Самое заметное — это рост продуктивности на рутинных и средних по сложности задачах. Крупное исследование на данных более 5 тысяч операторов клиентской поддержки показало: доступ к генеративному ассистенту поднимает производительность в среднем на 14%, а у новичков — почти на 35%. При этом росли и удовлетворённость клиентов, и удержание самих сотрудников. Для нас это профильная область, и эффект мы видим на практике: ассистент, по сути, переносит лучшие приёмы сильных специалистов на тех, кто только набирается опыта, и быстрее выводит их на нужный уровень.
Похожая картина в интеллектуальном труде. В эксперименте с консультантами BCG задачи, которые выполнялись с привлечением ИИ-помощника, выполнялись на 12% чаще, примерно на четверть быстрее, а качество результата у 40% участников было выше.
Если смотреть на масштаб, ставка понятна. На ПМЭФ-2026 называли цифру: к 2030 году ИИ способен принести российской экономике свыше 11 трлн рублей, и Россия входит в десятку стран с собственными генеративными моделями. Поэтому вопрос и для специалистов, и для компаний-работодателей сегодня в том, где и как получить от ИИ максимальную отдачу. Специалистам он может дать серьезный буст в карьере, компаниям – повышение производительности.
Эти работы я бы читал не как приговор технологии, а как инструкцию по грамотному применению. Совместное исследование Microsoft и Университета Карнеги-Меллона дало понятную зависимость: чем выше доверие сотрудника к ответам ИИ, тем меньше критического мышления он подключает и тем однотипнее становятся его решения. То есть отдача падает ровно тогда, когда человек выпадает из процесса и принимает готовое не глядя.
Есть еще одно исследование, на этот раз от MIT, где у группы, писавшей текст с нейросетью, энцефалограф зафиксировал меньшую активность зон, отвечающих за планирование и память. Важно, что это пилотная работа на полусотне человек и пока без рецензирования, и сами авторы предостерегали от громких выводов про «отупение». Но один практический смысл в ней есть: пассивное потребление готовых ответов снижает вовлечённость, а активная работа — нет.
Отсюда и правила, по которым я работаю сам. Сначала пишу свою версию, и только потом прошу нейросеть предложить свою и разобрать мою. Использую ИИ как критика — прошу найти слабые места в аргументации, но не заменять её. И обязательно сверяю факты и цифры, которые он выдаёт. Таким образом ИИ становится инструментом, который кратно усиливает профессионала — при условии, что само критическое мышление остаётся за человеком.
Порог входа снижается, а выход на рабочий уровень ускоряется. Тот же эффект «новички выигрывают сильнее всего» означает, что ИИ помогает быстрее освоить неявные знания, на которые раньше уходили годы. Это хорошая новость для начинающих специалистов. Главное, чтобы у новичка была сильная фундаментальная база, от которой он может отталкиваться и это как раз сейчас дают университеты, где идет тренд на широкие знания.Но меняется и то, что отличает сильного работника. Ценность смещается с механического исполнения на умение поставить задачу, оценить результат и взять на себя ответственность за него, то есть на суждение. На ПМЭФ об этом тоже упоминали: развитие нейросетей повышает требования к навыкам, и в первую очередь — к критическому мышлению и проверке информации. Бизнес это уже понимает: в Торгово-промышленной палате подчёркивают, что внедрение ИИ невозможно без обучения сотрудников и квалифицированных кадров.В этом смысле логично и то, что происходит в школе. Вводится профиль, где детей учат работать с ИИ и грамотно формулировать запросы, а параллельно — развивают самостоятельное мышление. Это приводит к парадигме «научить пользоваться инструментом» и при этом продолжать думать своей головой. Тот же принцип работает и во взрослой карьере: выигрывают те, кто соединяет знание предметной области с умелым применением ИИ.
Начинать стоит не с инструмента, а с задачи. Эксперты формулируют это так: нужна трезвая оценка экономической эффективности, зрелость ИТ-инфраструктуры, учёт киберрисков плюс обучение людей. Технология даёт результат там, где она встроена в конкретный процесс, а не куплена «потому что модно».Дальше уже идет операционная дисциплина. На монотонных однотипных запросах внимание у человека неизбежно притупляется: тот же эффект знаком пилотам, водителям, диспетчерам. Лечится это не запретами, а конструкцией процесса: контрольные точки, понятное разделение, где ИИ советует, а где решение принимает и отвечает за него человек. Тогда инструмент остаётся инструментом.Отдельный момент — как настроена сама модель. Ранние версии затачивали на то, чтобы во всём соглашаться и поддакивать, и это давало ложное ощущение правоты. Зрелое внедрение, наоборот, настраивает ассистента спорить и ссылаться на источники — именно этого по привычке ждут инженеры, юристы, врачи, которые приучены к стандарту доказательства. Я бы вообще не делил людей на устойчивых и неустойчивых к ИИ. Куда важнее найти корректное прикладное применение, чтобы он был реальным помощником, — и тогда технология работает на бизнес.
_69d8e15995a79.jpg)
