Пятьдесят шесть процентов американских работников, использовавших ИИ на работе на прошлой неделе, сэкономили два часа или меньше. Тринадцать процентов не сэкономили ничего либо потратили дополнительное время на завершение работы (U.S. Census Bureau, 2026; Nextgov/FCW, 2026).
Это первое федеральное, независимое от вендоров измерение экономии времени от ИИ на работе. Не презентация лицензий, не выгрузка телеметрии из customer success и не опрос компании, которая продаёт места. И для Head of Operations, собирающего бизнес-кейс по ИИ на 2026 год, оно закрывает вопрос, который данные вендоров структурно закрыть не могут: что на самом деле получает обратно медианный пользователь.
Ответ — один-два часа. Проблема не в том, что цифра мала. Проблема в том, что один-два разрозненных часа — не та единица, в которой номинирован ваш бизнес-кейс.
Что Бюро переписи на самом деле измерило про экономию времени от ИИ на работе
Опрос Household Trends and Outlook Pulse Survey за март 2026 года, опубликованный 11 августа, спрашивал работающих респондентов, использовали ли они ИИ для любой из 11 конкретных рабочих задач. Около 55% ответили утвердительно (Census Bureau, 2026).
Перечень задач стоит прочитать внимательно: он описывает форму реального внедрения, а не форму дорожной карты:
- 37% — поиск информации или технической помощи
- 32% — написание писем, документации или инструкций
- 32% — генерация идей
- 31% — интерпретация, перевод или обобщение информации
- 27% — административные задачи
Ничего агентного здесь нет. Это поиск, черновик и сжатие — заменяемая середина умственного труда, а не сквозное владение процессом, вокруг которого написано большинство планов внедрения на 2026 год.
Далее — вопрос о времени. Среди работников, использовавших ИИ на прошлой неделе, распределение выглядело так: 25% сэкономили меньше часа, 31% — один-два часа, около 30% — три часа и больше (примерно поровну между тремя часами и четырьмя и более), 10% не сэкономили времени вовсе, а 3% заявили, что с ИИ работа заняла больше времени, чем заняла бы без него (Census Bureau, 2026; CBS News, 2026).
Одно методологическое замечание, важное для того, как вы будете цитировать это внутри компании: вопрос Бюро привязан к задачам, выполненным на прошлой неделе, а не к чистому недельному итогу на человека. Скорее, такая формулировка щедра. Интенсивность использования тоже ниже, чем предполагают заголовки о внедрении: лишь 24% пользователей ИИ обращались к нему ежедневно в отчётную неделю, тогда как 46% использовали его хотя бы один день.
Два независимых федеральных замера, одно число: около двух часов
Самое полезное свойство этого набора данных — то, что это второй замер федерального происхождения, приземляющийся практически в ту же точку.
Национально репрезентативный опрос Бика, Блэндина и Деминга — тот, на котором построена работа St. Louis Fed по внедрению, — спрашивал пользователей генеративного ИИ, сколько дополнительных часов им потребовалось бы, чтобы завершить работу прошлой недели без него. Ответ составил 5,4% рабочих часов, то есть примерно 2,2 часа при 40-часовой неделе (St. Louis Fed, 2024).
Два разных инструмента, два разных года, два разных дизайна вопроса. Оба приземляются около двух часов.
И вот та часть, которую большинство читает наоборот. Вендоры от этой цифры тоже недалеки. Исследование Total Economic Impact от Forrester по Microsoft 365 Copilot строит свою модель ценности примерно на 9 сэкономленных часах на пользователя в месяц — около 2,25 часа в неделю — и всё равно приходит к ROI в 116% для составной организации: 36,8 млн долларов выгод против 17,1 млн долларов затрат за три года (Forrester, 2025).
Значит, расхождение между федеральными данными и вендорской моделью — не про часы. Оно про то, сколько стоит час. И это допущение модели принадлежит вам, а не поставщику, который мог бы его за вас подтвердить.
Ваш бизнес-кейс не ошибается в часах. Он ошибается в том, чем эти часы являются.
Стандартная арифметика: сэкономленные часы × полная часовая ставка × численность. Она аккуратна, проходит финансовую проверку и ошибочна вполне конкретным образом: она предполагает, что возвращённое время взаимозаменяемо с купленным.
Это не так. Два часа в неделю, размазанные по десятку прерываемых задач, — это slack, организационный люфт. Он поглощается рабочим днём: чуть более ранний конец, чуть более длинные ревью, чуть меньше сжатия к концу недели. Он не консолидируется в перераспределяемый прирост мощности, потому что в операционной модели нет ничего, что его собирало бы. В компании на 200 FTE нет механизма, который сметёт разрозненные девяносто минут сорока человек в один профинансированный проект.
Это среднерыночная версия макрорезультата. Задачный учёт Асемоглу по совокупному эффекту ИИ — доля затронутых задач, умноженная на среднюю экономию издержек по задаче, — даёт не более 0,66% прироста совокупной факторной производительности за десять лет именно потому, что заметная экономия на уровне задачи в скромной доле работы не агрегируется так, как требует интуиция (Acemoglu, 2024). Ваш P&L выполняет ту же арифметику в меньшем масштабе — с тем же результатом.
Операционный тест бинарен и беспощаден: ушла ли целая задача со стола конкретного человека?
Если ежемесячная сверка, цикл первого черновика, класс тикетов первой линии или сборка отчёта теперь поглощены полностью — это мощность, и её можно занести в отчётность. Она проявляется как незакрытая вакансия, непродлённый подрядчик, очередь, которая расходится без переработок. Если же каждая задача по-прежнему требует человека и каждая просто чуть быстрее — вы купили комфорт. Комфорт — законная покупка. Но это не строка затрат, и её никогда не следовало моделировать как таковую.
13%, которые никто не закладывает в цену
Десять процентов пользователей ИИ не сэкономили времени. Три процента потратили его больше, чем потратили бы без ИИ (Nextgov/FCW, 2026).
Мне не встречался среднерыночный бизнес-кейс с отрицательным хвостом. Каждая модель, которую я разбираю, трактует экономию как распределение с полом на нуле. Федеральные данные говорят: примерно каждый восьмой пользователь на нуле или ниже — и эти пользователи всё равно потребляют лицензию, место на обучении и внимание руководителя.
Это переформулирует вопрос о широте развёртывания. Всеобщий роллаут по фиксированной цене за место покупает вам всё распределение, включая его нижнюю восьмую часть. Целевой роллаут на профили задач, соответствующие верхушке распределения — высокообъёмное составление текстов, обобщение, роли с интенсивным поиском информации, — покупает усечённое. На 500 местах разница между этими двумя кривыми и есть весь аргумент про ROI, и решается она периметром закупки, а не технологией.
Возражение: «У нас пилот показал больше»
Вероятно, так и было. Две структурные причины, и обе стоит учесть, прежде чем экстраполировать.
Пилоты отбирают по энтузиазму. Добровольцы для пилота ИИ приходят из правого хвоста того самого распределения, которое только что опубликовало Бюро переписи, — тех 30%, кто получает три часа и больше. Развёртывание на всю популяцию сдвигает вас к медиане, а не к среднему по пилоту. Пилот, давший четыре часа в неделю на участника, не прогнозирует четыре часа в неделю на сотрудника; он прогнозирует потолок.
Самоотчёт об экономии времени — это оценка контрфактического сценария. И инструмент Бюро переписи, и инструмент St. Louis Fed просят людей вообразить, сколько времени работа заняла бы без ИИ. Это трудная когнитивная задача, и вовсе не очевидно, что смещение направлено вниз. Ничто здесь не корректирует вероятность того, что самоотчёты завышают.
Ни один из пунктов не означает, что технология недорабатывает. Оба означают одно и то же операционно: бизнес-кейс строится на медиане полной популяции и проверяется на прочность на нижнем дециле — а не строится на пилотной когорте и переносится вперёд на надежде.
Три решения до закрытия квартала
- Переноминируйте модель в задачи, а не в часы. Возьмите текущий бизнес-кейс по ИИ и найдите каждую строку, где сэкономленные часы конвертируются в деньги. Для каждой назовите конкретную задачу, ушедшую со стола конкретного человека. Строки, прошедшие проверку, остаются. Строки, для которых задача не называется, переклассифицируются из экономии затрат в выгоду по качеству или опыту — реальную, достойную финансирования, но больше не несущую ROI.
- Явно заложите в цену нижнюю восьмую. Добавьте строку для примерно 13% пользователей с нулевым или отрицательным итогом. Умножьте на полную стоимость места плюс обучение. Если эта строка заметно меняет срок окупаемости, ответ — более узкое развёртывание, а не лучшая библиотека промптов.
- Оцифруйте один процесс от начала до конца до продления. Выберите один высокообъёмный, чётко очерченный рабочий поток. Измерьте время цикла и число касаний до и после — на уровне процесса, не человека. Одно чистое измерение на уровне процесса стоит больше года самоотчётов о часах и является единственным свидетельством, отделяющим люфт от мощности.
Вопрос, который стоит задать перед продлением
Вклад Бюро переписи не в том, что экономия времени от ИИ мала. Два часа в неделю более чем для половины рабочей силы при 55-процентном внедрении — реальный и широкий выигрыш, и он сходится с независимой федеральной оценкой.
Вклад в том, что цифра теперь публична, некоммерческая и достаточно устойчива, чтобы по ней планировать, — а значит, исчезает последнее оправдание для бизнес-кейса, который умножает разрозненные минуты на полную ставку и называет результат мощностью.
Прежде чем подписать продление, задайте команде один вопрос и требуйте название, а не число: какая задача больше не требует человека? Если ответить некому, в этом году вы купили не мощность. Вы купили чуть более лёгкую неделю — и об этом лучше узнать раньше, чем финансовая служба обнаружит это в отчёте об отклонениях.
