, где компания теряет время между действиями.
Где лежит актуальный бриф? Кто подтверждает цифры? Как понять, какая версия предложения последняя? Кому передаётся результат? Что считается готовой работой?
Если ответы существуют только в личных переписках, ещё один ИИ-инструмент добавит компании возможностей, но потребует дополнительных усилий на согласование.
Особенно заметно это в агентствах и отделах маркетинга. Сделать пять вариантов концепции стало проще. Выбрать один, обосновать решение и довести его до запуска — отдельная управленческая работа.
Почему «сэкономили тысячу часов» недостаточно
Популярный способ посчитать пользу ИИ — сложить сэкономленное время и умножить на стоимость рабочего часа.
Так можно оценить стоимость высвобождённой мощности. Дальше нужно выяснить, во что она превратилась.
Команда обработала больше обращений? Сократила сверхурочную работу? Обошлась без дополнительного найма? Быстрее запустила кампанию? Уменьшила число ошибок?
Если расходы остались прежними, а объём и качество результата не изменились, расчёт сэкономленных часов ещё не доказывает денежную отдачу.
Кроме того, у ускорения есть издержки: проверка фактов, исправление ошибок, поддержка интеграций, обучение и переделки. Их нужно включать в оценку проекта.
Начните с пути одной заявки
Для первого проекта я бы выбрал процесс с понятным началом и проверяемым концом. Например, путь от входящей заявки до отправки корректного коммерческого предложения.
Сначала нужно измерить исходное состояние: общее время обработки, задержки на каждом этапе, количество возвратов и трудозатраты.
Затем выбрать конкретную задачу для ИИ: разобрать письмо, выделить требования, найти подходящие кейсы, подготовить черновик.
Следующий шаг — определить, как результат попадёт дальше. Кто проверяет документ? Откуда берутся цены? Какие условия сотрудник вправе согласовать самостоятельно? Когда требуется решение руководителя?
После внедрения сравнивать нужно весь процесс на сопоставимых заявках.
Если подготовка текста ускорилась в пять раз, а предложение уходит через ту же неделю, следующий участок работы уже понятен: согласование, расчёт, проверка или передача.
Пять вопросов на ближайшее совещание
Вместо отчёта о количестве освоенных нейросетей я бы предложил ответить на пять вопросов:
- Какой процесс мы изменили?
- Как он работал до внедрения?
- Что изменилось для клиента?
- Сколько теперь стоит результат с учётом проверки, сопровождения и ошибок?
- Кто отвечает за показатель и следующий шаг?
Эти вопросы полезны и при покупке корпоративного ассистента, и при разработке собственного ИИ-агента.
Движение измеряется результатом
Для меня главный управленческий вывод из исследования Atlassian — необходимость связать личную продуктивность сотрудников с общим результатом компании.
Начать можно с небольшой задачи. Важно уметь объяснить: вот процесс, вот исходные показатели, вот изменение, вот его стоимость.
Для маркетинга это может быть сокращение срока от брифа до запуска кампании. Для продаж — более быстрый ответ клиенту. Для сервиса — больше решённых обращений без повторных контактов.
Количество сгенерированных документов рассказывает об активности. Сроки, качество и экономика показывают, куда движется бизнес.
Обороты двигателя слышны всем. Движение видно по пройденному пути.
Сергей Семёнов
Основатель и генеральный директор RECOMO AI
Источник: Atlassian — The State of Teams 2026. Исследование опубликовано 27 апреля 2026 года. Atlassian — поставщик программного обеспечения для совместной работы и ИИ; практические примеры и рекомендации в статье представляют авторскую интерпретацию.