Когда машина отвечает

2. Brynjolfsson, E., Li, D., Raymond, L. R. Generative AI at Work. NBER Working Paper 31161, April 2023, revised November 2023; впоследствии опубликовано в Quarterly Journal of Economics. Полевое внедрение AI-assistant изучалось на 5 179 сотрудниках customer support. Производительность, измеренная resolved issues per hour, выросла в среднем на 14 процентов; у novice и low-skilled workers — примерно на 34 процента, при минимальном эффекте у наиболее опытных. Авторы находят suggestive evidence передачи best practices и ускорения движения новичков по experience curve. https://www.nber.org/papers/w31161

3. Wiles, E., Krayer, L., Abbadi, M., Awasthi, U., Kennedy, R., Mishkin, P., Sack, D., Candelon, F. GenAI as an Exoskeleton: Experimental Evidence on Knowledge Workers Using GenAI on New Skills. Working paper / BCG-Harvard collaboration. Рандомизированный эксперимент проверял выполнение консультантами технических data-science tasks вне их прежней специализации. Группа с GenAI превосходила контроль на 49, 20 и 18 percentage points по трём заданиям, но после удаления инструмента не показала сопоставимого роста самостоятельных технических знаний. Результат показывает различие между capability with tool и retained learning без него. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4944588

4. Becker, J., Rush, N., Barnes, B., Rein, D. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, 10 July 2025. Randomized controlled trial: 16 опытных open-source разработчиков выполнили 246 задач в зрелых проектах, с которыми они в среднем были знакомы около пяти лет. При разрешении использовать AI-инструменты начала 2025 года выполнение задач заняло в среднем на 19 процентов больше времени. До исследования участники ожидали ускорения на 24 процента, а после по-прежнему субъективно оценивали ускорение примерно в 20 процентов. Авторы отдельно предостерегают от распространения результата на всё программирование. https://metr.org/Early_2025_AI_Experienced_OS_Devs_Study-paper.pdf

5. Thomson Reuters Institute. Future of Professionals Report 2026: Actionable Insights for Law Firm Leaders. Данные legal-среза собраны в марте-апреле 2026 года: 736 респондентов из law firms в 46 странах, включая C-suite, partners, associates, lawyers и paralegals; 421 ответ из США, плюс отдельные 203 ответа из corporate legal departments. В разделе talent pipeline 71 процент респондентов полагают, что early-career professionals по-прежнему нуждаются в structured support опытных коллег для развития professional judgment, а достижение trusted independent judgment может занять примерно на год больше; в другом срезе 78 процентов law firm professionals связывают развитие навыков начинающих юристов с experienced mentorship. Это данные восприятия и ожиданий отрасли, а не наблюдаемая причинная статистика найма. https://www.thomsonreuters.com/en/institute/future-of-professionals-2026/report-legal

6. Thurman, N., Thäsler-Kordonouri, S., Fletcher, R. AI adoption by UK journalists and their newsrooms: surveying applications, approaches, and attitudes. Reuters Institute for the Study of Journalism, 2025. Онлайн-опрос проводился с 29 августа по 4 ноября 2024 года; после очистки выборка составила 1 004 работающих британских журналиста и была оценена авторами как broadly representative с оговорками о возрастном и гендерном сдвиге. 56 процентов использовали AI профессионально хотя бы раз в неделю; не реже раза в месяц 49 процентов использовали его для transcription/captioning, 33 процента для translation, 30 процентов для grammar checking/copy-editing, 22 процента для story research и 10 процентов для generating first drafts. Эти числа измеряют использование AI в задачах, а не сокращение рабочих мест. https://reutersinstitute.politics.ox.ac.uk/ai-adoption-uk-journalists-and-their-newsrooms-surveying-applications-approaches-and-attitudes

7. Mau, B.-R., Wu, Y.-P., Feng, H.-H. Mind the cognitive load gap: Student translators’ cognitive demands and translation behaviors in GenAI-assisted legal translation. System, Vol. 139, June 2026, 104033. Исследование GenAI-assisted legal translation среди student translators выявляет разные поведенческие профили: активное post-editing с высокой cognitive load и более эффективную работу с риском over-trust. Авторы подчёркивают роль critical evaluation, AI literacy и risk management. Работа посвящена обучению и когнитивному поведению, а не рынку занятости переводчиков. https://doi.org/10.1016/j.system.2026.104033

Глава 6. Один человек вместо отдела

Компания размером с одного человека

Представьте вполне возможный рабочий день.

У небольшого предпринимателя нет маркетингового отдела. Нет отдельного аналитика. Нет штатного переводчика. Нет редактора, который правит коммерческие предложения, и исследователя, который собирает материалы о конкурентах. Есть сам предприниматель, бухгалтер на аутсорсе, несколько постоянных клиентов и очень ограниченный бюджет.

Утром ему нужно подготовить письмо потенциальному партнёру на английском. Затем сравнить предложения трёх поставщиков. После обеда — сделать черновик рекламной страницы, привести в порядок таблицу продаж и придумать пять вариантов презентации нового продукта. Раньше часть этой работы он сделал бы сам, часть отложил бы, а часть отдал бы подрядчикам.

Теперь многие промежуточные задачи можно выполнить с помощью одной или нескольких AI-систем.

Это не означает, что предприниматель внезапно превратился в хорошего переводчика, дизайнера, аналитика и копирайтера. Но экономически произошло нечто важное: расстояние между «я этого не умею» и «у меня есть приемлемый первый результат» стало намного короче.

Именно поэтому разговор об искусственном интеллекте и работе нельзя свести только к угрозе увольнения.

Для отдельного человека эта технология может быть рычагом.

Работник, который раньше зависел от целой цепочки коллег, получает возможность сделать больше самостоятельно. Фрилансер расширяет набор услуг. Маленькая фирма пробует задачи, которые раньше были слишком дорогими. Основатель компании способен быстрее переходить от идеи к черновому прототипу, от вопроса — к анализу, от заметки — к презентации.

Это один из самых сильных аргументов сторонников генеративного ИИ.

И он заслуживает максимально серьёзного отношения.

Но именно здесь возникает обратный вопрос этой главы.

Если один человек действительно способен выполнять работу, для которой раньше требовалось несколько людей, кому достаётся созданная экономия — и что происходит с теми, чья работа перестала быть нужна именно этому заказчику?

Почему малому бизнесу особенно важен дешёвый интеллект

Крупная компания покупает возможности не так, как маленькая.

Если международной корпорации нужен юридический анализ, она может нанять внутреннюю команду или большую юридическую фирму. Если ей нужен перевод, она заключает контракт с агентством. Если нужно исследование рынка, существует бюджет на консультантов. Отдельные функции могут быть неэффективны, но сама организация располагает людьми, капиталом и процессами, чтобы компенсировать недостаток конкретного навыка.

У маленькой фирмы часто нет этого запаса.

Её проблема не обязательно в том, что нужный специалист работает плохо. Иногда специалиста просто нет.

Поэтому доступный генеративный инструмент экономически отличается от многих предыдущих корпоративных технологий. Для его первого использования не обязательно строить дата-центр, нанимать команду data scientists или годами внедрять специальную информационную систему. Во многих случаях достаточно подписки на готовый сервис и человека, способного понять, где его результат полезен, а где требует проверки.

Это очень снижает порог входа.

OECD в конце 2024 года провела репрезентативный опрос 5 232 малых и средних компаний в Австрии, Канаде, Германии, Ирландии, Японии, Южной Корее и Великобритании. В выборку входили компании с числом сотрудников до 249, включая бизнес из одного человека. Респондента просили быть тем, кто лучше всего понимает используемые компанией технологии — часто это был владелец или менеджер.

В среднем 30,7 процента опрошенных SMEs уже использовали генеративный ИИ хотя бы кем-то в компании. Это не универсальная доля для всех стран мира и не текущий показатель на август 2026 года: полевая работа проводилась осенью 2024-го, а публикация вышла в 2025-м. Но исследование полезно именно своей методологией и тем, что показывает не рекламные ожидания, а опыт реальных небольших фирм в семи экономиках.

Среди компаний, которые использовали генеративный ИИ, 65 процентов сообщили, что он помог повысить производительность сотрудников. Тридцать пять процентов сказали, что технология помогла масштабировать деятельность, 29 процентов — лучше конкурировать с крупными компаниями, 26 процентов — увеличить выручку.

Это самоотчёты руководителей, а не бухгалтерский аудит причинного эффекта. Но картина важна.

Маленькая фирма воспринимает ИИ не только как способ делать существующую работу быстрее. Для части компаний он закрывает отсутствующую функцию.

Если у бизнеса есть проблема дефицита навыков, 39 процентов пользователей генеративного ИИ сообщили, что технология помогла её компенсировать. Там, где пользователи одновременно видели рост производительности, доля была ещё выше — 46 процентов.

В этом и состоит идея «один человек вместо отдела» в её сильной, а не карикатурной версии.

Речь не о том, что один человек внезапно становится равен пяти профессионалам во всём. Речь о том, что многие организации состоят не из идеально загруженных специалистов, а из набора функций, которые нужны время от времени. Если функция «перевести письмо», «сделать первый анализ», «собрать варианты», «сократить документ», «подготовить черновик» становится дешёвой и мгновенно доступной, маленькая компания начинает вести себя так, будто располагает более широким штатом, чем записано в её ведомости.

Время — первая прибыль

Самая очевидная выгода от ИИ — не обязательно деньги.

Это время.

Для человека, работающего на себя, два освобождённых часа могут иметь совершенно разную стоимость. Их можно превратить в дополнительную работу. Можно быстрее ответить клиентам. Можно раньше уйти домой. Можно заняться тем, что раньше постоянно откладывалось: стратегией, продажами, обучением, разговором с сотрудником.

В крупной компании «сэкономленное время» почти всегда проходит через организацию. В маленьком бизнесе оно иногда буквально принадлежит одному человеку.

Это делает особенно интересным большой полевой эксперимент, проведённый Элеонор Диллон, Соней Джаффе, Николь Имморликой и Кристофером Стэнтоном. Исследователи случайным образом предоставляли части работников доступ к генеративному AI-инструменту, встроенному в привычные приложения для электронной почты, документов и встреч. В эксперименте участвовали 7 137 работников из 66 компаний, а наблюдение продолжалось шесть месяцев.

Во второй половине эксперимента те участники экспериментальной группы, которые действительно использовали инструмент, тратили примерно на два часа в неделю меньше на электронную почту и меньше работали за пределами обычного рабочего времени.

Это важный результат именно потому, что он не похож на рекламное обещание о «десятикратной производительности».

Два часа — не новый отдел.

Но два часа каждую неделю — уже реальный кусок человеческой жизни.

И одновременно исследование не обнаружило заметного изменения общего количества или состава задач работников только из-за того, что отдельным людям дали инструмент.

Этот результат напоминает о вещи, которую легко потерять в разговорах о производительности.

Технология может экономить время отдельному человеку, не перестраивая автоматически всю организацию.

Чтобы превратить индивидуальную экономию в новую бизнес-модель, недостаточно купить инструмент. Нужно изменить процессы, роли, ожидания клиентов и способ распределения работы.

Именно поэтому самые эффектные демонстрации часто опережают экономику.