Десять процентов компаний среднего рынка вывели все свои ИИ-инициативы за пределы пилотной стадии (IT Brief UK, 2026). Остальные девяносто процентов покупают те же инструменты, у тех же поставщиков, примерно по той же цене.
Именно здесь стоит остановиться. Если бы отдачу производил инструмент, отдача не расходилась бы так.
Новая рабочая статья NBER даёт этому расхождению имя. Бабина, Хэ и Цзян связывают ранний рост производительности от ИИ не с технологией, а с организационным капиталом: устойчивым, специфичным для фирмы знанием, которое компания накапливает через обучение в процессе работы (NBER, 2026). Инструмент — это повод для выигрыша. Но не сам актив.
Одна и та же инвестиция, два разных десятилетия
Работа «Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital» вышла в августе 2026 года; авторы — Таня Бабина, Алекс Си Хэ и Жэньхао Цзян (NBER, 2026).
Интересна именно измерительная конструкция. Вместо подсчёта лицензий, расходов на поставщиков или самооценённого внедрения — всё это меры распространения — авторы строят показатель инвестиций в ИИ на уровне фирмы на основе ИИ-квалифицированной занятости, от машинного обучения до генеративного и агентного ИИ. Кого фирма нанимает, подделать труднее, чем то, что фирма о себе заявляет.
При таком измерении главный результат — это контраст, а не коэффициент:
Инвестиции в ИИ связаны с ростом производительности в последние годы, но не в предыдущее десятилетие.
Та же мера. Тот же класс технологии. Два разных ответа.
Далее авторы делают работу, которую большинство исследований внедрения пропускает: спрашивают, что изменилось. Их ответ — накопление организационного капитала. Чтобы это проверить, они строят вторую оригинальную меру, полученную из описаний рабочих позиций сотрудников, чтобы определить, какие роли действительно строят этот капитал. Рост производительности, обнаруживают они, обеспечивают ИИ-квалифицированные позиции, строящие организационный капитал. Не численность ИИ-персонала в целом. Не инструментарий в целом.
Оговорка, которую я делаю до того, как кто-нибудь построит на этом слайд: текст рабочей статьи закрыт, и я проверила дизайн исследования и направление выводов, но не размеры эффектов. Никому не следует пока приписывать этому исследованию процент — мне в том числе.
Почему предыдущее десятилетие ничего не принесло, статья не решает, и я обозначаю своё прочтение как вывод по аналогии, а не как результат: волна машинного обучения покупала в основном прогноз, стоявший рядом с рабочим процессом — скор, прогнозное значение, дашборд, к которому кто-то обращается. Нынешняя волна располагается внутри рабочего процесса, а это единственная позиция, из которой инструмент может породить знание о том, как работа делается на самом деле. Прогноз рядом с процессом не учит вас процессу.
Что на самом деле означает «организационный капитал»
Термин не нов и не расплывчат. Айсфельдт и Папаниколау формализовали его в Journal of Finance: организационный капитал — это фактор производства, воплощённый в ключевых сотрудниках фирмы, несущий специфичную для фирмы эффективность и имеющий притязание на её денежные потоки. Фирмы с бóльшим его объёмом показывали среднюю доходность примерно на 4,6% выше, чем фирмы с меньшим (Eisfeldt and Papanikolaou, 2013).
На операционном языке: это накопленное знание о том, как делается именно ваша работа. Какие исключения важны. Какие сигналы клиента предсказывают отток. Какой шаг в вашем процессе закрытия ломается на самом деле.
Лицензия даёт вам возможность общего назначения. Организационный капитал возникает, когда эту возможность раз за разом направляют на вашу конкретную работу, а результат сохраняют где-то кроме головы одного человека.
Первое можно купить. Второе — нет.
Почему ваш конкурент купил тот же стек и не построил организационный капитал
Сопоставьте результат NBER с данными по среднему рынку — и схема перестаёт быть абстрактной.
Klarus опросила 500 руководителей высшего звена в компаниях Великобритании и Ирландии с выручкой от 200 млн до 2 млрд фунтов и штатом 300–3000 человек. Семьдесят три процента внедрили ИИ частично или полностью. Десять процентов вывели все инициативы за пределы пилота. Девяносто процентов застряли или всё ещё находятся на ранних стадиях (IT Brief UK, 2026).
В том же опросе есть инверсия, которую стоит прочитать дважды: 91% заявили об уверенности во внутренней ИИ-экспертизе — при этом 48% назвали нехватку ИИ-экспертизы главной причиной, по которой проекты не продвигаются. Одна и та же совокупность одновременно уверена, что способность есть, и уверена, что её нет.
Под обоими утверждениями: 83% сообщили о низком качестве данных, а 69% сказали, что плохие данные прямо помешали или задержали работу с ИИ.
Индекс Heartbeat от CLA обнаружил ту же форму по другую сторону Атлантики. Среди 722 малых и средних организаций 69,9% считали, что у их персонала есть навыки, необходимые для будущего. Лишь 49,5% сообщили хоть о каком-то приросте эффективности от недавних вложений в технологии или ИИ, и только 20,2% — о сильно положительном эффекте (CLA, 2026).
Две независимые выборки по среднему рынку. Обе сообщают: способность есть, результатов нет.
Это сочетание исключает диагноз, который финансирует большинство компаний. Если бы связывающим ограничением были навыки, исследуемая совокупность сообщала бы о дефиците навыков. Она сообщает обратное. Не хватает не беглости использования — не хватает механизма, превращающего эту беглость в то, чем фирма владеет.
Пилоты не проваливаются. Они ничего не вносят на счёт.
Valliance опросила 1000 руководителей высшего звена крупных европейских компаний и обнаружила, что 40% ИИ-инициатив остаются пилотами по замыслу — их никогда не закрывают и никогда не масштабируют. В организациях со зрелыми, устоявшимися ИИ-программами этот показатель поднимается до 48% (Consultancy.uk, 2026).
Больше зрелости — больше вечных пилотов. Кривая обучения так не выглядит.
Цена — в том же наборе данных. Компании, застрявшие в пилоте, сообщают о высоком ROI в 20% случаев. Компании, которые масштабируют, — в 76%. Застрявшая когорта к тому же дольше ждёт отдачи: 6,6 месяца против 5,9 (Consultancy.uk, 2026).
Прочитанный через оптику NBER, разрыв становится читаемым. Пилот, завершившийся без изменения задокументированного процесса, определения роли или решающего правила, дал результат и не внёс ничего. Команда научилась. Фирма — нет. Повторите это двенадцать раз, и вы получите двенадцать опытов и нулевой организационный капитал — ровно ту конфигурацию, которая показывает инвестиции в ИИ без сопутствующего роста производительности.
Тест на взнос
Переведём в арифметику. Сервисная компания на 200 FTE запускает шесть ИИ-пилотов за год, каждый примерно по два месяца работы с частичной занятостью — фактически человеко-год внимания старших сотрудников, ещё до лицензий. Стандартная отчётность спрашивает, сколько сэкономил каждый пилот. Спросите вместо этого, сколько из них произвели долговечный артефакт: переписанный регламент, поддерживаемый набор промптов и оценок, решающее правило, которым теперь пользуются люди, никогда не прикасавшиеся к пилоту.
Если ответ — один, вы превратили около двух месяцев этого года в организационный капитал, а остальное потратили на обучение. Пилоты не были провалами — пять из них просто не были капитализированы. Этого различия нет ни в одной стандартной презентации по ROI, и именно поэтому оно раз за разом получает новое финансирование.
Собственная формулировка Valliance: проблема не в экспериментировании, а в том, что происходит потом. Статья NBER объясняет, почему эта фраза — бухгалтерское утверждение, а не лозунг. Обучение в процессе работы даёт сложный процент только тогда, когда выученное зафиксировано в чём-то долговечном.
Честное возражение
Четыре ограничения, названные прямо.
Связь — не причинность. Результат NBER — это связь между инвестициями в ИИ и ростом производительности, опосредованная сконструированной мерой организационного капитала. Правдоподобно, что фирмы, умеющие хорошо строить организационный капитал, лучше управляются и в других отношениях, что делает их и лучшими адептами ИИ. Дизайн статьи аккуратен; это не рандомизированное испытание.
Обе новые меры — прокси. Инвестиции в ИИ, выведенные из найма ИИ-специалистов, недооценивают фирмы, которые покупают способность вместо того, чтобы нанимать её. Организационный капитал, выведенный из описаний позиций, недооценивает фирмы, чьё знание живёт в системах, а не в текстах ролей. Прокси такого рода надёжнее передают направление, чем величину.
Подтверждение по среднему рынку региональное и самооценённое. Klarus — это Великобритания и Ирландия; CLA — панель американских клиентов. Обе основаны на самоотчётах. Они согласуются друг с другом, и это существенно, и ни одна не является национальной вероятностной выборкой, и это тоже существенно.
У организационного капитала есть дверь наружу. Это самое острое возражение, и Айсфельдт с Папаниколау подняли его тринадцать лет назад: организационный капитал воплощён в ключевых сотрудниках, и эти сотрудники имеют притязание на его доход. Знание, живущее в трёх старших специалистах, специфично для фирмы ровно до той недели, когда один из них уволится. Кодификация здесь — не бюрократический балласт, а разница между активом и риском удержания.
Что решить в этом квартале
Четыре шага. Ни один не требует нового поставщика.
- Оценивайте каждый действующий пилот по тому, что он оставил, а не по тому, что он ускорил. Один вопрос на пилот: назовите документ процесса, решающее правило или определение роли, которое изменилось благодаря ему. Если честный ответ — «команда стала быстрее», вы профинансировали опыт. 40% у Valliance целиком состоят из опыта.
- Перепишите одно ИИ-описание должности вокруг кодификации. Результат NBER идёт через роли, строящие специфичное для фирмы знание. Большинство ИИ-смежных описаний должностей на среднем рынке перечисляют инструменты. Укажите вместо этого результат: задокументированные рабочие процессы, поддерживаемые оценочные наборы, решающие правила, которые могут исполнять другие.
- Почините фундамент данных до следующей лицензии. 83% низкого качества данных — не сноска, а причина, по которой обучение в процессе работы не может накапливаться: агент, который не дотягивается до вашей истории, не может выучить вашу фирму. Это статья бюджета четвёртого квартала, прямо конкурирующая с расширением лицензий, и выиграть должна она.
- Проверьте, где воплощён ваш организационный капитал. Перечислите пять процессов, которые ИИ измеримо улучшил в этом году, затем укажите, где хранится каждое улучшение. Каждое, которое сводится к человеку, а не к артефакту, — это прирост производительности с приложенным заявлением об уходе.
Ваш конкурент может купить ваш стек сегодня днём. Он не может купить восемнадцать месяцев, которые ваша команда потратила, выясняя, какие исключения важны, — если только вы не оставили их незадокументированными, и тогда ему достаточно их нанять.
Организационный капитал — единственная часть ваших вложений в ИИ, которая действительно ваша. Решите в этом квартале, строите ли вы его — или лишь арендуете повод для этого.
