AI в командах: как получить реальный ROI от автоматизации
89% руководителей из Fortune 1000 фиксируют ускорение работы сотрудников благодаря AI, и лишь 6% из них способны привести конкретные примеры измеримой отдачи — таков результат ежегодного отчёта Atlassian State of Teams, подготовленного по итогам опроса 12 000 специалистов и около 200 топ-менеджеров.
Этот разрыв между активностью и результатом — не технологическая проблема. Доктор Молли Сэндс, руководитель Teamwork Lab в Atlassian, утверждает: большинство компаний внедряют AI в обратном порядке. Они оптимизируют работу отдельных сотрудников, тогда как реальная отдача возникает только на уровне команды.
Почему индивидуальное ускорение не даёт отдачи
Когда каждый сотрудник самостоятельно осваивает AI-инструменты, он вырабатывает собственные промпты, использует разных агентов и формирует уникальные допущения о том, как устроена работа. Это создаёт дополнительный слой неявного знания внутри команды, который практически никогда не конвертируется в организационный результат.
Проблема усугубляется тем, что ускорение без общего направления контрпродуктивно. По словам Сэндс, если люди движутся быстрее, но в слегка разных направлениях, они «очень быстро начинают сталкиваться друг с другом». Именно поэтому изолированное ускорение задач без перестройки сквозных процессов не приносит результата.
Отчёт фиксирует, что около 14% команд всё же научились переводить использование AI в реальную ценность. Их опыт выявил три общих характеристики: совместный контекст, переработанные рабочие процессы и культура экспериментирования.
Три признака команд, получающих отдачу от AI
Команды-лидеры выстраивают то, что Atlassian называет графом контекста: цели, решения и организационные знания фиксируются в общих цифровых записях, а не остаются в памяти отдельных людей. В инструментах Atlassian — Jira и Confluence — этот граф связывает рабочие задачи, цели и участников, предоставляя AI необходимый организационный контекст для принятия решений.
Второй признак — переработка процессов целиком. Успешные команды не просто ускоряют отдельные операции, а переосмысливают сквозные рабочие потоки от начала до конца. Это принципиальное отличие от точечной автоматизации, которая даёт иллюзию прогресса без системного эффекта.
Третий признак — поведение руководителя. Быстрее всего двигались команды, чьи лидеры явно поощряли обучение и эксперименты, при этом открыто признавая: часть экспериментов неизбежно провалится. Без этого разрешения сотрудники избегают риска и не осваивают новые подходы.
- Создавать общий контекст: фиксировать цели и решения в доступных всей команде инструментах.
- Перестраивать процессы целиком, а не автоматизировать отдельные шаги.
- Вводить AI-соглашения в начале проектов: договариваться, что использовать, а что — намеренно нет.
- Применять ограничения как инструмент обучения, а не как постоянное правило.
- Формировать культуру, в которой неудачный эксперимент — это норма, а не повод для наказания.
Atlassian протестировал практику AI-соглашений на старте проектов: команды заранее договаривались, для каких задач они будут использовать AI, каких задач намеренно избегать, каких агентов разделять и какие общие навыки поддерживать. Команды, принявшие эту практику, использовали AI активнее, принимали более качественные решения и производили работу более высокого уровня.
Сэндс особо подчёркивает: AI не создаёт принципиально новых управленческих проблем. Он обнажает давно существующие — скрытые допущения, разные ментальные модели работы, отсутствие общего понимания целей. AI просто делает эти пробелы более значимыми, потому что увеличивает скорость, с которой различия в понимании приводят к расхождению результатов.
Это наблюдение имеет прямое практическое следствие: компании, которые не выстроили явные способы совместной работы до внедрения AI, получат не ускорение, а масштабированный хаос. Инструмент усиливает то, что уже есть — как слаженность, так и дисфункцию.
Для руководителя это также означает переоценку того, как оценивается прогресс внедрения AI. Если метрика — количество сотрудников, использующих инструменты, или субъективное ощущение ускорения, — компания, вероятнее всего, входит в те 94%, которые не могут указать на конкретный ROI. Измеримая отдача возникает там, где перестраиваются процессы и выстраивается общий контекст, а не там, где просто установлены подписки на AI-сервисы.
Риск для бизнеса состоит в том, что разрыв между командами внутри одной организации будет нарастать. Пока одни подразделения производят результат, другие тратят бюджет на инструменты без отдачи. Со временем это создаёт неравномерную нагрузку, конфликты приоритетов и сложности с масштабированием успешных практик.
Возможность — в том, что паттерн уже описан и проверен на данных. Компании не обязаны экспериментировать вслепую: три характеристики команд-лидеров дают конкретные точки приложения усилий, а практика AI-соглашений — воспроизводимый инструмент.
Практический вывод: прежде чем расширять доступ сотрудников к новым AI-инструментам, введите в следующем проекте командное AI-соглашение — зафиксируйте письменно, какие задачи команда делегирует AI, какие выполняет вручную и какие агенты используются совместно; это создаст общий контекст и позволит оценить реальную отдачу, а не только активность.