Може ли AI да направи бизнеса два пъти по-продуктивен?

Производителност и капацитет не са едно и също

Производителността е колко стойност се създава за единица вложено време или ресурс в цялата дейност. Капацитетът е колко единици от конкретна задача могат да бъдат обработени за даден период.

AI автоматизацията действа предимно върху второто. Ако обработката на едно запитване отнема 10 минути ръчно и падне до 1 минута с автоматизиран процес, капацитетът за обработка на запитвания нараства многократно. Това не означава, че цялата агенция е станала десет пъти по-продуктивна — останалата работа (огледи, преговори, съвети) не се е ускорила.

Кога „до 100% повече“ е коректно твърдение

Твърдението „до 100% повече капацитет“ е обосновано при няколко условия едновременно:

• Задачата е повтаряема и предвидима, с ясен вход и изход.
• Преди това е била извършвана изцяло или почти изцяло ръчно.
• Може да бъде автоматизирана почти напълно, с човешки контрол само на ключови точки.
• Данните и интеграциите са достатъчно подредени, за да работи процесът надеждно.

При тези условия е реалистично със същия екип да се обработва приблизително двоен обем от тази конкретна задача. „До 100% повече капацитет при конкретни автоматизируеми задачи“ обаче не означава „100% по-висока продуктивност във всяка дейност“ — това е аритметика за един процес, а не измерен универсален резултат.

Какво показват изследванията — и какво не

Независимите изследвания показват измерими, но променливи ефекти, силно зависими от задачата:

• В изследване сред 5 179 агенти за клиентска поддръжка достъпът до генеративен AI асистент повишава решените запитвания на час средно с около 14%, до около 34% при новите служители, с минимален ефект при опитните (източник: NBER, 2023/2025).
• В полево изследване на Microsoft Research и NBER сред 66 компании потребителите на AI инструмент отделят около 2 часа по-малко седмично за имейл през втората половина на периода (източник: Microsoft Research / NBER, 2025).
• McKinsey оценява, че генеративният AI може да добави еквивалента на около 2,6–4,4 трилиона долара годишно в световната икономика при 63 анализирани сценария, като стойността е концентрирана в няколко функции — клиентски операции, маркетинг и продажби, софтуерна разработка и научноизследователска дейност (източник: McKinsey & Company, 2023).

Нито едно от тези изследвания не твърди, че AI прави всеки служител „100% по-продуктивен“. Числата са за конкретни задачи, конкретни групи хора и конкретни условия. Точно затова маркетинговото „два пъти“ трябва да се отнася до капацитет за автоматизируема задача, а не до обща продуктивност.

Защо ефектът е неравномерен

Едно от най-последователните открития е, че ползата е най-голяма при по-малко опитните служители и при по-структурираните задачи. При опитен професионалист, който вече работи бързо, ефектът е по-малък (източник: NBER, 2023/2025).

За бизнеса това означава, че „удвояване“ е по-вероятно там, където има много рутинна работа и където се обучават нови хора, отколкото при висококвалифицирана, преценъчна дейност.

Реалният ефект зависи от изпълнението

Дори при подходяща задача резултатът зависи от фактори извън самия AI модел:

• Качество на данните — автоматизация върху разхвърляни записи дава разхвърляни резултати.
• Интеграции — ако системите не си говорят, човек пак копира ръчно между тях.
• Човешки контрол — точките на проверка предпазват от бързи, но грешни резултати.
• Процес — задача без ясно дефиниран вход и изход трудно се автоматизира докрай.

Изследването на Microsoft Research и NBER отбелязва, че при индивидуално предоставяне на AI не се наблюдава промяна в състава на задачите — тоест организационната печалба идва, когато спестеното време съзнателно се пренасочи, а не автоматично (източник: Microsoft Research / NBER, 2025).

Как да се мисли за целта

По-полезната формулировка не е „ще станем два пъти по-продуктивни“, а „за този конкретен процес можем да удвоим капацитета си, ако го автоматизираме почти изцяло и запазим контрола на ключовите точки“.

Сумата от няколко такива процеса може да доведе до значителна обща печалба във времето на екипа. Но това е резултат от последователна работа по отделни задачи, а не от еднократно „включване на AI“.

Заключение

Може ли AI да направи бизнеса два пъти по-продуктивен? Не като универсално правило. Може да удвои капацитета за конкретни, добре подбрани автоматизируеми задачи — и това само по себе си е значима промяна.

Разликата между двете формулировки е разликата между реалистична стратегия и обещание, което после трудно се защитава пред екипа и клиентите.