Сегодня пришло письмо от студента – про то, что остаётся от курса через месяцы, когда внедрять ИИ приходится одному. Дальше – инструменты, которые купили и не используют, руководители, которые перестали ждать отдачи, и логи компании, где обучение ничего не поменяло.
Письмо, которое пришло сегодня утром
Письмо от студента, руководителя направления. Привожу его почти целиком.
«Я сегодня прошёл очередной урок. Сегодня читал про MCP серверы. После этого немного порефлексировал и понял, в чем сейчас главная ценность для меня от прохождения твоего курса. У меня идёт накопление общей информации о том, что такое нейронка. Т.е. в момент старта я имел, примерно, 0 понимания того, что такое ИИ и как его использовать, помимо диалогов с Алисой (Клодом, ГПТ и т.д.).
На старте курса я чувствовал себя совсем не в теме, когда на менеджерских собраниях начинали обсуждать инструменты на основе ИИ. А сейчас я иногда ощущаю, что в некоторых вопросах могу задавать тон разговору и спорить по некоторым темам. Это круто. Спасибо тебе!
А также у нас в компании не очень хорошо развита тема ИИ. Поэтому мне, как руководителю направления, приходится, как слепому котёнку внедрять новые инструменты, разбираться в них и в их ценности для бизнеса. Это очень тяжело. Но каждый пройденный урок мне помогает разложить по полочкам очередную информацию, которая была до этого в голове в разбросанном виде (или вообще отсутствовала)».
В этом письме виден результат, про который редко говорят: разрозненные сведения о нейросетях постепенно складываются в картину, и вместе с ней у человека появляются собственные вопросы и возражения. На собраниях про ИИ он сначала начинает отвечать, потом спорить, потом задавать тон. Такое даёт только накопление.
Вторая часть письма – про то, зачем эта картина каждый день. Автор тащит тему ИИ в компании, где до него ею никто не занимался, и описывает себя как слепого котёнка: каждый урок раскладывает информацию, которая раньше лежала в голове вразброс. Для человека, который внедряет один, это нормальный темп – накопление, после которого решения становятся увереннее.
Тем, кто сейчас в той же точке: открытый модуль и девять уроков доступны без оплаты. Платный трек «Проектное управление» включает «Фундамент» – базовый модуль про структуру промпта, ограничения моделей, конфиденциальность, этику, копирайтинг и агентов. Средняя оценка курсов – 9 из 10.
→ Открыть программу и начать с бесплатного модуля
Инструменты куплены, ежедневной работы нет
LeadDev выпустил отчёт AI Impact 2026 – опрос почти 600 руководителей разработки. Верхние цифры выглядят как обычный отчёт о внедрении: Claude Code используют 78% компаний, GitHub Copilot – 56%. Но на вопрос, каким инструментом команда реально пользуется каждый день, ответы другие: у Claude Code 50%, у Copilot – 14%.
Разрыв виден и в отдаче. В прошлом выпуске Gallup показал, что метрика «доля использующих» ничего не говорит об отдаче; у LeadDev тот же зазор с другой стороны. GitHub говорит, что 88% пользователей Copilot чувствуют рост продуктивности. Среди руководителей, отвечавших на опрос, заметный рост видят 26%. Измеряет эффект от инструментов 31% организаций – примерно в 1,7 раза больше, чем год назад, и всё ещё меньшинство: остальные решают, продлевать ли подписку, без цифр.
Дэн Мур из FusionAuth формулирует это в отчёте так: разрыв между закупленным и используемым – проблема закупки, замаскированная под проблему внедрения. Правильный вопрос для него – почему команда ищет инструмент в обход того, что одобрили и оплатили.
Оговорка к цифрам: опрос про инженерные инструменты, отвечают те, кто сам ими пользуется, так что переносить проценты на всю компанию нельзя.
Та же пара инструментов, только вид изнутри. В начале 2026 года в Microsoft раскатали Claude Code и GitHub Copilot CLI на десятки тысяч инженеров; наблюдательное исследование четыре месяца разбирало логи, и разрыв между «купили» и «пользуются каждый день» там закрывали социальные связи: инструментом начинали пользоваться те, кто видел его у коллег. Удержание оказалось связано с тем, сколько человек кодит, – должность и стаж не предсказывали, кто останется с инструментом. Перешедшие смёрдживали примерно на 24% пул-реквестов больше, чем смёрдживали бы иначе, и прибавка держалась все четыре месяца – эффект новизны столько не живёт.
Я бы читал эти 24% с поправкой: препринт без рецензии, пользователи отобрали себя сами, «смёрдживали бы иначе» – смоделированный контрфакт, контрольной группы там нет, и инженеры Microsoft не равны рабочей силе вообще. Авторы сами помечают: смёрдженный пул-реквест – прокси для выработки. Сколько пользы он принёс, работа не меряет. В масштабе организации расходы на токены доходят до миллионов долларов в год, и ошибка в оценке внедрения делает раскатку дорогой, не сдвинув скорость разработки.
Отдельная деталь из отчёта. Ребекка Мёрфи из Swarmia: узкое место компаний – ожидание тестов, сборок и деплоя, который случается через два-три дня.
Руководители признают: отдачи пока нет
Около 90% руководителей считают, что ИИ пока не поднял производительность в их компаниях, – это данные исследования Федерального резервного банка Атланты, на которое ссылается Марк Ма, профессор Питтсбургского университета. Признание уже массовое: разрыв между вложениями и результатом руководители видят сами.
У Ма есть объяснение. Его команда пять лет разбирала миллионы отзывов сотрудников на Glassdoor, тысячи финансовых отчётов и сотни объявлений публичных компаний – об инвестициях в ИИ и об увольнениях, которые этими инвестициями объясняли. Паттерн прямой: чем чаще компания сообщает про инвестиции в ИИ, тем чаще сообщает и про увольнения.
Рынок на такие новости почти не реагирует – средняя реакция котировок около нуля, больше чем в половине случаев она отрицательная или нулевая, – а у сотрудников реакция резкая: после каждого объявления об увольнениях отношение к ИИ падает. А отношение сотрудников к ИИ – один из самых сильных предикторов производительности компании, которая ИИ использует. Тон менеджмента в тысячах разговоров с инвесторами стабильно оптимистичен – и с производительностью связан не оказался.
Правда, корреляция на публичных данных, и настроения меряются по отзывам – у метода свои искажения.
В этом месяце последовательность было видно и без статистики. По расследованию Reuters в пересказе Ars Technica, Meta готовила план «стать AI-native»: часть команд сократилась бы на 60%, первую волну увольнений провели в мае, вторую отменили. Внутренние посты зафиксировали последствия: изменения в коде выросли на 220% год к году, новые функции у пользователей – на 36%; крупные технические инциденты и инциденты безопасности – плюс 40%. Цукерберг в июле признал: агентная разработка последние четыре месяца «не ускоряется так, как мы ожидали».
Кто пользуется ИИ умело
Исследователи разобрали логи одной большой компании: больше 700 тысяч промптов почти четырёх тысяч сотрудников бэк-офиса, 15 функций, восемь месяцев 2025 года. Формат редкий: не опрос «пользуетесь ли вы ИИ», а реальные запросы.
Первый результат: чем выше позиция, тем умелее запросы – опыт в домене работает в паре с моделью; второй: разброс между функциями большой, впереди стратегия, цифровые инновации и проектное управление – группы, которые занимаются изменениями компании целиком.
Третий результат неприятный. За восемь месяцев пользование не стало умелее ни у кого: кривая сама по себе не растёт. Корпоративные тренинги по ИИ эффекта тоже не оставили – после них кривая не сдвинулась. Само по себе умение не накапливается.
Оговорки: одна компания, метрика «умелости» авторская, препринт без рецензии. Открытым остаётся главный вопрос: что тогда вообще сдвигает пользование, если ни время, ни тренинги его не сдвигают? Авторы ответа не дают, и работы с такими данными я не нашёл.
Своего замера у меня нет, есть обратная связь. Структура промпта у наших студентов начинает работать после того, как человек своими глазами увидел на платформе, что один и тот же запрос с ней и без неё возвращает разный ответ. Прочитать её мало. Из этого и собран «Фундамент» – базовый модуль трека. Считать это ответом на вопрос выше я не берусь: мне пишут те, кто дошёл до конца, а это ровно тот же самоотбор, что и у авторов работы.
Идеи и ссылки
Epoch AI и Ipsos опросили больше тысячи работающих американцев: каждый пятый уже отдал ИИ задачу, которую раньше делегировал коллеге или подрядчику, – чаще всего анализ данных. 66% результатов ИИ принимаются без правок или с мелкими; время экономится чаще там, где ИИ закрывает задачу почти целиком – 53% против 37% при частичной помощи.
Формулировка решает, услышит модель вашу неуверенность или начнёт её проверять. В работе на десяти моделях разрыв точности между верным и ложным убеждением пользователя качается от +50 пунктов до −14 в зависимости от глагола: «я смутно помню» и «я серьёзно сомневаюсь» для человека одна и та же степень неуверенности, а для модели – разные задачи. Одна инструкция в системном промпте разворачивает эффект для целых семейств таких фраз. Похожее мы мерили сами, на 18 моделях: давление незначащей фразы в промпте влияет на ответ модели, а стоит руководителю сослаться на собственный опыт – медианная модель бросает верный ответ примерно в каждом пятом случае. Настоящий довод двигает сильнее, и это там единственная хорошая новость.
Плохие новости клиентам легче сообщать через ИИ. Обзор трёх исследований в MIT Sloan Management Review: невыгодное предложение принимают у машины в 78,6% случаев против 60,4% у человека – ИИ не приписывают корысти. С хорошими новостями наоборот: 89% у человека против 76% у ИИ.
Летний инцидент в OpenAI, о котором мы писали в августе, получил независимый разбор. METR и Redwood насчитали около 1 200 изолированных агентов, которые нашли друг друга на самодельной доске сообщений и отправили больше 70 тысяч сообщений за шесть дней; около 700 агентов – на внутренней модели и GPT-5.6 Sol – участвовали в атаке на Hugging Face, причём больше 90% присоединились, понимая, что выходят за рамки. Thezvi про отчёт самой OpenAI: команды замечали доску ещё в июне и не останавливали работу.
State of AI Impact in Engineering: расходы тех-сектора на ИИ выросли за год примерно в 28 раз, экономия времени – больше шести часов в неделю на человека, но доля времени на новые функции за четыре квартала не сдвинулась.
По данным Linear, доля CEO компаний от 200 человек, активно пользующихся ИИ, выросла за полгода с 9% до 36%. Топы осваивают технологию руками.
Андрей Карпаты продвигает «LLM-вики» – базу знаний, из которой модель достаёт суть документов; журналист Кейси Ньютон собрал такую из полутора тысяч страниц и называет самым полезным инструментом года (разбор Platformer).