Три рекламных слогана. Две группы читателей. Одно отличие: половине сказали, что их написал профессиональный маркетолог, второй половине — что их сгенерировало маркетинговое ПО с ИИ. Слоганы были идентичны слово в слово. Группа, считавшая автором ИИ, оказалась на 3,4 процентных пункта менее готова предложить собственную идею — при базовом уровне 26% это относительное падение добровольных усилий на 13% (Brookings, 2026).
В самой работе не изменилось ничего. Изменилась только подпись.
Это самый чистый на сегодня причинный результат об атрибуции ИИ внутри рабочего процесса, и он попадает туда, где у большинства операционных планов нет ни одной строки. Все ваши обсуждения ИИ и команды были про способности: что умеет модель, насколько хорош результат, какова доля ошибок. Это исследование говорит: ярлык на результате сам по себе меняет поведение людей при неизменном качестве. Атрибуция — не коммуникационная деталь после работы. Это входной параметр того, сколько работы вы вообще получите.
Что эксперимент удержал неизменным и что сдвинул
Исследование — предварительно зарегистрированный опросный эксперимент Николовой, Милановой и Ванга, проведённый идентично на национально репрезентативных выборках в США (N=1 511) и Нидерландах (N=2 117), объединённых до N=3 628 (GLO Discussion Paper 1788, 2026). Дизайн заранее зарегистрирован в реестре AEA (AEA RCT Registry #15363, 2026) — то есть измеряемые исходы были заданы до получения данных. Это и отличает результат от истории.
Участникам дали небольшую задачу из сферы общественного здоровья — многие пьют недостаточно воды — и попросили помочь со слоганом кампании. Ещё до показа материалов они оценили, насколько осмысленной кажется задача: в среднем около 5 по семибалльной шкале. Затем они прочитали три слогана. Половине сказали, что их написал маркетолог, второй половине — что их создало ПО с ИИ. Слоганы в обеих группах были одни и те же. После этого участники снова оценили осмысленность задачи и получили возможность предложить собственный слоган. Это добровольное предложение и было мерой усилий.
Получились два результата. Осмысленность задачи упала примерно на 0,07 стандартного отклонения в условии с пометкой ИИ. Готовность предложить идею снизилась на 3,4 пункта от базы в 26% — отсюда 13%. Эффекты воспроизвелись в обеих странах.
Обратите внимание, что именно измеряется. Не удовлетворённость. Не настроения. То, что люди сделали, когда от них никто ничего не требовал: добровольный вклад. Именно на этом входе держатся ваши улучшения процессов, эскалации и перехваты дефектов.
Штраф падает и на саму работу
Второй результат получает меньше внимания и заслуживает большего.
Участники, которым сказали, что слоганы сделаны ИИ, оценили те же самые слоганы как менее креативные и менее убедительные, чем участники, которым назвали человеческого автора (Brookings, 2026). Идентичный текст, более низкие оценки. Они также сообщили о меньшем доверии к способности ИИ выполнять такую работу.
Для операционного руководителя это более острая грань результата. Если ваша команда проверяет материалы, подготовленные ИИ — тексты политик, первичную аналитику, ответы клиентам, внутренние справки, — проверка идёт не на равных условиях. Оценка качества рецензентом отчасти является функцией ярлыка, а не только текста. Часть этой скидки — оправданный скептицизм, и он вам нужен. Но он не откалиброван по фактической доле дефектов в конкретном черновике, а значит порождает сразу два режима отказа: избыточную правку хороших результатов ИИ и общую эрозию доверия к конвейеру, который их произвёл.
Разделить эти два эффекта опросом людей невозможно. Вам честно ответят, что черновик был слабым.
Почему атрибуция ИИ меняет цену стандартного процесса
Схема по умолчанию, которую операционные команды среднего бизнеса переняли за последние восемнадцать месяцев, звучит так: «ИИ пишет черновик, человек проверяет». Её выбрали потому, что она выглядела мотивационно нейтральной — человек по-прежнему владеет результатом, машина лишь убирает чистый лист.
Эти данные говорят, что нейтральность была допущением, а не свойством.
В стандартной схеме вклад человека подан как редактирование. Вклад ИИ подан как авторство. Эта рамка — выбор, обычно сделанный тем, кто настраивал инструмент, и теперь он измеримо несущий. Та же работа в другой рамке — человек ставит задачу и отвечает за аргумент, ИИ поставляет сырьё — это та же деятельность с другой подписью, а подпись и есть переменная, сдвинувшая усилия на 13% в контролируемых условиях.
Это стыкуется с разрывом, уже видимым в полевых данных. Опрос BCG 2026 года среди 11 749 работников показал, что 47% теперь тратят больше времени на управление ИИ и его направление, чем на саму работу, а 66% сообщают об отсутствии осмысленных указаний, как использовать освободившееся время (BCG, 2026). Роли перестраиваются вокруг проверки и управления — именно та позиция, которую эксперимент показывает мотивационно уязвимой, — без соответствующего решения о том, как называется человеческий вклад.
Вывод о производительности поднимают сами авторы: подавленные добровольные усилия могут быть частью объяснения, почему крупные экспериментальные выигрыши ИИ пока не видны в общеэкономической статистике. Можно получить больше выпуска на задачу и меньше вклада вокруг неё, и второй эффект не появится ни на одной панели использования инструментов.
Где это проявляется в компании на 50–500 человек
Четыре точки, примерно в порядке скорости воздействия.
Внутренние коммуникации. Обновления политик, изменения процессов и материалы общих собраний, подготовленные ИИ и узнаваемые как таковые. Сообщение идентично написанному человеком; восприятие — нет. Если вам нужно, чтобы люди действовали добровольно, а не просто исполняли, ярлык работает против вас.
Пиринговая проверка и гейты качества. Исследование Adaptavist 2026 года среди 2 500 работников умственного труда показало, что 52% регулярно исправляют работу коллег, созданную ИИ (Adaptavist, 2026). Эта нагрузка уже реальна. Эксперимент добавляет: оценка серьёзности проблемы рецензентом отчасти задана ярлыком, поэтому объём переделок — не чистый сигнал о вашей доле дефектов.
Проблема накопления
Ни одна из четырёх точек по отдельности не критична. Механизм — частота столкновений. Один артефакт с пометкой ИИ стоит вам доли добровольных усилий одного человека на одной задаче. Конвейер, где большинство первых черновиков, резюме и рутинных анализов приходят с пометкой, означает, что та же малая скидка применяется десятки раз в неделю ко всем, кто ниже по потоку. Эксперимент измерил одну встречу. В вашей операции их тысячи.
Поэтому эффект трудно увидеть сверху. Ни один отдельный случай не даёт видимого сбоя. Он даёт медленное уплощение добровольного слоя — предложения, которые никто не делает, второй взгляд, который никто не бросает, — а этот слой никогда не попадал на операционную панель, потому что всегда был бесплатным.
Признание и разговоры о результативности. Когда известно, что сильная работа сделана с помощью ИИ, меняются и чувство авторства у исполнителя, и трактовка вклада руководителем. Ни один стандартный процесс оценки этого не учитывает.
Тексты для клиентов и кандидатов. Та же скидка действует и за пределами компании, а респонденты исследования были выборкой населения, а не сотрудниками. Практики раскрытия, придуманные ради доверия и прозрачности, несут измеренный эффект на воспринимаемое качество. Это не аргумент против раскрытия — это аргумент за то, чтобы знать цену выбранной формы.
Чего эти данные не говорят
Три ограничения, названные прямо, потому что план на завышенном прочтении провалится.
Это короткая творческая микрозадача, а не рабочий процесс. Участники судили о результате с пометкой ИИ; они не работали с системой ИИ неделями над задачей, за которую отвечают. Внешняя валидность для длительной профессиональной работы не проверена, и авторы это признают.
Эффект на осмысленность мал. 0,07 стандартного отклонения — скромный стандартизованный размер эффекта. Заголовочные 13% — относительное изменение от базы 26%, что усиливает абсолютный сдвиг в 3,4 пункта. Оба числа верны; драматично лишь одно.
Это рабочий доклад. Предварительно зарегистрирован и воспроизведён в двух странах — это больше, чем несёт большинство свидетельств в данной области, — но рецензирования пока не прошёл.
Все три оговорки переживают направление и механизм: атрибуция сдвигает усилия независимо от качества. Если в реальном процессе эффект вдвое слабее, но люди сталкиваются с помеченным ИИ результатом постоянно, а не однажды, он накапливается.
Сделать атрибуцию параметром процесса в этом квартале
Ответ — дизайн, а не рассылка. Четыре шага, ни один не требует новых расходов.
Называйте вклад человека, а не инструмент. Там, где работа несёт пометку о происхождении от ИИ, обеспечьте, чтобы она несла и то, что сделал человек: постановку задачи, содержательное решение, выпуск в свет. Собственная рекомендация авторов — проектировать процессы так, чтобы человеческая субъектность оставалась видимой, а индивидуальный вклад — атрибутируемым. Внедрение бесплатно; сегодня отсутствует в большинстве шаблонов.
Отделите происхождение от оценки. В любом значимом гейте качества дайте рецензенту оценить артефакт до того, как он узнает, как тот создан. Быстро выяснится, сколько ваших переделок — дефект, а сколько — скидка за ярлык.
Перестаньте называть людей редакторами. «Проверь этот черновик» и «этот результат твой, вот сырьё для старта» описывают тот же час работы и две разные роли. Измените формулировки в документах процессов и в задачах. Это самый сильный рычаг здесь, и стоит он одной правки текста.
Измеряйте добровольный вклад, а не внедрение. Число лицензий и объём запросов структурно не способны это уловить. Отслеживайте добровольное: незапрошенные предложения по улучшению, дефекты, пойманные до гейта, людей, добавляющих объём, о котором никто не просил. Если эта кривая загибается вниз при росте объёма выпуска — вы нашли эффект в собственных данных.
Решение, стоящее перед вами в этом квартале, — не о том, раскрывать ли участие ИИ в работе. Оно уже: это вопрос дизайна — является ли атрибуция ИИ, зашитая в ваши текущие процессы, вашим сознательным выбором или выбором, который за вас сделала настройка инструмента по умолчанию. В этом эксперименте ярлык стоил 13% добровольных усилий. Это самая дешёвая переменная на вашем столе и пока единственная, у которой нет владельца.
