Продуктивность выросла, прибыль — нет. Что с этим делать

Свежий отраслевой опрос зафиксировал разрыв, который стоит обсудить прямо: восемь из десяти тех, кто пользуется ИИ в работе, говорят, что стали продуктивнее. А доля компаний, связывающих с ИИ хоть какое-то влияние на операционную прибыль, за год практически не изменилась — около 37 процентов, примерно столько же, сколько в прошлогоднем срезе. Опрошено 1719 специалистов и руководителей из разных стран и отраслей. Смежное исследование даёт похожую картину: две трети отмечают рост продуктивности, о росте выручки сообщает каждый пятый. Разбираем, куда девается выигрыш между отдельным сотрудником и отчётом компании, и что с этим делать тому, кто платит за токены.

Что именно измерили

Разграничение важное, потому что цифры описывают разные вещи.

Личная продуктивность — субъективная оценка человека: стало ли ему легче и быстрее. Мерить это опросом нормально, но надо помнить, что это ощущение, а не замер.

Влияние на прибыль — доля респондентов, которые связывают с ИИ хоть какой-то эффект на операционную прибыль. Оценка тоже субъективная, но требует, чтобы эффект был виден на уровне компании.

Разрыв между 80% и 37% — это не противоречие в данных. Это два разных вопроса, и второй заметно строже: чтобы ответить на него утвердительно, эффект должен пережить путь от рабочего места до отчёта.

Ключевое наблюдение не в самих числах, а в динамике: личные оценки растут, а доля с эффектом на прибыль стоит на месте. То есть путь от одного к другому не улучшается.

Куда девается сэкономленное время

Три механизма, по убыванию распространённости.

Время уходит на другую работу. Сотрудник стал тратить на отчёт не три часа, а час. Освободившиеся два часа не исчезли — он занялся чем-то ещё. Компания получила больше сделанной работы, а не меньше затрат. Прибыль меняется, только если эта дополнительная работа что-то приносит.

Выигрыш теряется на стыках. Один этап ускорился в три раза, следующий остался прежним. Общая длительность процесса определяется самым медленным звеном, и ускорение быстрого звена не даёт ничего.

Экономия съедается проверкой. Ответ модели надо прочитать и убедиться, что он верен. Если проверка занимает столько же, сколько заняло бы выполнение, чистого выигрыша нет — есть смена характера работы.

Третий механизм самый коварный, потому что ощущение продуктивности он не портит. Писать самому утомительно, проверять написанное — легче. Человек честно чувствует себя продуктивнее, а времени тратит столько же.

Почему это не новость про ИИ

Полезно вынуть сюжет из контекста, потому что вне его он выглядит знакомо.

Разрыв между ростом производительности отдельного работника и результатом организации описан задолго до языковых моделей. Он возникал при внедрении персональных компьютеров, электронной почты, систем планирования ресурсов — каждый раз с одинаковым сценарием: инструмент действительно ускорял работу, а отдача на уровне компании обнаруживалась годами позже, если обнаруживалась.

Объяснение всегда одно и то же: инструмент меняет операцию, а прибыль определяется процессом. Пока процесс построен вокруг прежней скорости, ускорение одной операции упирается в следующую.

Отсюда неприятный, но полезный вывод. Если у вас после внедрения не изменилось ничего, кроме того, что сотрудники стали быстрее делать те же самые шаги в том же самом порядке, — эффекта на прибыль ждать не стоит. Он появляется, когда меняется сам порядок: исчезают этапы, объединяются роли, отпадает необходимость в промежуточных согласованиях.

Это дороже и медленнее, чем купить доступ к модели. Именно поэтому большинство останавливается на первом шаге и получает ровно то, что показывает опрос: довольных сотрудников и неподвижную строчку в отчёте.

Как посчитать свой случай

Простая процедура, дающая число вместо ощущения. Занимает неделю наблюдений.

Выберите один процесс. Не «внедрение ИИ в компании», а конкретную цепочку: заявка пришла — обработали — ответили.

Замерьте её целиком до. От начала до конца, включая ожидание между этапами. Именно ожидание обычно и составляет большую часть, и именно его никто не измеряет, потому что в это время никто не работает.

Внедрите на одном этапе. Том, который выглядит самым трудоёмким.

Замерьте целиком после. Тот же путь, те же границы.

Дальше возможны три исхода, и каждый информативен.

Общее время сократилось заметно — процесс упирался в этот этап, и стоит идти дальше тем же способом.

Общее время не изменилось — узкое место в другом месте, и внедрять надо было там. Само по себе полезное открытие.

Общее время выросло — появился новый этап проверки, который дороже сэкономленного. Такое случается чаще, чем принято признавать, и обнаруживается только замером: субъективно процесс при этом ощущается более лёгким.

Что из этого следует практически

Четыре вещи, которые стоит сделать до того, как расширять внедрение.

1. Решите заранее, во что превратится сэкономленное время. Либо в дополнительный объём — тогда меряйте объём. Либо в сокращение затрат — тогда это должно быть видно в штатном расписании или в счетах подрядчикам. Если ни то, ни другое, выигрыш растворится.
2. Меряйте процесс целиком, а не этап. Ускорение одного шага не значит ничего, пока не измерена длительность всей цепочки.
3. Считайте время проверки. Оно входит в стоимость и почти никогда не учитывается.
4. Начинайте с задач, где результат проверяется автоматически. Извлечение полей, классификация, преобразование форматов. Там, где проверка бесплатна, выигрыш доходит до конца, а не съедается на последнем шаге.

Четвёртый пункт объясняет, почему автоматизация окупается неравномерно: она работает лучше всего там, где машина проверяет машину, и хуже всего там, где на каждом шаге нужен человек. Отсюда и практический совет по очерёдности: браться сначала за проверяемое, даже если оно кажется скучнее.

Как это связано с выбором модели

Прямее, чем кажется, и тут есть неприятное следствие.

Если экономия времени не измеряется, то нет и основания платить за более сильную модель. Разница между позициями каталога кратная — от 3 ₽ за миллион токенов до 30 ₽. Обосновать верхнюю ступень можно только числом: столько-то меньше ошибок, столько-то меньше правок, столько-то сэкономленных часов.

Без такого числа выбор делается по ощущению, а ощущение систематически завышает пользу дорогого. Мы разбирали методику сравнения на своих данных — она и даёт то самое число.

Показательно, что рынок ведёт себя ровно в этой логике. По данным о корпоративных расходах, флагманские модели собирают заметно меньшую долю объёма, чем можно было бы ожидать по их репутации: компании берут дорогое там, где это оправдано, и дешёвое везде остальном.

Что говорит об этом наш собственный опыт

Небольшое отступление, потому что мы ведём этот блог автоматизированно и цифры у нас перед глазами.

Черновик статьи готовится автоматически: обход источников, сверка изменений в каталоге, проверка цен у вендоров, запись находок. Экономия времени на этом этапе реальная и большая — руками такой обход занимал бы часы.

Но конечный результат определяется не этим этапом. Проверка фактов у первоисточника, отсев тем, где источник ненадёжен, доведение текста до публикуемого качества — всё это по-прежнему требует человеческого решения на каждом шаге. И именно оно, а не сбор данных, задаёт длительность.

Показательно, что доля отклонённых тем у нас держится около трети. То есть треть автоматически собранного материала не доходит до публикации — из-за непроверяемого источника, каннибализации с уже вышедшим или отсутствия пользы для читателя. Это ровно тот случай, когда проверка съедает часть выигрыша, и не учитывать её было бы самообманом.

Вывод из собственной практики совпадает с опросом: автоматизация даёт заметный выигрыш на сборе и почти никакого — на принятии решений. Планировать стоит исходя из этого.

Чего мы не утверждаем

Опрос — это мнения, а не замеры. И продуктивность, и влияние на прибыль оценивались респондентами субъективно.

Мы не проверяли методику. Приводим опубликованные цифры со ссылками на источники.

Отсутствие эффекта в среднем не означает его отсутствия у вас. Средние по рынку скрывают разброс: у части компаний эффект есть и он значителен.

Год — короткий срок. Изменения в отчётности отстают от изменений в работе, и часть эффекта может проявиться позже.

Мы не сравниваем исследования между собой. Разные опросы задают разные вопросы разным выборкам; совпадение направления выводов не делает их цифры сопоставимыми.

Не утверждаем, что рост продуктивности мнимый. Он реален для человека. Речь о том, что путь от него до прибыли не автоматический.

Что держать в голове

Разрыв между личной продуктивностью и результатом компании — не новость про ИИ. Так было со всеми инструментами автоматизации: выигрыш на рабочем месте не превращается в прибыль сам собой.

Практический вывод один: решать, во что превратится сэкономленное время, надо до внедрения, а не после. И измерять процесс целиком, включая проверку результата, — иначе вы получите ощущение ускорения без единого числа, которым его можно подтвердить.

Как мы отделяем проверенное от предполагаемого — на странице о проекте. Посчитать стоимость своих задач можно по ключу, который заводится за минуту: keydealer.ru/login.