Парадокс производительности: почему ИИ помогает сотрудникам, но не прибыли

Компании массово внедряют ИИ и ждут ощутимого роста производительности — но финансовая статистика пока не подтверждает ожиданий. ИИ реально помогает отдельным сотрудникам работать быстрее, однако этот эффект почти не доходит до прибыли бизнеса.

Новый парадокс

Солоу В 1987 году экономист Роберт Солоу заметил нечто парадоксальное: компьютеры были видны повсюду, кроме статистики производительности. Предприятия массово закупали IBM и Apple, CIO отчитывались об автоматизации, а рост выработки в экономике оставался удручающе вялым. Только к середине 1990-х исследователи нашли ответ: для реализации выгоды от технологии требовалась сначала перестройка организаций — и это заняло почти десятилетие. Спустя сорок лет история повторяется с ИИ. Компании инвестируют миллиарды в языковые модели, корпоративные интеграции и обучение персонала. Отдельные исследования фиксируют впечатляющие индивидуальные результаты: программисты с Copilot закрывают задачи на 55% быстрее, консультанты с GPT-4 готовят презентации заметно качественнее. Но когда аналитики смотрят на уровень компании или целой отрасли, эффект размывается до статистического шума.

Почему эффект не масштабируется Причины лежат на пересечении экономики и организационной психологии.

Вот ключевые из них: * Человек остаётся бутылочным горлышком. Даже если ИИ генерирует черновик за секунды, финальное решение принимает человек. Скорость человеческой обработки информации не изменилась — изменилась только скорость подготовки материала к этой обработке.

Задачи расширяются вместе с инструментом. Освободившееся время сотрудники, как правило, тратят не на запуск новых продуктов, а на более глубокую проработку тех же задач или на совещания, которые раньше откладывались. **Экономия на участке не означает роста на выходе.

Если юрист составляет договор вдвое быстрее, но число клиентов не выросло — выручка не изменится. Узкое место просто сдвигается вниз по цепочке создания ценности. * Организационная реструктуризация запаздывает.

Чтобы выгода от ИИ реализовалась в прибыли, нужно перепроектировать процессы и нередко пересмотреть штат. Обе эти вещи занимают годы и встречают сопротивление внутри компании. * Доменная экспертиза по-прежнему у человека.

** ИИ не владеет контекстом конкретного клиента, особенностями рынка, историей отношений. Там, где этот контекст критичен, специалист незаменим — а это значительная часть реальной работы.

Психологическое измерение Есть ещё один, менее очевидный фактор.

Взаимодействие с ИИ создаёт стойкое ощущение продуктивности — даже когда реального результата нет. Поток красиво отформатированных текстов, мгновенные ответы на сложные вопросы, авторефакторинг кода — всё это ощущается как прогресс. Но «ощущение выполненной работы» и «реально выполненная работа» — принципиально разные вещи.

«ИИ снижает стоимость выполнения задачи, но не обязательно повышает ценность результата», — такой вывод часто фигурирует в свежих экономических работах по теме.

Кроме того, само внедрение ИИ создаёт накладные расходы: нужно проверять галлюцинации, редактировать генерации, обучать команду, встраивать инструмент в рабочие потоки. На начальном этапе это съедает значительную часть выигрыша в скорости. Чистый эффект оказывается куда скромнее, чем обещает вендор.

Что это значит

Парадокс производительности — не аргумент против ИИ, а сигнал о природе технологических изменений. Сам по себе инструмент не даёт результата без перестройки процессов вокруг него. Компании, которые целенаправленно перепроектируют рабочие потоки под новые возможности — а не просто выдают сотрудникам доступ к чат-боту — получат реальное конкурентное преимущество. Остальные добавят ещё одну строку в ИТ-бюджет и будут ждать следующего квартала.