Anthropic опубликовала 7 июля распределение задач в своём агенте Claude Cowork по 1,2 млн рабочих сессий, и программирование заняло в нём 8,7%, тогда как первые две строки – бизнес-процессы и операции (33,4%) плюс создание контента (16,4%) – дали почти половину выборки, что для рынка, два года обсуждавшего ИИ как инструмент разработчиков, довольно неудобная картинка.

Цифры стоит зафиксировать точно, потому что дальше их будут пересказывать в третьем приближении. Выборка – 1,2 млн анонимизированных сессий из 600 с лишним тысяч организаций за 11–31 мая 2026 года, разложенных по таксономии из двадцати категорий. Бизнес-процессы и операции – 33,4%, создание контента и копирайтинг – 16,4%, разработка – 8,7%, инфраструктура – 7,0%, дальше идут исследования и сбор информации (6,4%), анализ данных (5,8%), обработка документов (4,1%), поддержка продаж (4,0%) и личный ассистент (3,8%).

Обе технические строки вместе дают 15,7% на инженерию, а оставшиеся 84,3% – это работа, которую в компаниях никто не считает работой: свести три обновления в отчёт, сверить две выгрузки, собрать презентацию к понедельнику, разложить папку с документами. Первые две строки, ту самую половину, Anthropic описала собственной формулировкой – работа вокруг работы, то есть задачи, которые встречаются у половины профессий и почти ни у кого не записаны в обязанности.

Дальше начинается место, где я обычно спорю с прессой. Заголовки округлили результат до «более 90% – это не разработка», но такая цифра получается простым вычитанием доли программирования из ста, и она рассыпается, стоит зачесть инфраструктуру как техническую работу, потому что честное значение – 84,3%. Разница в шесть пунктов кажется мелочью ровно до того момента, когда на её основе кто-то строит гипотезу рынка. Аккуратная формулировка звучит скромнее и держится крепче: каждая шестая сессия – инженерия, каждая вторая – операционка и тексты.

Ценность этого распределения в том, что оно замеряет поведение людей, у которых впервые появился инструмент с руками, и разговоры с моделью тут ни при чём. Чат отвечает на сообщение, и на этом его работа заканчивается, а агент с доступом к папке читает, правит и создаёт в ней файлы привычных форматов вроде xlsx, docx и pptx: ему дают цель, дальше он сам ходит по указанным папкам и подключениям, а разрешения устроены папочно, то есть за пределы выданных каталогов он не лезет.

Различие проще всего показать на одной и той же задаче. «Как лучше свести отчёт по неделе» – это вопрос, и в ответ придёт грамотная методичка, которую придётся выполнять руками, а «вот папка с выгрузками, собери недельный отчёт по каналам» – это поручение, и в ответ придёт файл. Первое чуть ускоряет человека, второе убирает у него из недели вечер. Классификация Anthropic по сути замерила, какую из двух формулировок люди выбирают, когда вторая становится физически возможной, и ответ получился недвусмысленный: к инструменту с руками пошли все, кроме программистов, причём с задачами, которые стыдно назвать вслух на планёрке.

Технически возможность появилась раньше данных. Протокол MCP, стандартный способ подключить модель к внешним данным и инструментам, стабилизировался ещё весной, и с тех пор связка «модель плюс доступ к рабочим файлам» собирается небольшой командой за считанные дни. Год назад это была инженерная возможность, о которой можно было спорить, теперь есть выборка на 1,2 млн сессий, показывающая, кому эта возможность реально понадобилась.

Одновременно с отчётом Anthropic перевела Cowork в веб и на телефоны. Главное тут переезд сессий в облако: задача продолжает идти при закрытом ноутбуке, появились фоновое исполнение и расписания вроде «материалы к встрече к утру понедельника», и агент из приложения на конкретной машине превращается в процесс, который живёт сам по себе.

Оговорка обязательная, иначе получится реклама: это бета, раскатка идёт с дорогого тарифа Max, и никакой статистики по экономии времени внутри Cowork не существует. Цифры экономии в 84% или 95%, которые сейчас гуляют по отраслевым каналам, взяты из более раннего исследования Anthropic по обычным диалогам Claude, оно вышло до запуска Cowork и к агентам отношения не имеет. Достоверно мы знаем ровно одно – структуру спроса, и её вполне достаточно, чтобы делать выводы.

Дальше начинается часть, ради которой я вообще смотрю на такие отчёты. Есть пара цифр по рекламным агентствам, которая, на мой взгляд, описывает весь рынок внедрения ИИ далеко за пределами одной отрасли: о росте продуктивности от нейросетей заявляют 73% компаний, а зарабатывают на нейросетях 35%. Как управляющий партнёр венчурного фонда я читаю такие пары ровно одним способом – через отчётность. Продуктивность живёт в ощущениях сотрудников и в опросах, деньги живут в строке выручки, и зазор в тридцать восемь пунктов означает, что компании раздали людям инструмент, который ускоряет человека и не трогает отчёт о прибылях и убытках.

Механика зазора простая. Если сотрудник стал делать свою механическую часть на треть быстрее, эта треть никуда не уходит из компании, она перераспределяется внутри его же недели: он берёт больше задач того же типа, чуть раньше уходит домой или тратит освободившееся время на согласования. Процесс остался прежней длины, штат прежним, счёт клиенту прежним. Чтобы движение дошло до выручки, из процесса должен исчезнуть кусок целиком – роль, этап или срок – и для этого инструменту приходится отдавать результат, а скорости здесь мало. Именно поэтому распределение Cowork мне интересно куда больше любых опросов про удовлетворённость: 33,4% операционки – это первая измеренная попытка людей вынести наружу целый этап вместо собственного ускорения.

Когда я смотрю на стартапы, то же самое проявляется в презентациях. Команда показывает, что внедрила ИИ и сотрудники счастливы, дальше открывается юнит-экономика, и там ровно те же издержки, что и год назад, просто задач стало больше. Это нормальная стадия, но называть её эффектом от ИИ рано, а платить за неё оценкой – тем более.

Свой замер этой механики у меня есть и без всяких нейросетей. Семейный бюджет я веду с 2016 года, и в нём зияет дыра за 2018 и 2019 – одни из самых удачных по доходам годов. Совпадение я объясняю себе так: учёт я вёл по операциям, руками, и ускорять эту процедуру можно было чем угодно, потому что проблема сидела в самой процедуре и к скорости моих рук отношения не имела. Никакая более удобная таблица или напоминание в календаре ничего бы там не спасли.

Помогло другое: я оставил одну метрику, чистый капитал, а помесячные доходы и расходы по каждой операции считать перестал, потому что крупное вроде путешествий на большую семью и серьёзных покупок видно и без разноски по категориям. Сейчас это час раз в месяц, считаю сам, и с тех пор дыр не появлялось. Процедура не стала быстрее, она исчезла.

Вывод, который я вынес оттуда и переношу на любую компанию, звучит так: инструмент, ускоряющий механическую часть, оставляет её на месте, и под нагрузкой она рассыпается первой. Причём рассыпается тихо, потому что за учёт операций никто не хвалит и никто не спрашивает, ровно как за сведение отчёта по неделе.

Теперь про то, где всё это ломается, потому что 33,4% в отчёте Anthropic – это доля попыток, и про долю успехов Anthropic не сказала ничего. Агент с точностью 85% на каждом шаге доводит десятишаговую цепочку до конца примерно в 20% случаев: 0,85 в десятой степени даёт 0,197. Цифра неприятная тем, что дело здесь в длине цепочки, а модель может быть какой угодно умной, и смена поставщика ничего не меняет. Лечится это дроблением процесса на короткие куски с проверяемым выходом, где человек смотрит результат каждого куска, и другого лечения пока не придумано.

Рынок эту арифметику уже начал ощущать на своих бюджетах. Gartner в прогнозе от июня 2025 года ожидает, что более 40% проектов с агентным ИИ будут свёрнуты к концу 2027 года, и называет три причины: рост затрат, неясная бизнес-ценность и слабый контроль рисков. Формулировка про неясную ценность мне здесь ближе всего к тому самому зазору 73 против 35: проект закрывают по одной причине – через полгода никто не может показать, где именно агент появился в цифрах компании, и глубина модели тут никого уже не волнует.

Отдельная строка расходов – доступы. Агент, которому выдали рекламный кабинет, получил право тратить бюджет, агент с папкой клиентских данных попадает под ФЗ-152, закон о персональных данных, со всеми вытекающими требованиями к хранению и обработке. Anthropic сама предупреждает про косвенные инъекции, когда вредная инструкция прилетает внутри данных, которые агент честно пошёл читать, и про деструктивные действия при двусмысленных формулировках задачи. В контуре, где данные приходят снаружи – от подрядчиков, из писем, из выгрузок партнёров – такой риск переходит из теории в вопрос расписания.

Прямой ответ: Cowork в России недоступен, страны нет в списке поддерживаемых у Anthropic, и ограничение наследуется со всего Claude. Как рекомендация к покупке этот текст бесполезен, зато как описание механики, которая от конкретного поставщика не зависит, он вполне работает: структура спроса на 600 тысячах организаций одинаково устроена по обе стороны границы.

Российская картина эту мысль скорее подтверждает. По декабрьской оценке «Якова и Партнёров» и Яндекса, 71% крупных российских компаний применяют генеративные модели хотя бы в одной функции, и 78% из этих применяющих отмечают экономический эффект. Вторая цифра считается от первой, и это важно: 78% считаются от тех самых 71% применяющих, и базой тут служит подмножество, которое уже дошло до внедрения. Сама связка «модель плюс доступ к рабочим папкам» через MCP собирается руками и на российском стеке, инженерного барьера здесь нет, весь барьер организационный.

Разумный первый шаг я бы описал так: берётся одна регулярная процедура вроде недельного отчёта или сверки выгрузок, цепочка режется на короткие шаги с проверяемым выходом, папка выделяется отдельная и с ограниченными правами, а результат меряется в неделях сотрудника, которые исчезли из процесса, и в строке расходов, которая изменилась. Если через квартал ни одна из этих двух величин не сдвинулась, проект живёт в опросах про продуктивность и до бизнеса пока не дошёл.

Распределение задач в Cowork я читаю как зеркало рабочей недели: 33,4% и 16,4% в первых двух строках – это то, за что сотрудника не хвалят и что съедает его время, и первое же, что люди попробовали отдать, когда появилась физическая возможность. Проверка простая и работает без всякой аналитики: если за месяц нейросеть отдавала одни абзацы, а рабочая папка осталась пустой, инструмент работает в режиме поисковика, и в отчётности компании он не появится ни через квартал, ни через год.

Подписывайтесь на мой блог – здесь я регулярно разбираю, как ИИ, венчур и предпринимательство пересекаются с ежедневной работой команд.