ИИ должен был экономить время. А его пользователи работают дольше. Отличная оптимизация?

Сначала предприниматели покупают сотрудникам доступ к нейросетям, чтобы те быстрее справлялись с задачами. Потом радуются: отчёты готовятся быстрее, письма пишутся за минуты, презентации собираются почти автоматически. Казалось бы, вот она — обещанная эффективность.

И тут Bloomberg рассказывает об исследовании, в котором сотрудники, использующие ИИ, проводят за цифровой работой до полутора часов в день больше тех, кто обходится без нейросетей. Причём активные пользователи ещё и чаще переключаются между программами, а непрерывные периоды сосредоточенной работы у них короче.

Интересно получается. Инструмент для экономии времени есть, а свободного времени почему-то не прибавляется.

Конечно, это не означает, что нейросети заставляют людей перерабатывать. Исследование такой причинной связи не устанавливает. Но перед собственниками оно ставит довольно неудобный вопрос: а мы вообще понимаем, что именно улучшилось после внедрения ИИ? Или пока просто научили сотрудников быстрее выполнять больше заданий?

29 октября 2026 года компания ActivTrak опубликовала исследование цифровой рабочей активности 9 140 сотрудников из 467 компаний. Данные собирали с 1 апреля по 25 сентября 2026 года. Исследователи сравнивали продолжительность рабочего дня, использование нейросетей, переключения между приложениями и периоды непрерывной концентрации.

Результаты оказались неожиданными. У сотрудников, использующих ИИ, измеренная продолжительность рабочего дня составляла от 8,42 до 9,08 часа. У тех, кто не использовал нейросети, — около 7,58 часа. Разница достигала 90 минут.

При этом речь идёт именно о цифровой активности, зафиксированной программным обеспечением ActivTrak. Это не полноценная оценка оплачиваемых рабочих часов, качества выполненных задач или производительности компании. Исследование также не показывает, что было причиной более длинного рабочего дня.

Возможно, нейросети чаще используют сотрудники, у которых изначально высокая нагрузка. Возможно, с их помощью люди берут дополнительные задачи. Не исключено и то, что некоторые руководители, рассчитывая на ускорение работы, увеличивают объём поручений. Но что именно произошло в каждой компании, эти данные не устанавливают.

И вот здесь я бы обратил внимание на сам подход к оценке эффективности. Если сотрудник работает дольше и использует ИИ, это ещё не означает, что он стал продуктивнее. Как и более короткий рабочий день сам по себе не доказывает снижение результатов. Для собственника важно не только то, сколько человек занят, но и что компания получает на выходе.

Возьмём обычную управленческую ситуацию. Допустим, в отделе продаж решили использовать нейросети для подготовки коммерческих предложений, ответов клиентам и анализа переписки. Раньше менеджер самостоятельно составлял письмо, а теперь нейросеть за несколько минут предлагает готовый вариант. Выглядит как очевидная экономия времени.

Но дальше менеджеру всё равно нужно проверить текст, уточнить условия, согласовать стоимость, внести информацию в CRM, отправить предложение и вернуться к клиенту. ИИ мог ускорить один этап, а остальные при этом могли остаться без изменений.

А что, если менеджер теперь готовит не пять коммерческих предложений, а десять? Руководитель доволен: количество документов выросло. Но сколько из этих предложений дошло до обсуждения условий? Сколько клиентов получили ответ вовремя и сколько сделок в итоге состоялось?

Это условный пример, а не история конкретной компании. Но он показывает, почему скорость одной операции нельзя автоматически приравнивать к эффективности всего процесса.

Можно вдвое быстрее готовить коммерческие предложения и при этом не увеличить продажи. Потому что клиент покупает не скорость написания документа. Ему важны само предложение, условия, качество взаимодействия и своевременное решение его задачи. И если у компании проблемы на следующих этапах воронки, нейросеть сама по себе их не устранит.

Вот почему я бы начинал оценку ИИ не с количества созданных текстов, а с того, что произошло с конечным результатом.

В исследовании ActivTrak есть ещё один интересный результат. Активные пользователи ИИ переключались между приложениями на 15,2% чаще тех, кто не использовал нейросети. А средняя продолжительность непрерывной концентрации у них составляла 37,8 минуты против 48,2 минуты у сотрудников, которые пользовались ИИ редко. Разница — около 22%.

Но ещё любопытнее сравнение разных способов использования технологии. У сотрудников, работавших с ИИ, встроенным в основные рабочие программы, исследователи фиксировали в среднем 0,6 переключения между приложениями в час. У пользователей отдельных ИИ-инструментов через браузер показатель составлял от 1,7 до 4,2 переключения.

Это не доказывает, что встроенный ИИ всегда эффективнее. Группы могли различаться по профессиям, задачам и организации рабочего процесса. Но само наблюдение заслуживает внимания.

Представьте, что сотрудник открывает рабочую программу, копирует информацию в нейросеть, получает ответ, переносит результат обратно, проверяет данные, исправляет ошибки и возвращается к исходной задаче. Получается, что часть ручной работы сократилась, но появилась новая последовательность действий.

Хотели избавить сотрудника от рутины, а в некоторых процессах просто добавили к ней ещё один сервис.

Разумеется, это происходит не всегда. Отдельная нейросеть может значительно ускорять работу, особенно когда задача требует анализа большого объёма информации или подготовки чернового материала. Но здесь важен не сам инструмент, а то, насколько удобно он встроен в существующий процесс.

Именно поэтому меня бы не впечатлил отчёт руководителя, в котором главным достижением указано, сколько сотрудников начали пользоваться ИИ. Это показывает распространение технологии. А где результат для бизнеса?

В марте 2026 года та же ActivTrak опубликовала отчёт State of the Workplace. Его масштаб был значительно больше: свыше 443 миллионов часов цифровой активности, 163 638 сотрудников и 1 111 организаций. Данные охватывали период с 2023 по 2025 год.

В этом отчёте средняя продолжительность рабочего дня в исследованной выборке, наоборот, сократилась примерно на 2%, или девять минут. При этом исследователи также отмечали увеличение интенсивности работы и сокращение времени концентрации.

Получается противоречивая картина. В одном исследовании пользователи ИИ работают дольше, в другом средний рабочий день в более широкой выборке становится немного короче. Но эти результаты нельзя напрямую противопоставлять: исследования охватывали разные периоды, группы сотрудников и показатели.

Есть и ещё один нюанс. ActivTrak разрабатывает коммерческие решения для анализа цифровой активности сотрудников. Компания располагает большим массивом наблюдений, но её данные отражают прежде всего те действия, которые фиксирует соответствующее программное обеспечение.

Поэтому я бы не делал из одного исследования универсальный вывод для всего бизнеса. Вопрос не в том, хорошие нейросети или плохие. Вопрос в том, умеет ли компания измерять результат их использования.

И здесь мы возвращаемся к управлению.

Предположим, компания действительно измерила эффект внедрения ИИ. Сотрудник выполняет прежний объём работы быстрее, качество не ухудшилось, количество ошибок не увеличилось. Отличный результат. Но что делать с освободившимся временем?

Есть несколько вариантов.

Первый — увеличить объём полезной работы. Например, менеджер сможет обрабатывать больше обращений, чаще возвращаться к клиентам или внимательнее работать с действующими сделками. Это может быть выгодно, если дополнительная работа действительно влияет на продажи и экономику бизнеса.

Второй — уменьшить трудозатраты. Если выполнение задачи требует меньше времени, компания может оптимизировать процесс и перераспределить ресурсы. При этом важно учитывать не только скорость, но и качество конечного результата.

Третий — снизить нагрузку сотрудников. Особенно там, где люди регулярно задерживаются из-за большого объёма ручной работы или постоянных исправлений. В таком случае ИИ может стать инструментом не увеличения количества поручений, а более разумной организации рабочего дня.

У каждого подхода есть свои основания. Но меня бы насторожила ситуация, когда руководитель автоматически заполняет всё освободившееся время новыми задачами, даже не проверив, какой результат они дают. Потому что тогда мы снова возвращаемся к старой модели: главное, чтобы человек был постоянно занят.

А какое отношение постоянная занятость имеет к эффективности бизнеса?

Сотрудник может работать очень много и при этом тратить время на действия, которые не влияют на конечный результат. Может работать меньше, но качественнее выполнять ключевые задачи. А может благодаря ИИ действительно увеличить производительность. Всё это разные ситуации, и управлять ими нужно по-разному.

Самое простое при внедрении новой технологии — приобрести доступ, показать сотрудникам возможности и объявить, что теперь компания использует искусственный интеллект. Гораздо сложнее понять, окупается ли это решение.

Я бы начал с одного процесса. Например, с подготовки коммерческого предложения. Посмотрел бы, сколько времени требовалось на выполнение задачи до внедрения ИИ и сколько требуется после, причём учитывал бы весь процесс, включая проверку, согласования и доработки.

Затем сравнил бы качество готового результата, количество ошибок и влияние на дальнейшее движение сделки. Если предложения готовятся быстрее, но согласовываются столько же и не улучшают работу с клиентами, экономический эффект может оказаться скромнее ожидаемого. А если менеджеры действительно стали быстрее отвечать покупателям, сократили количество ошибок и освободили время для полезной работы, это уже результат, который стоит развивать.

Я бы предложил собственнику проверить четыре показателя:

1. Время выполнения процесса целиком. Не отдельного действия в нейросети, а всей задачи от начала до готового результата.

2. Качество работы. Стало ли меньше ошибок, исправлений и повторных согласований?

3. Конечный результат. Для отдела продаж это могут быть скорость обработки заявки, конверсия, количество завершённых сделок и другие показатели воронки.

4. Нагрузка сотрудников. Не увеличилось ли количество незавершённых задач, переключений между программами и работы вне привычного графика?

При такой оценке важно сравнивать сопоставимые задачи и учитывать изменения объёма работы. Иначе легко приписать нейросети результат, который возник по другой причине.

Не обязательно превращать всё в сложное исследование. Но на вопрос «что изменилось после внедрения ИИ?» у руководителя должен быть ответ конкретнее, чем «сотрудники стали чаще им пользоваться».

Здесь мне кажется важным ещё одно управленческое обстоятельство. Прежде чем ускорять выполнение работы, полезно проверить, действительно ли все её этапы нужны бизнесу.

Если коммерческое предложение проходит несколько согласований, нейросеть не обязательно устранит задержки между ними. Если менеджеры не возвращаются к клиентам после отправки расчёта, ускорение подготовки документов не решит проблему повторных контактов. Если руководитель не понимает, на каком этапе теряются сделки, автоматическое создание отчётов само по себе не даст ему этого понимания.

Искусственный интеллект может быть полезен на каждом из этих направлений, но сначала нужно определить задачу, которую компания хочет решить. Потому что есть разница между автоматизацией полезной работы и ускорением действий, от которых давно стоило отказаться.

Предприниматель может получить возможность делать ненужную работу быстрее. А потом назвать это цифровой трансформацией.

Звучит современно. Но экономику бизнеса улучшает не само название технологии. Если после внедрения инструмента результат остался прежним, затраты выросли, а сотрудники стали выполнять больше операций, я бы не торопился считать проект успешным. Сначала посмотрел бы, в каком месте система продолжает терять время и деньги.

Вернёмся к новости Bloomberg. Сотрудники, использующие ИИ, в исследованной выборке проводили за цифровой работой больше времени. У активных пользователей также фиксировались более короткие периоды непрерывной концентрации и более частые переключения между программами.

Это интересные результаты, но они не доказывают, что нейросети вредят производительности или что работодатели обязательно перегружают сотрудников дополнительными заданиями. Данных о прибыли компаний, качестве выполненной работы и причинах различий недостаточно для таких выводов.

Зато исследование показывает, почему предпринимателям стоит осторожнее относиться к красивым обещаниям автоматизации. ИИ может помочь быстрее выполнить задачу. Но эффективность бизнеса появляется тогда, когда улучшение отдельной задачи превращается в результат всей системы.

И за этот переход отвечает уже не нейросеть, а управление.

Не нужно требовать от новой технологии чудес. Достаточно поставить измеримую цель, проверить эффект и решить, как использовать появившиеся возможности. Потому что самый простой способ использовать технологию — просто добавить сотрудникам ещё задач. Но самый простой не всегда означает самый выгодный.

И напоследок вопрос собственникам. Представьте: сотрудник благодаря ИИ стал выполнять прежний объём работы значительно быстрее, а качество осталось на том же уровне. Вы увеличите количество задач за прежнюю зарплату, пересмотрите оплату с учётом результата или позволите человеку заканчивать работу раньше? Кому, на ваш взгляд, должна доставаться экономия времени от ИИ — работодателю, сотруднику или обоим?

Сейчас я провожу консультации-исследования с предпринимателями. Это возможность посмотреть на свою компанию со стороны, обсудить текущие задачи и разобраться, какие процессы требуют внимания в первую очередь. Не всегда нужно внедрять новые технологии или увеличивать нагрузку на команду. Иногда сначала полезнее понять, где именно работа перестаёт превращаться в результат.

Если хотите исследовать свою ситуацию и определить, на чём стоит сосредоточиться, напишите мне в личные сообщения слово «ИССЛЕДОВАНИЕ». Обсудим ваш запрос и возможности дальнейшей работы.

Вячеслав Дель — предприниматель, бизнес-наставник.