Как бизнес внедряет ИИ: исследование ChatGPT Enterprise

Что и как измеряли исследователи

Работа называется How Organizations Use AI: Evidence from ChatGPT. Её авторы — Aaron Chatterji, David Holtz, Neel Rakholia, Prasanna Tambe и Gawesha Weeratunga. Они изучали данные ChatGPT Enterprise до марта 2026 года и прямо называют анализ сохраняющим приватность.

Вместо опроса «пользуетесь ли вы ИИ?» исследователи смотрели на фактическую активность корпоративных аккаунтов. Они сопоставили её с названиями должностей, уровнем старшинства, автоматической классификацией задач и данными американских публичных компаний. Это позволяет увидеть не только факт подключения, но и глубину использования внутри организации.

У метода есть границы. Данные относятся к ChatGPT Enterprise, а не ко всем ИИ-инструментам. Информация о должностях доступна не для каждого сотрудника. Доля активных пользователей определённой роли также не равна доле всех работников этой роли, которые приняли технологию.

Рост складывается из новых компаний и старых клиентов

Первый вывод — корпоративное использование быстро растёт сразу по двум каналам. К продукту подключаются новые организации, а существующие клиенты наращивают активность. Совокупный объём выходных токенов у клиентов ChatGPT Enterprise увеличился примерно в семь раз между июнем 2025 года и мартом 2026 года.

Для постоянной группы компаний, подключившихся с января 2024-го по июнь 2025-го, рост составил почти четыре раза. По оценке авторов, примерно половина общего увеличения потребления токенов пришлась на фирмы, которые уже использовали продукт. Иными словами, внедрение не заканчивается выдачей лицензии: внутри компаний продолжается поиск новых задач.

Это не то же самое, что измеренный рост производительности. Токены и сообщения показывают активность, но не качество решения и не финансовую отдачу. Для внутреннего пилота полезно разделять эти метрики: считать охват, частоту использования и результат бизнес-задачи отдельно.

Какие компании подключаются раньше

Среди американских публичных компаний ранние пользователи ChatGPT Enterprise в среднем крупнее, дороже и сильнее инвестируют в исследования, разработку, коммерческие и управленческие функции. Медианная выручка подключившихся компаний в описательной выборке составила около 2,28 миллиарда долларов против 209,6 миллиона у неподключившихся. Медианная численность — 2934 сотрудника против 424.

Разрыв виден и в рыночной стоимости: около 5 миллиардов долларов у пользователей против 316,4 миллиона у остальных компаний выборки. Исследователи находят связь внедрения с масштабом, выручкой на сотрудника и накопленными нематериальными возможностями.

Но это ассоциация, а не причинность. Нельзя сказать, что покупка ChatGPT сделала компании крупнее. Более вероятное прочтение данных: организации с ресурсами, программной инфраструктурой и опытом изменений раньше находят способ внедрить новый инструмент.

Кто использует ChatGPT Enterprise внутри компаний

Активность распределена по разным функциям и уровням старшинства. В среднем по компаниям инженеры и технические специалисты составляли около 11% еженедельных активных пользователей через шесть месяцев после подключения. Руководители, основатели и партнёры — около 9%; финансы и бухгалтерия, а также маркетинг и коммуникации — примерно по 5%; продажи и работа с клиентами — около 4%.

По уровням старшинства менеджеры и директора составляли примерно 24% активных пользователей, индивидуальные специалисты — 15%, старшие специалисты и principals — 14%, руководители высшего уровня — 10%, сотрудники в начале карьеры и стажёры — 7%.

Состав аудитории и интенсивность — разные вещи. Среди уже активных пользователей сотрудники в начале карьеры и стажёры отправляли примерно на восемь-девять сообщений в неделю больше среднего пользователя той же компании. Руководители отправляли меньше. Исследование фиксирует разницу, но не объясняет её одной конкретной причиной.

Какие задачи компании отдают ИИ

Использование не сводится к одному сценарию. В исследовании чаще всего встречаются письмо, коммуникация и синтез информации. Также заметны исследования, планирование, анализ данных, юридическая и регуляторная работа, финансы и другие задачи интеллектуального труда.

Для компании это полезная карта направлений, а не готовый список автоматизаций. Например, команда может отдельно проверить подготовку черновика, краткое резюме документа и техническую помощь. Для работы с кодом подойдёт контролируемый пилот через помощника разработчика, а для контентных задач — через редакторский инструмент.

Нельзя переносить данные исследования на конкретный продукт без теста. Частое использование не гарантирует точный ответ, экономию времени или безопасность. Для финансового сценария нужен отдельный контур проверки, даже если сотрудник работает через специализированного помощника.

Что данные говорят бизнесу — и чего не говорят

Главная картина получилась широкая, но неровная. Компании сильно различаются по скорости, охвату и назначению внедрения. Доступ к технологии не равен её полноценному освоению: организации продолжают искать рабочие процессы и накапливать дополняющие навыки.

Исследование не измеряет, сколько должностей исчезло, не доказывает кризис среднего менеджмента и не показывает прямой прирост прибыли от лицензии. В нём также нет вывода, что сотрудники теряют критическое мышление или массово передают данные сторонним сервисам. Такие тезисы требуют других источников.

Для практического запуска разумна простая схема: выбрать несколько типовых задач, определить эталон качества, замерить время до и после, а затем проверить ошибки человеком. Если нужен собственный контролируемый сценарий, можно начать с создания внутреннего помощника и ограниченного набора инструкций.

Источник: рабочее исследование How Organizations Use AI: Evidence from ChatGPT.