Примерно в 10 000 квартальных звонков с инвесторами за 2021–2025 годы руководители, говорившие об ИИ, были единообразно оптимистичны — и этот оптимизм не объяснял ничего в различиях производительности их компаний. С производительностью же совпадала переменная, которую никто не выносит на слайд для совета директоров: настроения сотрудников по поводу ИИ, извлечённые из миллионов отзывов на Glassdoor по тем же компаниям за те же годы (Ding, Ma, Wu & Yang, SSRN, 2026).
Один сигнал громкий, бесплатный и бесполезный. Другой тихий, в большинстве компаний среднего размера не измеряется — и он единственный, чья связь с результатом доказана.
Если вы прогнозируете отдачу от ИИ по уверенности тех, кто утвердил бюджет, вы смотрите не на тот прибор.
Что на самом деле измерила питтсбургская панель
Работа — Tracking Artificial Intelligence Sentiment in the U.S. Labor Market, 116-страничный рабочий доклад исследователей школы Katz в Питтсбурге и Michigan State — строит панель на уровне компаний из четырёх источников данных за 2021–2025 годы: миллионы отзывов сотрудников на Glassdoor, около 10 000 стенограмм звонков с инвесторами, индивидуальные карьерные профили LinkedIn и вакансии на уровне фирмы (Ding, Ma, Wu & Yang, SSRN, 2026).
Три результата важны для любого, кто отвечает за операционную работу.
Первый: сотрудники измеримо более негативны в отношении ИИ, чем в отношении работодателя в целом. Разрыв специфичен именно для ИИ. Тот же автор отзыва, который высоко оценивает компанию, оценивает программу ИИ ниже этого уровня — значит, это не общая неудовлетворённость, перетекающая в вопрос об ИИ.
Второй: настроения сотрудников по поводу ИИ показывают сильную положительную связь с производительностью компании. Выше настроения — выше выпуск.
Третий, и самый полезный для операционного руководителя, решающего, что измерять: настроения менеджмента по поводу ИИ производительность не объясняют. Они единообразно оптимистичны и в компаниях, которые затем показали хорошие результаты, и в тех, которые не показали, — именно это и делает их бесполезными как сигнал. Переменная без дисперсии не может ничего предсказывать.
Почему оптимизму топ-менеджмента нечего дать в виде дисперсии
Это не обвинение руководителей во лжи. Это утверждение о том, для чего нужен язык квартального звонка.
Звонок с инвесторами — это упражнение в позиционировании с юридическим отделом рядом. Генеральный директор, говорящий «наши инвестиции в ИИ пока не окупаются», немедленно платит за эту фразу рыночную цену. В результате получается корпус, где почти все звучат уверенно, а это стирает ровно те различия, которые нужны, чтобы отличить работающую программу от застрявшей.
Опросные данные показывают то же сжатие с другой стороны. Исследование State of the Workforce 2026 компании BambooHR, охватившее более 1200 сотрудников и руководителей в шести отраслях, обнаружило, что 81% руководителей сообщают о росте производительности благодаря ИИ, тогда как 49% респондентов говорят, что ИИ не дал ощутимой ценности и переоценён (BambooHR, 2026). Эти два числа описывают одни и те же компании. Управленческий слой не наблюдает другую реальность — он сообщает о другой.
У завышенной оценки сверху есть структурная причина, и это не тщеславие. Руководители видят демонстрацию пилота, бенчмарк вендора и агрегированный дашборд. Сотрудники видят переделку, шаг проверки и процесс, который так и не был перестроен вокруг инструмента. Обе стороны смотрят на программу ИИ. Но только одна смотрит на то место, откуда производительность должна была бы взяться.
Если ваше обоснование инвестиций в ИИ построено на том, насколько уверена команда руководителей, оно построено на единственной переменной в наборе данных, лишённой объясняющей силы.
Гарантия занятости — главный фактор, а привязка сокращений к ИИ — усилитель
Работа ранжирует то, что опускает настроения сотрудников по поводу ИИ. Тревога за сохранение работы — сильнейший негативный фактор, впереди плохого обучения, слабых траекторий переквалификации, слабого лидерства в теме ИИ и простого сомнения в том, что инструменты работают (Ding, Ma, Wu & Yang, SSRN, 2026).
Далее — результат с самым прямым операционным следствием: объявления о сокращениях, приписанных ИИ, резко снижают настроения сотрудников по поводу ИИ в объявившей компании, обнуляя те выгоды от внедрения, которые эти сокращения должны были зафиксировать. А реакция рынка на такие объявления была отрицательной или примерно нулевой более чем в половине изученных случаев.
Читайте это как ошибку в оценке стоимости. Когда компания подаёт сокращение как «ИИ сделал эти роли ненужными», она выбирает нарратив, который считает бесплатным. Он не бесплатен. Он покупает измеримое падение той переменной настроений, которая коррелирует с производительностью, в обмен на реакцию рынка, которая более чем в половине случаев не наступает.
Данные Forrester по другой стороне этого решения нелестны. 55% работодателей говорят, что жалеют об увольнениях ради ИИ, а около половины приписанных ИИ сокращений, как ожидается, будут тихо отыграны назад в 2026 году — через наём за рубежом или на существенно меньшую зарплату (HR Executive о Forrester Predictions 2026). Значит, для заметной доли компаний последовательность такая: сократить, приписать сокращение ИИ, принять удар по настроениям, не получить кредита от рынка, затем нанять снова.
Макрокартина говорит, что большая часть этих сокращений и не была оправдана агрегированной арифметикой численности. Панель CFO Survey ФРС — 603 ответа плюс 145 дополнительных, собранных с ноября 2025 по январь 2026 года — обнаружила пренебрежимо малый эффект ИИ на занятость в 2025 году и ожидаемый эффект на 2026 год, близкий к нулю в агрегате. Движение идёт по составу: ожидаемое снижение доли рутинной канцелярской работы на 0,76% в 2026 году и на 2,19% к 2028 году, частично компенсированное ростом квалифицированных технических ролей (NBER Working Paper 34984, 2026).
Сдвиги в составе не требуют объявления. Они требуют плана найма.
Результат по удержанию, который никто не закладывает в цену
Ещё один вывод панели заслуживает отдельной строки в вашей кадровой модели: компании с большей долей сотрудников, владеющих ИИ, показывают более высокую текучесть, более низкий темп найма и более медленный рост занятости. Авторы проверили очевидное альтернативное объяснение — компании, перебравшие с наймом после пандемии и теперь корректирующиеся, — и результат сохраняется при их исключении, то есть это не главным образом артефакт «ИИ-витрины» (Ding, Ma, Wu & Yang, SSRN, 2026).
Рядом с этим: растущая зарплатная премия и более быстрый карьерный рост у работников, владеющих ИИ.
Сложите одно с другим — и риск для среднего бизнеса становится конкретным. Люди, которых вы весь 2025 год обучали до свободного владения ИИ, стали мобильнее на рынке, который теперь платит им больше, внутри компании, которая нанимает медленнее. К вашей программе обучения ИИ приложен счёт за удержание, и он приходит ровно на том уровне старшинства, где замена даётся тяжелее всего.
Контраргумент, который стоит принять всерьёз
Это рабочий доклад, а не рецензируемая публикация, и ключевые связи носят наблюдательный характер. Никто не рандомизировал настроения сотрудников. Связь между настроениями и производительностью совместима с обратной причинностью — в производительных компаниях приятно работать, и о них пишут более тёплые отзывы — и с пропущенным третьим фактором, компетентным менеджментом, который порождает и то и другое.
Это возражение справедливо, и оно не меняет того, что следует делать.
Вас не просят поверить, что улучшение настроений вызывает рост производительности. Вас просят заметить, что одна измеримая переменная движется вместе с результатами компании, а другая — нет. Опережающему индикатору не нужно быть причинным, чтобы быть полезным; ему нужно быть информативным и доступным рано. Настроения сотрудников по поводу ИИ отвечают обоим условиям. Настроения руководителей, судя по этим данным, — ни одному.
Защитимая позиция звучит не как «нужно поправить моральный дух, чтобы получить отдачу от ИИ». Она звучит так: «сегодня мы прогнозируем отдачу по сигналу с нулевой доказанной прогнозной силой, а альтернативный сигнал почти ничего не стоит собрать».
Что измерять: настроения сотрудников по поводу ИИ как опережающий индикатор
Измеряйте настроения по поводу ИИ отдельно от вовлечённости
Ваш нынешний опрос вовлечённости этого не покажет. Смысл питтсбургского результата именно в том, что настроения по поводу ИИ лежат ниже общего отношения к компании — объединение их скрывает разрыв. Добавьте три-четыре ИИ-специфичных пункта к уже используемому инструменту: делает ли инструмент вашу работу лучше, есть ли у вас обучение, чтобы им пользоваться, понимаете ли вы, что он означает для вашей роли. Отслеживайте разницу между настроениями по ИИ и общими настроениями как отдельный показатель.
Разбейте по функциям и по стажу и читайте разброс
Среднее по организации будет выглядеть приемлемо и не скажет вам ничего. Сигнал в том, какие команды ушли в минус, — и, с учётом вывода о текучести, в том, не уходят ли в минус именно самые продвинутые в ИИ люди. Эти два разреза и есть отчёт.
Проверьте, чем объясняли реструктуризации этого года
Пройдите по каждому сокращению за последние двенадцать месяцев и проверьте, что сотрудникам сказали о причинах. Если ИИ был назван причиной там, где реальным драйвером было не он, вы заплатили настроениями за нарратив, который ничего вам не купил. Исправьте формулировки на будущее: объясняйте бизнес-причиной, а не технологией.
Устраняйте факторы в порядке их значимости, а не по лёгкости финансирования
Гарантия занятости идёт первой, впереди обучения. Большинство бюджетов на внедрение переворачивают этот порядок: много на инструменты и воркшопы по промптам, ничего о том, что происходит с ролью, когда меняется процесс. Ясное и конкретное заявление о том, что ИИ означает и чего не означает для конкретной работы, ничего не стоит и адресует фактор первого ранга. Обучение адресует второй. Покупайте в этом порядке.
И только потом расширяйте сценарии использования, а не число лицензий
Данные Gallup за второй квартал 2026 года показывают, что доля сотрудников, сообщающих о положительном эффекте на производительность, растёт с 45% у тех, кто использует один-два сценария ИИ, до 90% у тех, у кого их семь и больше (Gallup, 2026). Настроения улучшаются, когда инструмент реально помогает. Двигает их широта прикладного использования, а не число выданных лицензий.
Решение на вашем столе
У вас уже есть опрос сотрудников. У вас уже есть квартальные обзоры, где кто-то показывает слайд о прогрессе в ИИ, собранный из вендорских бенчмарков и уверенности руководства. Изменение — это не новая статья бюджета, а выбор того, какой из этих двух артефактов вы считаете доказательством.
Перед следующим обзором инвестиций в ИИ положите перед всеми одно число: настроения сотрудников по поводу ИИ в разбивке по функциям и стажу, с показанным разрывом относительно общих настроений. Если оно окажется ниже, чем кто-либо в комнате ожидал, это не проблема морального духа для передачи в HR. Это ваш прогноз производительности, пришедший достаточно рано, чтобы на него отреагировать.
