Как понять, что ИИ встроен в работу эффективно

HRD Яндекса Даша Золотухина собрала AI adoption guide на основе кейсов внутри компании и других бигтехов (например, Microsoft). Сейчас Яндекс вместе с AI-амбассадорами формирует для профессий свою «гигиену adoption»: базовый набор рабочих сценариев, которые реально могут усилить команды с учетом определенного пула навыков для конкретных специальностей. 

Главный принцип: вместо общего «вам нужно больше пользоваться ИИ» у человека должен появиться понятный ответ на вопрос «что значит хорошо владеть ИИ именно в моей профессии?»

В гайде Даша рассказывает, с чего (точнее, с кого) начать адаптацию. Например, в командах появляются AI чемпионы, которые помогают с конкретными задачами, и это ускоряет adoption примерно вдвое. Вместо длинных курсов запустили ИИ спринты, где 60% времени работают руками над своей реальной задачей. Отдельно про метрики: считают не просто число запросов, а качество и скорость: важно оценивать не только активность, но и реальный результат.  

Еще внутри рассказали про метрики в самой компании. Для разработчиков у компании есть конкретная цель 75/75/75, о которой я уже писал ранее: к концу 2026 года не менее 75% инженеров регулярно используют ИИ, ИИ участвует в 75% изменений кода и генерирует 75% кода в таких изменениях. По последним данным, первый показатель уже достиг 82%. 

При этом переносить такую метрику на аналитиков, маркетологов и юристов пока не имеет смысла из-за отсутствия доли AI-кода, которую можно посчитать. Поэтому для non-dev профессий сейчас используют такую лестницу целей:

1) Usage (у всех настроенные агенты и подписка, weekly usage 100%)

2) Глубокий adoption (настроенная среда / агенты, скиллы под конкретные задачи, регулярные процессы)

3) Измеримый результат (оцифрованные артефакты работы, ИИ даёт эффект на скорость / качество / стоимость)

4) Решение бизнес-задач (переосмысление способа работы, заметный эффект на P&L)

Регулярно ИИ в компании используют около 47% сотрудников неразработческих профессий, ежедневно — 21%. Следующий этап — понять, какие сценарии и навыки нужны людям таких профессий и связать с измеримым эффектом от ИИ в конкретной работе.