Сильный ROI от ИИ втрое чаще там, где меряют рост, а не сэкономленные часы

13 октября 2026 года Wharton Human-AI Research (WHAIR) — исследовательский центр Wharton School Пенсильванского университета — вместе с исследовательской фирмой GBK Collective выпустил четвёртое ежегодное исследование «The Adaptive Advantage: Who’s Winning with AI and How» (пресс-релиз, конспект в Forbes). Опросили 1416 человек: руководителей и сотрудников начального и среднего звена компаний США. Короткий ответ на вопрос «кто выигрывает от ИИ»: 80% руководителей сообщают о положительном ROI, но лишь 28% — о сильно положительном. Департаменты, измеряющие ИИ хотя бы по одной метрике роста — чистая новая выручка, конверсия в продажах, объём выпуска, удовлетворённость клиентов, — рапортуют сильный ROI в 35% случаев. Департаменты, живущие на метриках эффективности вроде сэкономленных часов, — в 13%. Почти трое против одного. При этом часы — самая популярная метрика (её называют 40% департаментов), а чистая новая выручка — самая непопулярная (27%).
Что за исследование и где в нём слабые места
WHAIR — центр на базе Wharton, изучает пересечение ИИ и управленческих решений; GBK Collective — исследовательская фирма, делающая исследования «под решения». Четвёртый год подряд, ежегодная волна. В этом году впервые опросили не только руководителей, но и рядовых сотрудников — это станет важно ниже.
Слабые места, чтобы не строить на песке. Первое: ROI — самоотчёт. Никто не сверял ответы с финансами компаний; «положительный» может означать и двухсотпроцентную окупаемость, и три процента экономии — порог в опросе не задан, и я его в открытых материалах не нашёл. Второе: корреляция, не причинность. Компании с Chief AI Officer чаще видят сильный ROI — но опрос не различает, помогает ли такая должность или компании, уже увидевшие эффект, легче её вводят. Третье: выборка американская и, судя по профилю исследования, кренится в крупные компании; на российский малый и средний бизнес переносить дословно нельзя. Что не отменяет главного: это один из немногих регулярных замеров, где сравниваются группы компаний, а не пересказываются истории успеха.
Конфликт внутри одной цифры: 80% у Wharton против 80% у RAND
Сначала про мою ошибку, потому что без неё цифру не прочитать. Я увидел «80% сообщают о положительном ROI» и раздражённо решил: очередной хайп, опросили фанатов технологии. Мы уже разбирали исследование RAND, где 80% ИИ-проектов проваливаются — два восьмидесятипроцентных результата, стоящие друг у друга поперёк горла, не могут быть оба про одну и ту же реальность. Я полез в методологию ждать подвоха. И подвох оказался не там, где я ждал: не враньё, а усталость. Впервые за четыре года замера использование ИИ растёт (ежедневное — плюс 16 процентных пунктов, до 62%, чаще раза в неделю пользуются 91%), а доля «excited» упала на восемь пунктов, «cautious» выросла на семь, «skeptical» — на восемь. Люди не в восторге — они смирились. Использование и отношение впервые пошли в разные стороны. Моя эмоция была направлена не на ту цель.
А противоречие с RAND разрешается скучно, без заговора. RAND спрашивал о проектах внедрения и брал интервью у тех, кто согласился говорить о провалах. Wharton спрашивает руководителей об «инвестициях в ИИ» в целом и в формате самоотчёта. Руководитель, у которого десять пилотов, из которых прижились два, может называть суммарный результат положительным — или не может, порог неизвестен. Обе цифры честно описывают свои выборки и разные объекты. Если держать обе в голове, они не спорят, а уточняют друг друга: большинство что-то да получает, меньшинство — много.
Часы против роста: физика метрики
83% руководителей ожидают, что ИИ фундаментально изменит их отрасль за следующие два-пять лет. Но 52% говорят, что главная задача ИИ на ближайшие 12–24 месяца — «повышение производительности или снижение затрат». Рост — новая выручка, новые продукты, лучший клиентский опыт — у 22%. Та же картина на уровне метрик: 40% департаментов меряют сохранённые часы, и лишь 27% — чистую новую выручку.
Stefano Puntoni, профессор маркетинга Wharton (Sebastian S. Kresge Professor of Marketing) и содиректор WHAIR, подводит итог четырёх лет дословно: «Over four years, we have watched AI move from experimentation into everyday business operations. This year, the question changes. … The vast majority of companies are using AI and most are seeing some return. What separates the leaders is whether they are changing the business around AI enough to generate meaningful value» — «За четыре года мы наблюдали, как ИИ перешёл из экспериментов в повседневные операции. В этом году вопрос меняется. … Подавляющее большинство компаний используют ИИ и большинство получает какую-то отдачу. Лидеров отличает то, достаточно ли они меняют сам бизнес вокруг ИИ, чтобы получать значимую ценность».
И корреляция, ради которой написана эта статья: среди департаментов с хотя бы одной ростовой метрикой сильный ROI видят 35%, среди меряющих только эффективность — 13%. Переведу на язык жизни: из десяти департаментов, где в отчёт по ИИ входит хотя бы одна строка про рост, сильную отдачу видят три-четыре. Из десяти, где отчёт — таблица сэкономленных часов, — один. Почему так, исследование не устанавливает, и я достраивать не буду: может, ростовая метрика заставляет поставить саму задачу иначе; может, департаменты, уже получающие рост, просто честнее его фиксируют. Но вот что видно без причинности: поменять строку в отчётности — самое дешёвое вмешательство из всех, что обсуждаются вокруг ИИ. Дешевле тарифа, дешевле должности, дешевле перестройки процессов.
Вопрос читателя — и дословный ответ профессора Wharton
На встречах мне регулярно задают вопрос примерно такого вида: «У нас половина отдела уже сидит в ChatGPT — этого ведь достаточно, зачем ещё что-то мерить и менять?» Prasanna «Sonny» Tambe, профессор операций, информации и решений (Operations, Information and Decisions) Wharton и содиректор WHAIR, отвечает дословно:
«Companies believe AI is going to transform their industries, but many are still asking it to prove itself by saving time. The companies seeing stronger returns are going further. They are redesigning workflows, putting clear ownership and governance in place, and measuring AI against outcomes that matter to growth» — «Компании верят, что ИИ преобразит их отрасли, но многие при этом требуют от него доказать себя экономией времени. Компании с более сильной отдачей идут дальше: они перепроектируют рабочие процессы, вводят ясную ответственность и управление и измеряют ИИ по результатам, которые важны для роста».
От себя добавлю то, чего в цитате нет. «Перепроектировать процесс» — не мантра, а работа с регламентами и документооборотом. Мы разбирали это в статье про внедрение Dots от OpenAI: точка максимального отвала — «открыть ИИ, скопировать результат, перенести в свою систему». Пока процесс не перестроен так, чтобы агент жил внутри него, сэкономленное время частично уходит на перенос результатов руками — и в отчёте по часам это выглядит как успех, хотя половина выигрыша вернулась в ручной труд.
«Supervised middle»: платим за автономность, подписываем каждый шаг
Самая тактильная находка исследования — про агентов. 67% департаментов используют ИИ-агентов, но лишь 28% говорят, что ИИ встроен в основные процессы, и только 17% позволяют агенту завершить задачу без утверждения каждого шага человеком. Brian Smith, исполнительный вице-президент практики AI, Cloud & Enterprise Technology в GBK Collective, формулирует дословно:
«Two-thirds of departments say they use AI agents, and only 17% let an agent complete a task without a person approving each step. Most companies are sitting in a supervised middle, paying for autonomy and then reviewing every action, and that is where returns are weakest. The organizations getting the most from agents have decided which work an agent can own, put automated monitoring around it, and stopped signing off on every step» — «Две трети департаментов используют ИИ-агентов, и лишь 17% позволяют агенту выполнить задачу без утверждения человеком каждого шага. Большинство компаний сидят в контролируемой середине: платят за автономность и проверяют каждое действие — и именно там отдача слабее всего. Организации, получающие от агентов максимум, решили, какую работу агент может взять на себя, поставили вокруг неё автоматизированный контроль и перестали подписывать каждый шаг».
Платить за автономию и проверять каждый шаг — это покупать спорткар и ехать за трактором. И это недостающий множитель в экономике, которую мы разбирали в истории Asana, срезавшей стоимость агента в 76 раз: там стоимость жила в цикле вызовов модели, здесь — в человеческом цикле одобрений. Оба цикла съедают ROI молча, без отдельной строчки в бюджете.
Chief AI Officer и одна платформа: цифры без причинности
Ещё две пары цифр, которые выносят в заголовки. У компаний с выделенным Chief AI Officer сильный ROI видят 58% руководителей; там, где ответственность за ИИ добавили к существующей роли, — 24%; где такой роли нет и не планируется — 8%. Компании, стандартизированные на одной одобренной ИИ-платформе, дают 50% сильного ROI против 9% у тех, кто продолжает эксперименты без общего подхода.
Шестеро из десяти против двух-трёх — выглядит как аргумент «введите должность». Я бы поостерёгся: это корреляция в одновременном срезе. Возможно, должность помогает. Возможно, у компаний, уже увидевших эффект, проще провести новую роль через совет директоров — тогда стрелка бежит в обратную сторону. Опрос такие стрелки не рисует. Что переносится в практику без риска: у ИИ должен быть владелец — человек, отвечающий за метрику и регламент, а не «все понемногу». В небольшой компании это роль на четверть ставки, а не позиция C-suite; это моя интерпретация, не вывод исследования.
Финальный штрих портрета: лишь 7% организаций закрывают все три маркера успеха одновременно — доказанная ценность, перестроенные процессы, организационное выравнивание. Семь из ста.
Разрыв восприятия: наверху видят трансформацию, внизу — нет
Первый год, когда опросили и сотрудников, вскрыл дыру, которую раньше не было видно. 73% руководителей говорят, что процессы их департаментов существенно изменились из-за ИИ; сотрудников начального и среднего звена с этим — 58%. По обучению разрыв шире: 78% руководителей считают, что сотрудники получают достаточное обучение работе с ИИ; согласны 56% сотрудников. Руководство считает, что озвучило ясное долгосрочное видение, — 79%; сотрудники его услышали — 64%.
Важно, что разрыв этот не про сопротивление: 73% сотрудников говорят, что ИИ позитивно повлиял на их роль, а среди тех, кто им пользуется, 84% подтверждают экономию времени. Люди не против. Они не видят той трансформации, о которой докладывают наверх. Jeremy Korst, партнёр GBK Collective и преподаватель Wharton, дословно: «Access to powerful AI is quickly becoming ubiquitous. The advantage comes from what an organization can do with it: redesign workflows, align leaders and employees and translate AI into measurable business outcomes» — «Доступ к мощному ИИ стремительно становится повсеместным. Преимущество определяется тем, что организация умеет с ним делать: перепроектировать процессы, согласовать лидеров и сотрудников и перевести ИИ в измеримые результаты».
И цифра, которая редко попадает в пересказы: 48% руководителей уровня VP и выше беспокоятся, что их собственные навыки и мышление деградируют из-за ИИ. Среди сотрудников начального и среднего звена — 46%, среди менеджеров и директоров — 32%. Чем выше позиция, тем страшнее — с поправкой на то, что это самоотчёт о тревоге, а не измерение навыков. Ещё одно напряжение из того же раздела: 24% руководителей ожидают сокращения найма на входные позиции против 14% для руководящих — и тут же 82% говорят, что ИИ помогает новичкам быстрее приносить результат. Одновременно и то, и другое.
Что из этого делать в понедельник
Соберу практическое без самодеятельности. Первое: откройте отчёт по ИИ. Если там только часы — добавьте одну строку про рост: конверсия, средний чек, скорость первого ответа клиенту, объём выпуска. Не потому что «рост лучше» (причинность не доказана), а потому что это самое дешёвое изменение из возможных. Второе: выпишите, что агент делает сам, а что подписывается человеком. Если подписывается всё — вы в «supervised middle», месте с самой слабой отдачей; выберите один процесс, поставьте вокруг него автоматизированный контроль и перестаньте утверждать шаги. Третье: назначьте владельца метрики — одного человека, не комитет. Четвёртое: спросите сотрудников, видят ли они изменения процессов, — разрыв в 15–22 пункта означает, что наверх докладывают не то, что происходит внизу.
Если тема ИИ вас уже вымотала — закройте этот текст, он подождёт. Отчёт с новой метрикой, собранный на усталую голову, выйдет фальшивым.
Причём тут recall
Я делаю recall — советника с системой памяти для работы компании: документы, договоры, регламенты и договорённости, ответы с опорой на них, а не на общую эрудицию модели. Исследование Wharton задевает нас за два живых места. Метрика: мы начинаем внедрение с одной ростовой строки, которую увидит руководитель, — не с таблицы сэкономленных часов. И «supervised middle»: агент, который помнит регламенты и историю решений, снимает часть согласований не потому, что он «умный», а потому, что у него есть опора, по которой каждый ответ можно проверить. 28% компаний со встроенным в процессы ИИ — это и есть рынок, ради которого recall существует; о том, какие виды памяти агента закрывает база знаний, а какие нет, мы разбирали на примере Gemini.
И я не знаю, что делать с цифрой в семь процентов. Семь компаний из ста закрывают все три маркера — доказанную ценность, перестроенные процессы, выровненную организацию. Я смотрю на собственный продукт и не могу честно сказать, что мы сами в этих семи, а не в приятных восьмидесяти процентах с «положительным» ROI неустановленного порога. Написать эту статью было просто. Быть в семи процентах — работа, которую я пока только обещаю.
[Источники: пресс-релиз Wharton Human-AI Research и GBK Collective «The Adaptive Advantage: Who’s Winning with AI and How» (Business Wire, 13 октября 2026; выборка — 1416 руководителей и сотрудников компаний США). Stefano Puntoni — Sebastian S. Kresge Professor of Marketing, Wharton, содиректор WHAIR. Prasanna «Sonny» Tambe — Professor of Operations, Information and Decisions, Wharton, содиректор WHAIR. Brian Smith — EVP, AI, Cloud & Enterprise Technology Practice, GBK Collective. Jeremy Korst — Partner, GBK Collective; преподаватель Wharton. Конспект: Forbes, 13 октября 2026. Предыдущие разборы: провалы ИИ-проектов по данным RAND, экономика ИИ-агента Asana, внедрение Dots от OpenAI.]
recall — ИИ-советник с системой памяти для бизнеса. Не забывает контекст между разговорами, помнит решения и договорённости.
Попробовать бесплатно