Вопрос ёмкости: куда деть время, которое освободил ИИ
AI-модели в этой статье
В сентябре 2026 года Thomson Reuters Institute опубликовал разбор про средние юридические фирмы, и в нём есть фраза, которая стоит всей статьи: большинство организаций инвестируют в ИИ, но так и не ответили на вопрос, который определяет, появится ли от этих инвестиций ценность. Вопрос не про выбор инструмента и не про бизнес-кейс для партнёров. Вопрос звучит так: что вы делаете с ёмкостью, которую ИИ освобождает?
Речь про юристов, но перенос на любую команду прямее, чем кажется. У вас уже есть лицензии, кто-то в команде уже экономит часы на черновиках, сводках, разборе документов. И с очень высокой вероятностью вы не можете внятно ответить, куда эти часы деваются.
Мы это уже видели на данных BCG: 66% сотрудников не получают указаний, куда направить освободившееся время, и больше половины не перенаправляют его на более важную работу. Год замеров отдельно показал, что около 37% сэкономленного съедает проверка результатов. Обе статьи зафиксировали симптом: у времени нет адреса. Текущий разбор TRI полезен другим – он описывает решение, причём решение, которое принимается до покупки следующего инструмента, и состоит из письменных артефактов.
Освобождённое время – ещё не стратегическая работа
Первая мысль из статьи, которая ломает интуицию: освобождённая ёмкость не становится стратегической работой автоматически. Она становится доступным временем. Куда оно пойдёт, зависит от того, сделало ли руководство осознанный выбор и довело ли его до людей в виде, на котором можно действовать.
Иначе доступное время заполняет самая настойчивая текущая работа: больше тикетов, больше созвонов, больше той же работы на том же уровне. Через квартал вы платите за лицензии и не можете показать, что изменилось.
Вторая мысль – про разницу между эффективностью и трансформацией. Ответ уровня эффективности: ИИ делает рутину, утилизация растёт, маржа расширяется. Это работает, но не меняет того, что команда вообще может, и за что ей платят. Ответ уровня трансформации: команда использует освобождённую ёмкость, чтобы делать то, чего раньше не делала – более проактивные рекомендации, более раннее выявление рисков, более глубокую работу с заказчиком. TRI формулирует жёстко: если экономия уходит в скидки или время не перенаправлено, компания несёт затраты на ИИ, не захватывая ценность.
Здесь я поспорю с источником в одном месте. Данные собраны по юридическим и профессиональным услугам, где почасовая модель делает «свободный час» физически видимым в отчётности. В продуктовых и IT-командах время размазано по спринтам, и потеря перенаправленного часа незаметнее. Вывод это не смягчает – наоборот, проверять адрес времени надо раньше: в IT-команде потери увидят позже, когда компенсировать их будет труднее.
Тест одного предложения
Самая практичная находка статьи – проверка на одно предложение. Попросите лидеров направлений написать буквально одно предложение: чем их люди должны заниматься больше, когда ИИ заберёт повторяемое.
Дальше смотрим на формулировки. Если в них задачи – «больше драфтить», «больше закрывать тикетов» – вопрос ёмкости не решён. Если способности – «выстраивать отношения с заказчиком раньше», «идти вглубь домена, а не вширь по бэклогу» – решение есть, и его можно довести до команды.
Почему это работает: предложение про задачу можно исполнить, ничего не меняя. Предложение про способность требует решить, каких задач станет меньше, какие вообще исчезнут и что человек будет делать вместо них. Это и есть то самое управленческое решение, которое TRI называет определяющим.
Попробуйте прямо сейчас, до конца дня. Три руководителя направлений, три предложения, десять минут чтения. Если два из трёх окажутся про задачи – вы только что нашли первую проблему внедрения, и она оказалась дешевле любого аудита.
Один письменный вопрос из этой статьи экономит квартал блужданий. В бесплатном модуле курса – 9 таких практических задач менеджера на работу с ИИ в команде.
Доступ сразу после регистрации
Три вопроса, которые стоит ответить письменно
Второй артефакт из статьи – три вопроса перед любым следующим решением о внедрении. TRI настаивает именно на письменной форме: записанный ответ быстро показывает, решён вопрос по существу или только предполагается решённым.
Первый: эта работа вообще подходит для ИИ, и где он реально экономит время или добавляет ценность? Не вся работа одинакова – ясные ранние победы приходят с документоёмких, research-интенсивных и шаблонных задач, где ИИ сокращает время без роста нагрузки на проверку.
Второй: где ИИ на наших ключевых услугах экономит время, а где позволяет выдать принципиально лучший или новый результат? Это разные коммерческие случаи. Для фиксированной цены экономия идёт в маржу. Для почасовой – вопрос, идёт ли время в больше проектов, в более ценную работу или в новые услуги. Для улучшенного результата – что за него можно брать, и это может отличаться от прежней цены той же работы.
Третий: как мы делаем ценность инвестиций видимой для тех, кто их финансирует? Внутри компании это владелец бюджета; снаружи – заказчик, который всё чаще спрашивает, что изменилось. Данные из отчёта Future of Professionals 2026 по 62 странам: 78% корпоративных клиентов считают AI-улучшения качества от подрядчиков важными или критичными, но только 6% говорят, что текущие поставщики это доставляют. Почти треть клиентов пересматривает отношения с провайдерами из-за этого. Цифры по рынку услуг, но механика универсальна: заказчик, который платит за «мы используем ИИ», скоро перестанет платить – он купит это напрямую.
Метрика до старта, и почему это доля списаний
Третий факт из статьи, который меня удивил: только примерно одна из шести фирм в выборке TRI измеряет ROI своих ИИ-внедрений. Инвестиции уже идут, а способа показать отдачу нет. Без этого нельзя ни защитить бюджет перед руководством, ни ответить заказчику на вопрос «что изменилось».
Рекомендация TRI – минимум одна метрика на каждый автоматизированный процесс, определённая до старта. А если мерить что-то одно, то write-off rate: долю работы, которую пришлось списать или переделать. Логика: самая ранняя выгода от ИИ – меньше скрытой стоимости низкокачественной работы, и этот показатель виден с первого дня без смены модели ценообразования.
Для команды без биллинга перевод простой: доля задач, закрытых с переделками; доля документов, вернувшихся со второго прохода; часы на rework в спринте. У этих метрик то же свойство – не нужно ничего менять в процессе, чтобы начать их считать, и они ловят главный ранний эффект.
И вторая половина этой честности – цена проверки. ИИ создаёт ценность, только когда сэкономленное время больше времени на проверку, валидацию и ответственность за выхлоп. Команда, у которой вся экономия ушла в контроль результата, будет рапортовать об экономии, которой нет. Мы это разбирали в годовом разборе замеров – 37% съедает именно проверка, и это не худший случай.
Проверьте сами: карта перераспределения на реальных данных
Прежде чем идти к руководству с предложением о расширении лицензий, полезно собрать черновик ответов на все три вопроса по своей команде. Ниже промпт, который делает такой черновик из заполненных данных: команда из шести человек, список задач, где ИИ уже экономит часы, оценка освобождаемого времени и цена верификации. Промпт просит модель предложить варианты перенаправления времени и выбрать первую метрику.
Промпт заполнен на условной, но реалистичной команде – замените цифры на свои перед отправкой руководству, но для первого прогона ничего править не нужно. Я подобрал модели по нашим описаниям моделей: Claude Fable 5 сильна в планировании и схемах контроля, DeepSeek V4 Pro применима для планирования и доступна из России напрямую. В ответе смотрите, различаются ли предложенные варианты по типу – больше объём, выше качество, новая работа – и какую первую метрику модель обосновывает лучше всего.
Обратите внимание на пункт 5 в ответе модели. Если обобщение модели описывает задачу, попросите его переписать – это тот самый тест одного предложения, применённый к черновику.
Чего эта рамка не решит
Честно о границах. Вопрос ёмкости – необходимое, но достаточным его не назовёшь. Он не отвечает, как обучать людей, которые проверяют выхлоп, которому никогда не делали работу руками, – это тема отдельного разговора про симуляционное обучение суждению. Он не ловит риск того, что ваши самые активные пользователи ИИ – специалисты среднего звена – первыми уйдут, если темп внедрения их разочарует; этому посвящён следующий разбор серии. А тренировку командного рефлекса оспаривать слабые места выхлопа рамка тоже не строит – про это четвёртая часть.
Но без ответа на вопрос ёмкости всё остальное ускоряет движение в не выбранном направлении. Фирмы, которые в исследовании TRI оказались впереди, не были самыми быстрыми или самыми технически подкованными. Они начали с одного типа работ и заранее решили, как будет выглядеть перераспределённое время. Это решение стоит ноль рублей и занимает один вечер. Его отсутствие стоит квартала лицензий.
Экономию времени сначала нужно измерить – потом распоряжаться
В Фундаменте курса есть урок «Аудит времени»: вы измеряете полное время задачи с ИИ, находите механизм, из-за которого экономия исчезает, и проверяете, куда ушло сэкономленное.
Часто задаваемые вопросы
Что такое вопрос ёмкости при внедрении ИИ?
Как проверить, что вопрос ёмкости решён в моей команде?
Какую метрику выбрать первой для оценки эффекта ИИ?
Почему подсчёт сэкономленных часов не показывает ценность ИИ?
Stanislav Belyaev
Engineering Leader в Microsoft18 лет в управлении инженерными командами. Основатель mysummit.school. 700+ выпускников в Яндекс Практикуме и Стратоплане.