McKinsey: разрыв между личной продуктивностью и прибылью от AI
25 августа 2026 McKinsey опубликовала обновление глобального отчёта о состоянии AI: 1 719 респондентов из 97 стран. 80% говорят, что AI повышает их личную производительность, но только 37% связывают AI хотя бы с некоторым положительным влиянием на операционную прибыль компании — почти столько же, сколько год назад. Лишь около 6% организаций попали в категорию лидеров по эффективности AI. Это самоотчёт в опросе, а не причинное измерение финансового эффекта.
Коротко
- Что показало исследование: 25 августа 2026 McKinsey обновила глобальный отчёт о состоянии AI — 1 719 респондентов из 97 стран.
- Кому важно: генеральному директору, финансовому директору, директорам по маркетингу и ИТ, владельцам AI-трансформации — тем, кто отвечает за бюджет лицензий и ожидает эффект в прибыли, а не только в скорости ответов в чате.
- Главное ограничение: опрос и самоотчёт; связь «AI и операционная прибыль» не является причинным измерением — респонденты оценивают влияние субъективно.
- Главное последствие: покупка AI-лицензий и высокая активность сотрудников перестают быть доказательством трансформации; разрыв между «помогает мне» и «создаёт прибыль компании» остаётся огромным.
Что изменилось
В отчёте McKinsey о состоянии AI зафиксированы три числа, которые задают рамку для всего AI-внедрения в 2026 году:
| Показатель | Доля респондентов | Что это значит |
|---|---|---|
| Личная производительность | 80% | AI помогает им самим работать быстрее или лучше |
| Влияние на операционную прибыль | 37% | видят хотя бы некоторый положительный эффект на прибыль компании |
| Лидеры по эффективности AI | ~6% | организации в верхней категории по методологии McKinsey |
Доля тех, кто связывает AI с ростом операционной прибыли, почти не изменилась за год — при том, что личная продуктивность воспринимается массово.
McKinsey отделяет «много людей используют» от «компания зарабатывает». Это другой срез, чем июньское исследование по маркетингу (521 маркетолог, фокус на сквозных процессах), но логика совпадает: охват без перестройки работы не конвертируется в экономику бизнеса.
Модель работы. У лидеров по эффективности AI почти три четверти респондентов говорят, что компания фундаментально перестраивает сценарии работы; у остальных — примерно четверть. Различие не в количестве чатов, а в глубине изменения процесса.
Выручка. Прирост выручки от AI респонденты чаще всего отмечают в маркетинге и продажах — но это снова самоотчёт, а не сводная финансовая отчётность.
Почему это важно
McKinsey формулирует проблему, которую многие компании чувствуют на пилотах: сотрудники довольны AI-ассистентами, а совет директоров не видит эффекта в прибыли.
Это стыкуется с тем, как OpenAI описывала экономику агентов: объект учёта — не цена вызова модели, а стоимость принятого результата. McKinsey добавляет корпоративный уровень: если принятый результат не доходит до бизнес-действия и строки прибыли, «личная продуктивность» остаётся локальным комфортом.
Главный продуктовый актив снова не модель, а законченный сценарий с метрикой — как в вертикальной схеме Google: Skill, данные, агент, контроль, подтверждение цифрами.
Что это означает для бизнеса
- Лицензии — не главный показатель трансформации. 80% личной продуктивности при 37% эффекта на операционную прибыль означает: бюджет на AI уже не оправдывается отчётом «у нас все сидят в чате».
- Перестройка сценариев — маркер лидеров. Три четверти лидеров меняют сценарии работы фундаментально; у остальных — четверть. Пилот «ускорили бриф» без изменения решения — типичный путь «не-лидеров».
- Маркетинг и продажи — зона заявленного роста выручки. Если вы ищете первый финансовый эффект, McKinsey указывает на эти функции — но только при связке с действием, а не с генерацией текста.
- Метрики внедрения нужно сменить. Параллель к метрикам Cowork Anthropic: считать не открытия чата, а устранённую ручную работу и принятые результаты.
Что протестировать
Для каждого AI-процесса перестать считать главным показателем активность использования. Зафиксировать цепочку:
стоимость AI → завершённый сценарий → принятый результат → бизнес-действие → эффект на выручку или затраты.
Если сценарий экономит время, но не меняет решение или бизнес-результат, это ещё не полноценная отдача на вложения.
Пилот на одном маркетинговом сценарии:
| Шаг | Что зафиксировать |
|---|---|
| Стоимость | лицензии + время + проверки на один завершённый цикл |
| Сценарий | один повторяемый процесс, не «иногда спросили модель» |
| Принятие | кто и при каких критериях принял результат |
| Действие | что изменилось в кампании, цене, канале, CRM |
| Эффект | выручка, конверсия, стоимость лида — с окном до/после |
Регрессия: 20 известных кейсов с эталонным разбором — проверка, что цепочка воспроизводима, а не разовый успех одного энтузиаста.
Что проверить сейчас
Соберите для совета директоров не дашборд «кто сколько раз открыл чат», а одну таблицу по цепочке McKinsey на вашем пилоте. Обучение Skills помогает закодировать сценарий; MCP-коннекторы — подтянуть Метрику и CRM с правами только на чтение для подтверждения эффекта цифрами.
Главный вывод
McKinsey 25.08.2026: разрыв между «AI помогает сотруднику» и «AI создаёт прибыль компании» всё ещё огромен — 80% против 37% на операционную прибыль, и год почти не сдвинул вторую цифру.
Лицензии и активность не равны трансформации. Лидеры перестраивают сценарии работы; остальные в основном ускоряют старые шаги. Следующий показатель — не активность в чате, а цепочка до принятого бизнес-действия и измеримого эффекта на выручку или затраты.
Источники
- The state of AI — McKinsey & Company, 2026-08-25
Читайте также
McKinsey: разрыв между внедрением AI и сквозными процессами
McKinsey: 60% маркетологов используют AI еженедельно, но менее 10% получают ценность от сквозных процессов. Разрыв между внедрением и экономикой бизнеса.
OpenAI закрепила экономику агентов: результат, а не токены
OpenAI описала экономику агентов: считать стоимость принятого результата, а не токенов. Маршрутизация, контекст, MCP-вызовы и проверка человеком — что протестировать на одном сценарии.
Anthropic: Cowork оценивают по новой работе, не по часам
Трёхуровневая модель Anthropic для оценки Cowork: активация, глубина и бизнес-результат. Как измерить внедрение AI без отчёта о «сэкономленных часах».
Оценочные тесты Skills: без них навык как непроверенный код
Workshop в Тайбэе 6 августа и skill-creator Anthropic: оценочные тесты, слепое сравнение, навык включён vs выключен. Контракт тестирования для маркетинга.