90% компаний с ИИ не увидели роста производительности за три года
Массовые вложения в искусственный интеллект пока не приносят ожидаемого роста производительности, создавая риск крупнейшего в истории неправильного распределения капитала. Компании сталкиваются с разрывом между точечными успехами отдельных сотрудников и отсутствием системной отдачи, что требует пересмотра стратегий внедрения перед возможным кризисом эффективности.
По данным Business Insider, корпоративный сектор столкнулся с фундаментальным противоречием: массовые вложения в искусственный интеллект пока не конвертируются в ожидаемый рост производительности на уровне всей компании. Хотя отдельные специалисты отмечают ускорение работы, макроэкономические показатели и отчеты о прибылях не демонстрируют того взрывного эффекта, на который рассчитывали инвесторы. Ситуация напоминает ранние этапы внедрения новых технологий, когда энтузиазм опережает реальную отдачу.
Разрыв между индивидуальным успехом и корпоративной эффективностью
На микроуровне изменения уже ощутимы. Программисты, использующие инструменты вроде Claude Code, сообщают о сокращении времени на выполнение задач с недели до одного дня. Для инженера из логистического стартапа Double Nickel это означает высвобождение значительного количества рабочего времени. Однако этот локальный успех не всегда масштабируется. Увеличение объема кода не гарантирует улучшения продукта, а иногда лишь приводит к росту расходов на поддержку и интеграцию.
Другие специалисты, напротив, фиксируют увеличение нагрузки. Аналитик данных из Amazon описывает текущий период как фазу автоматизации, требующую сверхурочной работы. Сотрудники вынуждены строить новые конвейеры данных, интегрировать инструменты и адаптировать старые процессы под новые системы. Ключевой вывод экспертов: настоящая выгода кроется не в скорости выполнения единичной задачи, а в том, что созданный разово процесс начинает приносить отдачу каждый месяц и квартал.
Сложность заключается в переходе от точечных побед к системным изменениям. Старший партнер McKinsey Александр Сухаревский отмечает существование «парадокса генеративного ИИ»: компании видят успех в пилотных проектах, но не могут распространить эти результаты на все операции. Препятствием становится не только техническая интеграция, но и необходимость обучения персонала эффективному использованию новых возможностей. Без этого масштабирование остается недостижимым.
Экономические риски и искажение метрик
Рынок реагирует на ситуацию с тревогой. Анализ платформы AlphaSense показал, что упоминание слова «ИИ» в связке с «производительностью» на конференциях для инвесторов выросло на 25% за год. Несмотря на это, исследование Национального бюро экономических исследований США, охватившее почти 6000 руководителей, выявило, что 90% компаний, активно использующих ИИ, не зафиксировали влияния технологии на свою производительность за последние три года.
Экономисты связывают недавний рост производительности труда в США с другими факторами: удаленной работой, высокой мобильностью кадров в 2021–2022 годах и изменением структуры рабочей силы. Марк Занди, главный экономист Moody's, подчеркивает, что влияние ИИ на совокупный рост пока остается незначительным.
Особую озабоченность вызывает феномен, который эксперты называют «гонкой за токенами». Компании стремятся показать активность, измеряя успех количеством обработанных единиц данных (токенов), что приводит к раздуванию счетов без реального прироста ценности. Профессор Энрике Данс из IE University называет это ошибкой: когда метрика становится целью, она перестает быть полезной. Истинным показателем должно быть не количество сожженных токенов, а достигнутый результат.
Исследователи из Wharton предупреждают о рисках. Если ожидаемый бум производительности не наступит, текущие инвестиции могут стать крупнейшим в истории неправильным распределением капитала. Некоторые технологические гиганты рискуют столкнуться с банкротством, если не смогут быстро повысить эффективность.
Рынок труда и исторические параллели
Вопрос о массовых увольнениях из-за ИИ пока остается предметом дискуссий. Несмотря на прогнозы о том, что технологии заменят людей, рынок труда демонстрирует устойчивость. Компании сокращают штат, но часто по причинам, не связанным напрямую с ИИ: последствия перенайма во время пандемии, инфляция и геополитическая неопределенность.
В сфере разработки программного обеспечения наблюдается парадокс: несмотря на то, что ИИ генерирует код, спрос на инженеров не падает. Исполнительный директор Box Аарон Леви указывает, что созданный ИИ код требует управления, исправления ошибок безопасности и поддержки. Инвестор Дэвид Сакс отмечает, что активность на платформе GitHub растет, что ставит под сомнение нарратив о неизбежных массовых потерях рабочих мест.
Ситуация с внедрением ИИ имеет прямые параллели с появлением электронных таблиц в 1983 году. Тогда Lotus 1-2-3 радикально изменила работу бухгалтеров, но стало стандартом индустрии не сразу. Аналитики компании Challenger сравнивают текущий момент с тем этапом: технология еще не стала процедурным фундаментом бизнеса, но потенциал для этого есть.
Эксперты прогнозируют, что значимый эффект на экономику станет заметен не раньше конца 2020-х или начала 2030-х годов. Вместо мгновенной революции рынок движется к постепенной трансформации. Компании, откладывающие внедрение ИИ, рискуют потерять конкурентное преимущество, но спешка без стратегии может привести к финансовым потерям. Текущий этап требует от бизнеса пересмотра подходов к измерению эффективности и готовности к длительному процессу адаптации.
ИИ-бум сменился эпохой инженерной интеграции: где деньги и в чем риск
Корпоративный мир столкнулся с неожиданным поворотом: массовые вложения в искусственный интеллект не принесли мгновенного взрыва производительности. Инвесторы ожидали роста прибыли, но отчеты показывают иное. Энтузиазм вокруг технологии остается высоким, однако макроэкономические данные демонстрируют разрыв между ожиданиями и реальностью. Это не провал технологии, а сигнал о смене этапа: от покупки «коробочных» решений к сложной и дорогой инженерной интеграции.
На микроуровне изменения очевидны. Программисты, использующие инструменты вроде Claude Code, сообщают о сокращении времени на задачи с недели до дня. Однако локальное ускорение одного сотрудника не гарантирует успеха всей компании. Если система не готова принять поток нового кода, а процессы не перестроены, выгода исчезает. Увеличение объема кода часто ведет к росту расходов на поддержку, а не к улучшению продукта.
Важный нюанс: Локальное ускорение работы без изменения бизнес-процессов вокруг сотрудника часто приводит не к росту прибыли, а к увеличению операционных расходов и хаосу в управлении.
Экономика токенов и ложные метрики успеха
Самый тревожный сигнал для рынка — сдвиг фокуса с реального результата на процесс. Компании начали измерять успех количеством обработанных данных, так называемых токенов. Это создает иллюзию деятельности: счета за облачные вычисления растут, отчеты заполняются цифрами, но реальная ценность для бизнеса не увеличивается.
Исследование подтверждает: в 77% случаев живой специалист экономически эффективнее ИИ-агента. Расходы на токены в ведущих технологических компаниях уже превысили затраты на зарплатные фонды, что делает автоматизацию дороже живого труда в большинстве сценариев [!]. Когда метрика становится самоцелью, она перестает быть инструментом управления. Профессор Энрике Данс называет это ошибкой: истинным показателем должно быть не количество сожженных токенов, а достигнутый результат.
Экономисты предупреждают: текущий рост производительности в экономике объясняется другими факторами, такими как удаленная работа и изменение структуры занятости, а не внедрением ИИ. Если компании продолжат инвестировать в технологии, не видя отдачи в прибыли, это может привести к масштабному перераспределению капитала. Риск банкротства тех, кто полагается на ИИ как на панацею, становится реальностью.
Безопасность: цена скорости
Скорость работы ИИ-агентов несет скрытые угрозы. Ускорение разработки кода часто происходит в ущерб безопасности. Исследование DryRun Security показало, что 87% изменений, внесенных ведущими моделями, содержат ошибки безопасности [!]. ИИ-агенты, такие как Claude Code, способны генерировать код с уязвимостями, которые становятся легкой мишенью для злоумышленников.
Ситуация усугубляется тем, что ИИ-агенты сами становятся вектором атак. Утечка кода показала, что агенты могут незаметно сканировать локальные файлы и скрывать свое авторство при работе с открытыми проектами [!]. Более того, группа GTG-1002 провела первую в истории полностью ИИ-организованную кибератаку, где искусственный интеллект выполнял сложные многоэтапные операции без участия человека [!]. Это ставит под сомнение традиционные методы защиты: противник действует в масштабах и скорости, недоступных человеку.
Поставщики инструментов меняют алгоритмы без предупреждения, превращая стабильные бизнес-процессы в лотерею. Компания Anthropic была вынуждена отменить три обновления Claude Code из-за падения качества кода и потери контекста [!]. Потеря контроля над качеством и непредсказуемые сбои вынуждают компании срочно выстраивать собственные системы мониторинга.
Стоит учесть: Инвестиции в ИИ без стратегии масштабирования и жесткого контроля безопасности превращаются в статью расходов, а не в актив, способный генерировать прибыль.
Рынок труда: от сокращений к дефициту интеграторов
Ожидания массовых увольнений из-за искусственного интеллекта пока не оправдываются. Рынок труда демонстрирует устойчивость, и компании сокращают штат по другим причинам: инфляция, последствия пандемии и геополитическая неопределенность. В сфере разработки кода спрос на инженеров не падает, несмотря на то, что ИИ генерирует значительную часть кода.
Причина проста: созданный машиной код требует контроля, исправления ошибок и интеграции в существующие системы. Инженеры не заменяются, их роль меняется. Они становятся редакторами и архитекторами, проверяющими работу алгоритмов. Это требует новых навыков и, возможно, даже больше времени на управление процессами, чем на написание кода с нуля.
Спрос на инженеров по внедрению ИИ вырос более чем в 50 раз за год [!]. Компании от Anthropic до McKinsey вынуждены перестраивать найм, так как интеграция алгоритмов требует не готовых решений, а глубокой кастомизации под бизнес-процессы заказчика. McKinsey меняет структуру персонала: сокращает неклиентские позиции на 25%, но увеличивает число сотрудников, взаимодействующих с клиентами, на аналогичный процент [!]. Рост продуктивности в этих направлениях позволяет освободить ресурсы для стратегических задач.
История знает подобные примеры. Появление электронных таблиц в 1980-х годах не привело к исчезновению бухгалтеров. Напротив, технология стала стандартом, изменив способы работы, но не убрав потребность в людях. Сейчас мы находимся на аналогичном этапе: технология еще не стала фундаментом бизнеса, но потенциал для трансформации огромен.
Российский контекст: успехи и барьеры
Для российского бизнеса этот тренд служит важным сигналом. Глобальный рынок показывает, что слепое следование за модой на ИИ без глубокой проработки внутренних процессов несет финансовые риски. В России около 70% компаний пока не окупили инвестиции в ИИ [!]. Основными причинами являются отсутствие единой стратегии и недостаточная координация между проектами.
Однако есть и примеры успеха. Ритейлер X5 получил 5 млрд рублей дополнительной прибыли от внедрения единой ИИ-платформы за счет перехода от пилотов к промышленной эксплуатации [!]. Компании вынуждены пересматривать подходы к цифровизации, ставя во главу не технологические новшества, а доказанную экономическую отдачу и централизованную инфраструктуру.
На крупнейшем складе X5 в Московской области 83 робота уже вытеснили ручной труд, подняв производительность обработки грузов на 33% [!]. Переход на собственные ИТ-решения позволил ритейлеру не только снизить зависимость от импорта, но и задать новый стандарт автоматизации для всей отрасли.
Главным барьером для российских компаний остается дефицит кадров: 67% респондентов назвали нехватку квалифицированных специалистов ключевым препятствием [!]. Это подтверждает глобальный тренд: проблема не в технологиях, а в отсутствии людей, способных интегрировать их в реальные бизнес-задачи.
Стратегический вывод
Значимый эффект на экономику проявится не раньше конца 2020-х годов. Бизнесу нужно время, чтобы адаптироваться, пересмотреть метрики эффективности и выстроить процессы, которые позволят извлечь реальную выгогу из новых технологий. Спешка без стратегии ведет к потерям, а терпение и системный подход открывают путь к долгосрочному конкурентному преимуществу.
Успех придет к тем, кто сможет интегрировать технологии в реальные бизнес-задачи, а не только увеличивать количество обработанных данных. Текущий этап требует от бизнеса пересмотра подходов к измерению эффективности и готовности к длительному процессу адаптации.
Важный нюанс: ИИ работает, но рынок перешел от покупки коробочных решений к найму дорогих инженеров-интеграторов. Прибыль приносит не сам факт внедрения, а способность перестроить бизнес-процессы под ИИ, что требует огромных затрат на кадры и безопасность.
Источник: Business Insider
