ИИ, что же ты с нами сделал?! Собрали финальную картину 2025-го о привычках, эффективности и рисках

Привет! Я Кирилл Улитин, руковожу направлением UX и исследований в МойОфис. В этой статье расскажу о том, как ИИ, а конкретно — технология больших языковых моделей, меняет пользовательское поведение и опыт. Рассмотрю целый ряд исследований по разным вопросам: насколько часто люди используют ChatGPT и другие LLM на работе, что именно просят сделать, как взаимодействуют с большими языковыми моделями, насколько довольны результатами. В общем, если интересно увидеть в цифрах, как именно LLM уже изменили наши повседневные трудовые практики, заходите под кат: будет много графиков, процентов и ссылок на научные исследования.

Как узнать про пользователей?

Первое, что приходит в голову — спросить у них напрямую, провести опрос или интервью. Классический способ узнать мнение или отношение, но он имеет определённые ограничения: у пользователя тяжело узнать всё досконально. О чём-то он не захочет рассказать, о чём-то умолчит, о некоторых вещах не подумает сам, а о других — мы можем забыть спросить.

Мы можем напрямую посмотреть на работу пользователя в процессе, провести сессию наблюдения. Включить запись экрана, чтобы зафиксировать все действия пользователя. Метод очень точный, но одновременно крайне инвазивный. Сессию трудно организовать, но если удается, то это приносит массу инсайтов.

Еще более объективный способ — посмотреть на следы пользователя, те артефакты, которые остались после его работы. В работе с ИИ это запросы в ChatGPT и другие подобные боты. Из этого массива информации мы можем узнать о фактическом использовании больших языковых моделей. И это все понимают: на далёких серверах, куда эти данные уходят, их фиксируют и анализируют. За последние полгода вышло несколько статей, анализирующих поведение юзеров, с участием поставщиков чат-ботов: OpenAI, Microsoft, Anthropic. Так что, если вы не отжали галочку «Готов(а) передавать свои данные для анализа и улучшения моделей» в ChatGPT, то уже стали невольным респондентом подобного исследования.

В действительности, нет какого то идеального метода исследования все они нужны, чтобы получить разностороннюю картину.

Что нам рассказали исследования

27% запросов ChatGPT в июле 2025 года были связаны с работой. Солидная цифра, если сравнить её с июлем 2024, то окажется, что доля рабочих запросов снизилась на 20%. Это можно объяснить тем, что количество пользователей за это время выросло кратно, поэтому количество запросов в целом выросло, доля рабочих запросов уточнилась. Таковы данные из совместного исследования OpenAI, Дьюкского университета и Гарварда.

Сравним с нашим исследованием, основанным на опросах разных сегментов в крупных организациях. 33% сотрудников, использующих офисное ПО, уже имеют опыт взаимодействия с ИИ в рабочих вопросах.

Эта цифра бьётся с зарубежными исследованиями. Например, примерно такой же показатель выявило исследование в Дании в прошлом году.

Здесь важно понимать, что использовать инструменты — не равно применять крупные ИИ-сервисы. Из нашего опроса мы также узнали, что это могут быть, например, Telegram-боты или встроенный ИИ-функционал в приложениях:

Знакомы с инструментом — значит, используют его постоянно?

Нет. На постоянной основе ИИ в работе применяет сравнительно небольшая группа людей. Как показывает исследование ILO (International Labour Organisation) 5-8% юзеров используют ИИ несколько раз в неделю, ещё меньше — каждый день.

Надо отметить, что ситуация в крупных российский организациях выглядит немного по-другому, хотя общая доля тех, кто использует ИИ меньше (33%), но доля тех кто делает это каждый день и несколько раз в неделю больше (14ђ% и 12% соответственно).

Все это говорит нам, что мы пока только в начале пути взаимодействия с ИИ: те, кто применяет его сейчас, это продвинутые пользователи, новаторы и ранние последователи. Их заинтересованность, проактивность, цели и подходы делает эту группу весьма специфическим источником данных для исследований.

Как мы относимся к ИИ, и как он влияет на нас

Поскольку мы ещё на начальной стадии использования этого инструмента, люди к нему относятся очень по-разному. Наши глубинные интервью дали совершенно разный спектр мнений: от запретов использования и непонимания, как использовать для работы до полноценного решения рабочих задач.

• «Могу сказать ему, что делать, налить кофейку, вернуться, и у меня уже будет готовый результат, либо, требующий минимальных корректировок». Тут налицо ускорение процессов и влияние на опыт пользователя.

• В то же время кто-то ИИ воспринимает прежде всего как генерилку смешных картинок: “У нас по работе такого нету, для себя интересно было, как работает.” Рассказывает про оживление фотографий родственников, генерацию картинок.

• А в некоторых сферах на отношение к ИИ и его использование напрямую влияют политики компании. Из-за рисков, связанных с использованием ИИ, он просто-напросто запрещён и заблокирован на рабочих компьютерах: “Даже зайти на сайт нельзя… у нас вообще не приветствуется”.

При анализе мы также заметили связь с рабочими задачами. Исследование Microsoft Research выделило профессиональные группы и попыталось по различным признакам соотнести, насколько ИИ может повлиять на работу каждой.

Здесь видно, что в топе по влиянию ИИ офисные работники: продажи, программирование, создание контента. На работу с людьми и физический труд, например, строительство или сельское хозяйство, ИИ влияет мало: роботы ещё не подоспели.

Для чего используют ИИ

В исследовании OpenAI есть распределение, которое показывает, в каких кейсах на работе применяют большие языковые модели:

Активнее всего ИИ на работе используют, чтобы что-то написать — 40% сценариев использования. Нередки запросы о помощи в технических вопросах, поиск информации с помощью LLM, создание графики и изображений.

В этой же работе есть и другая разбивка с классификацией из стандартного перечня рабочих навыков в США, и распределяло рабочие запросы ChatGPT по категориям этой классификации:

Здесь видно, что лидирует по-прежнему документирование и работа с информацией, но его доля упала более чем вдвое, до 18,4%. А на втором месте решение проблем и принятие решений (14,9%), то есть люди используют ИИ, чтобы что-то придумать. Это уже не печатная машинка, а помощник.

Делегировать или сотрудничать?

Разные паттерны использования ChatGPT и подобных ему сервисов делятся на две основные группы: делегирование и сотрудничество (augmentation).

• Делегирование: человек полностью отдаёт задачу ИИ, директивно говорит, что надо сделать, даёт фидбек по результату.

• Сотрудничество сложнее: человек работает совместно с ИИ, может попросить помочь в декомпозиции задачи, вместе поискать решение, провалидировать свою работу и решения, и таким образом даже чему-то научиться через применение ИИ.

Исследование Anthropic выявило, что сотрудничают чаще, но ненамного. В этой парадигме работают 57% респондентов, а 43% предпочитают полностью делегировать ИИ таски.

А исследование OpenAI (c близкой классификацией запросов) подкрепляет, что эти парадигмы зависят в том числе от категории задачи, для которой человек применяет ИИ.

При создании контента речь идёт скорее о делегировании, ChatGPT выступает исполнителем, а вот когда речь заходит о сопровождении, помощи в принятии решений, сотрудничество вдвое популярнее делегирования.

Насколько мы довольны результатами работы ИИ

В первую очередь: как вообще протестировать пользовательскую удовлетворенность этими результатами? Для этого готовят специальные задачи, которые решают в параллели группа экспертов и LLM. Получившийся пул решений предлагают респондентам для попарного сравнения, чтобы те поделились предпочтениями, какие варианты лучше. Конечно, респонденты при этом не видят, кто автор конкретного решения — эксперт или ИИ.

Ещё одно исследование от OpenAI показывает, что топовые модели постепенно приближаются к паритету с экспертами.

Лучший результат показывает Claude 4.1, решения от которого удовлетворили респондентов в исследовании в 47,6% случаев.

Важно помнить, что эти показатели со звёздочкой: всё зависит от конкретных задач, которые исследование оценивало. Но в данном случае разброс был достаточно широким: написание текстов, создание креативного контента и другие типы задач.

Помогает ли ИИ работать

Из близкого для IT-сферы можно отметить сравнительное исследование, которое изучало на примере нескольких компаний, в том числе Microsoft, как ИИ влияет на продуктивность команд разработки, и выявило рост количества выполненных задач на 26% при сохранении метрик качества.

В сфере создания контента, сравнительное исследование MIT показывает, у людей, применяющих ИИ, повышается и качество (18%), и скорость (40%) работы.

Из другого исследования видна зависимость: на рост продуктивности влияет экспертность. Начинающие специалисты получают гораздо больший прирост по сравнению с профессионалами. Разница очень заметная, прирост в 2,5 раза выше.

Распределения уровня владения офисным ПО. Данные МойОфис.

Интересно переложить этот вывод на уровень компетентности в офисном ПО. В наших регулярных опросах пользователей наших клиентов, мы видим, что простой работой занимаются гораздо больше людей — то есть и бенефициаров у прироста в продуктивности будет больше.

Один из моих самых любимых примеров — brick pencil, возможно это один из первых ухудшающих тестов.

Если вручить человеку такое устройство, то скорость письма замедлится, а качество упадет.
Главный тезис эксперимента — интерфейсы напрямую влияют на нашу работу, хороший интерфейс даёт прирост к продуктивности.

Данные взяты по модели Claude, которая известна тем, что занимает первые места в бенчмарках на написание кода. График показывает, какая доля людей в разных группах популяции США обладает тем или иным навыком, в сравнении c запросами связанных с этим навыком в Claude.

Сами авторы пишут о том что, "широкий доступ к помощи ИИ для выполнения традиционно профессиональных задач — даже если эта помощь не идеальна — может иметь значительные последствия для этих областей, хотя анализ таких последствий выходит за рамки данного исследования”.

Как ИИ повлияет на будущее

Пока что люди чаще всего не очень понимают, что эффект ИИ будет достаточно сильным: только 20% считают, что эти технологии значительно повлияют на работу, ещё меньше — что они поменяют вообще всё.

Есть разбивка от отрасли к отрасли, но общий тренд виден: здесь мы тоже ещё на старте осознания, что многие процессы в будущем сильно изменятся.

Разучимся ли мы думать?

При этом важно отметить негативные изменения. Уже сейчас многие исследования отмечают, что люди разучиваются делать свою работу. Использование ИИ размывает собственные навыки и подкрепляет эффект Даннинг-Крюгера: с ИИ под рукой пользователь уверен, что знает по теме всё, хотя на самом деле совсем в ней не разбирается. В целом, если не понимать, как работать с LLM, не видеть их ограничений, галлюцинации моделей могут создать у пользователя очень серьёзные и стойкие иллюзии.

Интересно, что исследование также отмечает негативный эффект конкретно для учёных: LLM позволяют быстро производить контент, из-за чего растёт соблазн постоянно производить и подавать в научные журналы низкокачественные исследования.

А вот интересное исследование, показывающее, что высокая степень доверия генеративному ИИ ассоциируется со снижением уровня критического мышления. И наоборот, доверие собственной работе ассоциируется с ростом этого важного навыка. Это те преграды, о которых нам в будущем важно будет помнить и активно думать.

В нем же авторы говорят о значительном изменении характера решения задачи с ИИ – мы переходим от непосредственного решения задачи к управлению ее решением. Это вполне бьётся с моим личным опытом и, думаю, вы тоже это видите. Теперь мы делегируем ИИ сбор информации, а сами её проверяем. За решением проблем тоже идём к LLM, а потом интегрируем их ответы. То же с анализом, синтезом и оценкой данных. Эта общая схема не везде проявляется, но характер изменений налицо.

Выводы

ИИ уже внедряется для решения рабочих задач во многих сферах. Пока что активно его в работе использует ограниченное число людей: новаторы и ранние последователи. При этом качество решения некоторых задач у ИИ растёт и уже приближается к паритету с человеческим. Мы всё чаще довольны работой LLM-ок, всё больше на них полагаемся и, благодаря этому, растим качество и скорость своей работы.

ИИ по-настоящему усиливает человека, он сильно улучшает малоразвитые навыки. Но есть и проблемы, на которые нужно обратить внимание, чем раньше, тем лучше. Это переоценка собственных возможностей, снижение уровня критического мышления, слишком высокое доверие ИИ, из-за которого человек может перестать адекватно оценивать его работу.

Как всё это повлияет на продукты и на опыт пользователя? Может показаться, что нужно отходить от графических интерфейсов и всё превращать в чат, в который пользователь будет писать, общаясь напрямую с моделью. Но сейчас это точно не ответ: пользователи не настроены на такой переход, результат будет скорее негативный, чем позитивный. ChatGPT активно используется в работе, но далеко не только напрямую, часто он интегрирован в другие рабочие решения.

Можем ли мы думать, что дав сотрудникам модель, они смогут разобраться и сразу же прийти к качественному использованию для своей работы? Точно нет.

Пользователю нужен “скаффолдинг”, поддержка в достижении цели, для того чтобы эта прекрасная технология действительно усиливала его, а не превратилась в тот самый кирпич из эксперимента. Наши интерфейсы — это опора, с которой юзер достигает продуктивности и производительности.

Важно обеспечить интеграцию ИИ-инструментов в существующие привычные сценарии. Чтобы человеку не нужно было переключаться, многократно копировать результаты, он мог удобно общаться с LLM, видеть их ответы в контексте своей задачи, иметь шаблоны основных действий на основе текущей задачи, иметь возможность быстро вручную настроить что-то, откатить, получить подсказку в использовании основного инструмента. Это те принципы, на которых мы строим использование ИИ в продуктах МойОфис, которые мы показали на нашей конференции “Призма изменений”.

А еще МойОфис сейчас открыта вакансия дизайн-директора. Роль предполагает работу с продуктовой стратегией, пользовательским опытом и развитием дизайн-направления в крупных продуктах.

Источники

• Generative AI and Jobs. A Refined Global Index of Occupational Exposure

• Working with AI: Measuring the Applicability of Generative AI to Occupations

• Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge, Worker Productivity and Quality

• Experimental evidence on the productivity effects of generative artificial intelligence

• Negative effects of Generative AI on researchers: Publishing addiction, Dunning-Kruger effect and skill erosion

• The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers

• Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations

• The Adoption of ChatGPT

• GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks

• How People Use ChatGPT

• The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers

• Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality

P.S. Было бы интересно узнать, как отличается аудитория Хабра по использованию ИИ и по оценке его влияния, давайте посмотрим: