Больше десятка крупных замеров использования ИИ на работе за год – Gallup, Stanford, BCG, Workday, Google, Microsoft. Собранные в одну ленту, они показывают то, чего не видно ни в одном из отчётов по отдельности: две кривые, которые год движутся в разных направлениях.

Кривая внедрения растёт линейно. По квартальным замерам Gallup Panel (22 тысячи работающих американцев на волну), ежедневных пользователей ИИ стало 15% против 8% годом раньше. Корпоративное внедрение по Stanford AI Index – 88%. BCG насчитала 74% регулярных пользователей среди рядовых сотрудников. Плюс два-три пункта в квартал, волна за волной, без единого плато.

Кривая отдачи плоская. Brookings год назад насчитал 19% видящих рост продуктивности. Workday через полгода – 14% чистой выгоды после вычета переделок. MIT NANDA разобрал 300 внедрений: измеримую отдачу получили 5% организаций. Направление у кривых разное, и за год ни один инструмент не зафиксировал, что отдача растёт вслед за внедрением.

Три механизма повторяются в источниках независимо друг от друга.

Автоматизируется только то, что записано. Google ATLAS разобрал 14,65 миллиона диалогов с Gemini: в структурированной умственной работе на автоматизацию приходится больше четверти диалогов, в неструктурированной – меньше 10%. Массовые сценарии вроде текстов и поиска как раз относятся к неструктурированной работе.

Налог на проверку. Workday измерил его в 37% сэкономленного времени – у активного пользователя это полторы недели в год на исправление ошибок самого ИИ.

У сэкономленного времени нет адреса. BCG зафиксировала: 66% рядовых сотрудников не получают указаний, куда направить освободившиеся часы. HBR показал, что происходит вместо этого: объём задач растёт до размеров сэкономленного.

В разборе – обе кривые по первоисточникам за год, таблица отдачи Gallup по сценариям и два промпта: ревизия сценариев команды по этой таблице и назначение адреса сэкономленному времени.