Европейский центральный банк опросил около 20 000 работников в месяц в 11 странах еврозоны о том, сколько времени им экономит ИИ. Медианный пользователь назвал три часа в неделю — примерно 7,7% медианного рабочего времени. Затем ЕЦБ сделал то, чего почти не делает ни одна презентация вендора: разделил на всех. Поскольку лишь 48,8% работников используют ИИ и при этом экономят время, выигрыш в эффективности для экономики в целом ближе к 3,8% (ЕЦБ, 2026).
То же исследование. Те же респонденты. Два числа, различающиеся примерно вдвое.
Ваше обоснование продуктивности ИИ почти наверняка построено на первом. Это и есть ошибка, и это не ошибка округления: это ошибка знаменателя, и она определяет, появятся ли когда-нибудь часы, обещанные финансовому директору.
Что ЕЦБ измерил на самом деле
Данные взяты из Consumer Expectations Survey ЕЦБ — ежемесячной панели примерно из 20 000 человек в 11 странах еврозоны. Это инструмент по общей популяции, а не список клиентов вендора. Это важно, потому что он охватывает и тех, кто попробовал ИИ и бросил, и тех, кто вообще не начинал. Большинство данных о продуктивности ИИ, которые вы видите, этого не делают.
Тренд внедрения действительно крутой. Доля работников, использующих ИИ на работе, выросла с 26% в 2024 году до 41% в 2025-м и до 52% в 2026-м, а пользователи обращаются к нему около трёх дней в неделю. Внедрение распределено ожидаемо неравномерно: 61% среди работников с высшим образованием против 37% среди тех, у кого уровень образования ниже; молодые работники опережают старших коллег примерно на 20 процентных пунктов.
Но как только люди начинают, интенсивность выравнивается. Средние значения недельного использования по группам лежат между 2,5 и 2,9 дня независимо от возраста и образования (ЕЦБ, 2026).
Запомните эту форму: она определяет вашу точку приложения силы. Разброс в вашей организации зависит не столько от того, насколько интенсивно работают ваши пользователи, сколько от того, сколько людей вообще являются пользователями.
Знаменатель — это и есть весь аргумент
Вот арифметика, которую ваше обоснование выполняет неявно.
Вендоры приводят экономию на пользователя — те самые три часа, 7,7%. Финансовая служба умножает это на численность персонала. Полученное число — утверждение об организации, где инструментом пользуются все и все экономят время. Данные ЕЦБ говорят, что к этой группе относится примерно половина персонала.
ЕЦБ аккуратен ещё в одном, и это стоит повторить каждому, кто строит модель: сэкономленное время превращается в продуктивность только если высвобожденные часы конвертируются в выпуск, а эта конвертация зависит от того, способен ли работодатель загрузить дополнительную мощность. Сэкономленные часы, попавшие в календарь без спроса за ним, — не выигрыш. Это простой.
Для масштаба: ЕЦБ отмечает, что текущие оценки дополнительного годового роста производительности от ИИ на десятилетнем горизонте лежат в диапазоне от 0,1% до 3,4%, а собственная оценка ЕЦБ для еврозоны — около 0,35 процентного пункта в год. Если ваш внутренний расчёт предполагает скачок на порядок выше, бремя доказательства лежит на вас, а не на экономистах.
Тот же разрыв, измеренный в США
Будь это одно исследование в одном валютном союзе, его можно было бы дисконтировать. Но это не так.
Александр Бик, Адам Блэндин и Дэвид Деминг совместно с Federal Reserve Bank of St. Louis провели общенационально репрезентативные опросы об использовании генеративного ИИ в США и обнаружили среднюю экономию времени в 5,2% рабочих часов среди пользователей — около 2,1 часа при 40-часовой неделе — но 1,4% от общего числа часов, если включить непользователей. Смоделированный совокупный прирост производительности при текущем уровне использования: 1,2% (Bick, Blandin & Deming, 2024).
Два континента, две методологии, разница в два года. Оба находят число на пользователя, выглядящее преобразующим, и число с поправкой на участие, выглядящее приростным. Соотношение между ними — не шум. Это форма самого явления.
Отдача там, где нет использования
Второй вывод из данных ЕЦБ должен изменить то, что вы делаете в понедельник, а не только то, во что вы верите.
Выигрыш в эффективности резко различается по задачам, и крупнейший приходит не от самых распространённых сценариев. Генерация или отладка кода даёт почти восемь часов в неделю — но ИИ для этого используют лишь около 8% работников. Анализ данных, автоматизация рутинных задач и создание аудио- или визуального контента следуют тому же шаблону: высокая отдача, тонкий слой пользователей. Между тем самые часто называемые применения — поиск, сбор информации, письмо и редактирование текстов — экономят заметно меньше (ЕЦБ, 2026).
Одна оговорка, которую отмечает ЕЦБ и которую я повторю: респонденты, экономящие много времени, склонны отмечать больше задач, что механически завышает средние по задачам. Считайте ранжирование надёжным, а абсолютные часы — щедрыми.
Даже с дисконтом порядок остаётся применимым. Большинство организаций два года продвигали внедрение низкоотдачных сценариев, потому что их проще всего показать на обучении. Высокоотдачные сценарии требуют доступа к системам, данным и коду — это вопрос прав доступа и интеграции, а не энтузиазма.
Почему другая половина не подключается
ЕЦБ спросил непользователей напрямую, и ответы не те, которые предполагает большинство планов внедрения.
Треть говорит, что ИИ нерелевантен их текущим задачам. Другие предпочитают существующие методы, либо их останавливают сомнения в точности и надёжности, либо они сообщают, что работодатель не предоставил инструменты. И 41% просто не проявляют интереса к технологии — включая 34% руководителей. На вопрос, что изменило бы их мнение, около половины называют лучшее обучение и лучшее понимание того, где ИИ действительно полезен.
Со стороны предложения: примерно половина компаний планирует инвестировать в обучение по ИИ в ближайшие 12 месяцев — по данным опроса SAFE ЕЦБ. Значит, примерно половина не планирует.
Настроения тоже смещаются не туда: доля работников, оценивающих ИИ положительно, снизилась с 43% до 41% год к году (ЕЦБ, 2026).
Это и есть ваша доля участия, описанная механически. Это не загадка и не дефицит мотивации. Примерно треть ваших непользователей верно определяет, что ИИ не помогает в их нынешних задачах, — и изменить это может только редизайн этих задач, а не лицензия.
Честный контраргумент: это самооценки
Теперь оговорка, подрывающая мой собственный аргумент, — лучше услышать её от меня, чем от вашего финансового директора.
Все приведённые выше числа сообщены самими работниками. Никто не держал секундомер. И в единственной ситуации, где самооценки выигрыша от ИИ проверили напрямую против измеренных, самооценки проиграли с большим отрывом.
Рандомизированное контролируемое исследование METR на опытных разработчиках открытого кода показало: с ИИ-инструментами начала 2025 года они тратили на 19% больше времени — при этом считая, что ускорились. Последующий опрос METR среди 349 технических специалистов даёт число для этого смещения: в исследовании начала 2025 года участники переоценили влияние ИИ на затраченное время в среднем на 40 процентных пунктов (METR, 2026).
Честное прочтение: 3,8% по экономике могут быть оптимистичным, а не пессимистичным краем диапазона. Число на пользователя не просто разбавлено неучастием — оно может быть завышено у источника.
Есть и проверка на корпоративном уровне. Опрос McKinsey State of AI 2026 показывает, что доля респондентов, приписывающих ИИ хоть какое-то влияние на EBIT, практически не изменилась год к году и составляет 37%, а доля AI high performers держится около 6% (McKinsey, 2026). Внедрение накапливается. Заявленный финансовый эффект — нет. Это ровно та сигнатура, которой стоит ожидать, если часы на пользователя реальны, но не всеобщи и не сконвертированы.
Ничто из этого не означает, что ИИ не экономит ничего. Это означает, что число в обосновании надо строить, а не цитировать.
Пересобрать бизнес-кейс продуктивности ИИ: участие × отдача по задачам
Замените умножение на пользователя оценкой из трёх множителей. Это займёт один день и выдержит встречу с финансами.
- Измеряйте участие, а не лицензии. Посчитайте людей, которые использовали ИИ для работы на прошлой неделе и сообщают об экономии времени, — конструкция 48,8% ЕЦБ, применённая к вашему штату. Число рабочих мест в подписке — закупочная метрика; знаменателем она не является.
- Взвешивайте по задачам, а не по подразделениям. Оценивайте сэкономленные часы отдельно для высокоотдачной работы (генерация и отладка кода, анализ данных, автоматизация рутины) и для высокочастотной (поиск, письмо, редактирование). Не сливайте их в одно среднее — именно смесь прячет возможность.
- Примените коэффициент конверсии. Явно решите, какая доля высвобожденных часов станет выпуском, а не простоем, и назовите спрос, который эти часы поглотят. Если назвать не можете, коэффициент равен нулю — так и скажите.
Затем сделайте стратегический выбор, который реально ставят данные ЕЦБ, и сделайте его один раз, а не пустите на самотёк: расширять участие или углублять отдачу. Расширять — значит втягивать незаинтересованный 41%: медленно, культурно, через менеджеров и прямо упираясь в ту треть работников, которым инструменты сегодня действительно не подходят. Углублять — значит направлять ИИ на те 8% высокоотдачной работы; это требует доступа к данным и интеграции систем, но не встречает мотивационного сопротивления вовсе.
Большинство операционных команд среднего бизнеса делали разбавленную версию обоих вариантов и называли результат внедрением. Выберите один на два ближайших квартала. Настройте измерения. Показывайте совету директоров число с поправкой на участие рядом с числом на пользователя — и пусть разрыв между ними аргументирует за вас.
Что решить в этом квартале
ЕЦБ дал вам один и тот же вывод дважды, на двух высотах: три часа в неделю для человека, 3,8% для экономики. Верны оба. Но почувствует ваш P&L только одно.
До закрытия квартала выгрузите реальную долю участия — использовал ИИ для работы на прошлой неделе и сэкономил время — и поместите её на тот же слайд, где стоят часы на пользователя, на которых построено ваше обоснование продуктивности ИИ. Если эти два числа далеки друг от друга, у вас не проблема продуктивности. У вас знаменатель, на который вы никогда не смотрели.
