Запитайте будь-якого власника маркетингової агенції з п’яти людей, юридичної фірми з двома партнерами чи невеликої архітектурної студії, що змінилося цього року. Відповідь пролунає одразу: тепер усі делегують завдання чомусь, що здатне відповісти. Чернетку брифу надсилають чатботу раніше, ніж клієнтові. Попередню перевірку договору проводить модель, перш ніж документ побачить помічник юриста. Приблизний ескіз молодшого працівника отримує ще одну оцінку від програми, яка опрацювала більше будівельних норм, ніж будь-яка людина могла б прочитати за все життя. Сам інструмент уже не є найцікавішою частиною цієї історії. Натомість у тисячах невеликих фірм досі непомітно виробляється дисципліна, потрібна для його вправного застосування.
Інструмент, який допоміг новачкам працювати краще
Найпереконливіші ранні докази з’явилися в контактному центрі, а не в залі засідань. Економісти Ерік Бріньолфссон, Даніель Лі та Ліндсі Реймонд спостерігали за 5 179 фахівцями служби підтримки клієнтів у програмній компанії. Під час поетапного впровадження деякі команди отримали генеративного помічника на основі ШІ раніше за інших. Головний показник був помірним: середня кількість вирішених за годину звернень зросла на 14 відсотків. А показник, що стояв за ним, був зовсім не помірним. Продуктивність новачків і працівників із нижчою кваліфікацією підвищилася на 34 відсотки, тоді як показники найдосвідченіших майже не змінилися. Як виявили дослідники, інструмент поширював найкращі практики найздібніших працівників. Для решти він скорочував багаторічне навчання на робочому місці до кількох тижнів.
Схожу закономірність виявили серед офісних фахівців, які виконували цілком звичайні завдання з написання текстів. Шаккед Ной і Вітні Чжан дали 453 маркетологам, авторам грантових заявок та фахівцям із персоналу з вищою освітою реальні письмові завдання з їхньої професійної практики. Потім дослідники випадково надали половині учасників доступ до ChatGPT. Середній час роботи над завданням скоротився на 40 відсотків, а якість результату за сліпого оцінювання зросла на 18 відсотків. Переваги розподілилися нерівномірно. Найбільше покращили свої результати слабші автори, а найсильніші майже нічого не здобули. Однак іще показовішим було те, як інструмент змінив саму структуру роботи: фахівці переважно перестали вручну готувати чернетки й спрямували заощаджений час на пошук ідей та редагування. Машина писала. Людина перевіряла. Саме цей розподіл праці, як з’ясувалося, пояснює більшу частину історії.
Де межа можливостей стає нерівною
Через два роки після початку буму нова хвиля досліджень уже не питала, чи допомагає ШІ, а намагалася точно встановити, де саме його допомога закінчується. Найвиразнішу відповідь дало дослідження 758 консультантів Boston Consulting Group, яке провела команда з Гарвардської школи бізнесу, Вортонської школи бізнесу та Массачусетського технологічного інституту. Отримавши вісімнадцять реалістичних консалтингових завдань, консультанти з доступом до GPT-4 виконали на 12,2 відсотка більше завдань і працювали на 25,1 відсотка швидше. Підготовлені ними матеріали отримали більш ніж на 40 відсотків вищу оцінку якості. Проте це стосувалося лише завдань усередині того, що дослідники назвали «нерівною межею можливостей» ШІ. Ця межа компетентності нагадує не пряму лінію, а морське узбережжя: в одних бухтах вона щедра, а відразу за мисом стає підступною.
Без допомоги ШІ консультанти правильно розв’язували завдання у 84 відсотках випадків, але із застосуванням ШІ їхні результати погіршилися, і частка правильних відповідей становила лише від 60 до 70 відсотків.Ітан Моллік про висновки щодо нерівної межі можливостей
Для власника невеликої фірми цей єдиний результат може бути найкориснішим реченням у всій науковій літературі, адже він перевертає інтуїтивне уявлення, з яким більшість людей починає користуватися такими інструментами. Ризик полягає не в захопленні. Він виникає через довіру там, де довіряти не варто. Ті самі дослідники виявили два дієві способи керувати цим ризиком і назвали їх Кентаврами та Кіборгами. Кентаври проводять чітку межу, визначаючи, яку частину роботи виконують самі, а яку віддають машині, та не відступають від цього поділу. Кіборги безперервно поєднують обидва підходи, дозволяючи моделі завершувати свої речення та виправляючи її просто в процесі. Жоден підхід не можна вважати кращим за інший. Обидва передбачають практичне розуміння того, де саме пролягає власна межа користувача, якого бракувало консультантам із гіршими результатами на завданнях поза межею можливостей ШІ.
Використання не рівнозначне довірі
Було б зручно, якби для розв’язання проблеми вистачало просто швидше впровадити інструмент. Докази свідчать про інше. Три рандомізовані випробування охопили 4 867 розробників програмного забезпечення з Microsoft, Accenture та виробника електроніки зі списку Fortune 100. У середньому доступ до GitHub Copilot збільшив кількість виконаних за тиждень завдань на 26 відсотків. Показник молодших розробників зріс від 27 до 39 відсотків, а старших лише від 8 до 13 відсотків. Однак через рік після впровадження частка користувачів у трьох компаніях усе ще становила лише близько 60 відсотків, хоча інструмент був безплатним, швидким і мав доведену користь. Дослідники також відверто визнали прогалину у власних даних: вони могли виміряти обсяг написаного коду, але не його якість, оскільки ніколи не мали доступу до самого коду. Навіть у компаніях із формальним процесом інженерної перевірки якість усе одно було перевірити складніше.
| Дослідження | Середовище | Вибірка | Головний результат |
|---|---|---|---|
| Бріньолфссон, Лі та Реймонд, NBER (2023) | Фахівці служби підтримки клієнтів | 5 179 працівників | +14% до середньої продуктивності; +34% у новачків |
| Ной і Чжан, Science (2023) | Професійні письмові завдання | 453 фахівці | −40% часу на завдання; +18% до якості |
| Делл’Аква та інші, HBS/BCG (2023) | Консалтингові завдання всередині межі можливостей | 758 консультантів | +12,2% виконаних завдань; +25,1% до швидкості; >40% до якості |
| Цуй та інші, Microsoft/Accenture/Fortune 100 (2025) | Розроблення програмного забезпечення, Copilot | 4 867 розробників | +26% виконаних завдань; близько 60% користувачів через рік |
Невеликі фірми не мають відділу перевірки, на який можна покластися. У них немає ані служби контролю, яка помітить вигадане посилання на судове рішення до подання документа, ані другого читача, здатного виявити, що лист клієнтові непомітно перебільшує твердження. Власник має свідомо розробити процедуру ще до того, як довірить інструменту будь-які матеріали для клієнтів, і наведені дослідження приблизно показують, що повинна містити така процедура. Для кожного завдання вона має визначати, які частини роботи фірми перебувають у межах можливостей ШІ, а які виходять за них. Ця межа залежить від сфери, і ніхто не накреслив її заздалегідь. Процедура має передбачати редагування людиною всього, що залишає межі компанії, подібно до того як учасники дослідження Ной і Чжан витрачали заощаджений час на перевірку, а не перетворювали його на відпочинок. Нарешті, вона має зберігати настороженість до гладкого викладу. Впевнене звучання відповіді не робить її правильною, а консультанти, які повірили переконливій, але помилковій відповіді, впоралися гірше за тих, хто спирався лише на власне судження.
Що насправді дає накопичувальний ефект
Усе це не є аргументом проти делегування. Працівники служби підтримки, автори та розробники, які добре використовували ці інструменти, раз по раз отримували значну перевагу. Натомість фірми, що ніколи не торкаються цієї технології, просто робитимуть менше, повільніше та з вищою вартістю кожної години експертної роботи. Аргумент вужчий і корисніший для невеликої компанії: наведені переваги виникли не завдяки встановленню чатбота. Їх отримали працівники чи фірми, які виробили звичку перевіряти. Вони чітко розподіляли працю, як Кентаври, або безперервно поєднували її, як Кіборги. Дехто просто на досвіді визначав категорії завдань, які можна довірити машині без нагляду. Формування такої звички триває довше, ніж оформлення передплати, і саме тому її користь накопичується. Фірма, яка присвятить перші місяці роботи з новою моделлю складанню карти власної нерівної межі можливостей, користуватиметься нею ще довго після заміни самої моделі наступною.
Оновлено 24 серпня 2026.