Где ИИ уже экономит время на работе — и где делает хуже

Где выигрыш подтверждён

Самый известный пример — поддержка клиентов. В крупной компании ИИ-помощника подключали операторам постепенно, и это позволило сравнить 5 179 человек до и после. Число решённых обращений в час выросло в среднем на 14%. Клиенты стали писать доброжелательнее, а сотрудники реже увольнялись.

В эксперименте MIT 453 специалиста писали деловые тексты: письма о реорганизации, сопроводительные тексты к заявкам, планы анализа клиентов. Тем, кому дали ChatGPT, потребовалось на 40% меньше времени, а оценки качества выросли на 18%. Люди меньше писали с нуля и больше редактировали.

У программистов похожая картина на простой задаче. Участники с GitHub Copilot написали небольшой веб-сервер на 55,8% быстрее, чем без него.

Кому ИИ помогает больше всего

В поддержке клиентов новички и слабые операторы прибавили 34%, а у самых опытных эффект был почти нулевым. Авторы считают, что ИИ передаёт новичкам приёмы, которые опытные коллеги уже знают.

В эксперименте с 758 консультантами Boston Consulting Group было так же. На задачах, с которыми GPT-4 справлялся, консультанты сделали на 12,2% больше работы, на 25,1% быстрее и с качеством выше более чем на 40%. Слабые прибавили 43%, сильные — 17%.

Для компании это значит, что ИИ может быстрее подтянуть новых сотрудников. Но и проверять их работу по-прежнему нужно.

Где ИИ делает хуже

В том же эксперименте BCG была задача, в которой GPT-4 давал правдоподобный, но неверный ответ: он упускал важные детали из интервью. Без ИИ консультанты отвечали правильно в 84,5% случаев. С ИИ — в 70,6%, а после короткого обучения работе с ИИ — лишь в 60%. Люди поверили уверенному тексту.

Тот же эффект видели у врачей. Когда ИИ давал неверную подсказку по маммограмме, неопытные радиологи ставили верную оценку лишь в 19,8% случаев, а при верной подсказке — в 79,7%. Опытные ошибались реже, но тоже поддавались.

Исследование METR 2025 года показало другой риск. 16 опытных разработчиков решали 246 задач в своих же проектах. С ИИ работа заняла на 19% больше времени. При этом участники считали, что ускорились на 20%.

Почему в масштабе страны эффект пока мал

В Дании связали опросы 25 000 работников с официальными данными о зарплатах и часах. Пользователи чат-ботов экономили в среднем 2,8% рабочего времени. Влияния на зарплаты и отработанные часы больше 2% через два года после появления ChatGPT исследователи не нашли.

В США, по опросу ФРБ Сент-Луиса за 2024 год, генеративным ИИ на работе пользовались 28% работников. Те, кто пользовался им на прошлой неделе, оценили экономию в 5,4% рабочего времени. Это самооценка, а не замер.

Россия. По данным Росстата за 2024 год в разборе ВШЭ, технологии ИИ использовали 4,8% крупных и средних организаций. Среди организаций со штатом больше 500 человек — 14,9%, до 100 человек — 4,1%. Малый бизнес в этом обследовании не учитывался, а сопоставимых российских экспериментов мы не нашли.

Что это значит для обычной команды

Из экспериментов следуют четыре простых правила. Это редакционный вывод AI Futures, а не результат отдельного исследования.

• Начинайте с типовой задачи. Повторяющийся отчёт, ответы на частые вопросы, черновики писем. Там, где результат легко проверить.
• Замерьте до и после. Время, число ошибок, переделки. Ощущения, как показал METR, обманывают.
• Заранее решите, где проверяет человек. Особенно там, где ошибка дорого стоит, а ответ ИИ звучит уверенно.
• Не отдавайте ИИ задачи, которые некому проверить. Чем меньше опыт сотрудника, тем легче ему поверить неверной подсказке.

Если хотите разобрать так задачу своего отдела, посмотрите, как работает AI Futures Lab.