🤖 AI повышает продуктивность сотрудников, но почти не повышает прибыль компаний - разбор свежего отчёта McKinsey
Если вы уже внедрили AI в компании и не видите отражения в финансовых показателях — вы не одиноки. McKinsey показывает: это системная проблема почти всего рынка, а не ошибка конкретной компании.
📊 Масштаб внедрения: AI больше не эксперимент
▶️89% компаний уже регулярно используют AI хотя бы в одной функции
▶️44% масштабируют AI на уровне всего предприятия (год назад было 38%)
▶️Доля компаний, применяющих AI в 3+ функциях, выросла с 51% до 56%
▶️Крупный бизнес (от $1 млрд выручки) внедряет AI на уровне предприятия почти в 2 раза чаще малого и среднего (54% против 33%).
Что это значит: у крупных игроков больше денег на эксперименты, своя IT-инфраструктура и команды разработки — они могут пробовать параллельно много гипотез и быстрее находить рабочие. Малому и среднему бизнесу нужно быть точечнее: не пытаться внедрить AI "везде", а выбрать 1-2 процесса с максимальной отдачей.

🧠 AI-агенты — новый уровень автоматизации
Речь не про чат-ботов, а про системы, которые сами планируют и выполняют многошаговые задачи без участия человека на каждом шаге.
В крупных компаниях доля масштабировавших агентов выросла с 27% до 40% за год
В компаниях с выручкой до $1 млрд — рост почти нулевой (около 22%)
Где агенты приносят пользу сильнее всего — по отраслям:
— Технологии: разработка ПО
— Ритейл и потребительские товары: маркетинг и продажи
— Промышленность: цепочки поставок, склад, производство
Что это значит: агенты работают там, где находится основная ценность именно вашей отрасли. Не стоит копировать чужой кейс — надо смотреть, где у вас самый дорогой ручной труд или самое узкое место.

💻 Кодинг-агенты переворачивают решение "купить или разработать самим"
Это, пожалуй, самый практичный вывод отчёта для владельцев бизнеса:
▶️20% компаний уже масштабируют AI-агентов для написания кода (среди крупных — 31%)
▶️32% компаний отказались от покупки готового софта или функции, потому что смогли сделать её сами с помощью AI

Кодинг-агенты + небольшая внутренняя команда иногда дешевле, чем покупка + внедрение + подписка на SaaS.

⚖️ Главная проблема отчёта: где теряется эффект
На уровне отдельного сотрудника AI работает отлично:
▶️80% отмечают рост личной продуктивности,
▶️50% говорят, что стали принимать более качественные решения,
▶️около половины отмечают, что освоили новые навыки.
Но когда доходит до финансового результата всей компании — картина совсем другая:
только 37% компаний связывают AI хотя бы с небольшим приростом EBIT, согласно статистике компании получают от AI только 5%+ вклада в EBIT и оценивают эффект как значительный.

Почему так происходит — вывод McKinsey:
Дело не в том, что модели недостаточно хороши. Дело в том, что большинство компаний используют AI как надстройку над старыми процессами — ускоряют то, что уже делали, вместо того, чтобы пересобрать сам процесс, роли и систему управления вокруг новых возможностей.
Сотрудник работает быстрее, но если процесс, орг.структура и метрики компании остались прежними, этот выигрыш во времени никуда не "конвертируется": он растворяется в старой системе координат.

❕Практический вывод для собственника:
Если вы видите, что сотрудники хвалят AI, а P&L не меняется — вопрос не "работает ли AI", а "перестроили ли мы процесс под него". Именно организационные изменения, а не выбор модели или подрядчика определяют, увидите вы деньги на уровне EBIT или нет.

📅Приглашаю на открытый практикум 30 сентября и 1 октября, где мы разберем с чего начинать систематизацию и атоматизацию в первую очередь.

Регистрация по ссылке https://t.me/taraburova_bot?start=praktikum

Подробнее о практикуме https://practikum15sent.netlify.app