Про ИИ на работе обычно говорят двумя способами. Первый: «он всё делает за тебя, скоро половину офиса сократят». Второй: «бесполезная игрушка, льёт воду и путает факты». Оба звучат уверенно и оба почти никогда не опираются на измерения.
Между тем накопилась редкая для ИТ-хайпа вещь — контролируемые эксперименты. Людей делят на две случайные группы, дают одинаковые задачи, одной разрешают ИИ, другой нет, и замеряют время, объём и качество. Скучнее заголовков, зато честнее.
Что вообще измеряют
Первое, что стоит держать в голове: «продуктивность» — это не одна цифра. В нормальном исследовании смотрят минимум на три вещи: сколько задач человек успел сделать, сколько времени на это ушло и как результат оценили независимые проверяющие, которые не знали, кто пользовался ИИ. Если в новости есть только скорость — половина картины отсутствует.
Второе: опрос «стало ли вам быстрее?» — самый слабый вид данных. Ощущение скорости и секундомер расходятся сильнее, чем кажется, и это отдельный сюжет ниже.
Где прирост действительно есть
Самое цитируемое исследование — совместная работа Гарвардской школы бизнеса и консалтинговой компании BCG (2023). В эксперименте участвовали 758 консультантов и 18 реалистичных рабочих задач. Те, кто работал с GPT-4, выполнили примерно на 12% задач больше и потратили примерно на 25% меньше времени, а качество их работы независимые оценщики поставили заметно выше.
Похожая картина в работе, опубликованной в журнале Science (Ной и Чжан, 2023): 453 специалиста с высшим образованием писали типовые деловые тексты — письма, отчёты, короткие аналитические записки. У группы с ChatGPT время выполнения упало примерно на 40%, а оценка качества выросла примерно на 18%.
Ещё резче цифры в эксперименте GitHub (Пэн и коллеги, 2023): 95 разработчиков писали один и тот же HTTP-сервер на JavaScript. С ассистентом — около часа с небольшим против почти трёх часов без него, то есть примерно вдвое быстрее.
Самое масштабное поле — 5179 операторов клиентской поддержки в исследовании Бриньольфссона, Ли и Реймонд. Доступ к ИИ-помощнику поднял число решённых обращений в час примерно на 14%, но средняя цифра обманчива: у новичков прирост около трети, у самых опытных — почти нулевой. ИИ раздавал новичкам приёмы, до которых сильные дошли за годы.
Закономерность видна невооружённым глазом. Прирост максимален там, где задача шаблонная, делается «с нуля», результат легко проверить, а человек не является экспертом именно в ней.
Где цифры сильно преувеличены
А теперь другая половина данных, которую в рекламных презентациях не показывают. В 2025 году исследовательская организация METR провела аккуратный эксперимент: 16 опытных open-source разработчиков, 246 настоящих задач в их собственных зрелых репозиториях, случайное распределение «можно ИИ / нельзя ИИ». Результат — с ИИ работа шла примерно на 19% медленнее.
Самое любопытное не это. Те же самые разработчики после эксперимента считали, что ИИ ускорил их примерно на 20%. Ошибка на 40 процентных пунктов в собственном ощущении — и это профессионалы, замерявшие себя каждый день. Сама METR оговаривается, что результат относится к инструментам начала 2025 года и не переносится автоматически на сегодняшние.
Похожий сюжет — датское исследование Хумлума и Вестергор (2025) по опросам примерно 25 тысяч работников. Средняя экономия времени от ИИ-чатов там около 3%. Не тридцать, не пятьдесят — три. И заметного влияния на заработки или часы за два года авторы не нашли.
Между «мне кажется, я стал быстрее» и секундомером лежит пропасть — и это, пожалуй, главный вывод всех этих исследований.
Противоречия здесь нет. Лабораторная задача «напиши с нуля» и реальная работа отличаются одним: во второй основная часть усилий уходит не на производство текста или кода, а на удержание контекста и поиск причины, почему что-то не работает. Первое ИИ снимает хорошо, со вторым почти не помогает.
Почему у одних получается, а у других нет
Разница между людьми в этих экспериментах часто больше, чем разница между «с ИИ» и «без ИИ». И самый очевидный фактор — навык постановки задачи.
Что отличает удачный запрос
Работающий запрос почти всегда содержит четыре вещи: контекст (для кого и зачем), критерии («без канцелярита», «уложиться в 1500 знаков», «только по фактам из моего текста»), формат ответа и хотя бы один пример хорошего. Дальше — итерация: не переписывать промпт заново, а править результат по частям.
Есть и обратная сторона: короткого инструктажа обычно недостаточно. В том же исследовании HBS и BCG участники, получившие краткий обзор по промптингу, не показали чуда — а вот те, у кого исходные результаты были слабее, выиграли от ИИ заметно сильнее сильных коллег. То есть инструмент подтягивает отстающих быстрее, чем усиливает лучших.
Ловушка доверия
Самая важная часть эксперимента HBS и BCG — не про скорость. Одна из задач была специально составлена так, чтобы лежать за границей возможностей модели: данные там противоречили очевидному выводу. На ней консультанты с GPT-4 давали правильный ответ примерно на 19 процентных пунктов реже, чем те, кто работал без ИИ.
Механика проста: ответ модели был связнее и убедительнее — и при этом неверным. Уверенная формулировка гасит желание перепроверить. Авторы назвали это «зубчатой границей»: ровной линии «до сюда умеет, дальше нет» у ИИ нет, сильные и слабые места чередуются непредсказуемо и снаружи выглядят одинаково гладко.
Вывод скучный, но рабочий: проверяйте всё, что дёшево проверить, — цифры, даты, имена, ссылки, названия. И не отдавайте ИИ решения, за которые отвечаете вы, а не он.
Если хочется посмотреть, как это выглядит в живой работе, — вот короткий обзор бытовых сценариев с нейросетями:
Что с этим делать на практике
Из всех данных складывается спокойная рекомендация: держать ИИ под рукой для черновиков, разбора текстов и рутины — и оставлять себе проверку и решения. Прирост тут не «в десять раз», но и не выдуманный.
Мы делали Schai GPT именно под этот сценарий. Он живёт на schai.ru, работает из России без VPN, оплата в рублях обычной картой. Есть бесплатный уровень — его хватает, чтобы проверить, помогает ли ИИ в ваших задачах, без подписки вслепую. Уровни моделей переключаются прямо в диалоге: простое отдаёте быстрой и дешёвой, сложное — более сильной, не начиная разговор заново. Контекст беседы сохраняется, так что не приходится каждый раз пересказывать, над чем вы работаете.
Чего он не делает — тоже честно: не заменяет специалиста, ошибается, как любая языковая модель, и на «зубчатую границу» натыкается так же. Проверять по-прежнему вам.
И напоследок вопрос, который стоит задать себе честно: если бы вы прямо сейчас засекли время на своей последней задаче с ИИ и без него — какая цифра получилась бы у вас на самом деле?
Пока нет комментариев