Вопрос, который задает Станислав, интересный, но содержит предположение, которое почему-то все чаще воспринимается как установленный факт: использование искусственного интеллекта многократно повышает производительность труда.

А что нам показывают исследования?

GitHub Copilot: ускорение на 55,8% (2023)

В эксперименте Peng и соавторов разработчики, использовавшие GitHub Copilot, выполнили задачу создания HTTP-сервера на JavaScript на 55,8% быстрее контрольной группы. Результат убедительный, но относится к конкретной задаче в контролируемых условиях и переносить его на всю деятельность условного разработчика было бы некорректно.

METR: замедление на 19% (2025)

Исследователи METR провели рандомизированный эксперимент с участием 16 опытных разработчиков, выполнявших 246 реальных задач в знакомых им open-source-проектах. При использовании ИИ время выполнения задач увеличилось в среднем на 19%.

Особенно примечательно несколько иное: до эксперимента участники ожидали ускорения на 24%, а после его завершения оценивали полученное ускорение в 20%. То есть субъективное восприятие эффективности существенно расходилось с измеренными результатами.

Полевые эксперименты: рост на 26,08% (2026)

Исследование, опубликованное в Management Science, объединило результаты трех экспериментов с участием 4867 разработчиков Microsoft, Accenture и еще одной крупной компании. Совокупная оценка показала увеличение количества выполненных задач на 26,08% при использовании ИИ-ассистента. При этом результаты отдельных экспериментов различались, а менее опытные разработчики получали больший эффект.

Поддержка клиентов: рост на 15% (2025)

В исследовании Brynjolfsson, Li и Raymond, опубликованном в The Quarterly Journal of Economics, изучалась работа 5172 специалистов клиентской поддержки. Средний прирост производительности составил 15%.

Однако эффект распределялся неравномерно: менее опытные сотрудники выигрывали значительно больше, тогда как у наиболее квалифицированных специалистов улучшения были небольшими, а качество работы по некоторым показателям даже снижалось.

Что изменилось к 2026 году?

В феврале METR опубликовала результаты следующего этапа исследования. Новые данные указывали на возможное ускорение разработки, но исследователи признали их недостаточно надежными для количественной оценки эффекта. Одна из причин:

Разработчики, привыкшие к ИИ, все чаще отказывались участвовать в эксперименте, если им предстояло работать без него.

И что же из этого следует?

Во-первых, влияние ИИ на производительность неоднородно. Оно зависит от характера задач, квалификации сотрудников, используемых инструментов и условий работы.

Во-вторых, ускорение отдельной операции не эквивалентно росту производительности всего процесса. Если подготовка результата занимает меньше времени, но увеличиваются затраты на проверку, исправление ошибок и повторную работу, итоговый эффект может оказаться совершенно другим.

В-третьих, даже установленный рост производительности на 50% не означает, что один сотрудник теперь выполняет работу полутора человек. Производительность, трудоемкость операций и необходимая численность персонала связаны между собой, но не тождественны.

И наконец, вопрос о повышении зарплаты относится уже к распределению экономического эффекта, а не непосредственно к измерению производительности. Поэтому прежде чем обсуждать, должен ли работодатель платить больше сотруднику, который якобы работает за троих, стоило бы ответить на несколько вопросов.

Как измерена его производительность? С чем сравнивается результат? Учитываются ли качество, исправления и сопутствующие затраты? И существует ли вообще тот экономический эффект, который предлагается распределять?

Без ответов на эти вполне очевидные вопросы дискуссия о зарплатах строится не на фактической производительности, а на предположениях о возможностях технологии. Да, я понимаю, зачем Станислав такое публикует, но есть грань между хайпом и "экспертным выходом в тираж". Погоня за первым часто приводит на ту колею, с которой попадают ко мне, по крайней мере тут, в Сетке в ленте бизнес-аналитиков.