«Внедрили ИИ, а продуктивность не выросла». Разбираемся, почему

Недавно мы с командой провели бизнес‑завтрак «Будущее работы 2026» для HR‑директоров, руководителей функций и специалистов по обучению.

Разбирали свежие исследования Gallup, Deloitte, Microsoft, Harvard Business Review и hh.ru, обсуждали реальные кейсы компаний и пытались понять, что происходит с работой после появления ИИ.

Начнём с парадокса. 65% сотрудников в компаниях с внедренным ИИ говорят, что лично стали продуктивнее. Но только 12% считают, что ИИ изменил процессы на уровне компании. Это данные Gallup 2026 года.

Мне кажется, мы застряли в иллюзии, что купить лицензию = внедрить ИИ. Купить лицензию — это купить лицензию.

Человек быстрее делает презентацию с помощью ИИ, но она всё так же проходит пять кругов согласования. Отдельный сотрудник работает быстрее, а системная продуктивность компании не меняется.

Отчет Deloitte добавляет ещё одну интересную цифру: организации, которые ставят технологию в приоритет над людьми и процессами, в 1,6 раза чаще не получают ожидаемой отдачи. И 59% компаний идут именно этим путём. То есть большинство делает ровно то, что реже всего работает.

Поэтому я бы выделил не один тренд «ИИ меняет всё», а четыре силы, которые сегодня работают одновременно и влияют на компании:

Процессы и архитектура работы с ИИ

Мне кажется, именно здесь находится самый большой разрыв между ожиданиями и реальностью.

Microsoft посмотрел на то, как люди реально используют нейросеть Copilot. Исследовали больше 20 тысяч пользователей в 10 странах. Почти половина всех взаимодействий с ИИ связана с когнитивной работой — анализом, решением проблем, оценкой информации и креативными задачами.

То есть даже если человек хорошо работает с ИИ, но процесс вокруг него не перестроен, большая часть эффекта просто не случается.

И только 19% компаний сегодня находятся в зоне, где и сотрудники готовы к новому способу работы, и сама организация выстроена под работу с новым инструментом.

Отдельно интересно посмотреть на то, как люди используют ИИ на самом деле. Harvard Business Review в июне 2026 года опубликовал очередное исследование сценариев использования ИИ. Авторы проанализировали около 13 тысяч примеров из социальных сетей. Самый популярный сценарий оказался неожиданным — терапия и компаньонство. На него пришлось 11% всех кейсов. Год назад было всего 5%.Люди идут к ИИ за поддержкой, советом по отношениям и поиском смыслов.

А ещё оказалось, что большинство популярных рабочих сценариев использования ИИ существуют в серой зоне. Формально они рабочие, но компании ими не управляют. Люди используют инструменты самостоятельно, часто в обход корпоративных правил.

Один из участников завтрака сказал примерно так: «Я закрываю задачи вдвое быстрее, но никто не знает, что я использую ИИ». Зал засмеялся. Узнаваемо.

Получается два слоя. Официальный — стратегия, пилоты, лицензии, комитеты. И фактический — сотрудники уже используют ИИ в ежедневной работе, а компания не видит ни качество результата, ни возникающие риски.

Менеджеры

Тут у меня ощущение, что эта история самая недооцененная.

Все обсуждают ИИ, автоматизацию и навыки. Но если посмотреть на данные Gallup, глобальная вовлеченность сотрудников упала до минимальных значений со времён локдауна. Вовлеченность менеджеров просела сильнее всего: с 27% до 22% всего за один год. За три года менеджеры потеряли девять процентных пунктов.

Раньше менеджер был тем человеком, который тянул вовлеченность команды вверх. Сейчас он примерно на том же уровне, что и сотрудники, которыми он руководит.

Именно менеджер объясняет команде, зачем меняться, задает стандарты качества, принимает решения о том, как использовать ИИ в работе. Если менеджер в состоянии выгорания или сам не понимает, куда идти дальше, проблемы каскадом спускаются вниз.

При этом в лучших компаниях вовлечены 79% менеджеров. То есть проблема решаема, просто большинство организаций пока не занимается ею системно.

Скорость изменений

Ещё одна сила, о которой говорят значительно меньше, чем про ИИ, — это скорость изменений.

Deloitte опросил больше 9 тысяч лидеров в 89 странах. Треть сотрудников пережили 15 серьёзных изменений за один год. И только 27% считают, что их компания умеет этими изменениями управлять.

При этом семь из десяти руководителей называют главной стратегической задачей на ближайшие годы способность быть быстрыми и гибкими.

Но быть быстрым — не значит быстро внедрить новый инструмент. Речь про адаптивность. Про способность принимать решения в неопределённости и умение учиться быстрее, чем меняется контекст.

И здесь снова появляется тот же парадокс.

Компании, которые идут по пути technology‑first — сначала внедряют технологии, а потом думают про людей, — в 1,6 раза чаще не получают ожидаемого эффекта от внедрения.

Потому что скорость без адаптивности превращается просто в скорость «набивания» шишек.

Навыки

По данным hh.ru, 93% работодателей в 2025 году столкнулись с дефицитом навыков.

Но главный новый дефицит — умение работать с ИИ. Речь не только про умение написать хороший промпт. Компании ищут людей, способных правильно поставить задачу, проверить результат, заметить ошибки и взять ответственность за итоговое решение.

Harvard Business Review использует для этого термин thinkslop — ситуацию, когда человек передает ИИ не только рутинную работу, но и само мышление.

Например, сотрудник пишет с помощью ИИ самооценку. Менеджер составляет на его работу ревью с помощью ИИ. Оба документа попадают в корпоративную систему, которая тоже использует ИИ.

Один из участников исследования HBR написал про это так: «Всё это будет красиво читаться и не значить абсолютно ничего». Это, пожалуй, самый «тихий» риск из всех четырёх.

Что делать бизнесу

Мне кажется, начать можно с простого вопроса: где ИИ уже используется в работе? Не с покупки новой лицензии, не с создания большого AI‑комитета, а именно с инвентаризации реальных сценариев.

Какие задачи сотрудники делают с ИИ: презентации, письма, аналитику, отчеты, самооценки, клиентские ответы, учебные материалы — что из этого помогает, что создает риск, где результат можно использовать как черновик, где нужна обязательная проверка человеком.

Выбрать 3–5 процессов, в которых ИИ уже заметно влияет на работу, и пересобрать их целиком: кто ставит задачу, какие данные можно использовать, что делает ИИ, а что обязательно проверяет человек, по каким критериям оценивается качество и кто отвечает за итоговое решение.

Отдельно стоит договориться о правилах качества. Например: нельзя передавать дальше AI‑материал без проверки фактов, источников, логики и применимости к контексту. ИИ может ускорить создание черновика, но не должен отменять мышление и ответственность.

Третий шаг — поддержать менеджеров. Именно они каждый день переводят все эти изменения в реальные правила команды: что можно, что нельзя, какой результат считается хорошим, где эксперимент уместен, а где цена ошибки слишком высока. Если менеджеры сами не понимают, как работать с ИИ, вся трансформация превращается в набор разрозненных личных практик.

И уже после этого имеет смысл говорить про обучение через конкретные навыки: постановка задачи, критическая проверка результата, работа с источниками, оценка качества, принятие решений в неопределенности, ответственность за итог.

Мой главный вывод

Мы слишком долго задавались вопросом: «Какой ИИ купить». Пора задаться вопросом: «Какие процессы перестроить вокруг использования ИИ». Это разные вопросы, и второй гораздо сложнее. Но именно он и есть управленческий.