85% сотрудников используют ИИ впустую: как превратить их в AI-новаторов
В июне 2026 года Google UK и аналитический центр Public First опубликовали одно из самых масштабных исследований внедрения искусственного интеллекта на рабочих местах Великобритании. Главный вывод: 73% британских работников уже используют ИИ на работе — вдвое больше, чем год назад. Но только 15% из них получают от этого реальную выгоду: повышение, прибавку к зарплате и экономию почти восьми часов в неделю.
Источник: blog.google
Остальные 85% застряли на ранних стадиях: они либо только пробуют ИИ от случая к случаю, либо используют его как простую замену поисковой строке. Исследователи выделили четыре группы пользователей и три типа барьеров, которые мешают перейти от случайного использования к глубокому внедрению. Для руководителя или HR-специалиста это не просто статистика — это готовый план действий.
Что показало исследование: четыре стадии использования ИИ
Google и Public First опросили тысячи работников и разделили их на четыре группы по глубине использования ИИ. Вот как выглядит текущее распределение:
| Категория | Доля workforce | Что делают |
|---|---|---|
| AI Spectators (Наблюдатели) | 10% | Не пробовали ИИ или отказались после первой попытки |
| AI Experimenters (Экспериментаторы) | 38% | Пробуют простые задачи: написать письмо, перевести текст, найти информацию |
| AI Practitioners (Практики) | 37% | Используют ИИ ежедневно как надёжный рабочий инструмент |
| AI Trailblazers (Первооткрыватели) | 15% | Создают новые способы работы, комбинируют инструменты, автоматизируют цепочки задач |
Ключевой разрыв — между экспериментаторами и практиками. Первые пробуют, но не встраивают ИИ в рутину. Вторые уже получают стабильный результат, но не выходят за рамки привычных сценариев.
Что получают те, кто дошёл до уровня «первооткрывателя»
Исследование показало прямую связь между глубиной использования ИИ и карьерным ростом. Даже после учёта возраста, пола, отрасли, образования и размера компании, «первооткрыватели» имеют значительное преимущество:
- 84% — выше вероятность повышения за последний год
- 88% — выше вероятность положительной оценки эффективности
- 55% — выше вероятность прибавки к зарплате
Кроме того, они экономят почти 8 часов в неделю на рабочих и личных задачах — фактически получают дополнительный рабочий день.
Важный нюанс: для достижения этого уровня не нужно уметь программировать или разбираться в сложных алгоритмах. Исследователи подчёркивают, что любой сотрудник может стать «первооткрывателем» — если преодолеть три типа барьеров.
Три барьера, которые мешают остальным 85%
Исследователи выделили три группы препятствий: поведенческие, когнитивные и организационные. Каждый из них решается без дорогих курсов или смены IT-инфраструктуры.
Поведенческий барьер: привычка «сделал один раз и забыл»
Большинство пользователей не выработали привычку работать с ИИ итеративно. Они задают один запрос, получают ответ и останавливаются. Они не пробуют уточнять промпты, не подбирают инструмент под конкретную задачу, не используют мультимодальные возможности (текст, изображения, аудио) и не переходят к агентным сценариям, где ИИ сам планирует и выполняет многошаговые задачи.
Когнитивный барьер: мышление «поисковой строки»
Миллионы пользователей переносят на ИИ привычку из поисковиков: ввели запрос — получили ответ. Они не воспринимают ИИ как творческого партнёра. Только 37% пользователей когда-либо просили ИИ помочь им написать более эффективный промпт. Остальные даже не знают, что так можно.
Организационный барьер: «разрешение на промпт»
Многие работники ждут явного разрешения от руководства. Только треть пользователей имеют чёткие профессиональные инструкции по использованию ИИ. Меньше половины знают, к кому обратиться с вопросами об ответственном использовании.
Что может пойти не так: ограничения исследования
Прежде чем внедрять выводы, стоит учесть несколько важных оговорок.
Исследование проведено при поддержке Google — это не независимый академический отчёт, а часть публичной кампании компании. Данные основаны на опросах, а не на объективных метриках продуктивности. Респонденты могли завышать или занижать свою реальную активность.
Сегментация на четыре группы — полезная модель, но она может не учитывать специфику малого бизнеса, некоммерческих организаций и отраслей с жёсткими регуляторными ограничениями (медицина, финансы, госсектор). В таких сферах даже «первооткрыватель» может быть ограничен compliance-требованиями.
Кроме того, исследование не оценивает скрытые издержки: время на обучение, риск утечки данных через публичные ИИ-инструменты, зависимость от конкретного вендора. Экономия 8 часов в неделю — средняя цифра, которая может не достигаться в реальных условиях без перестройки рабочих процессов.
Практический чек-лист для руководителя: что проверить на этой неделе
Вот пять конкретных шагов, которые можно сделать без масштабных инвестиций:
- Проведите анонимный опрос — узнайте, к какой из четырёх групп относятся ваши сотрудники. Не спрашивайте «используете ли вы ИИ», спросите «как часто и для каких задач».
- Дайте явное разрешение — опубликуйте внутреннюю памятку: какие ИИ-инструменты можно использовать, какие данные можно загружать, к кому обращаться за помощью.
- Запустите «пятничный промпт-челлендж» — попросите сотрудников поделиться одним неочевидным сценарием использования ИИ за неделю. Лучшие примеры публикуйте во внутреннем канале.
- Проверьте, кто из команды умеет итерировать промпты — попросите показать, как они уточняют запрос, если первый ответ не подошёл. Если никто не может — это первый признак когнитивного барьера.
- Назначьте ответственного за ИИ-грамотность — не обязательно технического специалиста. Достаточно человека, который будет собирать вопросы, находить ответы и обновлять внутренние инструкции.
Что делать дальше: три сценария для компании
Исследование Google и Public First даёт не только диагностику, но и направление для действий. Вот три варианта, в зависимости от текущего состояния вашей команды:
Если большинство — «наблюдатели» (10%): начните с простого: покажите два-три конкретных примера, как ИИ экономит время на рутинных задачах. Не требуйте освоения сложных инструментов. Цель — сделать первый шаг.
Если большинство — «экспериментаторы» (38%): ваша задача — превратить случайные пробы в регулярную практику. Введите правило: перед выполнением любой типовой задачи (написание письма, подготовка отчёта, анализ данных) сначала попробовать ИИ. Даже если результат не идеален — это меняет привычку.
Если есть «практики» (37%), но нет «первооткрывателей»: работайте над когнитивным барьером. Учите сотрудников не просто использовать ИИ, а просить его улучшить собственный запрос. Покажите, как комбинировать текстовые, визуальные и аудио-инструменты. Внедрите практику «промпт-ревью» — как код-ревью, только для запросов к ИИ.
Источники
Что почитать дальше
- Codex - это не чат: как превратить его в рабочий кабинет проекта
- Samsung вернула генеративный ИИ через три года после утечки: что проверить перед внедрением enterprise-подписки
- seotitle: Агентный ИИ вместо чата: что данные OpenAI о Codex значат для ваших процессов | metatitle: Отчёт OpenAI о
- Где AI-агенты уже работают без контроля: отчёт MIT и Microsoft
- Дешёвые LLM не экономят бюджет: как скрытые расходы на токены и инфраструктуру съедают выгоду
