ИИ повышает продуктивность сотрудников, но не всегда приносит бизнесу доход

ИИ может помочь сотруднику быстрее выполнить отдельную задачу — например, подготовить ответ или обработать информацию. Но это ещё не означает, что компания стала тратить меньше или зарабатывать больше. Именно такой разрыв виден в опросе McKinsey за 2026 год: 80% респондентов сообщили, что ИИ повысил их личную продуктивность, тогда как 37% связали его хотя бы с каким-то влиянием на EBIT — прибыли до вычета процентов и налогов. Примерно 6% попали в категорию лидеров: они приписали ИИ не менее 5% EBIT и назвали влияние технологии существенным. Это оценки самих респондентов, а не доказательство того, что какая-то одна практика гарантирует финансовую отдачу. 68

Почему рост продуктивности не всегда виден в прибыли

Отдельная задача — лишь одно звено рабочего процесса. Если после неё остаются прежние согласования, передачи работы между отделами, системы и правила принятия решений, сэкономленное время может не привести ни к снижению затрат, ни к росту выручки.

В исследовании McKinsey за 2026 год более высокие результаты применения ИИ связаны с перестройкой рабочих процессов. В более раннем исследовании компании именно такая перестройка показала наиболее сильную связь с влиянием генеративного ИИ на EBIT среди рассмотренных факторов. Но связь сама по себе не доказывает причинность: она не означает, что одно лишь изменение процесса автоматически обеспечит рост прибыли. 514

Поэтому число пользователей, частота обращений к ИИ или сэкономленные часы показывают, что инструмент применяют, но сами по себе не отвечают на главный вопрос бизнеса: изменились ли доходы или расходы? Разрыв между личной продуктивностью и влиянием на EBIT — аргумент в пользу того, чтобы отслеживать оба уровня. 68

Как перейти от пилота к измеримой пользе

Начать с конкретного результата для бизнеса

Выберите процесс, за который отвечает конкретный руководитель и в котором можно проверить заранее сформулированную цель. Например, это может быть снижение стоимости обслуживания или повышение конверсии. Цель должна отражать потребность бизнеса, а не просто количество операций с ИИ.

До изменений зафиксируйте исходный уровень показателей. Начинайте с достаточно узкого участка работы, чтобы понять, где ИИ действительно помогает, в каких случаях нужно вмешательство человека и оправдано ли расширение проекта.

Назначить ответственных и привести данные в порядок

На одной из сессий DMEXCO 2026, посвящённой торговле, описали типичную проблему: данные о товарах от поставщиков приходят в разных форматах, с непоследовательными обозначениями и пропусками. Если общего стандарта нет, несоответствия передаются дальше — в том числе в товарные фиды — и требуют ручной корректировки. 25

Назначьте ответственных за качество данных, бизнес-результат и проверку ответов ИИ. В торговле особенно важны полные и согласованные сведения о товарах, а там, где это необходимо, — и актуальные цены. Это помогает, когда покупатели ищут и сравнивают товары через ИИ-ассистентов, соцсети и маркетплейсы. 273334

Перестроить процесс целиком, а не только одну задачу

Посмотрите на всю последовательность работы: что поступает на вход, что поручают ИИ, где требуется согласование и кто должен действовать по результату. Если это уместно, сократите лишние передачи задач. При этом оставьте за людьми решения, требующие суждения, обработку исключений и ответственность за бизнес-риски.

Речь не просто о новом инструменте в старом процессе, а об изменении того, как выполняется работа. В исследованиях McKinsey перестройка процессов связана с более сильным заявленным финансовым эффектом. Однако опрос 2026 года не доказывает, что именно она сама по себе создаёт этот эффект. 514

Измерять финансовый результат

Проверяйте, влияет ли изменение на выручку, затраты, маржу или EBIT, а не только на использование ИИ, объём выполненных операций или сэкономленное время. Учитывайте затраты на внедрение и проверку результатов человеком, а затем сравнивайте показатели с исходным уровнем. Так можно оценить, дошла ли прибавка к продуктивности до финансовых результатов компании.

Главное

Опрос McKinsey не предлагает универсальной формулы окупаемости ИИ. Но он показывает, почему внедрение и рост продуктивности — неполные критерии успеха: респонденты гораздо чаще отмечали улучшение личной эффективности, чем положительное влияние на EBIT. Компаниям стоит связывать конкретные задачи с качественными данными, ясной ответственностью, пересмотром процессов и финансовыми метриками — и при этом сохранять за людьми лидерство и право принимать решения. 6814