Отчёт G-P: 73% руководителей считают отдачу от ИИ ниже ожиданий

Проблема не во внедрении, а в доверии к результату

Отчёт G-P не показывает, что компании отказываются от ИИ: напротив, все опрошенные руководители сообщили, что используют эту технологию . Но акцент сместился. Если раньше главным вопросом было, внедрён ли ИИ, то теперь вопрос звучит иначе: что именно он улучшил и можно ли это доказать цифрами.

Это заметный поворот по сравнению с настроением предыдущего цикла. В отчёте G-P за 2025 год говорилось об ускорении: 91% руководителей активно масштабировали ИИ-инициативы, а 74% называли ИИ критически важным для успеха компании . В отчёте за 2026 год массовое использование сохраняется, но рамка другая — отчётность, проверка гипотез и доказательство ROI, то есть окупаемости инвестиций .

Похожие сигналы есть и в других исследованиях. Boston Consulting Group сообщала, что 60% компаний не получают существенной ценности от ИИ в масштабе, а ещё 35% видят некоторую отдачу, но признают, что движутся недостаточно далеко или быстро . McKinsey также отмечала разрыв между планами и зрелостью: 92% компаний собирались увеличить инвестиции в ИИ в течение трёх лет, но только 1% руководителей называли свои организации достаточно зрелыми, чтобы ИИ был полностью встроен в рабочие процессы и давал существенные бизнес-результаты .

Скрытая цена: ИИ может ускорять один этап и утяжелять другой

Одна из причин разочарования в отдаче от ИИ — дополнительные проверки. G-P сообщает, что 69% руководителей видят рост времени, которое сотрудники тратят на мониторинг, ревизию или обновление результатов, созданных ИИ . На практике инструмент может быстро подготовить черновик, код, ответ клиенту или резюме документа, но затем человек должен проверить факты, исправить ошибки, переписать текст, оценить риски и довести результат до приемлемого уровня.

Поэтому валовая скорость не равна чистой продуктивности. Если команда создаёт больше материалов, но тратит больше времени на их проверку, реальная отдача зависит от всего процесса, а не только от автоматизированного шага. Исследование Workday, изложенное Channel Insider, указывает на похожую проблему: время, сэкономленное с помощью ИИ, может исчезать из-за переделок — исправления ошибок, переписывания контента и дополнительной проверки результатов .

Показная продуктивность: когда использование ИИ путают с пользой

G-P отдельно выделяет риск, который сложно измерить, но легко почувствовать в управлении: активность вокруг ИИ может выглядеть как прогресс, не создавая ценности. По данным отчёта, 88% руководителей обеспокоены тем, что сотрудники могут применять ИИ, чтобы казаться продуктивными или выполнить формальное требование пользоваться инструментами; 47% очень или крайне обеспокоены, что это уже происходит .

Это важное предупреждение для компаний, которые оценивают успех ИИ по поверхностным метрикам: входам в систему, числу запросов к модели, количеству сгенерированных черновиков или самоотчётам сотрудников. Такие показатели показывают активность, но не доказывают, что работа стала быстрее, качественнее, безопаснее или прибыльнее.

Парадокс человеческого труда

Самый чувствительный вывод отчёта — 82% руководителей заявили, что ИИ снизил ценность, которую они придают сотрудникам-людям . При этом тот же отчёт показывает, что люди по-прежнему массово нужны для проверки, мониторинга и обновления результатов ИИ .

Вывод не в том, что сотрудники стали неважны. Скорее, многие организации могут недооценивать человеческое суждение, без которого ИИ остаётся нестабильным инструментом. McKinsey в своём исследовании ИИ на рабочем месте призывала компании фокусироваться на практических сценариях, которые помогают сотрудникам в ежедневной работе и связаны с измеримыми результатами, а не относиться к ИИ как к отдельному технологическому запуску .

Как компаниям пересобрать метрики успеха ИИ

Главный урок отчёта G-P: измерять нужно не факт внедрения, а результат. Более зрелая система оценки ИИ должна включать:

1. Влияние на бизнес: вклад в выручку, снижение затрат, улучшение клиентского опыта, сокращение рисков или ускорение проверенной работы.
2. Чистую продуктивность: сэкономленное время минус время на проверку, исправления, переписывание и обновление результатов ИИ.
3. Качество: уровень ошибок, число эскалаций, проблемы с комплаенсом, удовлетворённость клиентов и долю результатов ИИ, принятых без серьёзной доработки.
4. Встраивание в процессы: ИИ должен быть частью важного рабочего процесса, а не просто ещё одной кнопкой в наборе инструментов.
5. Усиление людей: технология должна помогать сотрудникам принимать лучшие решения и выполнять более ценную работу, а не только увеличивать объём черновиков.
6. Бюджетную дисциплину: у каждого сценария ИИ должны быть владелец, исходная база для сравнения, метрика успеха и дата пересмотра до расширения расходов.

Практический сдвиг прост: компаниям стоит меньше спрашивать, пользуются ли сотрудники ИИ, и больше — улучшает ли ИИ ту проверенную работу, которая действительно важна для бизнеса.

Итог

Отчёт G-P 2026 AI at Work Report — не история против ИИ. Это история о взрослении рынка. В той же выборке, где 100% руководителей сообщили об использовании ИИ, 73% сказали, что хотя бы часть инвестиций разочаровала, а около 70% готовы пересмотреть расходы, если цели по продуктивности не будут достигнуты .

Поскольку данные основаны на опросе руководителей, их не стоит читать как бухгалтерское доказательство провала ИИ. Но они показывают важную перемену: бремя доказательства сместилось. Следующий этап ИИ на рабочем месте будет не столько про внедрение, сколько про измеримую, проверяемую и подтверждённую людьми ценность.