Стэнфорд 8 месяцев наблюдал за командой: AI уплотнил работу, а не сократил. NVIDIA перевела 30k разработчиков на Cursor. 70% AI-кода отклоняется на ревью. ChatGPT потерял долю с 69% до 45%.
Что важно менеджеру
AI не экономит время – он его уплотняет
Мы опубликовали большое исследование «AI не экономит время – он его уплотняет» в нашем блоге. Исследователи из Стэнфорда 8 месяцев наблюдали за ~200 сотрудниками технологической компании и обнаружили парадокс: генеративный AI не сократил рабочую нагрузку, а уплотнил её.
Данные Microsoft подтверждают: 62% продакт-менеджеров используют Gen AI ежедневно, 81% говорят, что AI экономит время – но 56% отрицают, что усилий стало меньше.
Исследование выявило три механизма уплотнения:
1. Расширение задач (Task Expansion). PM и дизайнеры начали писать код. Исследователи взялись за инженерные задачи. Границы ролей размылись – каждый делает «чуть-чуть чужой работы».
2. Размытие границ работы и отдыха. Люди промптят AI во время обеда, на встречах, в перерывах. Разговорный стиль промптинга маскирует работу: кажется, что «просто чатишься», а на самом деле решаешь рабочую задачу.
3. Усиление многозадачности. Управление несколькими AI-потоками одновременно. Постоянная проверка AI-выводов. AI увеличивает пропускную способность задач, но не снижает когнитивную нагрузку.
Результат – самоусиливающийся цикл: AI ускоряет задачи → растут ожидания скорости → расширяется спектр деятельности → увеличивается плотность работы.
Это связано с ещё одним исследованием: почему ответственность за AI-решения остаётся за человеком. Данные Microsoft по 885 PM: 73% делегируют AI черновики спецификаций, но 47% беспокоят галлюцинации. Менеджер, слепо доверяющий AI, опаснее для организации, чем менеджер без AI.
Три вывода:
- Перестаньте мерить продуктивность «экономией времени». Если команда работает столько же, но делает больше – это не экономия. Это уплотнение. Мониторьте workload creep, а не только output.
- Проверьте, не занимаются ли сотрудники «чужой работой». PM пишут код, дизайнеры анализируют данные – звучит круто, но ведёт к когнитивной перегрузке и выгоранию.
- Делегируйте выполнение, сохраняйте контроль решений. AI пишет черновик – человек проверяет и утверждает. Финальная приёмка – всегда за человеком.
Источники:
Новости
NVIDIA: 30 000 разработчиков на Cursor, 3x рост коммитов
NVIDIA перевела 30 000 разработчиков на AI-агентов в IDE Cursor. Трёхкратное увеличение одобренных фиксов и коммитов. AI сократил время выхода на продуктивность для новых сотрудников, а бэкенд-инженеры начали выполнять фронтенд-задачи.
Что вам с этого? Если команда ещё не использует AI в IDE – вы теряете кратную разницу в скорости. При найме снижайте требования к синтаксису, фокусируйтесь на архитектурном мышлении.
Рынок AI: великая перетряска
- ChatGPT потерял долю с 69% до 45% за год. Бенефициары – Google Gemini и Grok.
- Microsoft Copilot – корпорации используют лишь 10% от оплаченных лицензий (данные Citi). Доля платных пользователей упала с 18,8% до 11,5% за полгода.
- Claude – маленькая доля рынка, но среднее время использования выросло с 10 до 30+ минут в день. Для глубокой работы выбирают именно его.
- Рынок чат-ботов вырос на 152% за год. 20% пользователей используют минимум два инструмента одновременно.
Что вам с этого? Монополия ChatGPT закончилась. Не покупайте лицензии «на всех» – пилот на 5–10 активных сотрудниках. Claude – для глубоких задач. Gemini – если команда в Google Workspace.
70% AI-кода отклоняется
До 70% pull-request’ов от AI отклоняются или «зависают» в ревью. Главные причины – дыры в безопасности и отсутствие тестов. При этом стоимость генерации кода достигла дна: 10 000 строк за ~4 рубля – в 100 раз дешевле найма. Код стал почти бесплатным в производстве, но дорогим в проверке.
Что вам с этого? PR от AI не рассматривается без покрытия тестами. Усильте Code Review и автоматизацию тестирования.
Anthropic потряс SaaS-рынок на $300 млрд
Anthropic выпустил AI-инструменты для юристов, маркетологов и поддержки. Обвал капитализации Adobe, Thomson Reuters и других SaaS-гигантов – ~$300 млрд за один день. Рынок движется от модели SaaS (оплата за место) к оплате за результат и API-вызовы.
Goldman Sachs начал промышленное внедрение AI-агентов Anthropic в комплаенс, бухгалтерию и онбординг клиентов. Mastercard запустил платежи через AI-агентов.
Что вам с этого? При переговорах о продлении контрактов требуйте модель ценообразования, привязанную к бизнес-результатам. Если подрядчик использует AI – это аргумент для пересмотра стоимости.
Claude Opus 4.6 и GPT-5
OpenAI и Anthropic синхронно обновили модели. Claude Opus 4.6 улучшил планирование многошаговых задач, получил режим Fast (2,5x быстрее). Модель автономно написала C-компилятор за 14 дней. Apple интегрировала Claude в Xcode. OpenAI выпустила Codex – 1 млн скачиваний за неделю, один разработчик может управлять 10 автономными агентами одновременно.
Что вам с этого? Перетестируйте задачи, которые Claude раньше проваливал: сложные цепочки действий, сборка отчётов из разных источников.
Инструменты
OpenClaw: практические кейсы
В прошлом дайджесте мы разбирали OpenClaw. Теперь мы написали подробный разбор реальных кейсов. Главный вывод: настройка за 5–15 минут текстом вместо 2–4 часов в n8n/Zapier. Дизайн-агентство сократило обработку запросов с 5–10 минут до ~30 секунд. Но для enterprise – рано.
Ещё инструменты
- OpenAI Frontier – платформа для управления флотом AI-агентов внутри CRM.
- Agent Composer от Contextual AI – RAG-агент для технической документации, где инженеры тратят 20+ часов в неделю.
- GitHub AI-агенты – автоматическое исправление багов и обновление документации по расписанию.
- LlamaIndex – продвинутый парсинг PDF: корректно распознаёт таблицы и графики.
- Qwen Coder 3 – уровень GPT-4o, но в 11 раз дешевле. Работает на 46 ГБ ОЗУ.
- Kimi K2.5 – бесплатная мультимодальная модель с Agent Swarm (до 100 параллельных агентов).
Данные и инсайты
338 000 просмотров, 742 поста, 1 регистрация
Мы провели 3-месячный эксперимент с AI-автоматизацией контента в Threads. 338 000 просмотров, рост в 7,4 раза. Но одна регистрация при стоимости ~$150 и 70 часов работы.
Человеческая курация показала 54-кратную разницу: полная автоматика – 19,5 просмотров/пост, гибрид – 1 055 просмотров. Из 22 еженедельных аналитических отчётов почти все выводы неустойчивы. Единственный стабильный фактор – человеческая проверка.
McKinsey Lilli: 100 000+ документов за секунды
McKinsey внедряет Lilli – внутреннюю AI-платформу, агрегирующую 100 000+ документов. Подготовка к встречам – с недель до часов. Главный фактор успеха AI – не технологии, а лидерство и культура. 90% AI-инициатив терпят неудачу из-за неспособности команды объяснить AI-решения.
Karpathy vs Altman: разрыв в 80%
Андрей Карпати (экс-Tesla AI) перевёл 80% своих задач на AI за две недели. Сэм Альтман (CEO OpenAI) признался, что почти не менял рабочие процессы. Разрыв определяется не доступом к инструментам, а радикальной перестройкой личных процессов.