Исследование Microsoft среди 300 тысяч сотрудников показало: большинство людей бросают ИИ-инструменты примерно через три недели после старта — и возвращаются к тому, что делали раньше.
Три недели. Почти как абонемент в спортзал.
Паттерн везде одинаковый: сначала эйфория — «вот оно, всё изменится», потом несколько неудачных попыток, потом тихое «ну и ладно, я сам быстрее». Microsoft даже назвали эту яму «кратером разочарования». Звучит драматично, но по сути очень точно.
Интересно другое: примерно 20% людей этот кратер всё-таки проходят. И дело не в том, что они лучше пишут промпты. Они просто поняли кое-что про природу этого инструмента — то, о чём почти никто не говорит на корпоративных тренингах.
Главная ловушка: почему ИИ — это не Excel, а стажёр
Когда ты работаешь с обычным инструментом — Excel, Figma, любым другим — там есть чёткая логика. Нажал кнопку, получил результат. Если что-то пошло не так, понятно почему.
ИИ работает иначе. Он может блестяще написать сложный аналитический отчёт — и через пять минут напутать с элементарным расчётом. Может идеально структурировать презентацию и при этом уверенно соврать про цифры, не моргнув глазом.
BCG и Harvard проводили исследование с консультантами: внутри зон, где ИИ силён, люди делали на 25% больше задач за то же время. Но как только они выходили за эти границы — не замечая этого — результаты становились на 19% хуже, чем у тех, кто вообще без ИИ работал.
Минус девятнадцать процентов. На ровном месте.
Люди получали плохой результат, не понимали почему, и делали вывод «ИИ не работает». Хотя работал — просто не там, где его применяли.
Именно поэтому правильная метафора — не «инструмент», а «стажёр». Блестящий, быстрый, с огромным потенциалом — но требующий конкретного задания, проверки результата и обратной связи. Никто же не даёт новому сотруднику задачу «сделай всё» и уходит пить кофе, ожидая шедевра.
Проблема корпоративного обучения ИИ: почему промпты не спасают
Корпоративное обучение по ИИ обычно выглядит так: два часа про промпты, обзор пяти инструментов, «используйте на здоровье». На этом всё.
Проблема в том, что это либо слишком базово, либо сразу прыгает в техническую сторону — API, интеграции, архитектуры. А посередине — пропасть.
Посередине живёт самый важный вопрос: как именно встроить ИИ в то, что я делаю каждый день? Какие куски своей работы отдать ему, какие оставить себе, и как понять, что результат можно использовать, а не переделывать с нуля.
Это не технический навык. Это управленческий.
Лучшие пользователи ИИ — по сути хорошие менеджеры. Они умеют разбивать задачу на части, делегировать нужное, оценивать качество и итеративно доводить результат до нужного уровня. Всё то же самое, что делает хороший руководитель с живым сотрудником.
Методологии работы с нейросетями: в чём разница между «кентавром» и «киборгом»
Есть два рабочих режима, которые условно называют «кентавр» и «киборг».
Кентавр — это когда ты чётко делишь работу: стратегию и критические решения оставляешь себе, а генерацию вариантов, черновиков и структур отдаёшь ИИ. Хорошо работает там, где цена ошибки высока и каждый шаг нужно контролировать.
Киборг — это почти непрерывное взаимодействие. Пишешь сам, тут же проверяешь через ИИ, уточняешь, возвращаешься, снова уточняешь. Граница между «я делаю» и «ИИ делает» размыта. Отлично заходит для творческих задач и всего, что требует много итераций.
Ошибка — застрять в одном режиме навсегда. Мастерство в том, чтобы переключаться под задачу.
Первый ответ от ИИ — это черновик, а не результат. Новички или принимают его сразу (и получают ту самую ИИ-халтуру, которую видно за километр), или разочаровываются и закрывают вкладку. Те, кто продолжает пользоваться — рассматривают первый ответ как отправную точку для второй, третьей итерации. Как правки стажёру.
Ещё один тормоз, о котором не принято говорить
В компаниях часто складывается такая ситуация: официальной политики по ИИ нет, что можно — непонятно, руководство молчит. Самые ответственные сотрудники в этой ситуации... просто не используют ИИ. Воспринимают неопределённость как запрет.
Остальные используют тайком. Каждый сам по себе, каждый с нуля, лучшие находки никуда не передаются.
Итог: в компании формально «внедрён ИИ», 80% аккаунтов не открывались три месяца, и непонятно почему продуктивность не растёт.
Знание о том, где ИИ работает хорошо, а где проваливается — это тоже ресурс. Если кто-то из команды понял, что на определённых задачах ИИ стабильно ошибается, это надо передавать дальше. Иначе каждый будет наступать на одни и те же грабли по очереди.
Если хочешь понять, где именно ИИ реально помогает твоему бизнесу, а где только создаёт иллюзию работы — заходи на мой канал об автоматизации бизнес-процессов с помощью ИИ. Разбираю конкретные кейсы и провожу аудит процессов: смотрю, что уже можно автоматизировать и где компании теряют время впустую.
Три недели — это не приговор. Это просто момент, когда эйфория заканчивается и начинается настоящая работа. Те, кто проходит дальше, получают не просто «удобный инструмент» — они фактически добавляют в команду сотрудника, который не берёт отпуск и не просит повышения. Только научиться им управлять всё равно придётся.