Задайте основателям вопрос, которого нет ни в одной презентации поставщика: без генеративного ИИ сколько дополнительных сотрудников вам понадобилось бы, чтобы выполнить работу прошлой недели с тем же качеством? Средний ответ — рост штата на 55%. Медиана — 17%. Самый частый ответ — ноль: 30% ответивших основателей сказали, что им не понадобился бы никто (Colaiacovo & Koning, 2026).
Один вопрос, одна выборка, три числа, оправдывающие три совершенно разных бюджета.
Это первая проблема в том, как оценивается экономия персонала за счёт ИИ. Вторая полезнее: разрыв между основателями, сообщающими о большой экономии, и теми, кто почти не сообщает о ней, объясняется не купленными инструментами и не оптимизмом по поводу возможностей моделей. Он объясняется тем, перестроил ли кто-нибудь саму работу.
Распределение, которое цитирует ваш бизнес-кейс
Исследование — рабочая статья Harvard Business School 26-093 Кассандры Колаяково и Рема Конинга. Через Pitchbook авторы набрали 199 основателей североамериканских технологических компаний (176 заполнили опрос полностью): в среднем 16 сотрудников на компанию (медиана 9), около 3,5 лет с момента основания, более половины с венчурным финансированием в среднем на 4,86 млн долларов. 96% сообщили, что генеративный ИИ используется в компании — формально или неформально, при медиане в пять инструментов (Colaiacovo & Koning, 2026).
Это не сопротивляющиеся внедрению. Это близко к лучшему случаю: небольшие гибкие компании под управлением человека, который отвечает и за дизайн процессов, и за план найма.
Распределение заявленной экономии сильно скошено вправо. Среднее 55%, медиана 17%, мода — ноль. Вопрос о часах ведёт себя так же: без ИИ основатели оценивают потребность в дополнительных рабочих часах в среднем в 59%, медиана — 30%.
Операционное следствие конкретно. Бизнес-кейс, построенный на среднем, построен на хвосте распределения. Когда поставщик или внутренний сторонник говорит, что ИИ позволяет команде работать вполовину меньшим штатом, это число арифметически верно для выборки и описательно ложно для типичной компании внутри неё. Медианная компания в самом насыщенном ИИ сегменте экономики сообщает об экономии 17% — реальной, нужной и очень далёкой от тезиса о сокращениях.
Если ваш план по агентам зависит от среднего, спросите, в какой половине распределения у вас есть доказательства находиться.
Формальная интеграция — там, где живёт экономия персонала
Авторы попросили основателей самостоятельно классифицировать использование: генеративный ИИ формально встроен в рабочие процессы или применяется сотрудниками неформально, по их усмотрению? Это единственное разделение переупорядочивает результаты.
| Заявленный контрфакт без ИИ | Формальные интеграторы | Неформальные пользователи |
|---|---|---|
| Нужно дополнительных сотрудников (среднее) | 91,4% | 24% |
| Нужно дополнительных сотрудников (медиана) | 40% | 10% |
| Нужно дополнительных рабочих часов (среднее) | 82,8% | 33% |
| Нужно дополнительных рабочих часов (медиана) | 40% | 20% |
Почти четырёхкратная экономия персонала — и по среднему, и по медиане (Colaiacovo & Koning, 2026). Формальные интеграторы также чаще сообщают, что ИИ изменил, кого и нанимать ли вообще, сделал координацию команды эффективнее, добавил управленческой ёмкости и помог вводить новых сотрудников в работу.
Авторы осторожны, и всякому, кто их цитирует, следует быть таким же: это корреляции, а не причинные эффекты. Основатели, встраивающие ИИ осознанно, могут быть теми же, кто нашёл бы операционный рычаг и без него. Но направление связи — практически применимая часть, потому что альтернативное объяснение (формальные интеграторы просто купили лучшие инструменты) опровергается тем, что следует дальше в статье.
Что на самом деле означало «формально»
Различие важно потому, что обычные метрики его не ловят. Авторы отмечают: вопрос о том, какие инструменты и базовые модели использует компания, «может не отличать тех, кто пользуется инструментами от случая к случаю, от тех, кто применяет их как часть регулярных рабочих процедур». Поэтому они дали основателям классифицировать то, что действительно различается: находился генеративный ИИ внутри процесса или рядом с ним.
Это та же проблема измерения, что у большинства ИИ-дашбордов в среднем бизнесе. Число лицензий, недельная активность и объём запросов фиксируют неформальную группу в полную силу. Ни одна из этих метрик не скажет, был ли переразмечен хотя бы один шаг процесса вокруг агента, — а именно это отслеживает разделение «формально/неформально» и именно это меняет число в четыре раза.
Вера в возможности не объясняет, кто делегирует
Это результат, который переносит вопрос из закупок в организационный дизайн.
Исследователи встроили эксперимент в функцию, где ИИ уже применяется широко: клиентскую поддержку. Основателям случайным образом показывали оптимистичную или пессимистичную сводку реальных новостей и исследований о работе ИИ в этой роли, а затем снова спрашивали, насколько они готовы передать ИИ клиентский запрос.
Воздействие сработало — убеждения в среднем сдвинулись. Готовность делегировать не сошлась. Убеждения о качестве выполнения задачи объясняют максимум треть различий в готовности делегировать, а после информационного воздействия обновлённые убеждения объясняют лишь 37% (Colaiacovo & Koning, 2026). Примечательно: глубокие интеграторы не были заметно оптимистичнее неформальных пользователей в оценке возможностей ИИ. Они были более готовы экспериментировать с тем, как люди и ИИ делят работу.
Две трети дисперсии в том, получит ли способный агент настоящую работу, лежат не в модели.
Этот вывод не одинок. Work Trend Index 2026 от Microsoft (20 000 работников в 10 странах) приписывает организационным факторам — культуре, поддержке руководителей, практикам работы с людьми — более чем двукратно больший вклад в реализованный эффект ИИ, чем индивидуальным: 67% против 32% (Microsoft Work Trend Index, 2026). Опрос Deloitte среди 3 235 руководителей в 24 странах показывает, куда идут деньги: 53% обучают сотрудников, повышая грамотность в ИИ, и лишь 30% пересобирают организацию под новые паттерны ИИ, 33% перепроектируют карьерные траектории (Deloitte, 2026).
Обучение финансируют все. Перестройку — почти никто. Данные HBS говорят, что именно перестройка отделяет экономию в 40% от экономии в 10%.
Честное возражение
Три ограничения, названные прямо, потому что это опрос, а не аудит расчётных ведомостей.
Это убеждения, а не измеренный результат. Никто не сверял контрфакты основателей с данными по численности или выручкой на сотрудника. Авторы говорят об этом прямо и призывают к работам с реализованными показателями производительности там, где есть отчётные данные.
У убеждений о влиянии ИИ на численность есть задокументированная погрешность. Опрос McKinsey State of AI 2026 — первый выпуск, способный оценить собственную панель: годом ранее 32% респондентов ожидали связанного с ИИ сокращения занятости, а о фактическом вкладе ИИ в снижение численности за тот же период сообщили лишь 14% организаций, использующих ИИ; две трети сообщили о незначительном изменении или его отсутствии (McKinsey, 2026). Ожидание превысило реальность примерно вдвое. Прочитанные через эту линзу, средние HBS выглядят более подозрительно, а не менее.
Выборка — 199 венчурных техностартапов со средней численностью 16 человек. Основатель с четырьмя подчинёнными может перепроектировать процесс за выходные. Операционная функция на 300 человек — нет, и её формальная интеграция дороже и дольше. Порядок выводов переносится на средний бизнес; величины — нет.
Под всеми тремя пунктами есть и вопрос отбора. Формальная интеграция не бесплатна: она требует управленческого внимания, переделанного процесса и человека, готового отвечать за результат, произведённый агентом. Компании, заплатившие эту цену, по построению — те, у кого был запас на оплату. Для организации в 50–500 FTE честный перевод таков: четырёхкратный разрыв — верхняя граница того, что даёт перепроектирование, а не прогноз.
Ничего из этого не ослабляет основной тезис. Оно его уточняет: различающая переменная организационная, а уровни — самооценка.
Что решить в этом квартале
Четыре шага, ни один из которых не требует нового инструмента.
- Пересчитайте бизнес-кейс по медиане, а не по среднему. Если план предполагает экономию выше 40%, он предполагает, что вы — формальный интегратор из верхнего дециля скошенного распределения. Зафиксируйте, какое число вы подписываете и какие доказательства ставят вас туда.
- Проверьте один процесс на формальную интеграцию, а не на использование. Число лицензий и недельная активность измеряют неформальное использование — ровно ту группу, что сообщает о медианной экономии 10%. Вопрос в том, был ли шаг процесса переразмечен вокруг агента, с владельцем и определённым результатом.
- Разделите бюджет на обучение и бюджет на перепроектирование. Это разные строки, и отдача у них разная. Если обучение финансируется, а перепроектирование нет, вы покупаете результат неформального пользователя по цене формального интегратора.
- Опишите агенту его рабочее место до того, как дадите работу. Формальная интеграция — это заданная зона ответственности, конкретный человек, отвечающий за результат, и явное правило, какие действия требуют согласования. Это и есть модель управления, лежащая за Digital Employees Scovai: обучение под конкретную роль, обязательное подтверждение любого внешне видимого действия, автономия, заработанная по типу действия, а не включённая по умолчанию. Полезный ориентир того, что должна задавать «формальная» интеграция, кто бы её ни строил.
Неудобный вывод статьи в том, что вопрос возможностей агентов в основном закрыт, а организационный — почти не тронут. У 96% этих компаний инструменты уже были. Те, кто сообщает о четырёхкратной экономии, сделали что-то ещё.
Прежде чем одобрить следующую лицензию на агента, выясните, кто отвечает за процесс, который он должен изменить. Если ответ «никто» — вы покупаете медиану.
