AI сделал каждого отдельного человека в 10 раз продуктивнее.
Но ни одна компания не стала от этого в 10 раз ценнее.
Так куда делась обещанная продуктивность?
Джордж Сивулка, CEO Hebbia, поделился мыслями о различиях между применением AI в индивидуальных целях и интеграцией в процессы на уровне компаний, — и как понимание этих различий повлияет на рост продуктивности.
Мы сделали адаптированный перевод .
***
Это происходит далеко не впервые.
В 1890-х электричество обещало огромный скачок производительности.
Текстильные фабрики Новой Англии строились под паровые двигатели, но их быстро заменили электромоторами. И все же на протяжении тридцати лет роста производительности не происходило. Новая технология была на порядок круче. А вот организация — нет.
Только в 1920-х, когда фабрики полностью перестроили заново — внедрили конвейеры, поставили отдельные моторы на каждый станок, кардинально развели роли людей и машин — электрификация наконец дала реальный результат.
Этот результат появился не благодаря самой технологии и не потому, что отдельные люди или станки стали быстрее прясть нить. Он возник только тогда, когда одновременно изменились и сама система работы, и технология.
Это крайне дорогой урок в истории технологий. И мы снова его проходим — прямо сейчас.
В 2026 году AI дает десятикратный рост продуктивности тем, кто умеет им пользоваться. Но этого все же мало.
Мы уже поменяли мотор, но фабрику все еще не перестроили.
Счет на табло: продуктивные сотрудники не делают компанию продуктивной автоматически.
- Подавляющее большинство AI-продуктов создают ощущение продуктивности, но почти не влияют на реальную ценность для бизнеса.
- Большая часть публично обсуждаемых кейсов использования AI — истории сотрудников, которые увлеченно «разгоняют личную продуктивность» в Twitter или корпоративных Slack-каналах, без какого-либо реального эффекта.
Популярная в последние годы идея services as software указывает в правильную сторону, но не дает полноценного решения. И не позволяет нам увидеть более широкую картину.
Настоящий сдвиг — в том, чтобы не просто перейти от инструментов к сервисам, но одновременно перестроить саму организацию и процессы.
Это и есть институциональный подход в противовес индивидуальному, который даст компаниям прилив продуктивности.
В этом материале мы разберем семь ключевых факторов, которые отличают институциональный AI от индивидуального. Возможно, в ближайшие десять лет весь рынок B2B AI-компаний будет строиться именно на этих различиях.
Семь столпов институционального интеллекта
1. Координация
- Индивидуальный AI порождает хаос.
- Институциональный AI создает координацию.
Давайте проведем мысленный эксперимент. Предположим, завтра вы удваиваете штат, клонируя только лучших сотрудников.
У каждого из них свои небольшие отличия, предпочтения, особенности и взгляды (особенно, если это действительно ваши лучшие сотрудники). Если всем этим не управлять, если люди недостаточно синхронизированы между собой, если у них размыты зоны ответственности, OKR, роли и границы задач — вы получите не ускорение, а хаос.
Да, организация, возможно, станет продуктивнее на уровне отдельно взятого человека. Но в совокупности тысячи агентов (или людей), тянущих в разные стороны, в лучшем случае будут топтаться на месте, а в худшем — разрушат внутреннюю слаженность.
И это не абстрактная гипотеза. Это уже происходит в компаниях, которые внедряют AI без какой-либо координации.
У каждого сотрудника свои привычки работы с ChatGPT, свой стиль промптов, свои результаты, которые никак не бьются с результатами коллег. Из-за этого формально оргструктура может существовать, но фактическая организация работы уже начинает жить по совсем другим правилам.
Координация — безусловный императив, для людей и агентов в равной мере.
Институциональный интеллект вырастет в целую индустрию «управления агентами»: она сосредоточится на ролях и обязанностях агентов, оценке их ценности, на взаимодействии между агентами, а также агентами и людьми.
2. Сигнал
- Индивидуальный AI создает шум.
- Институциональный AI находит сигнал.
Сегодня люди могут создавать — точнее, генерировать — что угодно: статьи, презентации, таблицы, фотографии, видео, песни, сайты, код.
Но проблема в том, что почти все, сгенерированное AI, — это мусор. Его стало так много, что некоторые организации впали в другую крайность и запретили AI-контент вообще, чтобы избавиться от нейрослопа. И это можно понять.
Представьте, во что превращается мир сделок с частным капиталом.
В прошлом году через ваш стол проходило в лучшем случае 10 сделок, а в следующем году — только в ближайшем квартале вы получите 50, при этом каждая из них отполирована до блеска с помощью AI.
При этом времени на то, чтобы среди предлагаемых сделок найти одну действительно стоящую, у вас не прибавится.
Проблема больше не в том, чтобы сгенерировать что угодно. Проблема — сгенерировать и выбрать правильное. Найти один действительно ценный артефакт, одну по-настоящему хорошую сделку, сигнал среди шума.
В мире, где все больше процессов завязано на AI, именно это начинает играть решающую роль. Ключевым экономическим драйвером следующего десятилетия станет не генерация как таковая, а способность вытаскивать сигнал из экспоненциально растущей горы нейрослопа.
Институциональный интеллект должен находить сигнал, структурировать шум, отсеивать мусор. И главное — его работа должна быть четко определена, детерминирована и поддаваться проверке.
Индивидуальный AI делает ставку на «постоянную включенность» агента, блуждающего в поисках способов удовлетворить любую вашу потребность 24/7. Это недетерминированный агент.
В то же время институциональный AI опирается на предсказуемость, детерминированность.
Агенты с понятными шагами и повторяющимися процессами будут масштабироваться, находить сигнал — и через это генерировать выручку для организации.
3. Предвзятость
- Индивидуальный AI усиливает предвзятость.
- Институциональный AI создает объективность.
Долгое время дискуссия об AI крутилась вокруг социально-политической предвзятости. Лаборатории базовых моделей в итоге обошли эту проблему с помощью обучения с подкреплением, фактически превратив все модели в подхалимов.
Сегодня ChatGPT, Claude и другие готовы соглашаться с вами по любому вопросу в пределах окна Овертона (рамок допустимого в обществе), а иногда — и за его рамками (привет, Grok).
Это соглашательство уже дошло до абсурда и превратилось в мем.
Звучит безобидно. Но это не так.
В некоторых компаниях самыми яростными сторонниками AI могут оказаться самые неэффективные сотрудники. Подумайте, почему.
Худшие сотрудники, которые практически не получают позитивного фидбека, вскоре убедятся, что искусственный интеллект с ними согласен. Они будут говорить себе: «Самый умный интеллект, который когда-либо существовал, согласен со мной. Мой босс ошибается».
Это приятная мысль. Но также токсичная для организации.
Это подсвечивает кое-что важное. Инструменты персональной продуктивности подкрепляют уверенность пользователя. Но в реальности куда важнее подкреплять истину.
На протяжении всей своей истории человеческие организации вырабатывали механизмы, которые как раз и нужны, чтобы компенсировать предвзятость и ошибки. Например, это инвестиционные комитеты, советы директоров, разделение власти, представительная демократия и демократические институты в целом.
Организации редко терпят неудачу потому, что людям не хватает уверенности в себе. Гораздо чаще они проваливаются из-за того, что никто не способен вовремя сказать «нет».
Именно эту роль должен взять на себя институциональный AI. Он не будет льстить пользователям или воспроизводить их убеждения — он будет оспаривать предвзятость, помогать удерживаться в реальности и подкреплять продуктивное поведение.Поэтому важнейшие агенты внутри организаций будут проверять логику, выявлять риски и следить за соблюдением стандартов — и в итоге часто говорить «нет». Одни из самых значимых сфер применения AI будут строиться именно вокруг институциональных ограничений: AI-члены совета директоров, AI-аудиторы, AI-системы внешней проверки, AI-комплаенс — и многое другое.
4. Преимущество
- Индивидуальный AI оптимизируется под использование.
- Институциональный AI оптимизируется, чтобы создать преимущество.
Планка для AI сдвигается каждую неделю, если не каждый день. Компании, создающие foundation-модели, конкурируют за каждого пользователя и каждую организацию — и очень быстро наращивают мощности.
Но в классической дилемме инноватора почти всегда работает простое правило: глубина побеждает широту.
- У Midjourney задача — быть впереди в генерации изображений.
- У ElevenLabs — быть впереди в голосовых моделях.
- У Decagon AI — быть впереди в full-stack клиентском сервисе.
Да, foundation-модели будут постоянно сокращать этот разрыв. Но для профессионалов в своей области важен не просто «достаточно хороший» AI, а реальное преимущество в конкретной задаче.
Именно поэтому сильные дизайнеры используют Midjourney, а сильные voice AI-команды — ElevenLabs. Потому что даже по мере того, как базовые модели становятся лучше, отдельные продукты продолжают выигрывать за счет фокуса на специализированных решениях.Как только какая-то возможность становится массовой, она почти автоматически перестает давать преимущество на рынке. Но если передовая технология дает даже краткосрочное нишевое преимущество в 1%, этот 1% может превратиться в миллиардный результат.
Распространение AI среди широкой аудитории важно и ценно само по себе — особенно для первичного вовлечения сотрудников. Но будущее — не за людьми, использующими ChatGPT/Claude или специализированное решение. Но за теми, кто использует их одновременно.
Институциональный интеллект должен задействовать специализированных, а возможно, и предназначенных для решения конкретных задач агентов.
Мы задаем себе вопрос, который звучит абсурдно (но не является таковым):
«Каких агентов выбрал бы AGI, чтобы сэкономить время? Даже суперинтеллект захотел бы специализированные инструменты для конкретных задач».
Правила игры в мире AI будут постоянно меняться. И победят те компании, которые смогут в полной мере использовать потенциал AI. Все остальные просто платят за очень дорогой стандартный товар.
5. Результат
- Индивидуальный AI экономит время.
- Институциональный AI масштабирует выручку.
Едва ли не каждый СЕО скажет вам, что нарастить выручку важнее, чем снизить затраты. В то же время почти каждый AI-продукт на рынке предлагает именно это: сэкономить время, делать больше с меньшими ресурсами или заменить людей.
Институциональный AI должен давать рост. А рост намного сложнее превратить в товар, чем сэкономленное время.
Это хорошо видно на примере разработки кода. Интегрированные среды разработки (IDE) сегодня — один из самых сильных инструментов персональной продуктивности. Но они уже сталкиваются с давлением со стороны Claude Code — еще одного инструмента того же класса. А вот Cognition играет в другую игру: они продают не инструменты, а трансформации. И именно у такой модели, скорее всего, больше преимуществ в долгосрочной перспективе.
Чистый софт стремительно теряет инвестиционную привлекательность. Чистые сервисы не масштабируются. Решения, соединяющие технологии с бизнес-результатами, — вот где накапливается долгосрочная ценность.
Или возьмем слияния и поглощения. Индивидуальный AI помогает аналитику быстрее построить модель. Институциональный AI определяет из сотни потенциальных контрагентов того, с которым стоит вести переговоры, и расширяет этот список до тысячи. Одно экономит время, другое приносит доход.
Сейчас на рынке такая тенденция — движение «вверх по течению». Базовые модели перемещаются на уровень приложений. Компании, разрабатывающие приложения, перемещаются на уровень решений.
Институциональный AI — это уровень решений. И именно на уровне решений, где реализуются результаты, будет накапливаться долгосрочная ценность и будет наблюдаться наибольший потенциал роста.
6. Внедрение
- Индивидуальный AI дает инструмент.
- Институциональный AI показывает, как его использовать.
Люди, какими бы изобретательными они ни были, сопротивляются изменениям. Даже сегодня в Нью-Йорке есть успешные бизнесы, которые не принимают кредитки. Они теряют деньги, знают об этом — и все равно не меняют привычки. Точно так же в обозримом будущем в каких-то компаниях найдутся сотрудники, которые откажутся использовать AI.
Переход от организации «только с людьми» к гибридной AI-first модели станет главным вызовом следующего десятилетия. И вполне вероятно, что самые влиятельные сотрудники будут самыми медленными в адаптации.
Неслучайно Palantir остается единственной софтверной компанией, которая по-прежнему торгуется по очень высоким мультипликаторам, даже на фоне распродажи технологических акций почти на триллион долларов за последние два месяца.
Palantir — одна из первых компаний, которая всерьез занялась тем, что можно назвать инженерией бизнес-процессов. А в будущем корпоративный AI, скорее всего, вырастет в целую индустрию: она будет упаковывать процессы компаний в AI-агентов и помогать проводить необходимые организационные изменения.
В результате инженерия процессов может стать самой важной «технологией». И в этом деле важнее всего будет не умение писать софт, а экспертиза в бизнесе и индустрии.
Можно предположить, что в ближайшем будущем проектирование технологических процессов станет, пожалуй, самой важной «технологией».И в проектировании технологических процессов наиболее важна не программная экспертиза, а опыт в конкретной области — доменная экспертиза.
7. Без промптов
- Индивидуальный AI отвечает на запросы людей.
- Институциональный AI действует без запросов.
Сегодня много говорят о коммуникации между агентами и о том, нужны ли вообще бизнесу, продуктам и институтам будущего люди.
Но важнее другой вопрос: нужны ли будут AI-агентам будущего промпты?
Делать промпт для AGI — все равно что подключать электродвигатель к ткацкому станку. У этого процесса есть фундаментальное ограничение — мы сами. Люди едва ли знают, какие вопросы задавать, не говоря уже о том, когда их задавать.
Самая ценная работа, которую может делать AI, — та, которую никто даже не догадался попросить сделать.
- AI должен находить риск, который никто не заметил.
- Контрагента, о котором никто не подумал.
- Воронку продаж, существование которой никто не мыслил.
Это откроет принципиально новое пространство применения AI.
Заключение
Все это не отменяет потребности в чат-ботах, агентах и индивидуальном AI в целом.
Индивидуальный AI останется точкой входа, через которую большинство компаний впервые ощутит трансформирующую магию AI.
Ставка на распространение и простоту использования — ключевой первый шаг к управлению изменениями, необходимому для построения экономики AI-first.
Но одновременно с этим есть очевидная потребность в институциональном AI.
У каждой организации будущего будет чат-бот от крупной лаборатории. И у каждой будет институциональный AI, созданный специально для отраслевых задач, — тот, которым индивидуальный AI будет пользоваться как ключевым инструментом в своем арсенале.
История «вместе лучше» для институционального и индивидуального AI неизбежна.
Но помните урок текстильных фабрик 1890-х годов. Фабрики, первыми перешедшие на электричество, проиграли тем, кто перепроектировал цеха.
У нас есть электричество. Пришло время перепроектировать наши фабрики.
***
Получите знания и навыки для работы с AI у нас
→ «AI/ML-симулятор для продакт-менеджеров» научит вас строить продукты и оптимизировать процессы на основе технологий машинного обучения.
→ «Генеративный AI для продакт-менеджеров» научит применять генеративный AI для создания продуктов и автоматизации процессов через решение практического бизнес-кейса.
→ «AI-прототипирование: от идеи до продукта за 1 день» научит создавать прототипы продуктов и фич для быстрой проверки своих идей, используя возможности генеративного AI. Навыки программирования не потребуются.
💡 Продолжайте совершенствовать и применять навыки в работе после завершения обучения.
