Главное про AI - Вадим Жартун
Из того же отчёта McKinsey: 88% организаций в 2025 году используют AI хотя бы в одной бизнес-функции, но только 6% переводят это в ценность для бизнеса. Сам по себе AI — не решение. Без изменения рабочего процесса, ключевых показателей, обучения сотрудников и систем мотивации AI остаётся дорогой игрушкой, которую сотрудники используют раз в месяц для написания писем.
BCG в июньском отчёте AI at Work 2025, основанном на опросе 10 600 работников из 11 стран, зафиксировал «кремниевый потолок»: 78% руководителей и менеджеров регулярно используют генеративный AI, среди линейных сотрудников — только 51%, и этот показатель за год фактически не сдвинулся.
Вторая половина данных: 42% регулярных пользователей-линейных сотрудников экономят с AI целый рабочий день в неделю и больше. Распределение результата неравномерно. Есть люди, у которых AI экономит восемь часов в неделю, и есть люди, у которых он экономит ноль, причём вторых до сих пор много.
Причина почти всегда не в инструменте, а в процессе: те, кто перестроил рутину вокруг AI, получили эффект. Те, кто добавил AI в старую рутину, — нет.
AI И ЧЕЛОВЕК: СРАВНЕНИЕ ПО ШЕСТИ ПАРАМЕТРАМ В ОДНОЙ ТАБЛИЦЕ
Прежде чем смотреть на цифры, зафиксируйте, как устроено сравнение. В левом столбце — параметр, по которому можно сравнивать. В двух средних — типичные значения для современных моделей 2024–2026 годов и для живого специалиста. В правом — где разрыв между ними максимален и на каких задачах это работает в вашу пользу или против. Эта таблица — не справочник, а фильтр: если ваша задача попадает в строку, где AI выигрывает в десять-двести раз, она кандидат на автоматизацию; если в строку, где выигрывает человек, — оставьте за человеком.
Из таблицы следует, что разрыв максимален там, где у задачи есть правильный ответ и проверяемая структура. На «штучных» задачах и на работе с неявным контекстом человек возвращает себе преимущество, и это меняет критерий отбора — не сложность задачи, а её тип.
ШЕСТЬ ЗАДАЧ, ГДЕ AI УЖЕ ПРЕВОСХОДИТ ЧЕЛОВЕКА
Ниже — шесть измеренных задач с конкретными цифрами, источником и эффектом. Они подобраны так, чтобы покрыть разные профессии: аналитика, юриспруденция, разработка, медицина, HR, клиентская поддержка. Если ваша задача похожа на одну из этих строк по типу, у вас есть ориентир; если не похожа — переносите логику, а не цифру.
Мы видим, что эффект воспроизводится в шести разных доменах с одной и той же закономерностью. Где у задачи есть правильный ответ и проверяемая структура, AI обходит среднего специалиста по точности или по скорости. Где ответ не проверяется автоматически, эффект размывается.
ОБЪЕКТИВНЫЕ ПРЕИМУЩЕСТВА AI НА РУТИННЫХ ЗАДАЧАХ
1: Скорость в десять-двести раз на структурированных задачах. Юридический анализ NDA: 26 секунд AI против 92 минут у юриста. Финансовый анализ: минуты у GPT-4 против одной-четырёх недель у аналитика-человека. Код: лидеры SWE-bench Verified решают реальный GitHub issue за минуты, младший разработчик — за часы. Это не «небольшое ускорение», а смена единицы измерения.
2: Цена единицы работы в сто-тысячу раз ниже. Саммари пятидесятистраничного отчёта стоит $0,05 через API против $30–60 у живого младшего разработчика. С учётом проверки разрыв сжимается, но остаётся двузначным по стоимости. На больших объёмах, десять тысяч документов и больше, экономия исчисляется миллионами долларов.
3: Отсутствие усталости и падения точности к концу дня. Человек совершает на 15–25% больше ошибок после шести часов непрерывной работы. Модель выдаёт стабильное качество на первом и на десятитысячном запросе. Это особенно важно в задачах модерации, скрининга, аудита.
4: Параллелизация в масштабах, невозможных для штата. Система, подключенная по API, обрабатывает десять тысяч входящих заявок за минуты. Эквивалентный штат — пятьдесят операторов, не справляющихся с пиковой нагрузкой. AI масштабируется линейно по стоимости, штат — ступенчато. Сезонные пики, налоговая отчётность, декабрьские распродажи — там, где AI-преимущество в параллелизации проявляется ярче всего.
5: Повторяемость и прослеживаемость результата. При нулевом параметре «температуры» (это режим, в котором модель выбирает самый вероятный ответ и не варьирует результат) модель выдаёт идентичный ответ на идентичный вход. Это меняет compliance (соответствие нормативным требованиям): каждое решение можно воспроизвести и проверить, а не «юрист Петров вчера сказал, что риск низкий». Для регулируемых отраслей, банки, страхование, фарма, это системное преимущество, недостижимое для человеческой экспертизы.
AI В РОЛИ СВЕРХБЫСТРОГО КАЛЬКУЛЯТОРА
Представьте себе: в 1970 году бухгалтеру дали электронный калькулятор. Соседи говорили ему: зачем он вам, вы и так считаете в столбик? А он отвечал: потому что считаю я на скорости пяти операций в минуту, а калькулятор — пяти тысяч. За день я успею сделать то, что раньше делал за месяц, и высвобожу время на разговор с клиентом, а не на сложение столбцов. AI — это калькулятор для текста, кода и изображений. Вместо арифметики он берёт на себя то, что раньше требовало человеческого внимания: разбор пятидесятистраничного отчёта, классификацию тысячи писем, поиск рискованного пункта в договоре. Калькулятор не заменил бухгалтера — он убрал арифметику и оставил смысл. AI делает то же самое с текстом, кодом и изображениями.
Метафора работает в обе стороны. Калькулятор не ошибается в арифметике, но ошибается в приложении арифметики к реальности: бухгалтер всё ещё решает, какие именно цифры считать. AI не ошибается в грамматике, но ошибается в том, какую грамматику применять к вашему контексту. Калькулятор без бухгалтера выдаёт шум цифр без смысла. AI без человека-редактора делает то же самое с текстом.
Эта метафора прошла проверку практикой: появление электронных калькуляторов в бухгалтерии пришлось на 1970-е (первый настольный Casio AS-A вышел в 1962 году, но массовый переход офисов — 1970-е), и бухгалтеры сначала боялись, что их уволят. Через десять лет их не уволили — их стало больше, потому что снизилась стоимость расчётов и расширился спрос на финансовую отчётность. Экономисты называют это парадоксом Джевонса: когда технология снижает стоимость ресурса, спрос на этот