OpenAI совместно с Колумбийским и Вашингтонским университетами опубликовали исследование «How Organizations Use AI: Evidence from ChatGPT». В нём проанализированы данные более 1500 организаций и более 17 млн обезличенных диалогов с использованием ChatGPT Enterprise. Данные связаны с ролями сотрудников, классификацией задач и финансовыми данными из базы Compustat.
Исследование показало, что внедрение генеративного ИИ — это длительный и неравномерный процесс организационных изменений, а не просто приобретение ПО. Например, в период с июня 2025 года по март 2026 года количество токенов, сгенерированных корпоративными клиентами, выросло в 7 раз. А с января 2024 года по июнь 2025 года у уже использующих ChatGPT Enterprise компаний потребление токенов выросло почти в 4 раза. При этом около половины общего роста потребления токенов обусловлено углублением использования среди существующих клиентов.
Через 6 месяцев после внедрения ИИ наблюдается «профессиональный перекос» в использовании сервиса. Так, инженеры и технические специалисты составляют 11% WAU (Weekly Active Users), но их интенсивность отправки сообщений близка к среднему уровню по компании. Руководители высшего звена, основатели и партнёры — 9%, при этом количество отправляемых ими сообщений в неделю значительно ниже среднего по компании. Финансовые и бухгалтерские специалисты — 5%, специалисты по маркетингу и PR — 5% (их среднее количество отправляемых сообщений в неделю значительно выше среднего по компании), специалисты по продажам и управлению клиентами — 4%.
Также в использовании ИИ в организациях наблюдается «омоложение»: основу активных пользователей составляют младшие сотрудники и стажеры. Через 6 месяцев после внедрения: менеджеры и директора — 24% активных пользователей, индивидуальные вкладчики и специалисты — 15%, старшие вкладчики и эксперты — 14%. Стажёры и младшие сотрудники составляют 7% активных пользователей, но в среднем отправляют на 8–9 сообщений в неделю больше, чем остальные сотрудники. При этом уровень отправки сообщений у менеджеров, директоров и топ-менеджеров ниже среднего по компании. Таким образом, младшие сотрудники и стажеры играют ключевую роль в трансформации с использованием ИИ, однако они могут создавать риски системных ошибок из‑за отсутствия механизмов проверки фактов и контроля качества применения ИИ.
Исследование более 8 млн сообщений подтвердило, что генеративный ИИ используется как универсальная технология (GPT), а не только как инструмент для конкретных рабочих процессов. Доля активных пользователей, использующих ИИ для разных задач хотя бы раз в неделю:
* написание документов и технических текстов — 56,3%;
* технические цифровые и электронные работы — 49,6%;
* межличностная коммуникация — 41,1%;
* обобщение тем — 38,9%;
* поиск фактов и данных — 28,7%;
* нетехнические профессиональные или академические задачи — 27,0%.
Доля задач в общем объёме сообщений:
* написание документов и технических текстов — 18,3%;
* технические цифровые и электронные работы — 12,7%;
* межличностная коммуникация — 11,9%;
* продажи и маркетинг — 5,0%;
* обобщение тем — 4,4%;
* нетехнические профессиональные работы — 3,3%;
* отладка кода — 3,3%;
* маркетинговые исследования — 3,0%.
Профессиональные задачи (финансовый учёт — 2,5 %, правовой надзор — 2,7 %, планирование и проектирование — 2,9 %) в отдельных отраслях имеют высокую частоту применения, но низкий общий объём потребления данных — демонстрируют характеристику «высокая специализация, низкая частота».
В организациях сформировался «золотой путь разделения труда» в применении задач:
* базовые сотрудники и специалисты сосредотачивают AI‑задачи на конкретных производственных и исполнительных задачах (написание технического кода, составление черновиков текстов, отладка данных, обработка повседневных процессов);
* высшие руководители и лица, принимающие решения, используют AI преимущественно для краткого изложения тем, быстрого поиска фактов и данных, а также для поддержки принятия решений в сложных и стратегически ценных сценариях (правовой надзор, соответствие требованиям, финансовый учёт).
При оценке эффективности интеграции ИИ нельзя опираться только на данные IT-департамента о выдаче прав доступа — нужно выделять и поддерживать высокоактивные бизнес-отделы. AI — не инструмент сокращения персонала, а стратегический механизм, который расширяет возможности как исполнителей, так и руководства и создаёт между ними эффективную сеть взаимодополнения. История развития общих технологий показывает: быстрый доступ к технологии (покупка и распространение учётных записей) не равнозначен немедленному росту производительности организации. Экономический эффект от AI требует значительных затрат на реорганизацию и длительного процесса обучения.
Исследователи дали ряд рекомендаций для высшего руководства на ближайшие 12–36 месяцев:
1. Отказаться от заблуждения, что распространение учётных записей автоматически удвоит эффективность; реалистично оценивать отсроченный эффект и высокие затраты на внедрение AI, корректно планировать краткосрочную окупаемость (ROI).
2. Активно проводить реинжиниринг процессов и инвестировать в нематериальные активы (перестройка стандартных операционных процедур, пересмотр разделения труда между отделами, внедрение лучших практик взаимодействия человека и машины), а не только тратить бюджет на лицензии на ПО.
3. Создать механизмы проверки качества взаимодействия человека и машины для базовых сотрудников и молодых специалистов (проверка достоверности результатов, защита интеллектуальной собственности, оценка качества), разработать для молодых сотрудников программы передачи навыков с учётом использования AI.
4. Применять подход «многообразие исследований», а не централизованный контроль: предоставить отделам (в частности, аналитикам и маркетологам) возможность самостоятельно определять, разрабатывать и оттачивать рабочие процессы взаимодействия с AI, подходящие для их бизнеса.
Кроме того, финансовые AI-агенты обрабатывают платежи и транзакции — безопасный подход здесь предполагает поэтапное предоставление прав. Более половины новых стартапов имеют средний доход свыше 400 000 долларов на человека, их продукты полностью ориентированы на разработку с использованием AI. В ближайшие три года спрос на автомобили с ДВС и нефть достигнет пика; электрокары создают возможности в инфраструктуре на 1,4 трлн долларов. Следующие направления для входа — модернизация быстрой зарядки и стационарные системы хранения энергии.
Подписаться в Макс
