Почему ИИ делает отдельных работников быстрее, но оставляет целые компании позади

Ключевые моменты

• В отчёте Atlassian State of Teams Report 2026 опрошены 12 000 работников, и 89% руководителей Fortune 1000 говорят, что ИИ ускоряет работу отдельных сотрудников в их компаниях.
• Только 6% этих же руководителей смогли привести конкретный пример финансовой отдачи от ИИ.
• Примерно 14% команд в этих организациях смогли превратить использование ИИ в реальную, измеримую ценность.
• Успешные команды имели три общих черты: общий реестр корпоративных знаний, переработанные рабочие процессы и культуру, открытую к неудачным экспериментам.
• Atlassian протестировала «соглашения об использовании ИИ» — письменные командные правила о том, как и когда использовать ИИ, и обнаружила, что они улучшают скорость, принятие решений и качество результатов.

Представьте эстафету, где каждый бегун получает более быстрые кроссовки, но никто не согласен по поводу маршрута. Примерно это сейчас происходит в большинстве компаний, использующих ИИ, по словам доктора Молли Сэндс.

Сэндс руководит лабораторией командной работы в Atlassian, компании за проектными инструментами вроде Jira и Confluence. Её команда поведенческих учёных изучает, как ИИ меняет способ сотрудничества людей, а затем внедряет эти изменения в организациях. Она представила выводы лаборатории на конференции VB Transform 2026, впервые опубликованные в VentureBeat.

Так почему ИИ не приносит результаты?

Коротко: компании обучают отдельных людей, а не команды. Инструменты становятся быстрее. Координация остаётся нарушенной.

Цифры это явно подтверждают. Ежегодный отчёт Atlassian State of Teams Report, в котором опрошены 12 000 работников по всему миру и проведены интервью примерно с 200 руководителями компаний Fortune 1000 (1000 крупнейших в США по выручке), выявил неудобный разрыв. Почти девять из десяти руководителей сказали, что люди в их компаниях работают быстрее с ИИ. Но только 6% смогли назвать конкретное место, где эта скорость превратилась в реальную финансовую отдачу.

Около 14% команд, однако, разобрались. Их отличало три вещи.

Общие знания. Успешные команды хранили цели, решения и контекст в инструментах, которые были видны всем, вместо того чтобы держать всё в головах людей или в приватных чатах. Atlassian называет это «графом контекста» — по сути, живой картой того, кто что делает и почему, которую могут читать и использовать инструменты ИИ. Без неё помощник ИИ знает только то, что знает человек перед ним.

Переработанные рабочие процессы. Высокопроизводительные команды не просто ускорили существующие задачи. Они перестроили целые процессы с нуля. Сэндс прямо выразила риск пропуска этого шага: сделайте людей быстрее, не выравнивая их, и они «очень быстро начнут сталкиваться друг с другом».

Культура, допускающая неудачу. Самые быстрые команды имели лидеров, которые делали экспериментирование безопасным. Некоторые эксперименты не удавались. В этом и была суть.

Что именно делали успешные команды по-другому?

Они накладывали преднамеренные ограничения, чтобы быстро учиться. Один пример: команда взяла на себя обязательство неделю не писать ни одной строки кода вручную, принуждая всех работать через инструменты ИИ. Неустойчиво в долгосрочной перспективе, сказала Сэндс, но быстрый способ сформировать общие навыки и выявить то, что работает.

Они также записали правила перед началом проектов. Atlassian называет это «соглашениями об использовании ИИ» — краткий документ, где команда вместе решает, для чего будет использовать ИИ, что будет делать самостоятельно, каких агентов ИИ будет использовать совместно и какие базовые навыки нужны всем. Команды, принявшие эту практику, работали быстрее и производили лучшие результаты.

Более глубокий урок — это не что-то новое. Скрытые предположения и несогласованные психические модели замедляют команды задолго до появления ИИ. ИИ не создаёт эти проблемы. Он просто делает их более дорогостоящими, если их игнорировать.

Часто задаваемые вопросы

Это значит, что инструменты ИИ — пустая трата денег, если команды не готовы?

Не совсем. Отдельные работники действительно становятся быстрее, и это имеет определённую ценность. Проблема в том, что скорость без координации редко превращается в тот вид отдачи, который отражается в балансе.

Что менеджер может сделать на этой неделе?

Проведите короткое совещание перед следующим проектом и запишите вместе, для каких задач команда будет использовать ИИ, а для каких — нет. Один такой разговор закрывает больше пробелов, чем часы индивидуального обучения работе с ИИ.