AI как стажёр-новичок: как 1 250 специалистов используют ИИ на работе в 2025

Dejan.AI совместно с Anthropic провели исследование того, как профессионалы на самом деле используют искусственный интеллект на работе. Опросили 1 250 человек: обычных сотрудников, креативщиков и учёных. Результат? AI – это не автономный агент, который всё сделает за вас. Это младший стажёр, которому нужна постоянная проверка.

Мы в mysummit.school уже разобрали Stanford (37% личное использование), Brookings (57% используют, 19% видят результат), Wharton (82% руководителей еженедельно) и Gallup (45% хотя бы раз в год). Dejan.AI добавляет новый ракурс: как именно люди встраивают AI в рабочий процесс и почему большинство относится к нему с осторожностью.

Главное: Профессионалы используют AI для «грязной работы» – первых черновиков, рутины, анализа данных. Но 90% креативщиков ставят жёсткую границу вокруг основной работы. Учёные хотят AI, который критикует их идеи, а не соглашается. И все жалуются на галлюцинации – это барьер номер один.

О чём исследование: методология Dejan.AI

Кто проводил: Dejan.AI (команда Dejan Marković) совместно с Anthropic

Когда: Декабрь 2025 года

Масштаб:

• 1 000 человек – обычные работники разных отраслей
• 125 креативщиков – дизайнеры, фотографы, писатели, художники
• 125 учёных – исследователи из научных институтов

Метод: Глубинные интервью с использованием Anthropic Interviewer (AI-powered опросник)

Публикация: Полный отчёт на dejan.ai

Доступные данные: 4 CSV-датасета с транскриптами интервью доступны для скачивания

Важно: Это не просто опрос с галочками «да/нет». Это качественное исследование, где людей спрашивали, как они реально используют AI, с какими проблемами сталкиваются, и что их раздражает.

Главная метафора: AI как «младший стажёр»

Dejan.AI выявили центральный паттерн: профессионалы относятся к AI как к начинающему помощнику, который требует постоянного надзора.

Что это значит на практике?

AI хорош для:

• Первых черновиков (но не финальных версий)
• «Грязной работы» – рутинных задач, которые никто не любит
• Обработки больших объёмов данных
• Генерации идей для брейнштормов

AI плох для:

• Автономной работы без проверки
• Принятия финальных решений
• Креативных задач, требующих оригинальности
• Всего, где ошибка критична

Пример из интервью (фотограф):

«Раньше я обрабатывал галерею после свадьбы 12 недель. Теперь с AI – 3 недели. Но я проверяю каждое фото. AI убирает явный брак, я довожу до совершенства.»

Это не «AI заменил мою работу». Это «AI убрал рутину, я делаю то, что требует вкуса и опыта».

Креативщики: 90% ставят жёсткие границы

Самый интересный сегмент – креативные специалисты. Здесь паттерн чёткий: AI – для бюрократии, не для творчества.

Модель «Admin Shield» (Административный щит)

90% креативщиков используют AI для неосновной работы:

• Выставление счётов и инвойсы
• Написание email’ов
• Заполнение таблиц
• Планирование расписания
• Обработка административных документов

Пример из интервью (иллюстратор):

«ChatGPT помогает мне писать письма клиентам. Я трачу 30 минут вместо 2 часов на переписку. Эти 1,5 часа я рисую. AI освобождает время для того, за что мне платят.»

Почему креативщики не доверяют AI основную работу?

1. Аутентичность как конкурентное преимущество

В мире, где AI генерирует тысячи похожих картинок, уникальный стиль становится дороже.

Как сказал один дизайнер:

«Мои клиенты платят за мой взгляд, не за среднестатистическое решение. AI даёт среднее. Я даю уникальное.»

2. AI генерирует «стоковое»

Большинство AI-инструментов обучены на массовых данных. Результат – усреднённое решение, которое выглядит «как у всех».

3. Творческий процесс – это не только результат

Креативщики говорят, что сам процесс создания – часть работы. AI убирает этот процесс, и результат становится бездушным.

Кейс: фотограф и обработка галерей

До AI:

• Обработка галереи после свадьбы: 12 недель
• Ручной отбор из 3 000+ фотографий
• Цветокоррекция каждого кадра

С AI:

• Обработка галереи: 3 недели
• AI отсеивает явный брак (размытые, закрытые глаза, технический брак)
• Фотограф делает финальный отбор и ретушь

Экономия времени: 9 недель на каждый заказ

Но: Финальное решение – за человеком. AI предлагает, фотограф утверждает.

Учёные: хотим AI-критика, а не AI-соглашателя

Научное сообщество – самая скептичная группа в исследовании. И у них есть на то причины.

Основное применение AI в науке

1. Литературный обзор (Literature Review)

• AI помогает найти релевантные статьи
• Суммирует основные выводы из десятков работ
• Выявляет паттерны в исследованиях

2. Анализ данных

• Обработка больших датасетов
• Статистический анализ
• Визуализация результатов

Главная проблема: галлюцинации в цитировании

Учёные сталкиваются с критической проблемой: AI выдумывает ссылки.

Пример из интервью (биолог):

«Попросил AI найти исследования о белке X. Получил 15 ссылок. Проверил – 7 из них не существуют. Названия похожи на настоящие, журналы существуют, но статей нет. Это катастрофа для научной работы.»

«Налог на верификацию» (Verification Tax)

Dejan.AI ввели термин Verification Tax – время, которое уходит на проверку того, что сгенерировал AI.

Формула:

Время с AI = Время генерации + Время проверки + Время исправления ошибок

Если (Время проверки + Время исправления) > Экономия от AI
→ AI бесполезен

Кейс из интервью:

• AI сгенерировал обзор литературы за 2 часа
• Проверка всех ссылок и фактов заняла 6 часов
• Ручной обзор занял бы 5 часов

Итог: AI замедлил работу на 3 часа вместо ускорения.

Что хотят учёные: AI-адверсариус

Интересный инсайт: учёные не хотят AI, который соглашается. Они хотят AI, который критикует.

Цитата из интервью (физик):

«Мне не нужен AI, который говорит ‘отличная идея’. Мне нужен AI, который говорит ‘ваша гипотеза противоречит данным из статьи Y, и вот почему’.»

Это противоположность тому, как большинство людей используют AI. Обычно мы хотим подтверждения. Учёные хотят опровержения.

Проблема: Современные LLM обучены быть «полезными и безвредными». Они избегают конфронтации. Это работает для чат-ботов, но не для научного метода.

Физическая работа: жёсткая граница

Ещё один паттерн, который выявило исследование: физическая работа остаётся строго человеческой.

«Wet Lab» (влажная лаборатория)

Учёные, работающие с физическими экспериментами (химия, биология, физика), не доверяют AI планировать эксперименты.

Причина: Одна ошибка AI в дозировке или последовательности действий может:

• Уничтожить дорогие реагенты
• Испортить недели работы
• Создать опасную ситуацию

Пример из интервью (химик):

«AI может предложить план эксперимента. Но смешивать реагенты буду я. Цена ошибки слишком высока.»

Это контрастирует с программированием, где AI генерирует код, и программист его проверяет. В лаборатории проверка = новый эксперимент, что дорого и долго.

Универсальный барьер: галлюцинации

Самая частая жалоба во всех группах: AI выдумывает факты.

Примеры галлюцинаций из интервью

1. Креативщик (дизайнер):

«Попросил AI найти шрифт с открытой лицензией. Он предложил ‘Open Sans Pro’. Такого шрифта не существует. Есть Open Sans, есть Source Sans Pro. AI их смешал.»

2. Учёный (биолог):

«AI сгенерировал ссылку: ‘Johnson et al. (2023) Nature 615: 234-241’. Проверил – в Nature 615 вообще другая тема. Johnson не публиковался в 2023. Всё выдумка.»

3. Обычный работник (менеджер):

«Попросил AI составить письмо клиенту со ссылкой на наш договор. AI вставил пункт договора, которого у нас нет. Хорошо, что я проверил перед отправкой.»

Почему галлюцинации – главная проблема?

Доверие = основа внедрения

Если каждый результат AI нужно проверять на 100%, то экономия времени исчезает. Возвращаемся к «Verification Tax».

Формула доверия:

Доверие = (Правильные ответы / Все ответы) × Критичность ошибки

Если Критичность ошибки высока (научная работа, договоры, медицина)
→ Порог доверия стремится к 100%
→ AI бесполезен

Будущее работы: от генераторов к редакторам

Dejan.AI делают важный вывод: роль людей в работе смещается от генерации к контролю качества.

Новая модель работы

Раньше:

Человек генерирует → Человек проверяет → Результат

Сейчас:

AI генерирует → Человек проверяет → Человек доводит до совершенства → Результат

Будущее (вероятное):

AI генерирует множество вариантов → Человек выбирает лучший → Человек редактирует → Результат

Что это значит для профессионалов?

1. Навыки оценки и редактирования важнее навыков создания с нуля

Если AI может сгенерировать 10 вариантов текста/дизайна/кода за минуту, важнее уметь выбрать лучший и довести до идеала.

2. Понимание домена становится критичным

Нельзя редактировать то, в чём не разбираешься. Креативщики, которые говорят «AI заменит дизайнеров» – не понимают, что экспертиза в дизайне нужна для оценки AI-генерации.

3. Скорость итераций растёт

С AI можно протестировать 20 вариантов за день вместо 3. Но качество финального выбора зависит от человека.

Сравнение с предыдущими исследованиями

Dejan.AI подтверждает паттерн, который мы видели в Brookings: 57% используют AI, но только 19% видят результат.

Почему так?

Большинство людей генерируют с помощью AI, но не умеют редактировать и проверять. Они ждут, что AI выдаст готовый результат. Не выдаёт.

Кто видит результат?

Те, кто понимают модель «AI как стажёр»:

1. Дают AI чёткую задачу
2. Проверяют результат
3. Дорабатывают до нужного уровня
4. Не используют AI там, где цена ошибки критична

Что работает на практике: примеры из интервью

Кейс 1: Фотограф – ускорение обработки в 4 раза

Задача: Обработка свадебных фотографий (3 000+ снимков)

До AI: 12 недель ручной работы

С AI:

• AI отсеивает технический брак (размытие, закрытые глаза) – 2 дня
• Фотограф делает художественный отбор – 1 неделя
• AI делает базовую цветокоррекцию – 2 дня
• Фотограф финализирует лучшие кадры – 2 недели

Итого: 3 недели вместо 12

Ключ к успеху: AI для рутины, человек для творчества.

Кейс 2: Дизайнер – Admin Shield

Задача: Уменьшить время на неосновную работу

До AI:

• Выставление счетов: 3 часа/неделю
• Email-переписка с клиентами: 5 часов/неделю
• Заполнение брифов и документов: 4 часа/неделю
• Итого административной работы: 12 часов/неделю

С AI:

• ChatGPT генерирует инвойсы по шаблону: 30 минут/неделю
• AI помогает писать email’ы: 2 часа/неделю
• AI заполняет стандартные части брифов: 1,5 часа/неделю
• Итого: 4 часа/неделю

Экономия: 8 часов/неделю = целый рабочий день

Что делает дизайнер с освободившимся временем? Дизайнит.

Кейс 3: Учёный – анализ литературы

Задача: Найти релевантные исследования по теме

До AI: 2 недели чтения статей и поиска в базах данных

С AI (первая попытка):

• AI находит статьи: 2 часа
• Проверка ссылок и фактов: 1,5 недели (многие ссылки фейковые)
• Итого: ~2 недели (нет экономии)

С AI (после оптимизации):

• Используют AI только для поиска ключевых слов и суммаризации абстрактов
• Проверяют ссылки сразу (не доверяют AI)
• AI помогает выявить паттерны в найденных статьях
• Итого: 1 неделя

Ключ к успеху: Не доверять AI создавать ссылки. Использовать только для обработки уже найденных материалов.

Сравнение с другими исследованиями 2025 года

Давайте сопоставим Dejan.AI с другими исследованиями, которые мы разбирали:

Что объединяет все исследования?

1. Галлюцинации – главный барьер

Все исследования, где спрашивали о проблемах, получили один ответ: AI выдумывает факты, и это тормозит внедрение.

2. Разрыв между использованием и результатом

• Brookings: 57% используют, 19% видят эффект
• Dejan.AI: Большинство используют неправильно (как автономный агент, а не стажёр)

3. Экспертиза важнее, чем раньше

Чем лучше ты разбираешься в своей области, тем эффективнее используешь AI. Новички не могут проверить результат – и получают мусор.

4. Креативная работа защищена

AI автоматизирует рутину, но креатив остаётся человеческим. Более того, Wharton показал, что в креативных индустриях проникновение AI ниже (24%), чем в технологиях (76%).

Практические выводы для менеджеров

Что делать с этими данными, если вы руководите командой?

1. Не ждите автономности от AI

Неправильно: «Внедрим AI, и он всё сделает за нас»

Правильно: «Внедрим AI как помощника, который убирает рутину, но требует контроля»

Что это значит:

• Выделите время сотрудникам на проверку AI-результатов
• Обучите команду, где AI помогает, а где мешает
• Не считайте, что AI = экономия времени по умолчанию

2. Инвестируйте в экспертизу, а не в AI-инструменты

Dejan.AI показывает: эффективность AI зависит от компетентности пользователя.

Примеры:

• Дизайнер с опытом 10 лет использует AI эффективнее, чем новичок
• Учёный с глубоким знанием области выявит галлюцинации, новый аспирант – нет
• Менеджер с пониманием бизнес-процессов делегирует AI правильные задачи

Вывод: Прокачивайте экспертизу людей, и они эффективнее используют AI. Давайте AI новичкам – получите мусор.

3. Разделяйте работу на «AI-подходящую» и «AI-опасную»

Научите команду различать, где AI помогает, а где вредит.

AI-подходящие задачи:

• Первые черновики текстов/кода/дизайна
• Суммаризация больших объёмов данных
• Рутинные административные задачи
• Генерация идей для брейнштормов

AI-опасные задачи:

• Финальные версии без проверки
• Всё, где цена ошибки высока (договоры, финансы, медицина)
• Креативная работа, требующая уникальности
• Научная работа с цитированием

4. Создайте культуру «проверяй, не доверяй»

Правило: Каждый AI-результат проверяется человеком.

Как внедрить:

• Шаблоны чек-листов для проверки AI-контента
• Обучение распознаванию галлюцинаций
• Культура, где проверка AI – норма, а не недоверие к технологии

5. Измеряйте Verification Tax

Отслеживайте, сколько времени уходит на проверку AI-результатов.

Формула:

Эффективность AI = (Время без AI) - (Время с AI + Время проверки)

Если результат отрицательный → AI замедляет, а не ускоряет

Пример:

• Написание email без AI: 10 минут
• AI генерирует email: 1 минута
• Проверка и доработка: 12 минут
• Итого: AI замедлил на 3 минуты

Решение: Либо улучшить промпты, либо не использовать AI для этой задачи.

Что дальше: прогнозы Dejan.AI

Исследование делает несколько важных прогнозов о будущем работы с AI:

1. Аутентичность станет премиальным товаром

По мере того, как AI генерирует всё больше «среднего» контента, уникальный человеческий подход будет стоить дороже.

Пример из интервью (художник):

«Сейчас клиенты специально просят ‘ручную работу, без AI’. Раньше это был стандарт. Теперь это премиум. Я поднял цены на 40%, и спрос вырос.»

2. Профессия «AI-редактор» станет массовой

Нужны люди, которые умеют:

• Генерировать правильные промпты
• Оценивать качество AI-результатов
• Дорабатывать до финального уровня
• Выявлять галлюцинации

Это не «промпт-инженеры» (технари). Это редакторы в каждой профессии, которые умеют работать с AI.

3. Разрыв между «AI-продвинутыми» и «AI-новичками» будет расти

Как показывает Brookings, 57% используют AI, но только 19% видят результат.

Почему?

«AI-продвинутые» понимают модель «стажёра». «AI-новички» ждут автономности.

Этот разрыв будет увеличиваться, потому что AI-продвинутые получают конкурентное преимущество и вкладывают в развитие навыков.

Читайте также

Не решать, а проектировать выбор: как AI меняет работу менеджера

Персона в промпте: научный взгляд на ролевой промптинг

Когда ваша работа обучает конкурента: уроки AI-музыки для менеджера

5 элементов идеального промпта: почему AI не понимает, чего вы хотите

Итог: как на самом деле используют AI в 2025

Dejan.AI показали, что реальность сильно отличается от хайпа:

Хайп говорит: AI заменит профессионалов, автоматизирует всё, даст 10x продуктивность.

Реальность показывает:

• AI – это младший помощник, а не автономный агент
• 90% креативщиков защищают свою основную работу от AI
• Учёные тратят столько же времени на проверку AI, сколько экономят на генерации
• Галлюцинации – главный барьер для всех групп
• Физическая работа остаётся строго человеческой

Кто выигрывает от AI?

Те, кто понимают, что AI – это инструмент для убирания рутины, а не замена экспертизы. Фотограф из исследования не стал менее профессионален с AI. Он стал эффективнее, потому что AI убрал технический брак, а он сосредоточился на художественной работе.

Главный урок: Перестаньте ждать, что AI всё сделает за вас. Научитесь делегировать ему правильные задачи – и получите реальную пользу.

Хотите научиться эффективно использовать AI на работе? Посмотрите программу курса mysummit.school – мы учим не абстрактным промптам, а реальным рабочим кейсам.