Где AI усиливает бизнес, а где создаёт иллюзию

В 2025 году парадокс AI в бизнесе стал очевидным. При рекордных инвестициях и повсеместном внедрении реальную отдачу получают лишь немногие компании.

Исследования BCG и McKinsey показывают: только около 5–6% организаций фиксируют заметный эффект AI на уровне всей компании, тогда как до 60% не видят существенных изменений ни в выручке, ни в издержках. Это формирует «разрыв ценности»: технология есть, ощущение прогресса есть, а управляемого результата — нет.

Ключевое различие проходит не между «продвинутыми» и «отстающими», а между теми, кто использует AI как усилитель управленческой логики, и теми, кто подменяет им управленческое мышление. Компании-лидеры не просто автоматизируют задачи — они пересобирают операционные модели. Именно поэтому у них AI даёт кратный эффект: более высокий рост выручки, лучшую маржинальность и быстрее достигаемый ROI. Для остальных AI остаётся набором пилотов, не влияющих на ядро бизнеса.

Исследования Harvard Business School и BCG вводят важную рамку — «зубчатую технологическую границу». Способности моделей неоднородны: одни типы задач AI усиливает, другие — разрушает. Внутри этой границы AI действительно работает как мультипликатор: задачи выполняются быстрее, в большем объёме и с более высоким качеством, особенно у менее опытных сотрудников.

Но за пределами этой границы возникает иллюзия. В задачах, где требуется синтез противоречивых данных, финансовое или стратегическое суждение, использование AI ухудшает качество решений. Опасность не столько в ошибках, сколько в их форме: уверенные, логично звучащие ответы провоцируют когнитивное отключение — человек перестаёт проверять выводы, потому что они выглядят правдоподобно.

Именно здесь резко возрастает роль собственника. AI не снижает управленческую ответственность — он её усиливает. Владелец и C-suite определяют, где проходит граница автоматизации, какие решения требуют обязательного человеческого суждения и кто отвечает за последствия. Без этого AI превращается в источник управленческих иллюзий.

Отдельный риск — феномен workslop: поток формально «продуктивной», но низкокачественной работы. Когда команды начинают мерить успех скоростью и объёмом, AI создаёт ощущение движения. На практике растёт нагрузка на проверку и исправление, падает мотивация сильных сотрудников, размывается чувство профессиональной ценности.

Долгосрочно это затрагивает человеческий капитал. При неконтролируемом использовании AI происходит постепенная атрофия навыков: критическое мышление делегируется алгоритму, способность замечать ошибки снижается. Особенно уязвимы молодые специалисты, формирующие профессиональные привычки уже в среде постоянных подсказок.

Следующий этап — агентские системы, где AI действует автономно. Это крупнейший сдвиг в операционных моделях за десятилетия. Но и здесь ключевой вопрос не технологический, а управленческий: кто проектирует архитектуру решений, где стоят предохранители и как команда понимает, что происходит внутри системы.

Трезвое использование AI начинается с признания границ. Не все задачи стоит автоматизировать и не каждая скорость означает эффективность.

В 2026 году вопрос будет звучать - не «сколько процессов мы автоматизировали», а насколько выросла способность компании принимать качественные решения в условиях неопределённости.

AI — это не замена управления, а его усилитель. Он ускоряет как сильные системы, так и слабые. И именно собственник отвечает за то, во что превращается эта скорость: в устойчивый рост или в красиво оформленную иллюзию эффективности.

Внедрение AI в управленческий контур — одна из наших услуг: AI-агент в аренду и управленческий аудит.

• —Где в вашей компании проходит граница автоматизации — и кем она проведена?
• —Какие решения требуют обязательного человеческого суждения?
• —Насколько выросла ваша способность принимать качественные решения в неопределённости?

• Заметный эффект получают единицы. Около 5–6% организаций фиксируют его на уровне всей компании, до 60% не видят изменений ни в выручке, ни в издержках.
• Граница способностей моделей неоднородна. В задачах синтеза противоречивых данных и стратегического суждения качество решений ухудшается.
• Опасны не ошибки, а их форма. Уверенные, логично звучащие ответы провоцируют отказ от проверки.