ИИ и работа6 мин чтения
ИИ против человека: кто в чём сильнее?
Исследования показывают, где ИИ делает работу быстрее и лучше, где он ошибается и почему выигрывает обычно их сочетание.

Когда речь заходит об ИИ, обычно слышны два лагеря. Одни ждут, что машины скоро будут делать всё лучше. Другие считают ИИ дорогой игрушкой. Для конкретного решения в компании не помогает ни то, ни другое. Полезнее другой вопрос: в какой задаче ИИ помогает, в какой вредит и где сильнее всего связка человека и машины? На этот счёт уже есть надёжные исследования. Мы кратко изложим, что они показывают, а что нет.
Отправная точка: по данным Евростата, в 2025 году технологии ИИ использовали около 20 % компаний ЕС с числом сотрудников от десяти, годом ранее — 13,5 % [6]. Среди малых компаний доля составляла 17 %, среди крупных — 55 % [7]. Так что многие компании ещё только решают, с чего начать.
Где ИИ уже лучше
Самое известное исследование провели учёные Гарвардской школы бизнеса и других университетов совместно с консалтинговой компанией BCG. В нём 758 консультантов решали реалистичные задачи: часть — с доступом к GPT-4, часть — без него. На 18 задачах, лежавших в пределах возможностей ИИ, пользователи ИИ в среднем выполнили на 12,2 % больше задач, причём на 25,1 % быстрее. Их результаты оценили более чем на 40 % выше [1].
25,1 %
Второй пример — из клиентской поддержки. Исследователи во главе с Эриком Бриньолфссоном проанализировали данные 5 179 сотрудников поддержки. С ИИ-ассистентом они в среднем решали на 14 % больше обращений в час. У новичков и менее квалифицированных сотрудников прирост составил 34 %, у опытных эффект оказался минимальным [2]. То есть ИИ подтягивает прежде всего нижний и средний уровень. И в исследовании BCG более слабые участники прибавили заметно сильнее (43 %), чем более сильные (17 %) [1].
К этому добавляется фактор времени. AI Index Стэнфордского университета сообщает, что при сжатом бюджете времени в два часа ИИ-системы набирают примерно вчетверо больше баллов, чем эксперты-люди [5]. Для набросков, сводок и первичного анализа это означает: быстрый результат всё чаще даёт машина.

Где ИИ хуже
В то же исследование BCG входила задача, намеренно выходившая за пределы возможностей ИИ. Здесь участники с ИИ решали её правильно реже — на 19 процентных пунктов реже, чем группа без ИИ [1]. Авторы говорят о «зубчатой границе»: одни задачи ИИ решает без труда, а другие, кажущиеся столь же сложными, лежат за пределами его возможностей [1]. Те, кто справился хуже, по словам авторов, как правило, принимали ответ ИИ без проверки [1].
19 процентных пунктов
AI Index 2025 называет фундаментальную слабость: системы по-прежнему не могут надёжно решать задачи, для которых существуют доказуемо верные решения. Это, по оценке отчёта, сказывается на том, насколько им можно доверять и насколько они пригодны для применений с высоким риском [5]. Со временем картина тоже переворачивается: при длинном бюджете в 32 часа эксперты-люди в том же сравнении показывают вдвое лучший результат, чем ИИ [5].
Кроме того, ответственность остаётся на компании. В деле Moffatt против Air Canada чат-бот авиакомпании дал клиенту неверную информацию о траурных тарифах — льготах для поездок в связи со смертью близкого. Air Canada утверждала, что чат-бот — отдельная юридическая единица, которая сама отвечает за свои действия. Канадский трибунал с этим не согласился, признал чат-бот частью сайта и присудил клиенту возмещение ущерба [8]. Это решение по канадскому праву, а не немецкий приговор, но сигнал ясен: то, что говорит ваш чат-бот, говорите вы.
Интуиция обманывает
Насколько трудно оценить пользу в повседневной работе, показывает исследование организации METR. Шестнадцать опытных разработчиков решали 246 реальных задач в собственных open-source-проектах — то с ИИ, то без. С ИИ работа заняла на 19 % больше времени. До начала участники ожидали ускорения на 24 %, а после всё ещё считали, что ИИ ускорил их на 20 % [3].
19 %
Для контекста: выборка была небольшой, а в феврале 2026 года METR пересмотрела дизайн исследования. Данные последующего исследования METR называет ненадёжным сигналом — в том числе потому, что многие разработчики не хотели работать без ИИ и поэтому не подавали задачи. METR считает вероятным, что польза сейчас больше, чем в начале 2025 года [4]. Поэтому вывод не «ИИ тормозит», а другой: собственное впечатление — не мерило. Кто хочет знать, помогает ли ИИ в его рабочем процессе, должен это измерить.

Лучше всего — вместе
В исследовании BCG проявились два успешных способа работы. «Кентавры» делят работу и решают, какие шаги выполняют сами, а какие — ИИ. «Киборги» тесно сплетают свой рабочий процесс с ИИ и постоянно работают вместе с ним [1]. Обоих объединяет то, что именно человек судит, где проходит граница. Авторы подчёркивают: в задачах за пределами границы специалисты должны ставить ответы ИИ под сомнение и по-прежнему опираться на собственное суждение [1].
Авторы исследования также отмечают, что в задачах внутри границы ИИ сглаживает разницу в результатах между сотрудниками и одновременно повышает качество работы. Но они же пишут, что лучшие подходы к работе с ИИ пока не до конца поняты и требуют дальнейшего изучения [1]. Для вашей компании это значит: готового рецепта, который можно просто перенять, нет. Есть задачи, на которых стоит попробовать, и способ корректно оценить такую попытку.
Что это значит на практике
- Разбейте работу на задачи и для каждой проверьте, подходит ли она для ИИ. Наброски, сводки и структурированная рутина — хорошие кандидаты [1][2].
- Требуйте проверки человеком для каждого результата ИИ, особенно когда речь идёт о цифрах, юридических вопросах и информации для клиентов [1][8].
- Тестируйте в малом масштабе и измеряйте время, качество и долю ошибок до и после. Не полагайтесь на ощущения [3].
- Обязательно привлекайте менее опытных сотрудников: в исследованиях эффект у них был наибольшим [1][2].
Источники (8)
- [1]Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality (Working Paper 24-013)Harvard Business School with Boston Consulting Group (Dell'Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg et al.) · 22 сентября 2023 г.
- [2]Generative AI at Work (NBER Working Paper 31161)National Bureau of Economic Research (Brynjolfsson, Li, Raymond) · 1 апреля 2023 г.
- [3]Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer ProductivityMETR (Becker, Rush, Barnes, Rein) · 10 июля 2025 г.
- [4]We are Changing our Developer Productivity Experiment DesignMETR · 24 февраля 2026 г.
- [5]AI Index Report 2025, chapter Technical PerformanceStanford Institute for Human-Centered AI (HAI) · 1 января 2025 г.
- [6]20% of EU enterprises use AI technologiesEurostat · 11 декабря 2025 г.
- [7]Use of artificial intelligence in enterprisesEurostat, Statistics Explained · 1 декабря 2025 г.
- [8]Moffatt v Air Canada: Bot Betrayal and Negligent Misrepresentation (on Moffatt v. Air Canada, 2024 BCCRT 149)WeirFoulds LLP · 6 марта 2024 г.
Сколько этого уже есть в вашей повседневной работе?
На бесплатной первой консультации мы вместе посмотрим, что ИИ уже сегодня может делать в вашей компании — и где ему не место.
Записаться на консультацию

