Microsoft WTI 2026: сотрудники готовы к ИИ, а компании – нет

В мае 2026 года Microsoft выпустил четвёртый ежегодный Work Trend Index – исследование на основе триллионов сигналов продуктивности Microsoft 365 и опроса 20 000 сотрудников в десяти странах. Главный вывод не про технологии. Он про разрыв между людьми, которые готовы работать с AI, и организациями, которые не готовы это поддержать.

Мы в mysummit.school последние полгода разбирали похожую картину с разных сторон: 62% пользователей застревают на поверхностном уровне (Epoch AI), 88% компаний формально внедрили AI, но лишь 3–10% довели до полного масштабирования (Stanford AI Index), AI не сокращает работу, а уплотняет её (Stanford/8 месяцев наблюдений). Microsoft WTI 2026 добавляет к этой мозаике ключевой элемент: данные о том, почему разрыв между людьми и организациями такой большой – и что его определяет.

Парадокс трансформации: 19% в зоне Frontier, 10% заблокированы

Microsoft предложил карту, на которой каждого сотрудника можно расположить по двум осям: индивидуальная способность работать с AI и организационная готовность эту работу поддержать.

Результаты по 20 000 респондентам распределились так:

Frontier (19%) – и человек умеет, и организация поддерживает. Лучшая зона: навыки и среда усиливают друг друга.

Заблокированное агентство (10%) – человек научился, а организация не успела. Навыки есть, но применить их негде: нет культуры, нет стандартов, нет поддержки менеджера.

Стагнация (16%) – низко и там, и там. Ни навыки, ни среда не развиваются.

Невостребованный потенциал (5%) – организация готова, а сотрудники ещё не освоились.

Формирующиеся (50%) – большинство. И навыки, и среда в процессе – ни высоко, ни низко.

Самое тревожное число здесь – не 19% Frontier, а 10% «заблокированного агентства». Это люди, которые вложились в обучение, освоили инструменты, попробовали перестроить рабочие процессы – и упёрлись в стену. Их организации не поддерживают то, что эти люди уже умеют. Метрики, KPI, культура совещаний, процессы согласования – всё осталось прежним. В отчёте MIT о внедрении GenAI, который мы разбирали в декабре, это называлось «пропускной способностью обучения организации» – способностью компании не просто купить технологию, а перестроить под неё процессы.

65% опрошенных AI-пользователей говорят, что боятся отстать, если не освоят AI быстро. При этом 45% признаются, что безопаснее фокусироваться на текущих задачах, чем перестраивать работу. И всего 13% говорят, что их компания вознаграждает за переосмысление работы с AI, даже если результат пока не идеален.

Вдумайтесь в эту комбинацию: люди боятся отстать, но система стимулирует стоять на месте.

Организация определяет 67% эффекта от AI

Это, на мой взгляд, самый значимый вывод отчёта – и самый неудобный для тех, кто думает, что достаточно отправить людей на курсы.

Microsoft проанализировал 29 факторов, влияющих на «AI impact» – комплексную метрику, включающую креативность, качество работы, продуктивность, коллаборацию и карьерные перспективы. Три модели машинного обучения (elastic net, random forest, XGBoost) дали согласованный результат.

Организационные факторы – культура, поддержка менеджера, практики работы с талантами – определяют 67% наблюдаемого эффекта от AI. Индивидуальный mindset и поведение – 32%. Демография (возраст, должность, отрасль) – почти ничего.

Самый сильный отдельный фактор – AI-культура организации. Не «у нас есть подписка на Copilot», а «в нашей компании нормально экспериментировать с AI, делиться находками, обсуждать ошибки, предлагать новые процессы». Этот фактор в два с половиной раза сильнее любого индивидуального.

Если перевести на управленческий язык: вы можете нанять или обучить лучших в мире пользователей AI, но если среда не поддерживает – эффект будет сдержанным. И наоборот: в правильной среде даже умеренно подготовленные сотрудники будут двигаться быстрее.

Это подтверждается отдельным исследованием Microsoft People Science: когда менеджеры активно используют AI сами, сотрудники сообщают о заметном росте по всем направлениям – воспринимаемая ценность AI выросла на 17 п.п., критическое мышление – на 22 п.п., доверие агентному AI – на 30 п.п. Частота активного использования AI в команде выше в 1,4 раза.

Сложность начинается, когда нужно не просто попробовать AI, а встроить его в то, как менеджер ставит задачи, проверяет результаты, задаёт стандарты команде. Именно этот навык и является разрывом между «использую иногда» и Frontier.

Frontier Professionals: 16% пользователей, которые работают иначе

Microsoft выделяет группу «Frontier Professionals» – 16% от всех пользователей AI, которые отличаются не просто интенсивностью использования, а подходом.

Вот что отличает эту группу от остальных 84%.

Frontier Professionals строят системы, а не просто используют инструменты. Они применяют агентов для многошаговых workflow, создают мультиагентные системы, пересматривают процессы целиком – 80% говорят, что производят работу, которую раньше не могли выполнить.

При этом 43% из них (против 30% у остальных) намеренно делают часть работы без AI – чтобы сохранить собственные навыки. 53% (против 33%) делают паузу перед началом задачи, чтобы решить: что отдать AI, а что сделать самому.

AI они не доверяют на слово: 86% рассматривают выход как отправную точку. На вопрос «какие человеческие навыки стали важнее?» – топ-2 ответа: контроль качества AI-выхода (50%) и критическое мышление (46%).

Это подтверждает паттерн, который мы видели в исследовании Dejan.AI / Anthropic: профессионалы обращаются с AI как с младшим помощником – полезным, но требующим постоянной проверки. Frontier Professionals идут дальше: они не просто проверяют, а проектируют взаимодействие.

В чём практическая разница? Microsoft предлагает фреймворк четырёх режимов работы с AI:

• Вопросы (Asking) – быстрые уточнения, пересказ, конвертация. AI-ассистент, человек направляет.
• Исследование (Exploration) – тестирование границ: на что AI способен, какие промпт-стратегии работают.
• Делегирование (Delegation) – человек задаёт направление, агент исполняет. Регулярные отчёты, сводки, рутинные задачи.
• Коллаборация (Collaboration) – работа нуждается в обоих: итеративная доработка, анализ, где каждый раунд меняет следующий вопрос.

Frontier Professionals выделяются не тем, что они используют какой-то один режим чаще. А тем, что они знают, какой режим подходит для какой задачи. Рутину делегируют, аналитику строят в коллаборации, новые процессы исследуют. Остальные чаще застревают в режиме «вопросы» – спрашивают AI и получают ответы, не перестраивая процесс.

Если вы хотите оценить, где находятся ваши навыки по отношению к рынку, мы тестировали модели на задачах, приближённых к реальным менеджерским – результаты в нашем бенчмарке ИИ моделей.

Как WTI соотносится с другими данными 2026 года

Microsoft – не единственный источник. За последние полгода мы разбирали данные из нескольких крупных исследований, и WTI собирает из них связную картину.

Начнём с очевидного противоречия. Stanford AI Index 2026 фиксирует 88% корпоративного внедрения и рост инвестиций в 2,6 раза – выглядит как триумф. Но если внедрение настолько массовое, почему 62% пользователей по данным Epoch AI / Ipsos применяют AI на одну-две задачи? WTI предлагает ответ: дело не в людях, а в среде. Когда метрики, культура и процессы не изменились, стимула углубляться просто нет.

Ещё одна грань той же проблемы – 8-месячное исследование Stanford, которое зафиксировало парадоксальный эффект: AI не сокращает работу, а уплотняет её. Люди берут на себя больше задач, распределяют работу на большее количество часов. В Frontier-организациях, по данным WTI, это уплотнение направлено – менеджеры задают стандарты качества, создают пространство для экспериментов, поощряют переизобретение процессов. Без этого каркаса уплотнение становится хаотичным.

Отдельный сюжет – влияние на рынок труда. AI Index зафиксировал падение занятости среди разработчиков 22–25 лет на 20%. При этом WTI показывает обратную сторону: 49% запросов к Copilot связаны с анализом, принятием решений и оценкой – работой, которую раньше делали только специалисты. Порог входа снижается для тех, кто уже внутри системы, и одновременно поднимается для тех, кто пытается в неё войти.

Что это значит для менеджера

Из 22 страниц отчёта я бы выделил три вывода, которые напрямую влияют на управленческие решения.

Инвестиции в людей без изменения среды дают в лучшем случае треть результата. Если организационные факторы определяют 67% эффекта, а индивидуальные навыки – 32%, то обучение сотрудников без перестройки процессов, метрик и культуры – это аргумент не против обучения, а за то, чтобы обучение шло параллельно с изменением среды.

Менеджер остаётся ключевым звеном. Данные однозначны: когда менеджер сам использует AI и показывает это команде, все метрики растут – ценность, критическое мышление, доверие, частота использования. Менеджер, который одобряет AI на словах, но сам его не трогает, создаёт ровно тот «заблокированный» сегмент, о котором говорит WTI. Это перекликается с тем, что Stanford AI Index зафиксировал в образовании: 80% студентов используют AI, но только 6% преподавателей понимают правила. Тот же разрыв «ученики обогнали учителей» воспроизводится в компаниях.

Цифра 13% вознаграждаемых – это сигнал о системной проблеме. Если только 13% AI-пользователей говорят, что их компания вознаграждает за переосмысление работы, значит система KPI в подавляющем большинстве организаций по-прежнему заточена под «делай как раньше, но быстрее». А Frontier-организации делают другое: вдвое чаще вознаграждают за реинвенцию (26% vs 11%), чаще обсуждают стандарты качества AI-работы (54% vs 29%), чаще документируют workflow с агентами (26% vs 19%).

Методологическая оговорка

Стоит помнить, что Microsoft – не нейтральный исследователь. Компания продаёт Copilot, Copilot Agents и инфраструктуру Microsoft 365. Данные телеметрии – из их собственной экосистемы. Опрос проведён Edelman Data x Intelligence, но по заказу Microsoft. Когда отчёт говорит, что «агенты выросли в 15 раз за год», это агенты в экосистеме Microsoft.

Это не делает данные недостоверными – масштаб выборки (20 000 респондентов, 10 стран) и методология (random forest permutation importance) вполне серьёзны. Но рамку нужно учитывать.

Куда дальше

Microsoft вводит концепцию «Learning System» – организации, в которой знания о том, что работает (и что не работает) с AI, систематически фиксируются, распространяются и встраиваются в процессы. Frontier-компании уже так работают: делятся AI-лайфхаками (61% vs 36%), совместно ищут AI-возможности (63% vs 32%), обсуждают стандарты качества (54% vs 29%).

Это та же идея, что у MIT в исследовании о «пропускной способности обучения»: выигрывают не те, кто больше потратил на AI, а те, кто быстрее учится на собственном опыте. Или, как сформулировал Karim Lakhani из Harvard Business School в предисловии к WTI: «Компании, которые учатся быстрее всех – а не те, которые внедряют быстрее всех – окажутся в лидерах».

Для менеджера практический вопрос прост: что вы делаете с тем, что ваша команда уже узнала об AI? Если ответ «ничего системного» – вы в зоне 50% «формирующихся». Не страшно, но и не надёжно.

Читайте также

80% студентов используют AI – и 6% преподавателей понимают правила

73% экспертов верят в AI – и только 23% обычных людей. Кто прав?

Зубчатый край ИИ: олимпиада – да, аналоговые часы – нет

280x дешевле за два года: экономика ИИ перевернулась