Внедрить искусственный интеллект оказалось проще, чем получить от него ожидаемую отдачу. Meta (запрещенная в России) приостановила подготовку второй волны реструктуризации, намеченной на ноябрь: возможности ИИ-агентов не достигли уровня, на который рассчитывало руководство.

Microsoft, в свою очередь, столкнулась с тем, что массовая раздача ИИ-инструментов сотрудникам сама по себе не обеспечивает улучшения бизнес-результатов.

Описанный план Meta предполагал переход от привычных продуктовых команд из 10–20 человек к небольшим группам по 3–5 специалистов. Вместо отдельных ролей инженера, дизайнера и менеджера участники должны были стать универсальными разработчиками — с существенной поддержкой ИИ. Для некоторых подразделений такая перестройка могла означать значительное сокращение штата наряду с переводами сотрудников и закрытием вакансий.

Однако рост объёма работы не оказался равнозначен росту полезного результата. По приведённым внутренним показателям, количество изменений кода программных платформ и инфраструктуры Meta увеличилось на 220% год к году, тогда как изменений, давших пользователям новые или улучшенные функции, — лишь на 36%.

Одновременно число крупных технических инцидентов и инцидентов безопасности выросло на 40%, а время сотрудников на устранение сбоев — на 70%. Эти цифры сами по себе не доказывают, что причиной проблем стал ИИ, но ставят под сомнение оценку эффективности исключительно по количеству произведённого кода.

Похожее противоречие проявилось в описанном опыте Microsoft. Компания предоставила ИИ-инструменты более чем 200 тысячам сотрудников, используя знакомую схему внедрения программного обеспечения: развернуть продукт, обучить людей и стимулировать использование. Но в первых экспериментах с отделами продаж активность быстро вышла на плато, а ожидаемого улучшения показателей не произошло.

Проблема здесь не только в качестве моделей. Агент, встроенный в неудачно организованный процесс, может ускорить отдельную операцию, но перенести затруднение на следующий этап. Аналогично, документ, который один сотрудник сгенерировал, а другой поручил ИИ пересказать, увеличивает объём обработки информации, не обязательно добавляя новые идеи.

В результате внимание смещается от масштаба внедрения к его полной стоимости. Согласно публикации, Microsoft пересмотрела прогноз внутренних расходов на технологии Anthropic и усилила контроль бюджетов использования моделей.

В такой оценке важны не только затраты на генерацию, но и время проверки, исправления ошибок и восстановления после сбоев.

Говорить о крахе всей идеи ИИ-сотрудников на основании этих сообщений преждевременно. Но они показывают слабость подхода, при котором будущую производительность агентов заранее закладывают в кадровые решения.

Надёжнее сначала подтвердить, что технология устойчиво улучшает конечный результат, и лишь затем перестраивать команды. Скорость генерации ещё не означает скорость полезной работы — особенно когда последствия ошибок приходится устранять людям.