Звучит как отличный кейс. Но где эти 20% и кому они принадлежат? Потому что между тем, что сотрудник стал делать работу быстрее, и реальным экономическим эффектом для компании есть довольно длинный путь: time saved → productivity gain → financial effect 1. Time saved — раньше сотрудник тратил на задачу 10 часов, теперь тратит 8. 2. Productivity gain — при тех же ресурсах подразделение действительно стало производить больше результата. Например, 10 человек обрабатывали 1 000 документов в месяц, а теперь обрабатывают 1 200 при том же качестве. 3. Financial effect — компания смогла превратить этот рост производительности в деньги: не наняла дополнительных людей при росте объёма, снизила стоимость операции, увеличила выручку и т.д. При переходе между этими этапами возникает интересный вопрос: кому принадлежат сэкономленные два часа — сотруднику или компании? Формально ответ кажется очевидным. Компания оплачивает рабочее время сотрудника. Она же инвестировала в GenAI-инструмент. Значит, логично ожидать, что выигрыш в производительности достанется компании. Но если компания говорит: «Раньше ты делал 10 задач. Мы дали тебе AI, теперь делай 12», у сотрудника возникает вполне рациональный стимул не показывать реальный productivity gain. В некоторых процессах измерить его относительно просто. Например, в техподдержке или call-центре мы можем видеть количество обращений, время обработки, SLA, качество решения. Всё сложнее, например, с разработчиками. Количество строк кода? Их можно искусственно увеличить. Количество commits или pushes? Их тоже можно легко увеличить, не создав дополнительной ценности. Даже количество закрытых задач далеко не всегда показывает реальную производительность. Получается довольно неприятный парадокс: если весь выигрыш от AI оставить сотруднику — компания может вообще не увидеть ROI. Если весь выигрыш попытаться забрать себе — сотрудники получают стимул этот выигрыш скрывать. Поэтому один из главных вопросов AI-трансформации — не только как измерять productivity gain, но и как распределять дивиденды от этой продуктивности между компанией и сотрудниками. Например, если мы действительно получили устойчивые 20%: - часть можно превратить в больший объём работы — условно, +10 к KPI; - часть оставить сотрудникам как снижение перегрузки; - часть направить на задачи более высокого уровня, которые раньше постоянно откладывались. Особенно сложно увидеть эффект в большой компании. Сотрудник стал работать быстрее, но staffing plan не изменился, объём работы не вырос, SLA остался прежним, KPI подразделения тот же — и в P&L компании ничего не произошло. Чтобы забрать эти самые 20%, компании приходится менять не только инструменты сотрудников, но и процессы, KPI, планирование ресурсов и систему стимулов. И, возможно, именно здесь сегодня находится один из самых недооценённых bottleneck AI-трансформации. #GenAI #AITransformation #Productivity #FutureOfWork #DigitalTransformation