ИИ ускоряет работу, но не всегда улучшает результат
В недавнем опросе тема #AI вошла в ТОП самых актуальных для рассмотрения, поэтому мы нашли несколько свежих научных исследований по ней.
Начнем с исследования Dell’Acqua и коллег с участием 758 консультантов Boston Consulting Group, которое показало, как ИИ может одновременно ускорять работу и ухудшать качество решения.
Исследователи дали консультантам базовое задание и после этого случайно распределили в три группы: первая не использовала ИИ, вторая просто пользовалась GPT-4, а третья перед работой с GPT-4 изучала краткую инструкцию по работе с промптами. Задания были похожи на реальную консультационную работу, а результаты могли повлиять на внутреннее признание и бонусы.
На 18 задачах в пределах возможностей модели ИИ дал заметный эффект. Участники:
🔹 выполнили на 12,2% больше заданий;
🔹 работали на 25,1% быстрее;
🔹 получили примерно на 32% более высокие оценки качества.
Но на задаче, которая выходила за пределы возможностей модели, картина изменилась. Нужно было сопоставить финансовые данные с интервью сотрудников и выбрать бренд с наибольшим потенциалом роста. Таблица подталкивала к одному выводу, а важные детали в интервью — к другому.
Без ИИ правильный ответ дали 84,4% участников. С GPT-4 — 70,6%, а с GPT-4 и инструкцией по промптам — 60%. В среднем доступ к ИИ снизил вероятность правильного решения на 19 процентных пунктов.
При этом ответы, данные с помощью ИИ, получали более высокие оценки за связность и убедительность, даже когда вывод был неверным. То есть ИИ не просто ошибался, а помогал убедительно оформить ошибку.
Авторы называют это «неровной границей возможностей ИИ» («The Jagged AI Frontier»): похожие по сложности задачи могут находиться по разные стороны границы — на одной ИИ усиливает сотрудника, на другой ухудшает решение.
Результаты этого исследования нельзя переносить на все виды работы без оговорок. За пределами возможностей модели авторы проверили только одну комплексную задачу, поэтому исследование показывает сам механизм риска, но не даёт готового списка задач, на которых ИИ будет ошибаться. Кроме того, использовалась версия GPT-4 весны 2023 года, а участниками были в основном консультанты на ранних этапах карьеры.
Однако на этом примере видно, что оценивать эффективность ИИ нужно на уровне отдельных задач внутри рабочего процесса. Он может заметно помогать в генерации идей, подготовке черновиков и структурировании информации. Но в задачах с противоречивыми данными, скрытыми условиями или высокой ценой ошибки он может ухудшать решение. Поэтому важно определить, где ИИ можно использовать свободно, где нужна обязательная проверка, а где анализ должен оставаться за человеком. Оценивать стоит не только скорость, но и точность, переделки и время на проверку.
Граница возможностей ИИ не фиксирована: она меняется вместе с моделями, доступными данными, способом постановки задачи и уровнем подготовки пользователя. Поэтому компании не могут один раз определить «безопасные» сценарии и считать вопрос закрытым. Их нужно регулярно пересматривать и проверять на реальных задачах.
Как ИИ чаще влияет на вашу работу?
👍 Ускоряет и улучшает результат
🤔 Ускоряет, но требует обязательной проверки
😢 Скорее повышает риск ошибки
Источник: Dell’Acqua, F. et al. (2026). Navigating the Jagged Technological Frontier. Organization Science, 37(2), 403–423. https://pubsonline.informs.org/doi/10.1287/orsc.2025.21838
