Крупные компании «быки и лошади», вынуждены использовать ИИ

Эта волна «повышения эффективности с помощью ИИ» докатилась и до людей, работающих в крупных компаниях.

Сначала ИИ был лишь игрушкой для меньшинства — технарей-энтузиастов и первых пользователей. Кто-то покупал подписки за свой счёт, кто-то в частном порядке обменивался промптами, и действительно многим удалось попробовать на себе эффект.

Но сейчас всё изменилось. Крупные интернет-компании как в стране, так и за рубежом уже перешли от «поощрения использования ИИ» к этапу «скрытого принуждения использовать ИИ». Кто-то оказывается под подсчётом того, сколько Token он тратит в день, кто-то в своей команде привязывает использование ИИ к показателям эффективности, кого-то просят в первую очередь пользоваться инструментами, разработанными компанией, а кто-то должен разложить свой рабочий опыт на процессы, оформить как Skills и передать ИИ, чтобы тот многократно вызывал это.

Когда «использовать ИИ» и «сжигать Token» постепенно превращаются в критерий оценки, в набор требований и даже в новый шаблон работы — каково на самом деле положение сотрудников этих «больших заводов» в этой волне интеллектуализации?

В эти дни мы поговорили с шестью людьми, работающими в разных компаниях и на разных должностях. Их бэкграунд включает CIO зарубежных публичных компаний, старших разработчиков в ведущих отечественных «крупняках», начинающих программистов, которые пишут код, а также не-технические роли — операционную работу и бизнес по маркетингу.

Кто-то добился удвоения эффективности с помощью ИИ: сроки подготовки документации с требованиями к продукту сократились с нескольких недель до дня, а иногда один человек сделал результат, который раньше получала целая команда; а кто-то, чтобы соответствовать требованиям «интеллектуального производства», по 80 раз вручную настраивал простой дашборд с данными, буквально превратив ИИ в «младшего стажёра», за которым постоянно надо «подтирать».

Атмосфера в «крупняках» тоже претерпела тонкие изменения. Когда то, что раньше относилось к личному опыту и рабочим привычкам, постепенно разбирают, упорядочивают, загружают, переиспользуют, людей, которые спокойно пишут код, начинают считать «неактивными элементами», а те, кто часто отлаживает промпты, становятся типичными «активными сторонниками новых технологий». Появилась и новая тревога: мы используем ИИ или же превращаем себя в топливо для ИИ, шаг за шагом превращая в процесс, который можно заменить?

В этой идущей сверху вниз «ИИ-экспериментальной» программе кто-то чувствует воодушевление, кто-то — усталость, а кто-то, помогая, при этом тревожится. Но почти все осознают одно: шестерёнки эпохи уже пришли в движение, и независимо от того, обнимаем ли мы изменения по собственной воле или вынуждены подстраиваться, тот самый период, где труд целиком зависел от людей и гонки за временем, переворачивается.

Чтобы сдать «результат по ИИ», я переделал дашборд 80 раз

Хорошо | операционный специалист в одном из крупнейших интернет-крупняков Китая

Три недели назад руководитель в чате разослал уведомление: впредь «поощрять всех использовать ИИ для повышения эффективности», KPI не будет, с оценкой эффективности не привязывают, но на совещании он подчеркнул: теперь любой выходной продукт по работе можно сначала заставить ИИ сгенерировать первою версию.

В тот момент я понял: это на самом деле скрытое требование.

Больше двадцати дней назад нас всех обязали пользоваться AI-инструментом, разработанным компанией. Причина — «безопасность данных», но проблема быстро проявилась.

Во-первых, лимит. Компания выдает каждому определённое число вызовов: я сижу и думаю, как сделать с помощью ИИ как можно больше работы, но при этом нужно точно и экономно «расходовать».

Во-вторых, нестабильность возможностей. Для написания текстов всё ещё сносно, но как только дело касается анализа данных и сложной логики, начинает ошибаться.

На прошлой неделе я использовал его для дашборда с данными — и буквально довёл себя до полного краха.

Задача была простой: это инструмент для анализа данных о клиентах и продажах. Раньше это была работа отдела разработки, теперь нужно «чтобы каждый умел». Я раньше писал с помощью Gemini и успешно создавал с его помощью простенькую игру, поэтому наивно полагал, что собрать дашборд с данными тоже будет несложно.

С 1-го раза ИИ прямо выдал мне шаблон для загрузки данных, но там было добавлено 7–8 полей, которые вообще не нужны. Пришлось удалять и править вручную.

После 13-й попытки измерения и суммарные данные наконец совпали, но регионы на экране отсутствовали — не хватало трёх. Он объяснил это тем, что это «автоматически отфильтрованные низкоценные регионы».

После 40-й попытки формат данных стал хаотичным: где-то сохранялись 0 знаков после запятой, а где-то — 4.

Я дотянул до 60-й правки, но после загрузки новых данных диаграмма не обновилась автоматически. Новые и старые цифры наложились друг на друга, и данные раздулись почти вдвое.

Доведя до 80-й правки, я наконец добрался до последнего шага — успешного экспорта в PDF. Я думал, что наконец можно выдохнуть, но после открытия стало ещё хуже: потратил полдня и получил ворох нечитаемого мусора.

Я всё тщательно посчитал: будь то дашборд с данными или ежедневный отчёт о работе, время, потраченное на отладку ИИ и ожидание «вытягивания карт», хватило бы на то, чтобы сделать всё вручную два раза. Но руководителю нужен «выход ИИ», поэтому мне приходится сопровождать эту «младшую ИИ-работницу» и постоянно тестировать ошибки.

Для меня ИИ — и инструмент, и нагрузка: примерно половина на половину. Он действительно перехватывает часть повторяющихся задач, но время на отладку, проверку и переделки съедает все силы, которые, как казалось, были сэкономлены. Самое чёткое ощущение: многие вещи я мог бы сделать сам до конца, но приходится сделать лишний круг и «сделать один раз» с помощью ИИ.

Чтобы добрать количество использований ИИ,

я удалил код и попросил его переписать ещё раз

Kevin | инженер в одном из e-commerce-компаний в США

На этой неделе у моего Kiro (внутренний ИИ-помощник для программирования) число использований ещё не дотягивает до нормы. Чтобы добрать, я удалил фрагмент кода для проверки параметров и сразу отдал Kiro, чтобы он переписал версию. Он сгенерировал что-то вроде того, что выглядит приемлемо, но не обработал одно исключительное ответвление — в итоге всё равно пришлось мне самому добавить его обратно.

Вообще-то, раньше я довольно часто использовал ИИ для написания кода. Я подписывался на ChatGPT Plus, потом пробовал Claude. Когда попадались какие-то скучные базовые тестовые кейсы или нужно было быстро посмотреть API, который редко используется, — отдавать это ИИ и правда экономило много времени. Тогда действительно казалось, что ИИ может повысить эффективность, а люди ещё и обменивались промптами друг с другом.

Но с конца прошлого года компания закрепила Kiro как «рекомендуемый компанией AI-инструмент для нативной разработки», и установила метрики: к концу года 80% инженеров должны использовать Kiro каждую неделю.

Сначала говорили, что инструмент нужен, чтобы его было удобно подхватывать прямо в проектах. Но довольно быстро внутри запустили систему, которая отслеживает частоту использования ИИ сотрудниками. Если кто пользуется или кто почти не пользуется — это видно из бэк-офиса.

Самая большая головная боль для нас в том, что Kiro не слишком хорош. Он справляется с шаблонным кодом, тестами и адаптацией интерфейсов; но как только дело касается цепочек вызовов, обработки состояния или ограничений развертывания, сгенерированный код часто оказывается лишь полуфабрикатом. Поэтому много инженеров требуют перейти на Claude Code, считая, что Kiro не подходит для принятия решений высокой сложности.

Недоверие к сгенерированному ИИ коду имеет причины: в конце прошлого года одна команда в компании попала в довольно серьёзный инцидент из-за запуска Kiro. После этого процесс согласования изменений кода с участием ИИ заметно ужесточили.

Но всё равно мне немного странно. Те, кто по-настоящему вдумчиво копается в логике на нижнем уровне и вручную оптимизирует ключевой код, в системе отслеживания оказываются недостаточно активными; зато те, кто часто отлаживает промпты, становятся типичными «активными сторонниками новых технологий».

Я изначально думал, что ценность инженера — в решении реально сложных задач. Но сейчас во многих случаях мне приходится писать промпты, следить за результатами генерации и закрывать те ямы, которые ИИ оставил. Меня больше всего беспокоит не то, что меняется способ работы, а то, что при таком режиме способность самому с нуля реализовывать и разбираться в сложных проблемах будет постепенно деградировать.

Все пишут Skills — значит, сами «убивают» себя

Kelly | бекенд-разработка в одном из интернет-крупняков Пекина (уровневая шкала 8)

Как бэкенд-программист, я с прошлого года уже использую ИИ в работе на высокой частоте, больше всего — внутренние инструменты no-code для программирования.

Примерно перед китайским Новым годом, вокруг применения ИИ в компании внезапно началась очень агрессивная атмосфера. Сейчас все сотрудники могут видеть в системе, сколько Token они тратят каждый день; мой непосредственный руководитель чаще всего говорит мне одну фразу: «Это можно попробовать решить с помощью ИИ.»

На данный момент в компании нет чёткого экзамена именно по списанию Token, но в каждом отделе свои критерии оценки.

Конкретно у нас, в отделе в последнее время поощряют всех писать Skills: требуют полностью пересмотреть повседневный рабочий опыт, рабочие процессы, технические детали и типовые проблемы, затем задокументировать и оформить как Skills.

Leader смотрит на два показателя: количество Token, которые сотрудники ежедневно расходуют в компании во внутреннем «инструменте-лобстере», и объём выпуска Skills. Для второго показателя в отделе даже есть очень конкретные критерии: каждую неделю обязательно нужно выдавать результат.

Кроме того, сейчас 50% всех задач по разработке в отделе принудительно должны генерироваться Agent’ами. Это означает, что этапы продукт/разработка/тестирование напрямую пропускаются и требуется обеспечить end-to-end выпуск с помощью «лобстера».

Этот50% показатель** будет**** в течение года**** постепенно увеличиваться,**** цель — к**** концу 2026 года попытаться достичь полной автоматизации.**

По стоимости использования Token: в нашем технологическом отделе для технической линейки сейчас хватает Token у Claude Opus, поэтому внутренний инструмент не обязателен. Но у большинства других отделов лимиты Opus ограничены; превышение оплачивается из своего кармана. Использование внутренних инструментов и токены для своих моделей ограничений не имеет.

После полной AI-автоматизации моя рабочая длительность даже стала длиннее**.** Не потому, что вырос объём задач, а потому что все начали «соревноваться» вокруг Skills, и ты тоже вынужден соревноваться.

Например, в нашем групповом чате по вечерам после 11:00 ещё бывают коллеги, которые делятся готовыми Skills. Иногда я вижу, что кто-то в моей группе написал Skills, которые получились особенно удобными — и от этого у меня становится очень тревожно.

Эта тревога с одной стороны связана с тем, что в отделе нервничают из-за оценки выпуска Skills, а с другой — и из-за страха, что AI Agent день за днём заменяет работу людей.

На самом деле при решении одиночной задачи ИИ не обязательно эффективнее, чем опытный бэкенд-разработчик. Потому что простые описания навыков (Skill) — не стабильны: нужно тратить много сил на настройку, правки, а также расход Token при этом очень большой. Но когда Skills становятся всё лучше и удобнее, ИИ постепенно обгоняет людей и работает при этом за очень низкую стоимость.

Как работник, все внутри это понимают: при фоне, когда в компании поощряют всех писать Skills, то, что прячешь и не выкладываешь, не позволит написать хорошие Skills. Но если превратить все свои навыки и опыт в SOP и Skills,** до дня, когда**** тебя заменит ИИ,**** на самом деле осталось недалеко.**

Повышение эффективности труда за счёт ИИ бесспорно. Но чем выше эффективность, тем меньше людей нужно. Сейчас внутренняя «трубопроводная» система найма/подачи кандидатов уже остановлена. И что будет дальше — технологические гиганты Силиконовой долины уже дали ответ.

«Принуждают использовать ИИ», но я с его помощью обошёл людей в своей группе

Чэнь Юй | инженер связи в одной из компаний производителей телефонов в Китае

За последние полгода наша компания постоянно «соревнуется» вокруг ИИ. Начиная с октября прошлого года: открыли инструменты, компенсируют лимиты, поощряют, чтобы все использовали. В нашем отделе на человека в месяц выделяется определённый лимит использования Cursor. Если не расходуешь — это будет считаться «растрата ресурсов»,** аккаунт могут забрать;**** если используешь много, но производительность не успевает — тебя сочтут за злоупотребление****, и тоже предупредят.**

Так что нельзя «не использовать», нельзя и использовать плохо. В такой тенденции давление, конечно, есть. В группе уже есть люди, которых оптимизировали за то, что они не хотели тратить время на изучение ИИ и при этом у них рабочее состояние было неважным.

Моё понимание «использования ИИ» отличается от того, как думают многие. Злоупотреблять ИИ, сжигать столько Token — лучше уж купить за деньги игры. ИИ не значит «чем больше, тем лучше»; важно использовать «правильно». Обычно я выделяю один-два дня в неделю — специально изучаю, как лучше адаптировать ИИ под свою работу и чтобы он помог мне выполнять задачи эффективно.

Моя должность — инженер по коммуникационным протоколам. Написание кода занимает небольшую часть, больше времени уходит на обработку данных пользователей, анализ системных логов и т. п. Раньше, когда мы анализировали проблему «подвисания» телефона у пользователя, иногда причина была на стороне сети оператора, но всё равно нам приходилось расследовать по шагам, а значительная часть усилий уходила на фильтрацию неважной информации.

Сейчас ИИ помогает мне сначала быстро локализовать и отфильтровать лишние помехи, чтобы я мог сосредоточиться на том, что действительно нужно оптимизировать. За год моя общая производительность заметно выросла, и по эффективности в группе я нахожусь довольно высоко.

Но честно скажу: ИИ ещё далёк от степени, когда он может заменить людей. Точность анализа логов у него примерно на уровне 60%, и нужно обязательное ручное перепроверение. Чтобы повышать способности ИИ, нам приходится постоянно писать правила и оптимизировать логику. Поэтому за последние полгода у меня даже вырос объём работы. Но сам этот процесс — по сути «обучение» ИИ, чтобы он служил человеку.

За последние пару лет я явно чувствую, что компания стала нанимать меньше людей. И я думаю, что влияние ИИ тут наверняка есть. Когда рядом со мной друзья собираются менять работу, я всегда советую им обязательно быстро подтянуть навыки, связанные с ИИ. При одинаковом уровне технических знаний умение использовать ИИ в собеседовании и зарплате может создать заметный разрыв. Сейчас площадки вынуждают тебя учиться — и это, по сути, тоже помогает тебе заранее накопить конкурентоспособность в карьере.

Я всегда считал, что ИИ нужен не для того, чтобы заменить человека, а просто является новым инструментом конкуренции между людьми.

Мы** не**** сокращали сотрудников,**** но эффективность должна быть увеличена на**** 3 до**** 5 раз**

Ming Lu | CIO в одной из публичных** компаний в Австралии

Как CIO, я, возможно, один из самых первых сотрудников в компании, кто уже «с рождения в теме» AI.

Ещё до того, как компания официально закрепила AI-стратегию, я начал часто использовать AI-инструменты. Поскольку у компании есть долгосрочное сотрудничество с Microsoft, довольно рано мы подключили Copilot. Затем Copilot и Claude интегрировали в внутреннюю систему рабочих процессов. Не преувеличивая: сейчас почти все мои ключевые задачи уже делает ИИ, и эффективность выросла вдвое.

Но в начале внутреннего продвижения AI-инструментов всё шло не гладко.

Сначала использовали поощрительную стратегию: дали всем отделам и сотрудникам почти неограниченные права на использование Copilot и соответствующие лимиты. Однако эффекта почти не было. И даже встречали сопротивление в отделах разработки ПО и UX.

Эти команды не то чтобы отказывались от ИИ-инструментов. Они были готовы использовать ИИ как вспомогательное средство: писать фрагменты кода, генерировать эскизы дизайна. Но в целом они не хотели идти дальше: например, позволять ИИ вмешиваться в ключевые процессы SDLC (жизненного цикла разработки ПО). Такую позицию можно понять: людям хотелось, чтобы ИИ помогал, но не хотелось быть под управлением ИИ.

Однако в рамках стратегической логики компании просто использовать ИИ как «проверяющего синтаксис» недостаточно: нам нужна перестройка процессов.

Поэтому в начале этого года я совместно с CTO разработал новую AI-стратегию. Мы потребовали, чтобы каждый отдел до конца апреля предоставил AI-роадмап, а также установили жёсткий механизм оценки: каждый менеджер должен представить три AI-инициативы (AI Initiatives), и каждый квартал баллы выставляются по факту внедрения. Мы также начали мониторить объем использования Token и оценивать уровень использования ИИ; если он долгое время слишком низкий, человеку могут назначить план улучшения результативности (PIP).

После корректировки эффект оказался мгновенным.

Самые заметные изменения произошли в разработке ПО. Раньше, чтобы сформировать документ с требованиями к продукту (PRD), требовалось многократное взаимодействие product-менеджера и команды разработки, из-за чего цикл растягивался на недели и даже на один-два месяца. Теперь один project-менеджер может выдавать PRD за день: есть описания на Markdown и PRD, дополненный прототипами экранов. Наиболее затратный по времени в фазе запуска этап с «туманной зоной» был сильно сокращён.

Изменилась и моя собственная фокусировка. Теперь я каждый день трачу много времени на собрания с менеджерами разных отделов: обсуждаем, в каких этапах можно подключать ИИ. Параллельно я сам выстроил среду Claude с несколькими агентами: сначала уделяю много усилий мозговому штурму с ИИ, чтобы разложить решение по степени детализации, а уже затем отдаю ИИ на внедрение.

ИИ помог мне больше времени тратить на «как правильно сформулировать мысль и прояснить проблему». Если PRD недостаточно основателен, а коммерческая логика недостаточно ясна, выполнение ИИ полностью уходит в сторону. Это также заставляет нас больше думать о сути коммерческой логики.

Конечно, у повышения эффективности есть и жёсткая обратная сторона: могут сократиться должности. Хотя совет директоров компании решил пока не проводить сокращения, требуют, чтобы эффективность каждого сотрудника выросла в 3–5 раз. При этом, мы уже прекратили набор новичков в направлениях анализа данных, программной разработки и финансового анализа. Это, возможно, то, через что рано или поздно придётся пройти всем компаниям.

Я не чувствую, что меня «диктует» ИИ; наоборот, я ощущаю беспрецедентное чувство контроля. Теперь настоящий стресс испытывают те должности, где работа сильно стандартизирована и легко заменяется ИИ. А вот люди с сильными навыками анализа требований и верхнеуровневого планирования — напротив, становятся ещё более востребованными.

После внедрения ИИ моя работа** наоборот**** стала ещё более загруженной**

Юнь Тянь | старший разработчик в одном из ведущих крупных предприятий в Китае

Я отношусь к числу самых ранних людей, кто оплачивал использование ИИ сам: ежемесячные траты на разные инструменты — почти 500 долларов США. От GPT до различных специализированных моделей: то, что реально хорошо работает, я покупаю сразу годовым пакетом; то, что больше похоже на опыт, сначала тестирую месячным тарифом.

На данный момент в нашей компании нет обязательного требования по объёму использования Token. При соблюдении требований комплаенса, берут то, что лучше подходит и что по мнению команды больше помогает работе. Сейчас у меня в месяц расход Token примерно 3–4 миллиарда.

Но даже при этом моё рабочее время стало длиннее.

Причина простая: использование ИИ — это не только «пусть он делает работу», нужно сначала построить систему. Как при строительстве небоскрёба сначала возводят каркас, так и нам сначала нужно собрать систему: задать границы допустимого использования ИИ, снизить вероятность ошибок; даже «подтирать» последствия, когда ИИ начинает ошибаться, чтобы контролировать масштаб влияния. Эта работа намного сложнее, чем просто «использовать ИИ для повышения эффективности», и по сути это работа в формате «две работы за одну». Адаптация под эти новые требования и сама заняла у меня немало времени.

Что касается вопроса, который сейчас больше всего волнует рынок — «Token consumption включают в KPI» — я, пожалуй, смотрю на это иначе.

Судя по тому, какие руководители и бизнес-ответственные мне встречались, ни один из них не относится к ИИ равнодушно: все боятся упустить этот хайп/окно возможностей. Я знаю две ведущие компании-крупняки, где требуют, чтобы сотрудники использовали только их собственные большие модели и не разрешают применять Claude, ChatGPT и другие инструменты.

Я не совсем понимаю, почему некоторые компании хотят включать Token consumption в KPI: это способ с наименьшей нагрузкой на мышление менеджмента, но он не измеряет ключевую ценность.

Но с другой стороны, я считаю разумным установить «порог-минимум». Если в текущих условиях сотрудник вообще не сжигает Token и принципиально не использует ИИ — это уже само по себе говорит, что у него нет осознания необходимости перестройки собственного рабочего процесса.

Что касается того, приведёт ли внедрение ИИ к массовому сокращению набора или увольнениям, я думаю, что в целом рынок труда и так следует закономерностям промышленной революции.

Логика найма в «больших компаниях» никогда не сводится к простому «сколько людей нужно, чтобы выполнять работу». Они смотрят на поддержку прибылью и кадровую стратегию. Нанять людей, которые умеют работать с ИИ, даже если пока это не нужно в полной мере — значит занять позицию в борьбе за место. А для малого и среднего бизнеса ИИ снижает затраты на запуск и разработку: если раньше 100 людей делали то, что сейчас способны сделать 10.

Я знаю одного предпринимателя без технического бэкграунда. Благодаря ИИ он за полгода сумел «вбить» и собрать полноценную систему обучения для B2B. В прошлом для этого как минимум нужен был бы стотысячный коллектив. Когда стоимость проб и ошибок для всего общества снижается, в краткосрочной перспективе неизбежно наступят болезненные подвижки по должностям, но в долгосрочном горизонте рынок будет расти: появятся больше новых команд и больше новых возможностей.

Те должности, которые максимально стандартизированы и повторяются, точно будут подвергнуты удару; но те, где нужны глубокие размышления, креативное планирование и интеграция ресурсов, как раз станут ещё более востребованными. Колесо времени не ждёт: часть старых должностей будет неизбежно вытеснена, но двери в новый мир также медленно приоткрываются.

Источник статьи: DingJiao One

Предупреждение о рисках и оговорка об отказе от ответственности

        На рынке есть риски, инвестируйте осторожно. Эта статья не является индивидуальной инвестиционной рекомендацией и не учитывает особые инвестиционные цели, финансовое положение или потребности отдельных пользователей. Пользователям следует оценить, соответствуют ли любые мнения, взгляды или выводы в этой статье их конкретным обстоятельствам. В случае инвестирования — ответственность на вас.