ИИ ускорил сотрудников — почему компаниям это не помогло стать сильнее? Atlassian раскрыла три главные «слепые зоны» организации, из-за которых она не может получать прибыль

Искусственный интеллект (ИИ) захлестнул глобальный рынок труда, но многие компании обнаружили, что общая эффективность не повышается так, как ожидалось. Как сообщает VentureBeat, руководитель Atlassian Teamwork Lab д-р Молли Сандс недавно в публичном выступлении прямо заявила, что в большинстве компаний принятие ИИ «идет в обратную сторону»: фокус лишь на оптимизации индивидуальной эффективности, при игнорировании командного взаимодействия, из-за чего организации не могут увидеть реальную окупаемость инвестиций (ROI). Она подчеркнула, что успешная команда должна выстроить общее понимание ситуации, заново спроектировать рабочие процессы и сформировать корпоративную культуру, готовую к экспериментам.
(Предыстория: в математике опровергли гипотезу Jacobian; исследователь OpenAI: Codex «без сетевой поддержки» тоже справился)
(Дополнение: самоуправляемые ИИ-модели обходятся дешевле? Cline на практике проверил преимущество по стоимости Kimi K3; пользователи спорят: по задачам он дороже Fable 5)

Оглавление

Toggle

• Рост личной эффективности, но ROI у организации не видно
• Лишь 6% руководителей видят реальную ценность, успешные команды имеют три ключевые черты
• Принимаем «AI-рабочие соглашения», вскрываются скрытые организационные трещины

По мере распространения инструментов генеративного ИИ повседневная скорость многих сотрудников действительно заметно выросла, но этот «эффективностный бонус», похоже, не смог уверенно конвертироваться в конкурентоспособность всей компании. 21 июля 2026 года по тайбэйскому времени, в материале VentureBeat, спонсированном со стороны софтверного гиганта Atlassian, руководитель Atlassian Teamwork Lab д-р Молли Сандс на VB Transform 2026 глубоко разобрала этот, казалось бы, противоречивый рабочий феномен.

Рост личной эффективности, но ROI у организации не видно

В этой беседе у камина, которую вел старший технологический вкладчик VentureBeat Сэм Виттенвин, Сандс одной фразой обозначила суть проблемы: большинство компаний внедряют ИИ «в обратном порядке». Организации чаще всего сосредотачиваются на том, как оптимизировать использование ИИ отдельными сотрудниками, но не переводят фокус на то, как оптимизировать совместную работу на уровне команд.

Такое перекос приводит к неловкому результату: хотя отдельные люди начинают действовать быстрее, из-за того что командные процессы не были изменены, эти «быстрые» решения — пусть они и различаются — из-за разрозненности команды «очень быстро сталкиваются», из-за чего организация в целом не видит понятной окупаемости инвестиций (ROI). Команда специалистов по поведенческой науке и психологии под руководством Сандс исследует влияние ИИ на сотрудничество и одновременно прикладывает усилия, чтобы реально помочь компаниям заново проектировать рабочие процессы.

Лишь 6% руководителей видят реальную ценность, успешные команды имеют три ключевые черты

Согласно исследованию Atlassian 2026 State of Teams Report, проведенному среди 12 000 специалистов по знаниям по всему миру и примерно 200 руководителей высшего звена из Fortune 1000, до 89% руководителей признают: после того как сотрудники в компании начали использовать ИИ, скорость действительно выросла. Однако удивляет другое — лишь 6% руководителей смогли привести четкий пример ROI; кроме того, только около 14% команд сумели превратить использование ИИ в реально измеримую ценность, показывая, что даже внутри одной и той же компании разрыв в результативности между командами может быть крайне большим.

Сандс отмечает, что организации, которые успешно превращают ИИ в преимущество для команды, обычно имеют три общие черты:

• Контекст (Context): успешные команды выстраивают «карту контекста (context graph)», системно фиксируя цели, решения и знания организации в общих цифровых платформах — например, в Jira или Confluence — так, чтобы ИИ получал контекст уровня организации, а не опирался только на изолированные индивидуальные подсказки (prompt).
• Рабочие процессы (Workflows): они ускоряют не одну отдельную задачу, а заново проектируют весь сквозной (end-to-end) рабочий процесс.
• Культура (Culture): руководители прямо поощряют обучение и эксперименты и умеют принимать неудачи в ходе экспериментов.

Принимаем «AI-рабочие соглашения», вскрываются скрытые организационные трещины

Чтобы помочь компаниям преодолеть этот разрыв, Сандс рекомендует командам учиться быстро за счет намеренных ограничений — например, разбивать задачи на минимальные элементы или ставить вызов «вообще не писать код вручную за неделю». Кроме того, критически важно заранее закреплять четкие «AI-рабочие соглашения (AI Working Agreements)» при старте проекта: они включают решение, какие задачи следует отдавать ИИ, от каких нужно отказываться, а также какие агенты (agents) и навыки команда должна совместно использовать.

В финале статья подводит к более глубокому выводу: ИИ не создал совершенно новые управленческие сложности — он лишь безжалостно вскрыл трещины, которые внутри организаций существовали и раньше, например скрытые допущения и разные ментальные модели. Вмешательство ИИ усиливает последствия этих различий, делая «единый контекст» и «понятный способ работы» в будущем для ведения бизнеса еще более насущными и важными, чем когда-либо.