За два года генеративный ИИ прошёл путь от любопытной игрушки до инфраструктуры. К концу 2025-го 88% организаций заявляли, что используют ИИ хотя бы в одной функции — но лишь 39% видели эффект на прибыль в масштабе компании, и почти у всех он был меньше 5%1. Разрыв между «мы внедрили» и «это работает» — и есть главный сюжет момента. Он проходит не через технологии, а через людей: через то, как они думают, чему учатся и что чувствуют.
Мы собрали два слоя доказательств. Первый — большие исследования McKinsey, LinkedIn, Microsoft, WEF, Harvard/BCG. Второй — живые наблюдения практиков: основателей маркетинговых агентств и tech-компаний, экс-топов крупнейших банков, авторов, чьи блоги читают от десятков до сотен тысяч человек. Это люди, которые внедряют ИИ в Яндексе, Т-Банке, МТС и в собственных командах — и публично рассказывают о результатах. Там, где сухая статистика показывает вектор, их посты показывают, как это ощущается изнутри команды.
01 · Масштаб сдвигаЧто уже происходит — в цифрах
Начнём с фактуры. ИИ в работе перестал быть уделом энтузиастов, но руководители системно недооценивают, насколько глубоко он уже проник в команды. По данным McKinsey, топ-менеджеры считают, что интенсивно (на 30%+ задач) ИИ используют около 4% сотрудников. Реальная цифра — примерно 13%, втрое выше2. А больше 70% сотрудников ждут, что ИИ изменит не меньше трети их работы в ближайшие два года.
Для маркетинга эффект самый осязаемый. В отчёте HubSpot 68% команд говорят, что ИИ заметно повысил продуктивность, 79% — что стало меньше рутины, 73% — что появилось больше времени на важное3. Деньги идут следом: CMO направляют на ИИ в среднем 15,3% бюджета, но лишь 30% считают себя готовыми масштабировать — и 70% признают, что внутренние процессы к этому не готовы4.
02 · МышлениеОт исполнителя — к оркестратору
Самое глубокое изменение происходит не в инструментах, а в голове. Роль человека смещается: меньше «делать руками», больше — ставить задачу, оценивать результат, отвечать за суждение. Кирилл Гурбанов, основатель sfer.ai (внедряет ИИ в Яндексе, Т-Банке, МТС), формулирует это как арифметику влияния:
Если исполнительская часть уходит машине, ценность человека концентрируется в том, что нельзя автоматизировать. Дмитрий Бескромный (аналитика про эпоху ИИ, 162 тыс. подписчиков) описывает это как сознательную сортировку внимания — «четыре скорости», по которым он разводит информационный поток:
Здесь же — противоядие от выгорания. Тот же автор называет постоянную гонку за релизами «бесконечным FOMO»: «не прочитал про каждую новую модель — значит, выпал из игры. Спойлер: нет, не выпал»5. Для команд это важный сигнал: тревога «мы не успеваем за ИИ» чаще вредит, чем помогает.
Дмитрий Думик, основатель Chatfuel, добавляет неожиданный психологический разворот — ИИ как зеркало собственного мышления:
03 · ПрактикаЭксперименты и автоматизации, которые уже работают
Абстракции становятся конкретикой, когда смотришь, что команды реально делают. Здесь важен принцип McKinsey: сегодня ИИ чаще усиливает человека (augmentation), чем полностью заменяет задачу (automation) — по данным Anthropic Economic Index, соотношение держится около 52% на 45% в пользу усиления6. Вот как это выглядит на земле.
Отдел качества, который не спит
Команда Романа Кумара Виаса (агентство Qmarketing) оцифровала лучшего продавца, чтобы масштабировать его подход на всех:
Та же команда пересобрала найм: запустила ИИ-агента на поиск кандидатов и «завайбкодила» собственную HR-CRM. Результат по их словам — «закрываем на 30% больше вакансий тем же составом». Но с честной оговоркой: «на старте Клод работает как джун… ему надо давать очень много корректирующей обратной связи»7.
Личная операционная система
Речь о связке из встреч, почты, CRM, финмоделей — семь ежедневных сценариев, собранных вокруг ИИ-агента. Гурбанов же формулирует главный фильтр, отделяющий полезную автоматизацию от «игрушки»:
Обычные люди делают то, что раньше требовало подрядчика
Думик приводит примеры, как нетехнические люди закрывают с ИИ реальные задачи за часы вместо месяцев:
Это и есть тихая революция производительности, которую подтверждает эксперимент Harvard и BCG на 758 консультантах: на задачах «внутри границы возможностей» ИИ дал +12,2% к количеству выполненных задач и +25,1% к скорости8. Экономика эксперимента меняется в корне — как замечает команда Кумара Виаса про дизайн: «итерация почти бесплатна — за то же время можно собрать и выкатить двадцать разных вариантов»9.
04 · НавыкиЧему учиться, когда рутину забирает машина
Если ИИ обесценивает исполнение, ценность перетекает к другим навыкам. Масштаб перестройки — беспрецедентный. По оценке World Economic Forum, к 2030 году изменится 39% ключевых профессиональных навыков; LinkedIn даёт ещё более резкую цифру — 70% навыков в большинстве профессий1011. Быстрее всего растёт спрос именно на работу с ИИ: число специалистов, добавляющих ИИ-навыки в профиль, выросло с 2023 года на 177%.
Для маркетолога это ощущается как смена профессии на месте. Кумар Виас прямо пишет об этом:
↑ Растёт в цене
- Постановка задач и суждение (оценка того, что выдал ИИ)
- «Оркестрация» агентов и сборка автоматизаций
- Вкус, авторский голос, редактура
- GEO — оптимизация под цитирование нейросетями
- Вайб-кодинг: лендинги, прототипы, внутренние инструменты
- ИИ-грамотность как новая базовая грамотность
↓ Обесценивается
- Ручная настройка рекламных кабинетов
- Механическое производство однотипного контента
- Рутинный рисёрч и первичная компиляция
- Контент, чья единственная функция — передать инструкцию
- «Знаю кнопки в интерфейсе» как основная ценность
Показателен сдвиг в самом трафике. Команда Кумара Виаса фиксирует: «60% запросов в поиске сегодня закрываются так: нейронка прочитала ваш контент и выдала пользователю релевантную выдачу» — и переучивается писать страницы под цитирование ИИ, а не под классическое SEO12. Появляется и мета-навык — выбирать инструменты: «раньше проблемой было найти скилл… сейчас их сотни тысяч, и проблема уже в том, чтобы разобраться, что стоит ставить»13.
Бескромный формулирует принцип отбора того, что стоит развивать, — через то, что ИИ не умеет отнять:
05 · ТеньКогнитивные риски и тревога, о которых честно говорить
Обоснованный материал обязан показать и обратную сторону. У повсеместного ИИ есть цена, и она — когнитивная. Совместное исследование Microsoft Research и Carnegie Mellon (319 работников умственного труда) обнаружило закономерность: чем выше доверие к ИИ, тем меньше критического мышления человек прикладывает к задаче. По самоотчётам снижение усилий доходит до 72–79% на этапах анализа и синтеза; само критическое мышление смещается от создания — к проверке чужого результата15.
Второй сигнал — из того же эксперимента Harvard/BCG про «зубчатую границу» (jagged frontier): там, где задача выходила за пределы силы модели, полагавшиеся на ИИ участники были на 19% чаще неправы8. ИИ уверенно ошибается — и без человеческого суждения это дорого. Отдельная работа Свейцарской бизнес-школы (Gerlich, 666 участников) нашла отрицательную связь частого использования ИИ и критического мышления, особенно у молодых пользователей — с важной оговоркой, что это корреляция, а не доказанная причинность16.
Есть и человеческое измерение тревоги — не про навыки, а про идентичность. Думик уловил это точнее всего:
А Алексей Подклетнов (Дизраптор) показывает системный риск, который команды часто упускают, — обрыв «карьерной лестницы»:
Полезно держать и скептический голос. Алексей Ткачук, автор одного из старейших блогов про SMM, остужает хайп «всё меняется каждую неделю»: «Обожаю миф про то, как в SMM моментально обесцениваются любые знания… Но глобально SMM не меняется годами. Потому что люди не меняются»17. Это не отрицание ИИ, а напоминание: под сменой инструментов лежит неизменная человеческая природа — то, ради чего маркетинг вообще существует.
06 · СинтезЧто с этим делать команде
Если собрать всё воедино — данные и голоса практиков сходятся в нескольких выводах, которые можно превратить в действия.
1. Начинать с боли, а не с хайпа
95% пилотов проваливаются не из-за технологий, а из-за неверного выбора задачи. Фильтр Гурбанова: где реально утекают деньги и время? Идеальные кандидаты на автоматизацию — задачи с малой долей суждения, высокой повторяемостью и масштабом.
2. Вкладываться в «вечнозелёные» навыки
Пока модели меняются каждый месяц, устойчивую отдачу дают вкус, мышление, умение объяснять и оценивать. Это то, что переживёт любой релиз и станет главным отличием человека от машины.
3. Держать человека в контуре суждения
ИИ уверенно ошибается за «зубчатой границей». Проектируйте процессы так, чтобы критическая проверка была обязательным шагом, а не факультативным — иначе продуктивность сегодня обернётся дорогими ошибками завтра.
4. Работать с тревогой честно
Сопротивление часто про идентичность, а не про инструменты. Командам нужны не только тренинги по промптам, но и разговор о том, кем становится человек, когда рутину забирает машина.