Среди американских сотрудников, применяющих ИИ к одной-двум различным задачам, 45% отмечают положительное влияние на свою производительность. Среди тех, кто применяет его к семи и более задачам, эта доля составляет 90% (Gallup, 2026). Те же инструменты. Те же лицензии. Тот же бюджет на обучение. Единственная изменившаяся переменная — сколько разных частей работы инструмент действительно затрагивает.
Этот градиент — самое операционно полезное число, опубликованное в этом году о производительности ИИ, и указывает оно в неудобную сторону: то, что оптимизирует большинство внедрений в среднем бизнесе, — доступ — находится на плоском участке кривой.
Градиент производительности ИИ, который Gallup действительно измерил
Замер Gallup по рабочим местам за II квартал 2026 года ставит организационную интеграцию ИИ на уровень 47% американских сотрудников — на шесть пунктов выше 41% предыдущего квартала. Личное использование — 52%; 30% используют ИИ хотя бы несколько раз в неделю, 15% — ежедневно (Gallup, 2026).
Это заголовочные цифры, и именно они попадают в презентации для совета директоров. Более интересен разрез по широте применения — доля тех, кто отмечает довольно или крайне положительное влияние на производительность, сгруппированная по числу различных задач, к которым сотрудник применяет ИИ:
- 1–2 сценария: 45%
- 3–4 сценария: 66%
- 5–6 сценариев: 78%
- 7 и более: 90%
Кривая круче всего внизу. Перевод сотрудника с двух применений на четыре стоит примерно 21 пункта заявленной выгоды. Перевод с пяти на семь — около 12. Наибольшая доступная отдача в большинстве компаний среднего бизнеса — не у продвинутых пользователей, а у большинства, застрявшего на одном-двух применениях, причём у большей его части лицензия уже есть.
Почему это переформулирует вопрос о внедрении
Стандартный вопрос при внедрении — у скольких людей есть доступ. Данные Gallup подсказывают, что лучший вопрос звучит так: сколько рабочих ролей размечено. Формулировки похожи. Финансируются они совершенно по-разному: одна — строка закупок, другая — операционный проект. Именно поэтому большинство компаний продолжает отвечать на первый вопрос.
Структура использования перевёрнута относительно ценности
Второй результат острее первого, потому что объясняет, почему столько сотрудников застревают на одном-двух применениях.
Данные Gallup о том, для чего люди на самом деле используют ИИ, сопоставленные с отдачей этих применений по производительности:
| Применение | Доля пользователей ИИ | Отмечают прирост производительности |
|---|---|---|
| Написание и редактирование текстов | 51% | 68% |
| Поиск и сбор информации | 49% | 65% |
| Data science и аналитика | 18% | 75% |
| Слайды и презентации | 17% | 76% |
| Помощь в программировании | 16% | 77% |
| Автоматизация процессов | 16% | 77% |
Прочитайте два столбца друг против друга. Два самых используемых применения дают наименьшую отдачу по производительности. Четыре самых результативных использует менее одного из пяти пользователей ИИ каждое (Gallup, 2026).
Путь освоения по умолчанию — писать быстрее, искать быстрее — универсален для любой роли и не требует ни от кого работы над процессами. Он же раньше всех упирается в потолок. Самые результативные применения — те, что затрагивают конкретный рабочий поток: сверку, сборку отчёта, передачу задачи, скрипт. К ним никто не приходит, открыв окно чата. Их кто-то должен разметить.
В этой таблице спрятано бюджетное следствие. Написание текстов и поиск — два применения, на которых демонстрация вендора продаёт себя сама, поскольку не требуют ни настройки, ни контекста о вашем бизнесе. Это же те два, которые сотрудник может освоить в одиночку, за один день, ни у кого не спрашивая. Всё, что даёт отдачу выше 75%, требует, чтобы кто-то знал, как устроен конкретный процесс, прежде чем на него можно будет направить инструмент. Это знание находится в вашей операционной функции, а не у вендора и не у отдельного сотрудника, — потому высокоценный сегмент и застрял на 16% освоения на рынке, где лицензии есть практически у всех.
Данные Gallup о частоте подтверждают такое прочтение. Частые пользователи примерно втрое чаще редких применяют ИИ для программирования (22% против 8%) и для автоматизации (21% против 8%) и более чем вдвое чаще — для управления задачами и проектами (21% против 9%). Широта и глубина приходят вместе, и обе приходят со стороны процессов.
Одна неделя, две противоположные реальности
Вот часть, которую стоит взять на ближайший операционный обзор.
Gallup опубликовал свой шестипунктовый скачок освоения 20 июля 2026 года. На следующий день Productivity Lab компании ActivTrak опубликовала поведенческую телеметрию по 120 620 работникам, определяя зрелость ИИ по наблюдаемой активности, а не по лицензиям, входам в систему или самоотчётам. Результат: 27% работников достигают стадии «Помощь в исследовании», 14% — «Выполнение задач» и 2% — «Интеграция в рабочий поток» (ActivTrak, 2026).
Два достоверных набора данных, опубликованных с разницей в сутки, описывают одну и ту же рабочую силу противоположным образом. Противоречия здесь нет — они измеряют разное. Gallup измеряет, дошёл ли ИИ до людей. ActivTrak измеряет, дошёл ли он до работы. Доступ масштабируется быстро. Перепроектирование работы — нет.
Эти 2% — эмпирический пол под когортой Gallup «семь и более». Цифра 90% реальна и описывает очень небольшое число людей, перестроивших то, как устроена их работа.
Что это делает с вашей панелью показателей
Если ваша отчётность по ИИ построена на активированных лицензиях, еженедельно активных пользователях и самостоятельно заявленной экономии времени, каждая из этих метрик отслеживает плоский участок кривой Gallup. Все они вырастут при внедрении, которое не породило ни одного перепроектированного рабочего потока, — и быстрее всего вырастут в сегменте написания и редактирования текстов, дающем наименьшую отдачу по производительности.
Распространение — не освоение. Ваша панель показателей сегодня не умеет их различать.
Где эти данные заканчиваются
Три ограничения, названные до того, как кто-либо построит на градиенте экономическое обоснование.
Связь широты и производительности корреляционна. Gallup говорит об этом прямо. Самоотбор — живое альтернативное объяснение: сотрудники, уже получающие пользу от ИИ, сами ищут новые области его применения, так что причинная стрелка может идти в направлении, обратном тому, которое предполагает операционное прочтение.
Полезная поверхность различается по ролям. Одни работы действительно дают семь правдоподобных применений ИИ, другие — два. Финансовый аналитик и полевой техник не одинаково доступны для такой работы, и мандат вида «довести всех до пяти сценариев» произведёт имитацию деятельности в тех ролях, где их просто нет.
И показатель производительности, и подсчёт сценариев основаны на самоотчёте. Они получены от одного и того же респондента в одном и том же инструменте — ровно то условие, при котором воспринимаемая польза и заявленное поведение склонны двигаться вместе.
Что переживает эти оговорки — так это операционная асимметрия, а не конкретные проценты. Сотрудники с одним-двумя применениями составляют подавляющее большинство, они самая дешёвая когорта для сдвига, и каждое высокорезультативное применение лежит на процессной стороне работы, а не на текстовой. Этого достаточно, чтобы изменить, куда внедрение потратит следующий квартал, даже если недостаточно, чтобы обещать цифру.
Смените метрику с активированных лицензий на сценарии использования на роль
Более широкая литература указывает в эту сторону уже год — со стороны инвестиций, а не использования.
Исследование Deloitte «State of AI in the Enterprise 2026» с участием 3235 руководителей из 24 стран назвало недостаточные навыки сотрудников главным барьером для интеграции ИИ — и зафиксировало перекошенную реакцию на него. 53% обучают персонал, повышая владение ИИ, но лишь 30% переосмысляют организацию вокруг новых паттернов ИИ и 33% перепроектируют карьерные траектории (Deloitte, 2026). Обучают все. Перепроектирует почти никто.
Work Trend Index 2026 компании Microsoft, проведённый среди 20 000 работников в 10 странах, оценивает цену этого перекоса: организационные факторы — культура, поддержка руководителей, практики работы с талантами — определяют более чем вдвое больший реализованный эффект ИИ по сравнению с индивидуальными факторами, 67% против 32% (Microsoft, 2026). Лишь 26% пользователей ИИ говорят, что руководство согласовано вокруг стратегии в области ИИ.
Поставьте три набора данных в последовательность — и дизайн внедрения напишет себя сам. Доступ решён. Индивидуальное владение профинансировано. Переменная, за которую никто не отвечает, — это соответствие между конкретной ролью и двумя-тремя процессными задачами, где ИИ действительно даёт отдачу. И это соответствие — результат работы операционной функции, а не обучения.
Практическая версия
Возьмите три роли, а не всю компанию. Большая численность, высокая повторяемость, сегодня — одно-два применения ИИ. У этой когорты самый крутой доступный наклон.
Назовите сценарии прежде, чем назовёте инструмент. Для каждой роли выпишите две-три конкретные повторяющиеся задачи: еженедельную сверку, сводку по поставщикам, сортировку заявок. Достаточно конкретные, чтобы можно было понять, произошло это или нет.
Сместите список в сторону сегмента с низким освоением и высокой отдачей. Автоматизация, аналитика, помощь в программировании, подготовка слайдов. Если список целиком состоит из подготовки текстов и поиска, вы задокументировали плоский участок кривой.
Свяжите расширение лицензий с доказанной интеграцией в рабочий поток. Прежде чем покупать следующий блок лицензий, требуйте, чтобы хотя бы один поимённо названный рабочий поток заметно сдвинулся: отчёт, который теперь собирается сам, передача задачи, которой больше не нужна встреча. Один проверенный поток уровня Stage 3 как доказательство стоит больше тысячи активированных лицензий.
Отчитывайтесь сценариями на роль, а не пользователями на лицензию. Это единственная метрика ИИ на вашей панели, которую нельзя закрыть силами отдела закупок.
Одно решение на этот квартал
Возьмите три самые многочисленные роли. По каждой попросите пять человек перечислить все различные задачи, для которых они используют ИИ. Посчитайте. Если самый частый ответ — одна или две и обе относятся к написанию текстов или поиску, вы теперь точно знаете, где лежит ваша отдача от ИИ, — и лежит она не в очередном блоке лицензий.
Внедрение, которое все финансируют, заканчивается, когда инструмент доходит до человека. Отдача начинается, когда инструмент доходит до работы. Это два разных проекта, и только один из них сегодня стоит в вашем бюджете.
