Разговор об ИИ часто строится вокруг предсказаний: какие профессии исчезнут, кто «выиграет гонку», сколько часов можно сэкономить. Намного полезнее смотреть на эксперименты в конкретных рабочих процессах. В исследовании «Генеративный ИИ на работе» авторы изучили поэтапное внедрение ИИ-ассистента у 5 179 сотрудников клиентской поддержки. Главный результат: доступ к системе увеличил число решённых обращений в час примерно на 14% в среднем.
Почему сильнее выиграли новички
Среднее скрывает важную деталь. Эффект был заметно больше у новичков и менее квалифицированных сотрудников — около трети роста производительности в этой группе, тогда как у наиболее опытных работников эффект был небольшим. Авторы интерпретируют это как возможный перенос лучших практик: модель помогает менее опытному человеку быстрее использовать паттерны, которые раньше накапливались через месяцы работы и наблюдения за коллегами.
Где заканчиваются эти 14 процентов
Это сильное исследование конкретного процесса, но не универсальная формула «ИИ = +14%». Работа службы поддержки стандартизирована, качество можно измерять, а подсказки системы непосредственно встроены в диалог. Юрист, дизайнер, врач, руководитель и аналитик работают в других условиях. Эффект зависит от задачи, данных, интерфейса, ответственности и того, насколько легко проверить ответ модели. Перенос процента из одного исследования в бизнес-план другой компании был бы ошибкой.
Тестировать процесс, а не обещание
Если вы внедряете ИИ в команде, полезнее выбирать один повторяемый процесс и заранее определить метрики: скорость, качество, количество исправлений, удовлетворённость клиентов, время старших коллег. Затем сравнивать работу с инструментом и без него. Такой подход менее эффектен на презентации, но гораздо быстрее показывает, где модель действительно создаёт ценность, а где только добавляет новый слой интерфейса.
