82% компаний уже обучают сотрудников работе с ИИ — и при этом 59% из них продолжают фиксировать разрыв в ИИ-компетенциях. Эти цифры из State of Data & AI Literacy 2026 (DataCamp и YouGov, опрос 517 enterprise-руководителей в США и Великобритании, декабрь 2025 — февраль 2026) описывают парадокс, который я вижу каждый день: обучение есть, а разрыв растёт.
Происходит расслоение. Одни сотрудники работают с моделями ежедневно — у них уже собственный стек, свои шаблоны, память между сессиями, встроенные в процесс агенты. Другие открыли ChatGPT один раз, написали что-то вроде «составь мне отчёт», получили шаблонный текст без контекста, решили, что инструмент бесполезный, и закрыли вкладку. И этот разрыв увеличивается каждый месяц быстрее, чем корпоративные программы успевают его закрывать.
Меня зовут Жемал Хамидун, я CPO AlpinaGPT и Head of AI в Alpina Digital, веду тг-канал «Готовим ИИшницу». За три года мы провели через ИИ-трансформацию собственное издательство и больше 40 корпоративных клиентов — от фармы и ритейла до финтеха и медиа. Расскажу, как разрыв выглядит в реальных функциях бизнеса и что с ним делать руководителю.
Разрыв растёт быстрее, чем обучение его закрывает
Дело не в лени сотрудников, а в темпе технологических изменений. По Microsoft Work Trend Index 2025 (31 000 работников в 31 стране), с ИИ-агентами знакомы 67% руководителей и только 40% рядовых сотрудников — разница в 27 процентных пунктов. А в том же исследовании DataCamp 23% респондентов говорят, что программы не адаптированы под их должностные обязанности, и 21% — что сотрудникам просто сложно понять, с чего начать.
При этом сама технология ускоряется в разы. Anthropic в феврале 2026 привлёк $13 млрд при оценке $380 млрд, а run-rate revenue вырос с $14 млрд в феврале до примерно $30 млрд к апрелю 2026 — компания растёт более чем в 10 раз ежегодно последние три года. Человеческая способность осваивать новое так не масштабируется.
Как разрыв выглядит в маркетинге
В маркетинге разрыв материализуется в стоимости лида. CPC в Яндекс.Директе у нас удвоился год к году — и маркетолог без ИИ-инструментов теряет конкурентность быстрее всех. Мы прогнали A/B-тест: видеоролик с ИИ-аватаром против обычных статичных креативов. Лид со стандартной кампании стоил 2 000 ₽, а с кампании с ИИ-аватаром — 400–500 ₽. Аудитория при этом не заметила, что аватар сгенерирован.
Вывод, который сформулировал наш маркетолог Александр Пронин, я считаю универсальным:
За ИИ-маркетологом следит маркетолог. За ИИ-разработчиком следит разработчик. Без своих людей со своим стеком вы слепы.
Поэтому растить нужно своих специалистов с собственным стеком, а не закупать готовые решения у подрядчиков, которые уходят и забирают знания с собой.
Как разрыв выглядит в продажах
В продажах разрыв виден в KPI каждого менеджера. ИИ снимает рутину и освобождает время на стратегию, но всё держится на привычке запрашивать помощь модели на каждой задаче. Несколько наших примеров:
- ИИ-агент в Telegram обрабатывает записи звонков 20 менеджеров и выдаёт отчёт по пяти направлениям — дозвоны, настроение, возражения, сильные стороны, зоны роста. Раньше это была неделя ручного прослушивания, теперь — 30-секундный отчёт.
- Расчёт бонусов: было 6–8 часов работы финансиста в месяц, стало 45 минут.
- Перераспределение отраслей между менеджерами: разброс нагрузки сжался с 50%+ до менее 20%, а планирование сократилось с нескольких недель до одного вечера.
- Подбор сотрудников: парсинг резюме, разбор интервью по STAR-структуре, генерация тестов и матрица финалистов — всё в одной таблице.
Руководитель корпоративных продаж Ольга Староста описывает свой подход обезоруживающе просто: «Я даю запросы ИИ на максимально простом языке. Когда что-то не получается, я ему пишу: у меня не получается, скажи мне, что мне сделать. И он мне отвечает». Это и есть та самая привычка, которой не хватает большинству.
Как разрыв выглядит в разработке
В разработке граница проходит не между пользователем и не-пользователем, а между «оператором» (работает с ИИ) и «дирижёром» (оркестрирует агентов и автоматизации). Наш CTO Сергей Андриянов собрал мультиагентную систему для code review: три специализированных агента — библиотекарь, исследователь, ревьюер — в детерминированном workflow.
Результат на команде из 5 разработчиков: вместо 2 суток ожидания ревью — часы, на рутинных MR — 15–20 минут, освобождено около 100 человеко-часов в месяц на саму разработку. Точность после месяца адаптации к кодовой базе выросла с 70% до 90%+.
Важное наблюдение: полностью автономный агент в продакшене непредсказуем, дорог и плохо отлаживается. Мультиагентная система с разделением ролей куда управляемее. Рабочая пропорция, к которой мы пришли, — примерно 70% детерминированного workflow и 30% самостоятельности агентов.
Наш путь в продукте: четыре стадии за три года
AlpinaGPT прошла все четыре стадии корпоративной ИИ-трансформации:
- 2023 — внутренние эксперименты: переводы, аудиокниги, чат-боты. Половина пилотов закрылась.
- 2024 — запустили собственную платформу для сотрудников (до этого мучились с десятком подписок и передачей данных наружу).
- 2025 — первые внешние клиенты: FM Logistic, Lab Industries, Лукойл, Транснефть, Hoff.
- 2026 — 9 000+ активных пользователей, 40+ корпоративных клиентов, выделенный бизнес-юнит.
Главный урок — про деньги. Правильное распределение бюджета AI-программы: 70% на людей и процессы (обучение под роли, AI-чемпионы, KPI, ритуалы), 20% на инфраструктуру (SSO, единое окно, база знаний, логирование) и только 10% на сам инструмент. Большинство компаний делает ровно наоборот — 80–90% на инструмент и 0–5% на обучение.
Мы живём в пузыре — и это самая опасная ловушка
Вокруг продвинутых пользователей ИИ формируется фильтрующий пузырь, и реальная картина с масштабированием куда консервативнее. По McKinsey State of AI 2025 (ноябрь 2025) лишь 23% компаний масштабируют ИИ-агентов хотя бы в одном бизнес-процессе, 39% застряли на стадии экспериментов и не вышли в продакшн, а 38% вообще не начинали.
В России картина похожая: по данным «Якова и Партнёров», генеративный ИИ хотя бы в одной функции используют 71% компаний — на 17 процентных пунктов больше, чем год назад, но в большинстве случаев это «попробовали один раз», а не системное внедрение.
Разрыв в возможностях при этом расширяется. По Microsoft Work Trend Index 2026 (20 000 работников ИИ в 10 странах) 58% пользователей говорят, что теперь делают работу, которую год назад не могли, — а среди Frontier Professionals так отвечают уже 80%. В среднестатистической компании до уровня «оператора» (свой стек, шаблоны, ежедневная работа) доходят единицы процентов сотрудников, а до уровня «дирижёра», у которого изменился сам состав задач, — меньше 1%. Именно эта доля и даёт реальное конкурентное преимущество в 2026 году.
Что делать компании, чтобы сохранить конкурентоспособность
Три практические рекомендации, проверенные на себе и на клиентах.
1. Найти AI-чемпионов, а не назначить их. В каждой команде уже есть 1–2 человека, которые работают с ИИ всерьёз. Их нужно не назначить приказом, а заметить и дать им видимость, время и право делиться. Формально назначенный «AI-чемпион» почти всегда неэффективен.
2. Учить на конкретных рабочих задачах, а не «как промтить». Это самый недооценённый рычаг. Общие тренинги «как промтить» дают adoption на уровне 23%, а программы, построенные вокруг реальных задач маркетинга, продаж, юристов и HR, — 67%. Почти трёхкратная разница при тех же часах на сотрудника. Универсального курса не существует.
3. Не покупать платформу под ключ без параллельного развития компетенций. Частый сценарий: внедрили решение за 2 млн, подрядчик ушёл — и знания ушли вместе с ним. Через год от инициативы остаётся слайд в отчёте, а Skills Gap вырос ещё больше. Любое внедрение должно идти вместе с непрерывным обучением команды.
Вопрос, который я задаю каждому руководителю: вы знаете, сколько процентов вашей команды реально дошли до уровня «оператора»? Если ответ — «единицы», то ваше конкурентное преимущество сейчас держится на нескольких людях. И их разрыв с остальными продолжает расти. Подробнее разбираю такие кейсы в канале «Готовим ИИшницу».
Это адаптированное изложение для архива публикаций Жемала Хамидуна. Полная версия статьи со всеми деталями — на Хабре: читать оригинал →