Исследование Национального бюро экономических исследований США, опубликованное в 2026 году, содержит результат, который расходится с рыночными ожиданиями: более 80% компаний за три года не зафиксировали влияния искусственного интеллекта ни на производительность, ни на занятость. Экономисты вернулись к формулировке сорокалетней давности: технология присутствует повсеместно, за исключением статистических показателей.
Исключение составляет одна отрасль. В разработке программного обеспечения эффект наблюдается устойчиво и подтверждается на уровне отдельных команд. The Economist в материале о причинах этого расхождения указывает: программирование, вероятно, является не первым случаем в ряду, а особым случаем, условия которого в других сферах не воспроизводятся.
Ниже разобрано, в чём состоит это отличие, и как из него выводится практический критерий: для каких задач внедрение ИИ в бизнес даёт измеримый результат, а для каких — нет.
Почему в разработке ИИ работает
Отличие сводится к одному свойству — характеру обратной связи.
Написанный код проверяется немедленно и однозначно: программа либо компилируется, либо нет; тест либо проходит, либо не проходит. Результат известен через секунды, и он не зависит от мнения проверяющего. Модель получает точный сигнал о качестве работы и корректирует её в пределах того же цикла.
Большинство деловых задач устроено иначе. Качество маркетинговой стратегии, управленческого решения или юридической позиции проявляется в течение месяцев и зависит от факторов, к содержанию решения отношения не имеющих: конъюнктуры, действий конкурентов, исполнительской дисциплины. Однозначного признака «верно или неверно» не существует, поэтому проверить результат в момент его получения невозможно.
Отсюда следует практический критерий. Пригодность задачи для автоматизации определяется не её сложностью и не объёмом текста, а наличием быстрого и однозначного способа проверить результат.
Критерий пригодности задачи: результат проверяется за секунды и однозначно — автоматизация даёт эффект. Результат проверяется через месяцы и оценочно — эффект не измеряется, ИИ работает как черновик под контролем человека.
Где ИИ для бизнеса даёт эффект уже сейчас
Задачи, удовлетворяющие критерию, распределяются по двум признакам: результат сверяется с эталоном либо проверяется формальным правилом.
- Извлечение данных из документов. Счёт, накладная, договор: результат сверяется с исходником — реквизиты либо совпадают, либо нет.
- Классификация обращений. Отнесение письма к категории проверяется оператором за секунду; ошибки видны сразу и накапливаются в статистику.
- Подготовка типовых текстов. Карточки товаров, описания, ответы на повторяющиеся вопросы: результат сопоставляется с шаблоном и требованиями площадки.
- Первичная обработка обращений. ИИ-ассистент для бизнеса отвечает на частые вопросы и передаёт нестандартные оператору; корректность передачи проверяется по журналу.
- Сверка и поиск расхождений. Сопоставление остатков, платежей, позиций в документах — область, где ошибка обнаруживается арифметически.
- Разработка. Область, в которой эффект и был первоначально зафиксирован.
Общим признаком перечисленных задач выступает наличие внешнего источника истины, с которым результат сопоставляется автоматически.
Где эффекта не будет
- Стратегические решения. Выбор рынка, ценовой политики, направления развития. Оценка результата возможна исключительно постфактум, по прошествии месяцев.
- Переговоры и нестандартные обращения. Требуется учёт контекста, которого нет в переписке.
- Задачи с ценой ошибки выше стоимости ручной работы. Юридические заключения, медицинские рекомендации, финансовая отчётность: проверять всё равно придётся человеку, и экономия исчезает.
- Процессы без описания. Если порядок действий существует только в головах сотрудников и различается от смены к смене, автоматизировать нечего — сначала процесс требуется описать.
Последний пункт на практике встречается чаще остальных. Он же объясняет значительную часть неудачных внедрений: инструмент приобретается раньше, чем формализована задача.
Как мы используем ИИ в разработке
Утверждение о применимости технологии требует подтверждения собственной практикой, поэтому она изложена ниже.
Мы применяем ИИ в собственной работе ежедневно — в первую очередь в разработке, то есть в той самой области, где эффект подтверждён. Это генерация и разбор кода, подготовка интеграций, проверка данных, разбор документации внешних сервисов, подготовка технических текстов и аналитических материалов.
Результат соответствует изложенному критерию: там, где итог проверяется немедленно — код исполняется, интеграция возвращает корректный ответ, данные сопоставляются, — производительность возрастает существенно. Там, где требуется решение с отложенной проверкой, ИИ выполняет роль черновика, а ответственность остаётся за исполнителем.
Наиболее выраженный эффект достигается при работе со сторонними программными интерфейсами: разбор документации внешнего сервиса, подготовка обмена данными, установление причины ошибки в ответе стороннего API. Проверка в этих задачах производится немедленно — запрос либо возвращает ожидаемый ответ, либо не возвращает, — вследствие чего цикл выдвижения и проверки предположения занимает секунды вместо продолжительного изучения документации.
ИИ-агенты для бизнеса: чем отличаются от чат-бота
Термин применяется широко и требует уточнения, поскольку объединяет решения существенно различной сложности.
Чат-бот отвечает на сообщения по заданному сценарию. Действий за пределами диалога не выполняет.
ИИ-агент получает цель и самостоятельно определяет последовательность шагов: обращается к учётной системе, вызывает внешние сервисы, сравнивает варианты, доводит задачу до результата. Различие носит принципиальный характер: агент не отвечает, а совершает действия.
Практическое следствие для внедрения: агент требует доступа к системам компании и права выполнять операции. Это означает разграничение прав, журналирование действий и определение того, какие операции выполняются без подтверждения человека, а какие требуют его согласия. Вопрос организационный в той же мере, что и технический.
Внедрение ИИ в бизнес-процессы: с чего начинать
Порядок работ: выбрать повторяющуюся задачу с быстрой проверкой результата, описать процесс и критерий правильности, запустить на ограниченном объёме параллельно с ручной работой, сравнить результаты, расширять только после подтверждения. Инструмент выбирается на третьем шаге, а не на первом.
Последовательность определяется тем же критерием.
- Отобрать задачу. Повторяющаяся, с большим числом однотипных операций и с проверяемым результатом. Стратегические задачи на данном этапе исключаются.
- Описать процесс и критерий. Что считается правильным результатом и как это устанавливается. Без формализованного критерия оценить эффект невозможно.
- Запустить параллельно. Ограниченный объём, ручная работа продолжается. Сопоставление результатов даёт фактическую точность вместо предполагаемой.
- Измерить. Доля корректных результатов, затраты времени на проверку, стоимость операции до и после.
- Расширять либо остановиться. Отрицательный результат на этом шаге дешевле, чем внедрение по всей компании без проверки.
Наиболее распространённая ошибка состоит в обратной последовательности: сначала приобретается инструмент, затем определяется задача, к которой он может быть применён.
Типичные ошибки
Автоматизация неописанного процесса. Если порядок действий не зафиксирован, автоматизировать нечего. Формализация процесса нередко даёт эффект сама по себе, до применения каких-либо инструментов.
Отсутствие критерия успеха. Без установленного заранее показателя оценка сводится к субъективному впечатлению, а решение о расширении принимается на его основании.
Внедрение по всей компании сразу. Ограниченный запуск даёт возможность остановиться; массовое внедрение такой возможности не оставляет.
Расчёт экономии без учёта проверки. Если результат требует контроля со стороны сотрудника, время проверки входит в стоимость операции. В части задач суммарные затраты оказываются выше исходных.
Перенос ожиданий из разработки на остальные задачи. Оценки, полученные на программировании, к другим областям неприменимы — именно об этом и говорит расхождение, с которого начинается статья.
Частые вопросы
Следует ли из этого, что ИИ для бизнеса неприменим?
Нет. Это означает, что эффект распределён неравномерно: он присутствует в задачах с быстрой и однозначной проверкой результата и отсутствует там, где такой проверки нет. Отбор задач определяет результат внедрения в большей степени, чем выбор инструмента.
Чем ИИ-агент отличается от чат-бота?
Чат-бот отвечает в рамках диалога по сценарию. Агент получает цель и выполняет действия во внешних системах, доводя задачу до результата. Второй вариант требует предоставления доступов, разграничения прав и журналирования операций.
С какой задачи целесообразно начинать?
С повторяющейся, объёмной и проверяемой. Обработка входящих документов, классификация обращений и сверка данных отвечают этому условию; выработка стратегии — не отвечает.
Сколько времени занимает оценка?
Ограниченный запуск с параллельной ручной работой даёт фактические данные в пределах нескольких недель. Этот срок и является предметом первого этапа.
Внедряете ли вы ИИ клиентам или применяете только в собственной работе?
Мы применяем ИИ в собственной разработке ежедневно и помогаем внедрять его в задачи клиентов — при условии, что задача отвечает изложенному критерию. Если не отвечает, об этом сообщается до начала работ.
Выводы
Данные показывают, что за три года более 80% компаний не получили от ИИ измеримого эффекта, тогда как в разработке эффект зафиксирован устойчиво. Разница объясняется не отраслевой спецификой, а свойством обратной связи: код проверяется немедленно и однозначно, большинство деловых решений — нет.
Отсюда следует практический критерий: автоматизация даёт результат там, где результат можно быстро и однозначно проверить. Он применим к отбору задач до выбора инструмента и до расчёта бюджета.
Мы применяем ИИ преимущественно в разработке — в области, где эффект подтверждён, — и оцениваем задачи клиентов по тому же критерию. При несоответствии задачи критерию об этом сообщается до начала работ: результат, который не с чем сопоставить, не имеет практической ценности для заказчика.
Для оценки конкретной задачи — разберём вашу ситуацию. Определим, отвечает ли она критерию проверяемости, и предложим порядок ограниченного запуска.
Источники: исследование NBER о влиянии ИИ на производительность и занятость, 2026; The Economist о причинах, по которым разработка программного обеспечения оказалась исключением.