Более половины американских офисных сотрудников считают себя скептиками к ИИ, и дело не сводится к страху потерять работу. Для русскоязычного IT-рынка это полезный сигнал: скепсис к ИИ растет не там, где технологий мало, а там, где их уже успели попробовать в реальных процессах и разочароваться в качестве, обучении и управляемости.
Об этом сообщает ZDNet со ссылкой на глобальный опрос Salesforce и YouGov среди более чем 1500 desk workers на четырех континентах. Речь идет о сотрудниках, чья работа состоит в основном из интеллектуального, а не ручного труда. По данным исследования, американские работники на 43% чаще среднего по миру называют себя скептиками по отношению к ИИ. В самих США таких уже больше половины, что заметно выше глобального среднего уровня.
На этом фоне особенно контрастно выглядят развивающиеся экономики. Исследования, на которые ссылается издание, показывают, что в странах Южной Азии, включая Сингапур и Таиланд, оптимизм вокруг ИИ заметно выше. В Индии и доверие к ИИ, и регулярное использование находятся выше 80%, тогда как в США оба показателя держатся примерно около 50%. Логика здесь простая и не слишком приятная для зрелых рынков: там, где люди видят в ИИ шанс ускорить карьеру и подняться по профессиональной лестнице, технология воспринимается как инструмент. Там, где ИИ подают в основном через сюжет про сокращения, он быстро превращается в угрозу еще до первого пилота.
Причем американский скепсис к ИИ не исчерпывается тревогой за рабочие места. Это, пожалуй, главное наблюдение всей истории. В материале перечислены три самые частые причины провала AI-пилотов у американских сотрудников: слишком общие ответы, недостаточное обучение и низкое доверие к результатам. Переводя с корпоративного на нормальный язык: людям дали модный инструмент, не встроили его в привычную работу, не объяснили ограничения, а потом удивились, почему никто не хочет полагаться на вероятностные ответы в задачах, где ошибка стоит денег, репутации или лишней недели согласований.
Это важная деталь и для разработчиков, и для продактов. Когда сотрудник жалуется, что ИИ «несет ерунду», проблема часто не в самой модели как таковой, а в связке данных, контекста и процесса. В ZDNet отдельно отмечают более глубокую причину неудачных пилотов: слабые data foundations, то есть некачественные данные, плохая метаинформация и нехватка управляемого контекста для модели. Если у компании грязные справочники, разрозненные бизнес-системы и неописанные правила, генеративный ИИ быстро начинает выглядеть не как помощник, а как стажер, который уверенно выдумывает ответы. И чем дороже процесс, тем ниже терпимость к такой самодеятельности.
Парадокс в том, что на уровне институтов США одновременно выглядят одним из лидеров внедрения. IDC, как пишет ZDNet, обнаружила, что большинство руководителей американского госсектора считают: к 2030 году государственные структуры будут работать в модели, где люди и ИИ-агенты действуют вместе. Более 80% госагентств США уже используют ИИ-агентов. То есть на уровне организаций внедрение идет, а на уровне работников доверие буксует. Это хороший пример того, что наличие бюджета, платформы и политической воли еще не означает принятие технологии снизу. Если сотрудник не понимает, где ИИ реально помогает, а где его надо перепроверять вручную, внедрение остается красивой презентацией для совета директоров.
Еще один интересный срез касается общего восприятия ИИ в развитых и развивающихся экономиках. Исследования показывают, что 90% жителей развивающихся стран ожидают от ИИ пользы и воспринимают генеративные и агентные системы как способ ускорить карьерный рост. В развитых экономиках, наоборот, доминирует сюжет про вытеснение работников. Здесь есть и медийный эффект: если топ-менеджеры крупнейших AI-компаний годами повторяют, что технология радикально перекроит рынок белых воротничков, люди начинают слышать не «у вас появится новый инструмент», а «ваша должность под вопросом». После этого даже хороший пилот приходится продавать как политическую кампанию, а не как продукт.
При этом исследование Salesforce дает довольно практичный рецепт, что отличает удачные внедрения от провальных. Компания проанализировала 500 успешных AI-пилотов и выделила четыре общих фактора. Первый: сотрудников обучают работе с ИИ, а не просто выдают доступ. Второй: решения встроены прямо в те приложения, где люди работают каждый день, а не живут отдельной игрушкой в боковой вкладке. Третий: доверие к результатам достигается тестированием до вывода в прод, а не обещаниями в духе «модель со временем научится». Четвертый: систему можно настраивать под реальные задачи конкретных ролей. Когда эти условия соблюдаются, 76% работников становятся сторонниками ИИ, а 63% используют его ежедневно.
Для российского и в целом русскоязычного IT-рынка из этой истории напрашивается трезвый вывод. Скепсис к ИИ не означает технологическую отсталость, а энтузиазм не гарантирует эффекта. Настоящий водораздел проходит не между «верящими» и «неверящими», а между компаниями, которые строят нормальный контур данных, обучения и интеграции, и теми, кто пытается прикрутить LLM к хаосу и называть это трансформацией. Американский скепсис к ИИ сейчас выглядит не как отказ от технологии, а как взросление спроса: пользователи больше не хотят демонстраций ради демонстраций и требуют предсказуемой пользы. Для вендоров, интеграторов и внутренних AI-команд это, возможно, самая неприятная, но и самая здоровая стадия рынка.
Следующий вопрос уже не в том, готовы ли сотрудники «принять ИИ», а в том, кто первым научится делать его достаточно надежным для повседневной работы знаний. Если рынок не решит проблему доверия, обучения и качества данных, даже самый шумный бум агентов упрется в старую корпоративную реальность: люди будут открывать ИИ-ассистента из любопытства, а важные решения по-прежнему принимать без него.