Великі компанії «кінь і корова», змушені використовувати ШІ

Цей подих «покращення продуктивності за допомогою ШІ» все ж таки докотився й до працівників гігантів великого бізнесу.

Спершу ШІ був лише іграшкою для небагатьох технарів-ентузіастів та тих, хто першим пробує нове. Хтось купував підписку за власні гроші, хтось у приватних розмовах обмінювався промптами, і справді отримав солодкий ефект від цього.

Та тепер обставини змінилися. Інтернет-гіганти як у нас, так і за кордоном уже перейшли від етапу «заохочення використання ШІ» до етапу «прихованого примусу використовувати ШІ». Хтось потрапляє в статистику того, скільки Token він витрачає щодня; хтось у своїй команді прив’язує використання ШІ до результативності; комусь наказують першочергово користуватися інструментами, які компанія розробляє сама; хтось змушений розкладати свій робочий досвід на процеси, писати як Skills і передавати ШІ для багаторазового виклику.

Коли «використовувати ШІ» і «спалювати Token» поступово перетворюються на вид контролю, на набір вимог і навіть на новий робочий шаблон, які насправді умови в працівників гігантів, що втягнулися в цю хвилю інтелектуалізації?

Цими днями ми поспілкувалися з шістьма людьми, які працюють у різних компаніях і на різних посадах. Їхній бекграунд охоплює CIO компаній, що котируються за кордоном, старших інженерів у провідних вітчизняних великих компаніях, початкових програмістів, які пишуть код, а також нетеxнічні ролі з операцій/маркетингу та бізнес-ком’юнікатів.

Хтось зміг досягти подвоєння ефективності за допомогою ШІ: цикл підготовки документації з вимогами до продукту стискається з кількох тижнів до одного дня, а інколи навіть одна людина видає результати, що раніше створювала ціла команда; а дехто, щоб впоратися з вимогами «інтелектуального випуску», витрачає 80 ручних налаштувань на просту дашборд-таблицю — і буквально перетворює ШІ на «стажера-початківця», якому треба безперервно «підчистити хвости».

Робоча атмосфера в гігантах також зазнала ледь помітних, але суттєвих змін. Коли те, що раніше належало особистому досвіду й робочим звичкам, поступово розбирають, впорядковують, завантажують, повторно використовують, люди, які спокійно пишуть код, стають «неактивними учасниками», а ті, хто часто дебажить промпти, — типовими «активними прихильниками нових технологій». З’являється й нова тривога: ми використовуємо ШІ чи, навпаки, підливаємо йому паливо, крок за кроком перетворюючи себе на процес, який можна замінити?

У цій зверху вниз організованій «AI-експериментальній» історії хтось відчуває піднесення, хтось — втому, а дехто, діючи в кооперації, паралельно тривожиться. Але майже всі розуміють одне: шестерні епохи вже почали обертатися. Незалежно від того, чи ти активно приймаєш зміни, чи пасивно підлаштовуєшся, той час, коли робота була суто «на людях» і «на довгих годинах», вже гортають як сторінку.

Щоб здати «AI-результат», я переробив дашборд 80 разів

Добре так | операційна посада в одному з провідних інтернет-гігантів Китаю

Три тижні тому керівник у чаті розіслав повідомлення: відтепер «заохочуватимуть усіх користуватися ШІ для підвищення ефективності», KPI не встановлюють, і його не прив’язують до результативності. Але на нараді він наголосив: усі майбутні результати роботи мають спочатку бути згенеровані ШІ.

Того моменту я зрозумів: це насправді прихована вимога.

Близько двадцяти з гаком днів тому нас уніфіковано зобов’язали користуватися AI-інструментом, який розробила сама компанія, аргументуючи це «безпекою даних», але дуже швидко виникли проблеми.

Перш за все — обмеження лімітів. Компанія видає кожному обмежену кількість викликів. Я, з одного боку, обмірковував, як максимально використати ШІ, щоб виконати роботу, а з іншого — мусив економити, «не марнувати».

По-друге — нестабільність можливостей. Писати тексти — нормально, але щойно справа доходить до аналізу даних і складної логіки, він починає помилятися.

Минулого тижня я використовував його для дашборду — і прямо довів себе до розпачу.

Завдання було просте: інструмент для аналізу даних клієнтів і продажів. Раніше це була робота технічного відділу, а тепер потрібно, щоб «усі» вміли. Я до цього писав маленьку гру за допомогою Gemini, у мене все вийшло гладко, тож я наївно вважав, що підключити дашборд теж буде нескладно.

Перший раз: ШІ одразу дав шаблон для завантаження даних, але там було додано сім-вісім полів, які фактично не потрібні — тож я мусив видалити й відредагувати вручну.

На 13-й спробі нарешті збіглися виміри й загальні дані, але не показував регіони, яких бракувало трьох. Він ще й пояснив, що це нібито «автоматична фільтрація низькоцінних регіонів».

На 40-й спробі формат даних почав плутатись: деякі числа з комою зберігали 0 знаків після коми, а десь — 4.

Я протримався до 60-ї правки, а результат: після завантаження нових даних таблиця не оновлюється автоматично, а старі й нові значення накладаються — через це дані роздуваються майже вдвічі.

Дійшовши до 80-ї правки, я нарешті дійшов до останнього кроку експорту в PDF. Я вже подумав, що тепер можна видихнути, але після відкриття в мене наче обірвалося серце: я витратив цілий день і в підсумку отримав купу абракадабри.

Я підрахував витрати: незалежно від того, чи йдеться про дашборд, чи про звичайний звіт про роботу, щоб я багаторазово тестував ШІ, чекав час «витягування карток», — цього вистачає на виконання вручну двічі. Але керівництву потрібно бачити «вихід, створений ШІ», тож я маю супроводжувати цього «AI-початківця-співробітника» й постійно пробувати та помилятися.

Для мене ШІ і інструмент, і навантаження — десь навпіл. Він справді бере на себе частину повторюваних завдань, але час на дебаг, валідацію й переробки з’їдає ту ефективність, яку начебто заощаджує. Найчіткіше відчуття таке: багато роботи я міг би зробити самостійно до кінця, але мусу пройти коло, виконати «один раз через ШІ».

Щоб набрати кількість використань AI,

я видалив код, і змусив його переписати все заново

Kevin | інженер у компанії з е-комерсу в США

Використання мого Kiro (внутрішній AI-асистент для програмування) цього тижня ще не досягло потрібного рівня. Щоб добрати, я видалив фрагмент коду для валідації параметрів і просто скинув його в Kiro, щоб той переписав версію. Він згенерував щось, що виглядає більш-менш пристойно, але він обробив не всі виняткові сценарії — один гілковий випадок пропустив, тож наприкінці все одно довелося доробляти самому.

Взагалі-то раніше я досить часто використовував AI для написання коду. Я підписався на ChatGPT Plus, потім ще пробував Claude. Коли траплялися якісь дрібні й нудні базові тестові кейси або потрібно швидко перевірити API, яке рідко використовується, — віддати це AI справді допомагало економити багато часу. Тоді я реально думав, що так можна підвищити ефективність, і люди тоді активно обмінювалися промптами.

Але наприкінці минулого року компанія визначила Kiro як «рекомендований AI-інструмент нативної розробки», і встановила індикатор: до кінця року 80% інженерів мають користуватися Kiro щотижня.

Спочатку це подавалося як те, що треба, щоб усі, заходячи в проєкти, могли «підхопити» інструмент і користуватися ним зручно. Але за короткий час в середині компанії запустили систему, яка відстежує частоту використання AI працівниками. Хто користується, а хто майже не користується — у бекофісі видно.

Найбільше нас турбує те, що Kiro не дуже зручний. Він ще більш-менш справляється з генерацією шаблонного коду, тестами та адаптацією інтерфейсів; але як тільки з’являються ланцюжки викликів, обробка станів або обмеження деплою, згенерований ним код часто є лише напівфабрикатом. Тому багато інженерів просять перейти на Claude Code, вважаючи, що Kiro не підходить для складних інженерних рішень.

Недовіра до коду, що генерує AI, має причину: наприкінці минулого року одна команда наробила серйозну халепу, запустивши Kiro. Після інциденту схвалення змін коду за участю AI значно посилили.

Але я все одно відчуваю легку розгубленість. Ті, хто по-справжньому глибоко розбирається в базовій логіці й вручну оптимізує ключовий код, на трекінговій системі виглядають не дуже активними; натомість ті, хто часто дебажить промпти, стали типовими «активними прихильниками нових технологій».

Я спочатку вважав, що цінність інженера — у розв’язанні справді складних проблем. Але зараз дуже часто моя робота — це писати промпти, стежити за результатами генерації й латати те, що він пропустив. Мене найбільше турбує не те, що змінився стиль роботи, а те, що в довгій перспективі здатність самостійно реалізовувати з нуля й розбирати складні проблеми буде потроху деградувати.

Увесь колектив пише Skills — це фактично «вбити» себе

Kelly | бекенд-розробка в одному з інтернет-гігантів у Пекіні (послідовність грейдів 8)

Як бекенд-програміст, я з минулого року вже на високій частоті використовую AI в роботі; найчастіше користуюся внутрішніми інструментами для безкодової розробки.

Неподалік перед Китайським новим роком настрій щодо застосування AI у компанії раптово став дуже агресивним. Тепер абсолютно всі працівники можуть в системі бачити, скільки Token вони витрачають щодня. Мій безпосередній керівник сказав мені найчастіше лише одну фразу: «Це можна спробувати зробити за допомогою AI.»

Наразі в компанії немає чіткого оцінювання за витратами Token, але в кожного підрозділу є власні стандарти оцінювання.

Що стосується мого підрозділу, то в останній період заохочують усіх писати Skills: від працівників вимагають комплексно проаналізувати й «розкласти по поличках» свій досвід у щоденній роботі, робочі процеси, технічні деталі та типові проблеми, а потім задокументувати це й перевести в формат Skills.

Leader дивиться на два показники: кількість Token, які щодня споживає «龙虾» (внутрішній інструмент компанії), і обсяг виходу Skills. Для другого показника навіть є дуже чіткі індикатори на рівні підрозділу: щотижня примусово вимагається випуск.

Крім того, наразі 50% розробницьких запитів у відділі примусово мають генеруватися Agent-ом. Це означає, що етапи продукту, розробки та тестування прямо пропускаються — потрібно отримувати end-to-end результат, використовуючи «龙虾».

Цей50%показникбудетакожзбільшуватисявпродовж року**,ціль — до2026 року наприкінці прагнути досягти повної автоматизації.**

Щодо вартості використання Token: у нашому відділі для технічної послідовності зараз Token для Claude Opus — «безлімітний», тож внутрішні інструменти не примушують використовувати. Але більшість підрозділів має обмежені ліміти Opus; усе понад ліміт треба оплачувати зі своєї кишені. Використання внутрішніх інструментів і Token від «своїх» моделей не має обмежень.

Після повної AI-ізації мій робочий час навіть став довшим**.** Не тому, що виріс обсяг роботи, а тому що всі «змагаються» за Skills, і тобі теж доводиться «змагатися».

Наприклад, у чаті нашого підрозділу після 23:00 ще є колеги, які діляться вже написаними Skills. Інколи, коли бачу, що хтось із нашої ж команди написав Skills, який вийшов зручний, я відчуваю дуже сильну тривогу.

Ця тривога, з одного боку, походить від того, що в підрозділі є оцінювання за випуском Skills, а з іншого — я боюся, що AI Agent щодня все більше заміняє роботу людей.

Насправді AI при вирішенні одиничних проблем не обов’язково ефективніший за досвідчену бекенд-розробку. Бо Skill, написаний як простий процес, нестабільний: треба витратити багато сил на дебаг і правки, а витрата Token теж велика. Але щойно Skills починає вдосконалюватися до «ще зручнішого», AI поступово обганяє людей і працює з дуже низькими витратами.

Як працівник, усі всередині компанії це добре розуміють: у контексті того, що компанія заохочує писати Skills, якщо щось ховати й не викладати, то «хороших» Skills не вийде. Але якщо перетворити всі свої навички й досвід на SOP, на Skills**,то до дня, коли AI замінить вас, насправдізалишається недалеко.**

Підвищення ефективності від AI без сумніву є, але якщо ефективність зростає, це означає, що людей може бути потрібно менше. Зараз у компанії вже зупинили «внутрішній канал» для живого найму; що буде далі — відповідь уже дала Кремнієва долина.

«Примусово використовувати AI», але я за його допомогою виграв у людей у групі

Чень Юй | інженер з протоколів зв’язку в одному з виробників телефонів у Китаї

За останні пів року ми в компанії всі «крутилися» навколо AI. Від жовтня минулого року інструменти відкрили, витрати на ліміти компенсували, і заохочували, щоб кожен користувався. У нашому підрозділі, наприклад, у кожного працівника на Cursor на місяць є певний ліміт-обов’язок використання. **Якщо його не витрачають до кінця — це вважається «марнотратством ресурсів»,**обліковий запис може бути відкликано;якщо використовують багато, але випуск не встигає — це також буде трактовано як зловживання, і тоді теж надішлють нагадування.

Отже, не користуватися — не можна, і користуватися «погано» — також не можна. У такому тренді тиск, звісно, є. У нас у групі вже були люди, яких оптимізували, бо вони не хотіли витрачати час на вивчення AI, плюс їхній робочий стан був посереднім.

Моє розуміння «використання AI» відрізняється від багатьох. Зловживати AI, марнувати стільки Token — краще за ці гроші купити гру й просто грати. AI не має бути «чим більше, тим краще»; треба використовувати його правильно. Я зазвичай виділяю раз на тиждень один-два дні і спеціально вивчаю, як зробити так, щоб AI краще підлаштувався під мою роботу і допомагав ефективніше робити завдання.

Моя посада — інженер із протоколів зв’язку. Написання коду займає лише невелику частину, а більшість часу — робота з даними користувачів, аналіз системних логів тощо. Раніше, коли ми розбирали проблеми лагів у даних SIM-карти користувача, іноді проблема була через мережу оператора, але нас усе одно змушували крок за кроком її діставати, і значна частина часу йшла на відбір неефективної інформації.

Тепер AI може допомогти мені швидко визначити й відсіяти зайві перешкоди, тож я зосереджуюся на тих місцях, які справді треба оптимізувати. За весь минулий рік****мій загальний обсяг результатів суттєво виріс, а в групі за результативністю я посідаю доволі високі позиції.

Але якщо говорити чесно, AI ще дуже далекий від того, щоб повністю замінити людину. Точність аналізу логів — десь близько 60%, її потрібно обов’язково переперевіряти вручну. Щоб підвищити можливості AI, ми маємо постійно писати правила й оптимізувати логіку. Тому за останні пів року мій обсяг роботи навіть збільшився. Але цей процес сам по собі є «навчанням» AI, щоб він служив людям.

За ці два роки я чітко відчуваю, що в компанію наймають дедалі менше нових людей, і я думаю, що тут точно є вплив AI. Коли поруч є друзі, які готуються змінити роботу, я завжди раджу їм обов’язково терміново прокачати навички, пов’язані з AI. За однакового рівня технологій, чи вмієш ти користуватися AI, у співбесідах і зарплаті може створити помітну різницю. Зараз платформа змушує тебе вчитися — і це фактично допомагає тобі завчасно накопичити професійну конкурентоздатність.

Я завжди вважаю, що AI не для того, щоб заміняти людей, він просто****новий інструмент конкуренції між людьми.

Миніне скорочували персонал,але ефективність має зростиу3–5 разів

Мін Лу | CIO однієї****компанії, що котирується на біржі в Австралії

Як CIO, я, ймовірно, один із найперших людей у компанії, які фактично стали «AI-аборигенами».

Ще до того, як компанія офіційно закріпила AI-стратегію, я почав регулярно використовувати AI-інструменти. Компанія через багаторічну співпрацю з Microsoft дуже рано підключила Copilot, а згодом інтегрувала Copilot і Claude в внутрішню систему робочих процесів. Не перебільшую: сьогодні майже всі мої ключові завдання вже виконуються AI, ефективність зросла вдвічі.

Але на початку внутрішнього просування AI-інструментів усе було не надто гладко.

Спочатку застосували заохочувальну стратегію: дали всім підрозділам і працівникам майже необмежені дозволи та ліміти на використання Copilot. Але ефект був не дуже помітний — навіть виникав спротив у відділах розробки ПЗ та UX.

Ці команди не відкидали AI-інструменти і були готові використовувати AI для допоміжної роботи — наприклад, писати фрагменти коду або генерувати ескізи дизайну. Але більшість не хотіли йти далі — зокрема, щоб AI втручався в ключові процеси SDLC (життєвий цикл розробки ПЗ). Такий настрій зрозумілий: люди готові, щоб AI допомагав, але не готові бути під керівництвом AI.

Однак у межах стратегічного каркасу компанії одні лише AI як «перевірка граматики» — це недостатньо: нам потрібна перебудова процесів.

Тому на початку цього року я разом із CTO розробив нову AI-стратегію: вимагаємо, щоб усі підрозділи до кінця квітня подали AI-роадмап і встановили суворий механізм оцінювання — кожен менеджер має подати три AI ініціативи (AI Initiatives), і щокварталу ми виставляємо бали залежно від фактичної реалізації. Також ми почали відстежувати обсяг використання Token, оцінювати AI-використання; у випадку тривало низьких показників можуть перевести в план покращення результативності (PIP).

Після коригувань ефект став очевидним одразу.

Найбільші зміни — у розробці програмного забезпечення. Раніше формування документа з вимогами продукту (PRD) потребувало багато раундів обговорення між продакт-менеджером і командою розробки, тож цикл розтягувався на кілька тижнів або навіть на місяць-півтора. Зараз один проєктний менеджер може видати результат за день: є й опис у Markdown, і PRD із прототипом інтерфейсу. Найзатратнішу за часом «зону невизначеності» на старті проєкту суттєво скоротили.

Змінився і мій фокус. Я щодня витрачаю багато часу на наради з менеджерами різних підрозділів, обговорюючи, на яких етапах AI може втручатися; паралельно я сам також зібрав середовище Claude для роботи мультиагентів: спершу витрачаю багато зусиль на мозковий штурм із AI, деталізую й розкладаю рішення, а вже потім віддаю AI, щоб він реалізовував.

AI дав мені змогу більше часу витрачати на «як чітко продумати проблему». Якщо документ вимог недостатньо опрацьований, а комерційна логіка недостатньо ясна, виконання від AI повністю з’їжджає. Це також змушує нас більше мислити про суть комерційної логіки.

Звісно, інша сторона підвищення ефективності — жорстка: кількість посад може скорочуватися. Хоча рада директорів компанії вирішила спочатку не проводити звільнення, вимога — щоб ефективність кожного працівника зросла в 3–5 разів, і ми вже зупинили набір новачків на напрями аналізу даних, розробки програм і фінансового аналізу. Це, ймовірно, те, через що рано чи пізно доведеться пройти всім компаніям.

Я не відчуваю, що мене «контролює» AI. Навпаки, я відчув безпрецедентне відчуття керування. Тиск зараз відчувають насамперед ті ролі, де зміст роботи дуже стандартизований і де AI легко може замінити людину. Натомість ті, хто має сильні навички аналізу потреб і вміння мислити на рівні топ-планування, якраз виглядають більш затребуваними.

Після впровадження AI моя роботанавпаки****стала ще більш завантаженою

Юнь Тянь | старший розробник у одному з провідних великих закладів Китаю

Я належу до ранньої групи людей, які платили за AI самостійно: мій щомісячний витрат на різні інструменти — майже 500 доларів США, від GPT до різних «нішевих» моделей. Якщо щось справді добре — я одразу купую річний пакет; якщо це більше «для випробування», спершу беру місячну карту.

Зараз у нашій компанії немає примусової вимоги щодо обсягу Token. За умови дотримання правил, що зручніше — те й використовують. Ми як команда самі обираємо те, що, на нашу думку, найбільше допомагає в роботі. Зараз мій щомісячний рівень споживання Token — приблизно 300–4B.

Але навіть попри це, мій робочий час став довшим.

Причина проста: використання AI — це не лише «дати йому роботу», але й спершу зібрати систему. Як під час будівництва хмарочоса спочатку потрібно поставити каркас, так само й нам потрібно спершу побудувати систему: окреслити межі використання AI, знизити частоту його помилок; і навіть після того, як AI десь «помиляється», швидко «підчистити хвости», контролюючи масштаби впливу. Ця робота значно більш клопітка, ніж просто «підвищити ефективність завдяки AI». Це як ніби одна робота — і там одразу дві задачі: двічі працюєш. Щоб адаптуватися до цих нових вимог, мені знадобилося чимало часу.

Щодо питання, яке зараз найчастіше лякає ринок — «витрати Token включать у KPI» — я маю іншу думку.

З того, що я бачив від власників або бізнес-лідерів, жодна людина не зовсім байдужа до AI: усі бояться пропустити цей тренд. Двоє з провідних інтернет-гігантів, яких я знаю, вимагають, щоб працівники використовували лише великі моделі їхньої ж компанії, і не дозволяють користуватися Claude, ChatGPT та іншими інструментами.

Чесно кажучи, я не дуже розумію, чому деякі компанії хочуть включити витрати Token у KPI: це найменший рівень тягаря для управлінців, але таке оцінювання не міряє ядро цінності.

Але з іншого боку, я вважаю, що встановити «гарантований поріг» — цілком розумно. Якщо працівник у цих умовах взагалі не спалює Token і принципово не користується AI, то вже сам факт цього свідчить про відсутність усвідомлення, що треба перебудовувати власний робочий процес.

Щодо того, чи призведе впровадження AI до масових скорочень набору чи звільнень, я думаю, що загальний ринок зайнятості загалом слідує закономірностям, притаманним промисловій революції.

Логіка найму у великих компаніях ніколи не зводиться лише до того, скільки людей треба для роботи. Вони дивляться на те, що підтримує прибуток, і на кадрову стратегію. Набрати таланти, які розуміють AI, навіть якщо зараз їх може бути не потрібно повністю — це все одно означає зайняти позицію першими. А для середнього й малого бізнесу AI знижує витрати на започаткування і розробку: раніше 100 людей робили те, що зараз може зробити 10.

Я знаю одного підприємця без технічного бекграунду: завдяки AI одна людина витратила пів року, і все одно «вибила» цілу повноцінну систему B2B-освіти. У минулому хоча б потрібно було сотню людей. Коли витрати суспільства на проби й помилки знижуються, у короткостроковій перспективі обов’язково виникне «дискомфорт» через коригування посад, але в довгій перспективі загальний пиріг ринку збільшиться — з’явиться більше нових команд і нових можливостей.

Ті посади, які дуже стандартизовані й повторювані, неминуче будуть під ударом. Але ті ролі, де потрібне глибоке мислення, творчі плани й інтеграція ресурсів, навпаки стануть більш привабливими завдяки AI. Колесо часу ніколи не чекає. Деякі старі посади точно будуть витіснені — але двері у новий світ також повільно відкриваються.

Джерело цієї статті: Dingzhen One

Попередження про ризики та застереження про звільнення від відповідальності

        На ринку є ризики, інвестуйте обережно. Цей матеріал не є персональною інвестиційною порадою і не враховує особливі інвестиційні цілі, фінансові умови чи потреби окремих користувачів. Користувачі повинні оцінити, чи відповідає будь-яка думка, точка зору або висновок у цьому матеріалі їхнім конкретним умовам. Здійснюючи інвестиції, ви берете на себе відповідальність.