Версия Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# ИИ всё шире применяют за пределами программирования, но интенсивность внедрения доказать сложнее

> Опросы показывают рост использования ИИ на работе, а эксперименты — выгоды и неудачи в отдельных задачах. Данные об использовании пока не показывают, что другие профессии будут применять ИИ так же интенсивно, как программисты.

By BIG CHANGE Editorial

Published: 2026-10-02T04:10:34.217Z
Updated: 2026-10-02T04:10:34.217Z
Canonical: https://bigchange.ai/blog/ai-use-beyond-coding-workplace-evidence

![A seated person works at a laptop while holding a blank sheet of paper at a wooden table.](https://bigchange.ai/api/media/file/ai-work-beyond-coding-hero-v2-1.png)
AI-generated by OpenAI; BIG CHANGE conceptual editorial illustration.

Во втором квартале 2026 года почти двое из пяти работающих взрослых в США сообщили, что использовали генеративный ИИ для работы в течение предыдущей недели. Однако, согласно [национальному отслеживанию результатов опроса](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) исследователями Федерального резервного банка Сент-Луиса, Университета Вандербильта и Гарварда, ИИ помогал выполнять 6,3% рабочих часов всех работающих взрослых. Первая цифра считает людей, вторая — их время. Ни одна не показывает, была ли работа качественной, больше ли заработала компания или исчезло ли рабочее место.

Эти различия важны, когда мы спрашиваем, будут ли другие профессии использовать ИИ так же интенсивно, как разработчики программного обеспечения. Данные платформ показывают, что эксперименты распространяются и на право, продажи и маркетинг. Эксперименты подтверждают реальный прирост в некоторых задачах, не связанных с программированием. Они также показывают, что один лишь доступ к инструменту может мало что изменить, а убедительно выглядящий ответ может оказаться неверным.

## Главное изменение

- **Что изменилось:** Поставщики ИИ сообщают о повторном использовании и работе агентных систем в большем числе бизнес-функций, а независимые опросы показывают, что сотрудники в США чаще используют ИИ на протяжении недели.
- **Почему это важно:** Использование расширяется, когда инструменты встраиваются в существующие процессы, но результат зависит от задачи и проверки. Покупателям и работникам нужны показатели результатов наряду с данными о внедрении.
- **За чем следить:** Повторное использование для конкретных задач, проверенное качество результатов и чистая выгода за пределами программирования. Имеющиеся данные не позволяют установить, когда другие профессии достигнут уровня использования, характерного для программирования, и что произойдёт с занятостью.

## Цифры измеряют разные явления

В [Real-Time Population Survey](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) задаёт вопросы об использовании ИИ для работы национально репрезентативной онлайн-выборке взрослых жителей США в возрасте от 18 до 64 лет. Доля тех, кто пользовался ИИ за последнюю неделю, выросла с 28,2% в третьем квартале 2024 года до 39,2% во втором квартале 2026 года. Расчётная доля всех рабочих часов, которым помогал ИИ, увеличилась с 4,1% до 6,3%. Респонденты также оценили, что в последнем квартале ИИ сэкономил им 2,2% общего рабочего времени. Последняя цифра основана на воспоминаниях о сэкономленном времени, а не на наблюдаемом росте производительности или выручки.

OpenAI наблюдает другое — активность собственных корпоративных клиентов. В её [августовском отчёте Enterprise Signals](https://openai.com/signals/enterprise-data/) говорится, что с февраля по июнь 2026 года число еженедельно активных пользователей Codex выросло в 108 раз в юридической сфере, в 41 раз — в продажах и подборе персонала и в 26 раз — в маркетинге; в инженерных командах рост составил пятикратную величину. Исходные значения не раскрываются, поэтому по темпам роста нельзя сравнить число юристов и инженеров, пользующихся ИИ, или долю работы в каждой профессии, которую он выполняет. В июне на Codex приходилось 64% совокупного числа выходных токенов Codex и ChatGPT у корпоративных клиентов. Длительные запуски агентов производят больше токенов; их доля не равна доле работников и не измеряет ценность. OpenAI продаёт эти продукты и заинтересована демонстрировать их распространение.

Отдельное [исследование OpenAI, охватившее более 800 000 американских сообщений в ChatGPT](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), опубликованное в июле, отнесло 16,8% связанных с работой сообщений к задачам из других профессий, а не профессии самого пользователя. Среди сообщений, которые можно было достаточно точно соотнести с профессией, такая доля составила 43,5%. В [сентябрьском продолжении исследования](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) обнаружилось, что некоторые работники возвращались к таким задачам и на следующий месяц. Это доли сообщений среди выборки пользователей; профессию определяли по сведениям, указанным при регистрации бизнес-аккаунта. Данные показывают, о чём люди просят и к каким запросам возвращаются, но не подтверждают, что задача выполнена или работа пользователя изменилась.

В [июньском индексе экономики Anthropic](https://www.anthropic.com/research/economic-index-june-2026-report) также анализируется активность на собственных сервисах компании. Более детальная выборка позволяет видеть режимы использования в течение рабочего дня и различать чат, Cowork и собственный API Anthropic. Сопутствующий опрос связал использование с примерно 9 700 пользователями Claude, у которых было не менее пяти сеансов. Anthropic предупреждает, что эти респонденты не представляют всю рабочую силу: сотрудники компьютерных и математических профессий составили около 30% выборки, но лишь примерно 4% работающих в США. Работники физических профессий были представлены недостаточно. В более раннем [мартовском индексе](https://www.anthropic.com/research/economic-index-march-2026-report) говорилось, что в феврале компьютерные и математические задачи составляли 35% диалогов на Claude.ai. Это доля бесед в одном продукте, а не доля разработчиков, использующих ИИ; кроме того, программирование всё чаще выполнялось через API. Трафик поставщика может показать, какие задачи и как часто выполняют на его платформе, но сам по себе он не позволяет рассчитать распространённость ИИ среди профессий во всей экономике.

## Производительность зависит от задачи и проверки результата

В [поэтапном внедрении](https://doi.org/10.1093/qje/qjae044) с участием 5 172 операторов поддержки клиентов доступ к ИИ-ассистенту для общения повысил среднее число решённых проблем за час на 15%. Менее опытные и менее квалифицированные сотрудники улучшили и скорость, и качество работы; самые опытные и высококвалифицированные стали немного быстрее, но качество слегка снизилось. Клиенты стали вежливее и реже просили позвать менеджера. Исследование измеряло работу службы поддержки одной компании, где можно отслеживать решение проблем и эскалации. Доходность для других служб поддержки не рассчитывалась.

В [эксперименте с 7 137 работниками интеллектуального труда в 66 компаниях](https://www.nber.org/papers/w33795) участникам случайным образом предоставили ИИ-инструмент внутри программ для электронной почты, совещаний и написания текстов. Во второй половине шестимесячного исследования 80% работников, получивших доступ и использовавших инструмент, тратили на электронную почту на два часа в неделю меньше, а вне обычного рабочего времени работали меньше. Исследователи не выявили более широких изменений в объёме или составе задач из-за индивидуального доступа. Три автора работали в Microsoft Research; Microsoft, создатель инструмента, участвовала в организации эксперимента и предоставила телеметрию продукта. Результаты относятся к компаниям-участницам, а не ко всей офисной работе.

В [полевом эксперименте с 758 консультантами Boston Consulting Group](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf), проведённом в 2023 году и опубликованном в марте 2026 года, на специально подобранных под сильные стороны GPT-4 задачах работу выполняли быстрее и оценивали выше. В другом примере, где требовалось интерпретировать интервью, пользователи ИИ чаще давали неверный ответ. BCG участвовала в исследовании, в котором проверялись заданные упражнения, а не результаты работы с реальными клиентами.

В [рандомизированном исследовании METR](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) с участием 16 опытных разработчиков открытого ПО, работавших над 246 задачами в знакомых им репозиториях, инструменты ИИ начала 2025 года увеличили время выполнения на 19%. При этом разработчики считали, что инструменты их ускорили. [Более поздняя попытка METR](https://metr.org/blog/2026-02-24-uplift-update/) с новыми инструментами указывала на возможный выигрыш, но исследователи сочли оценку ненадёжной: разработчики, не желавшие работать без ИИ, отказались от участия, а параллельная работа агентов затруднила замеры. Поэтому исследования не устанавливают единый эффект ИИ на производительность программирования для разных инструментов и периодов.

В программировании обратную связь получить особенно легко: репозитории сохраняют контекст и изменения, а сборка, тесты и проверка могут выявить сбои. Но даже прошедший тест не исчерпывает оценку продукта. В поддержке клиентов обратную связь дают решение проблем и реакция клиентов. Черновик письма может сэкономить время, не изменив выпуск компании. Юридические, финансовые или медицинские рекомендации требуют проверки с учётом возможных последствий; покупателю следует учитывать затраты на проверку наряду со стоимостью инструмента. Это разные задачи измерения, поэтому одно лишь использование не доказывает одинаковую интенсивность или ценность.

## Работа может измениться раньше, чем это отразится на зарплатах

В Дании исследователи связали опросы сотрудников 11 профессий, затронутых внедрением ИИ, и 7 000 рабочих мест с административными данными. В их [редакции за март 2026 года](https://www.nber.org/papers/w33777) обнаружены инициативы работодателей по внедрению чат-ботов и сообщаемые изменения в задачах, но не выявлено измеримого влияния на заработки или зарегистрированные часы на уровне работников и рабочих мест через два года после запуска ChatGPT; оценки исключают эффект свыше 2%. Этот вывод ограничен Данией, изученными профессиями и периодом. Он не доказывает, что дальнейшее внедрение не повлияет на занятость.

Для работника повторное использование ИИ может означать более широкий набор задач или меньше времени на почту. Для покупателя вопрос в том, обеспечивает ли весь процесс надёжный результат по приемлемой цене. Для человека, который получает ответ службы поддержки или полагается на профессиональный совет, важно, насколько результат правилен и кто за него отвечает. Имеющиеся данные подтверждают расширение использования за пределами программирования и измеримый выигрыш в отдельных задачах. Но они пока не позволяют предсказать, когда другие профессии достигнут такой же глубины применения, как разработка ПО, или каков будет общий эффект для производительности и занятости.

## Источники и дополнительное чтение

- [Отслеживание распространения Real-Time Population Survey, пояснения Федерального резервного банка Сент-Луиса](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/), 27 августа 2026 года: использование ИИ в США за последнюю неделю, доля часов работы с поддержкой ИИ и самооценка сэкономленного времени. Качество результатов и выручка не измеряются.
- [OpenAI Enterprise Signals](https://openai.com/signals/enterprise-data/), обновлено 12 августа 2026 года: использование продуктов корпоративными клиентами OpenAI, измеренное токенами и числом еженедельно активных пользователей. Исходные значения темпов роста не опубликованы.
- [OpenAI, «Работа на переднем крае»](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), июль 2026 года, и [продолжение за сентябрь](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf): классификация сообщений ChatGPT и повторное обращение к задачам в выборке бизнес-пользователей, а не сведения о завершённых рабочих задачах.
- [Индекс экономики Anthropic, «Ритмы использования»](https://www.anthropic.com/research/economic-index-june-2026-report), 26 июня 2026 года, и [«Кривые обучения»](https://www.anthropic.com/research/economic-index-march-2026-report), 24 марта 2026 года: активность Claude, типы результатов и опрос выбранных пользователей. Знаменатели — трафик Anthropic и участники её опроса.
- [Бриньолфссон, Ли и Реймонд, «Генеративный ИИ на работе»](https://doi.org/10.1093/qje/qjae044), опубликовано онлайн 4 февраля 2025 года, в майском выпуске *Quarterly Journal of Economics*: измерение производительности операторов поддержки, различий в навыках и реакции клиентов при поэтапном внедрении в одной компании.
- [Диллон и коллеги, «Изменение рабочих процессов с помощью генеративного ИИ»](https://www.nber.org/papers/w33795), редакция от ноября 2025 года: рандомизированный доступ на рабочем месте, время на электронную почту и набор задач в компаниях-участницах. Три автора работали в Microsoft Research, а Microsoft участвовала в организации эксперимента.
- [Делл'Аква и коллеги, «Навигация по изрезанному технологическому рубежу»](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf), эксперимент проведён в 2023 году и опубликован 11 марта 2026 года: измерялись скорость, оценки качества и ошибки в различных консалтинговых упражнениях.
- [Эксперимент METR с разработчиками](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) и [обновление за февраль 2026 года](https://metr.org/blog/2026-02-24-uplift-update/): рандомизированные данные о программировании и проблемы отбора участников в более позднем исследовании.
- [Хумлум и Вестергор, «Тихая гладь, быстрые течения»](https://www.nber.org/papers/w33777), редакция от марта 2026 года: опросы работников и рабочих мест в Дании, связанные с административными данными о часах работы и заработках.

## Sources

- [Экономит ли генеративный ИИ время на работе?](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) — Репрезентативный онлайн-опрос в США: использование за последнюю неделю, доля часов с поддержкой ИИ и самооценка экономии времени; проверенных данных о выпуске или выручке нет.
- [Сигналы корпоративного использования](https://openai.com/signals/enterprise-data/) — Корпоративная телеметрия OpenAI: пользователи Codex по функциям и распределение токенов. Нераскрытые исходные значения и большое потребление токенов агентами ограничивают выводы.
- [Работа на переднем крае: как ИИ расширяет круг рабочих задач](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf) — Классификация OpenAI для более 800 000 сообщений о работе; доли задач вне собственной профессии относятся к сообщениям, а не выполненной работе.
- [Работа на переднем крае: как сотрудники открывают новые способы работы](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) — Исследование OpenAI о повторном использовании среди выбранных пользователей; повторные запросы не доказывают изменения в организации работы.
- [Индекс экономики Anthropic: «Ритмы использования»](https://www.anthropic.com/research/economic-index-june-2026-report) — Модели использования Claude и нерепрезентативный опрос примерно 9 700 отобранных пользователей.
- [Индекс экономики Anthropic: «Кривые обучения»](https://www.anthropic.com/research/economic-index-march-2026-report) — Выборки Claude.ai и API за февраль 2026 года. Доля 35% относится к беседам на Claude.ai о задачах, связанных с программированием.
- [Генеративный ИИ на работе](https://doi.org/10.1093/qje/qjae044) — Исследование, опубликованное в Quarterly Journal of Economics (майский выпуск 2025 года), охватило 5 172 операторов поддержки одной компании: в среднем на 15% больше решённых проблем за час. Выигрыш был сосредоточен среди менее опытных; у самых квалифицированных качество немного снизилось. Клиенты стали вежливее и реже просили позвать менеджера. Общая рентабельность инвестиций и влияние на занятость не оценивались.
- [Изменение рабочих процессов с помощью генеративного ИИ](https://www.nber.org/papers/w33795) — Выпуск NBER за май 2025 года, редакция от ноября 2025 года (точный день не указан). Рандомизированное исследование 7 137 сотрудников в 66 компаниях. Три автора работали в Microsoft Research; Microsoft создала инструмент, участвовала в организации исследования и предоставила телеметрию.
- [Навигация по изрезанному технологическому рубежу](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf) — Контролируемые упражнения для консультантов, связанные с BCG, проведены в 2023 году и опубликованы в Organization Science 11 марта 2026 года; выигрыш и ошибки зависели от задачи, а результаты не измеряли работу с клиентами.
- [Исследование производительности разработчиков METR в начале 2025 года](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) — Рандомизированное исследование 16 разработчиков и 246 задач; с устаревшими инструментами в узкой выборке выполнение заняло на 19% больше времени.
- [Обновление эксперимента METR о производительности разработчиков](https://metr.org/blog/2026-02-24-uplift-update/) — Исследователи объясняют, почему более поздние оценки ускорения ненадёжны из-за отбора участников и проблем с измерением времени.
- [Тихая гладь, быстрые течения](https://www.nber.org/papers/w33777) — Выпуск NBER за май 2025 года, редакция от марта 2026 года (точный день не указан). Исследование опросов и административных данных в Дании выявляет ограниченное отсутствие раннего эффекта на заработки и зарегистрированные часы работы.