62% пользователей применяют ИИ на 1–2 задачи: данные Epoch AI / Ipsos (март 2026)
В ноябре 2025 года данные Stanford показали неожиданный факт: американцы используют AI чаще дома, чем на работе. Мы в mysummit.school разбирали это в отдельном материале – и тогда вывод был прямым: рабочий AI всё ещё догоняет личный.
Прошло четыре месяца. Epoch AI совместно с Ipsos провели новое исследование – и картина изменилась.
50% работающих пользователей AI теперь применяют его на работе не меньше, чем дома. Из них 25,73% – преимущественно для рабочих задач, ещё 25,31% – примерно поровну. Переход состоялся. AI переехал с кухни в офис.
Но именно здесь начинается интересное. Потому что одно дело – «применяю на работе», и совсем другое – «применяю всерьёз».
О чём исследование
В марте 2026 года Epoch AI опубликовали «AI is a common workplace tool» – анализ, основанный на данных Ipsos KnowledgePanel. Это вероятностная панель, которая рекрутирует участников через случайную адресную выборку, а не через самоотбор в интернете. На практике это означает более репрезентативные данные о взрослом населении США, чем стандартные онлайн-опросы.
Выборка – более 2 000 взрослых американцев. Дата сбора данных – март 2026. Сырые данные опроса опубликованы отдельно.
Что делает это исследование ценным: оно не спрашивает «знаете ли вы об AI». Оно спрашивает о конкретном поведении – как часто, для каких задач, в каком режиме, с какой интенсивностью. Это операциональный срез, а не срез осведомлённости.
Трещина в истории об AI-революции
Начнём с неудобной цифры. Почти 49,2% взрослых американцев не используют AI вообще. Это не «используют редко» – это полное отсутствие взаимодействия с любым AI-инструментом.
Из оставшихся – тех, кто использует, – картина интенсивности выглядит так:
| Интенсивность | Доля пользователей |
|---|---|
| «Немного» – 1–2 быстрые задачи | 62,48% |
| «Умеренно» | 31,9% |
| «Много» – активно опирался на AI | 5,62% |
Более шести из десяти пользователей AI применяют его поверхностно. Один-два запроса – и достаточно. Это не внедрение. Это знакомство, которое так и не переросло во что-то большее.
Частота использования рисует схожую картину. 34,91% пользователей обращаются к AI один раз в неделю. 48,4% – два-пять дней в неделю. Ежедневно (шесть-семь дней) – только 16,69%.
Задумайтесь над тем, что происходит с замещением задач. Только 19,07% пользователей сообщают, что AI заменил какие-то их существующие задачи. И только 14,4% говорят, что AI позволил им выполнять задачи, которые раньше были недоступны.
Это значит: для большинства AI не перестроил работу. Он просто добавился рядом – как ещё одна вкладка в браузере.
Эту картину мы уже видели раньше. В исследовании Brookings те же 57% использующих давали лишь 19% ощутимой отдачи. Теперь у нас есть детальное объяснение: проблема не в инструментах, а в глубине применения.
Что именно делают 95% пользователей
Данные по задачам показывают, чем реально занят типичный пользователь AI.
Задача №1 – поиск информации и рекомендации: 80,29%.
Восемь из десяти пользователей применяют AI как улучшенный поиск. ChatGPT или Gemini как замена Google – с чуть более связным ответом. Это самый низкий порог вхождения и, соответственно, самая низкая ценность для работы.
Дальше – написание и редактирование текстов (58,66%), советы и обучение (54,89%), мозговые штурмы (53,23%). Это полезные применения, но они описывают разовые вспомогательные операции, а не системное встраивание AI в рабочий процесс.
Суммаризация и анализ документов – уже только 40,88%. Техническая работа (математика, код, данные) – 36,38%. А автономные агенты – лишь 8,6%.
Ещё показательнее данные о режимах взаимодействия:
- Набрали вопрос вручную: 75,62%
- Загрузили файл, изображение или документ: 40,93%
- Попросили AI поискать в интернете: 48,45%
- Использовали AI внутри другого приложения: 27,54%
- Использовали автономного агента: 8,6%
Три четверти пользователей работают в режиме «напечатал – получил ответ». Это чат. Это самый простой и наименее интегрированный способ работы с AI.
Загрузка собственных документов – уже менее половины. Агентный режим, где AI выполняет последовательность действий самостоятельно, – меньше одного из десяти. Именно там находится реальная производительность, но именно туда добирается только небольшое меньшинство.
Инструменты те же у всех. В открытом модуле – 9 рабочих задач, на которых проявляется разница между поверхностным и системным применением. Бесплатно, без регистрации.
Доступ сразу после регистрации
Портрет тех 5,6%, кто использует AI «на полную»
Данные опроса позволяют посмотреть на «тяжёлых» пользователей в разрезе демографических групп.
Возраст. 18–29-летние – 6,44% интенсивных пользователей. После 60 лет – 3,27%. Разрыв есть, но он меньше, чем можно было бы ожидать. Это не история «молодые vs старшие».
Занятость. Работающие полный день – 6,43% интенсивных пользователей против 4,68% у неработающих. Полная занятость коррелирует с более глубоким использованием AI, что логично: больше рабочих задач – больше поводов применять инструмент всерьёз.
Образование. С дипломом бакалавра или выше – 5,84% интенсивных пользователей, с аттестатом школы – 4,18%. Образование влияет, но не радикально.
Доход. Доход $100 000+ – 5,56% интенсивных пользователей, и при этом 29,98% умеренных. Высокодоходная группа отличается не тем, что чаще попадает в «тяжёлую» категорию, а тем, что значительно реже остаётся на самом поверхностном уровне.
Самая значимая переменная – платная подписка на ChatGPT. Доля платных подписчиков составляет лишь 7,39% от всей выборки, но они непропорционально представлены в категории интенсивных пользователей. Это не удивительно: когда человек платит за инструмент ежемесячно, он мотивирован использовать его глубже.
Что объединяет «тяжёлых» пользователей? Не возраст и не профессия. Это люди, которые начали использовать AI для реальных задач, а не экспериментировали с одним запросом. Они выработали привычки, а не рефлексы.
Как понять, что вы в 62%
Несколько признаков, которые указывают на поверхностное использование AI:
1. Каждый новый разговор – с чистого листа. Вы открываете новый чат вместо того, чтобы продолжить предыдущий. AI не знает контекста вашего проекта, команды, предпочтений.
2. Вы формулируете запрос одним предложением. Без контекста задачи, без ограничений, без критериев хорошего ответа. Получаете обобщённый ответ – и это устраивает.
3. Вы никогда не загружали свои документы. Отчёты, данные, переписка остаются за пределами AI. Вы работаете с абстрактными примерами, не с собственными материалами.
4. AI у вас – для черновиков, которые всё равно переписываются полностью. Результат настолько общий, что проще написать самому. Это сигнал не плохого инструмента, а слабо поставленной задачи.
5. Вы используете один инструмент для всего. ChatGPT для поиска, для текста, для анализа данных, для кода. При этом у каждого из них есть специализированные альтернативы, которые дают лучший результат на конкретной задаче.
6. Вы не знаете, сколько времени AI сэкономил на прошлой неделе. Измеримый результат – признак системного применения. Если нечего измерить, скорее всего, применение осталось поверхностным.
Три привычки, которые отличают системного пользователя от случайного
Разница между 5,6% и 62% – не в доступе к инструментам. Все они используют те же ChatGPT, Gemini или Copilot. Разница в том, как они с ними работают.
Привычка 1: задача целиком, не фраза.
Поверхностный пользователь спрашивает «напиши письмо клиенту». Системный пользователь описывает: кто получатель, какая история отношений, какой желаемый результат письма, какой тон уместен, на что нельзя соглашаться. Разница в качестве результата – кратная.
Аналогичный принцип работает для анализа. Исследование Workday показало: значительная часть «сэкономленного с AI времени» уходит на исправление ошибок. Причина – не модели, а неполная постановка задачи.
Привычка 2: загрузить своё, не работать с абстрактным.
Загрузка файла, документа, таблицы данных – это то, что делают лишь 40,93% пользователей. При этом именно с собственными материалами AI даёт нерелевантный, предсказуемый результат. Попросите AI проанализировать ваш реальный квартальный отчёт – и получите выводы, с которыми можно что-то сделать.
Привычка 3: явно сформулировать критерии качества.
Что значит «хороший ответ» для вашей задачи? Длина? Тон? Структура? Наличие конкретных пунктов? Большинство пользователей никогда этого не формулируют – и получают первое правдоподобное, а не лучшее возможное.
Системный пользователь говорит: «Ответ должен быть не длиннее трёх абзацев, ориентирован на нетехническую аудиторию, не должен содержать рекомендаций по бюджету». Это не сложно. Это просто привычка быть точным.
Эти привычки выглядят простыми на бумаге. Сложность начинается, когда нужен не примерно похожий результат, а точный – воспроизводимый от задачи к задаче. Разница между «однажды сработало» и «работает надёжно» – это навык постановки задач для AI, который нарабатывается не на абстрактных примерах, а на реальных рабочих ситуациях.
Попробуйте AI на 9 реальных задачах менеджера – именно тех, где большинство работает поверхностно. Открытый модуль, бесплатно, без регистрации.
Доступ сразу после регистрации
Контекст: что изменилось за четыре месяца
Данные Epoch AI / Ipsos интересно читать рядом с тем, что мы разбирали раньше.
Stanford SWAA (ноябрь 2025) зафиксировал: личное использование AI опережало рабочее. Люди учились на себе. Март 2026 показывает, что часть этого научения перешла на работу – 50% работающих пользователей применяют AI на работе не меньше, чем дома.
Gallup (май 2025) показал постепенный рост: 45% хотя бы раз в год, 23% еженедельно. Epoch AI / Ipsos подтверждают эту картину с другой стороны: среди тех, кто пользуется, частота уже неплохая – почти половина использует AI два-пять дней в неделю. Проблема не в частоте, а в глубине.
Это важное разграничение. Когда мы говорим, что AI «не внедрился» в компании или у конкретного специалиста – мы, как правило, имеем в виду именно это: поверхностность, а не отсутствие. Инструмент есть, привычка открыть его есть, но задачи ему отдаются по-прежнему осторожно и частично.
Удивительно, но именно сейчас, когда рабочий AI сравнялся с личным по частоте, стала очевидна следующая проблема – глубина использования. Переход «домашний -> рабочий» случился. Переход «поверхностный -> системный» – ещё впереди у большинства.
Что дальше
Это первая статья из двух. Данные Epoch AI / Ipsos содержат ещё один важный сюжет – о том, как распределяется рыночная доля AI-инструментов на рабочем месте: что платят работодатели, что сотрудники берут сами, и почему Microsoft Copilot занимает неочевидно высокое место в корпоративном сегменте.
В следующей статье разберём: почему Microsoft тихо выиграл рабочий AI, пока все смотрели на ChatGPT, – и что это значит для руководителей, которые выбирают инструмент для команды.
От поверхностного к системному
Фундаментальный модуль курса разбирает именно этот переход: от 1–2 запросов к AI – к воспроизводимым результатам на реальных рабочих задачах. Foundation + специализация для менеджеров.
