• bitcoinBitcoin (BTC) $ 62,013.00
  • ethereumEthereum (ETH) $ 1,740.83
  • tetherTether (USDT) $ 0.999132
  • usd-coinUSDC (USDC) $ 0.999925
  • tronTRON (TRX) $ 0.327570
  • dogecoinDogecoin (DOGE) $ 0.071912
  • leo-tokenLEO Token (LEO) $ 9.44
  • zcashZcash (ZEC) $ 463.07
  • cardanoCardano (ADA) $ 0.166882
  • stellarStellar (XLM) $ 0.181576
  • moneroMonero (XMR) $ 321.61
  • chainlinkChainlink (LINK) $ 7.60
  • bitcoin-cashBitcoin Cash (BCH) $ 232.12
  • daiDai (DAI) $ 0.999578
  • litecoinLitecoin (LTC) $ 43.66
  • hedera-hashgraphHedera (HBAR) $ 0.069047
  • crypto-com-chainCronos (CRO) $ 0.056823
  • okbOKB (OKB) $ 77.64
  • ethereum-classicEthereum Classic (ETC) $ 6.93
  • kucoin-sharesKuCoin (KCS) $ 6.80
  • cosmosCosmos Hub (ATOM) $ 1.56
  • algorandAlgorand (ALGO) $ 0.084334
  • true-usdTrueUSD (TUSD) $ 0.997566
  • dashDash (DASH) $ 33.86
  • vechainVeChain (VET) $ 0.004689
  • tezosTezos (XTZ) $ 0.247455
  • decredDecred (DCR) $ 11.00
  • iotaIOTA (IOTA) $ 0.036844
  • neoNEO (NEO) $ 1.89
  • basic-attention-tokenBasic Attention (BAT) $ 0.084157
  • qtumQtum (QTUM) $ 0.683277
  • 0x0x Protocol (ZRX) $ 0.084999
  • ravencoinRavencoin (RVN) $ 0.003677
  • ontologyOntology (ONT) $ 0.045506
  • paxos-standardPax Dollar (USDP) $ 0.999440
  • iconICON (ICX) $ 0.023978
  • wavesWaves (WAVES) $ 0.257230
  • liskLisk (LSK) $ 0.084195
  • bitcoin-diamondBitcoin Diamond (BCD) $ 0.061182
  • huobi-tokenHuobi (HT) $ 0.079817
Финансы

ИИ ускоряет работу — и одновременно сжигает тех, кто с ним работает

Разработчики описывают сессии работы с ИИ как невероятно продуктивные — за часы успевают то, на что раньше уходили недели, параллельно ведут несколько проектов. Но за этим ощущением сверхпроизводительности скрывается тревожная статистика: 83% офисных работников интеллектуального труда фиксируют как минимум некоторую степень эмоционального выгорания, а накапливающиеся исследования указывают на то, что ИИ способен усиливать нагрузку — и тем самым этот риск увеличивать.

Реальные результаты

Сначала о плюсах. В отдельных сценариях ИИ действительно ускоряет работу: +14% к производительности в крупном развертывании клиентской поддержки, +55% к скорости выполнения задач по программированию в контролируемых условиях. Причем наибольший выигрыш получают менее опытные сотрудники. Исследование, опубликованное в декабре 2025 года в журнале Science, зафиксировало, что внедрение языковых моделей привело к росту числа публикаций на arXiv примерно на треть, а на других препринт-платформах — более чем на 50%. Бюджетная модель Penn Wharton прогнозирует, что генеративный ИИ добавит 1,5% к ВВП к 2035 году и почти 3% — к 2055-му. Макроэкономическая картина выглядит действительно позитивно.

Однако макропрогнозы и скорость выполнения отдельных задач не отражают того, что происходит внутри команд. А именно здесь картина становится неоднозначной.

Разрыв между восприятием и реальностью

В середине 2025 года организация METR опубликовала результаты рандомизированного контролируемого исследования. Шестнадцать опытных разработчиков открытого ПО были случайным образом распределены на выполнение реальных задач — с ИИ-инструментами или без них. Итог оказался неожиданным: участники, использовавшие ИИ, тратили на 19% больше времени. При этом субъективно они ощущали себя примерно на 20% быстрее и изначально ожидали ускорения на 24%. Разрыв между восприятием и реальностью составил 39 процентных пунктов.

В феврале 2026 года METR объявила о полном перепроектировании исследования — не потому, что результаты оказались ошибочными, а потому что нарастающие эффекты отбора делали исходный рандомизированный дизайн все сложнее интерпретировать. От 30% до 50% участников предпочитали вообще не подавать задачи, лишь бы не оказаться в группе без ИИ. Набор новых участников существенно осложнился. Замеры времени стали ненадежными, поскольку разработчики запускали несколько агентов одновременно.

Неудобный вывод: разработчики настолько сроднились с инструментами, что выстроить чистый эксперимент — где половина участников просто не использует ИИ — может быть уже невозможно.

Скрытая цена скорости

Если ИИ ускоряет выполнение задач, почему команды сообщают о большей усталости, а не меньшей? Восьмимесячное этнографическое исследование исследователей Калифорнийского университета в Беркли Аруны Рангантан (Aruna Ranganathan) и Синци Мэгги Е (Xingqi Maggie Ye), опубликованное в Harvard Business Review, показало: внедрение ИИ в 200-человеческой технологической компании не сократило объем работы — оно его интенсифицировало. Сотрудники брались за более широкий круг задач, работали быстрее и дольше, испытывали когнитивное напряжение и повышенный риск выгорания — не вопреки инструментам, а именно из-за них.

Моделирование Фэна (Feng) с соавторами, охватившее 442 разработчика, показало: внедрение генеративного ИИ повышает требования к работе способами, связанными с выгоранием. Этот эффект смягчался лишь там, где команды располагали достаточными ресурсами и сформировали искренне позитивное — а не навязанное сверху — отношение к технологии.

Предварительное исследование ученых MIT Media Lab, использовавших ЭЭГ для отслеживания мозговой активности во время написания эссе, зафиксировало: у участников, работавших с ИИ-ассистентами, со временем снижались нейронная связность и вовлеченность. Авторы называют это явление «когнитивным долгом»: когда инструмент берет на себя усилие, когнитивная активность человека сокращается.

То же исследование Science, зафиксировавшее всплеск числа публикаций, обозначило и более серьезную проблему: по мере того как полированный текст становится дешевле, он все хуже служит индикатором качества — растет риск появления убедительных по форме, но слабых по содержанию работ. Отчет Google DORA подтвердил схожую закономерность: более быстрое написание кода не ведет автоматически к лучшим результатам разработки. ИИ усиливает то, что уже есть: сильные команды становятся сильнее, слабые — слабее.

Что это значит для руководителей

Команды, которые производят наибольшее впечатление, — не те, что быстрее всех выпускают демо-версии. Это те, кто способен четко объяснить, что именно они не автоматизируют — и почему.

ИИ не устранил узкие места — он переместил их: из исполнения в область суждений, стратегии, синтеза, архитектурных решений и оценки качества. Организации, возводящие скорость в главную метрику, выстраивают то, что можно назвать хрупкой скоростью: впечатляющие прототипы, скрывающие ненадежный фундамент. Преимущество теперь за теми, кто сохраняет критическое мышление и собственное видение на фоне нарастающей сложности.

Две вещи имеют принципиальное значение:

  • Чередуйте задачи осознанно. Дайте работе с ИИ свое пространство — а затем продуманно выстройте то, что идет следом. Худший переход — из скоростного потока в пустой период или поверхностную административную работу. Лучший — в задачи, требующие человеческого присутствия: разговор-наставление, стратегическое решение, прогулка без экрана. Сам переход становится восстановлением. Организации, оставляющие это на усмотрение каждого сотрудника, проиграют; те, кто встроит это в командные ритмы, — выдержат.
  • Берегите работу, которая не терпит спешки. Наставничество, стратегия, глубокое слушание — деятельность, дающая плоды через годы, — идет в человеческом темпе. Ее нельзя ускорить, и она не должна конкурировать в календаре со скоростью ИИ. Закрепите ее в структуре команды — иначе она исчезнет.

Инструменты, способные соответствовать скорости мысли, уже существуют. Вопрос, который стоит задавать руководителям, — не как двигаться быстрее, а как защититься от спешки.

Источник

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Кнопка «Наверх»