Є одна цифра, на якій я затримався, коли почав розбиратися з продуктивністю.
За останні 150 років у багатьох заможних країнах кількість робочих годин скоротилася майже вдвічі. Наприкінці XIX століття працівники ранньоіндустріальних економік часто працювали понад 3 000 годин на рік, сьогодні в багатьох із цих країн — близько 1 300–1 800. Причин було багато: трудові права, зростання доходів, інституційні зміни. Але частину економічного й технологічного прогресу суспільства зрештою змогли конвертувати у час поза роботою. Історичні дані про робочий час
А тепер згадайте, коли ви востаннє справді встигали після роботи щось, окрім самої роботи. Не відповісти ще на кілька повідомлень, не «швиденько доробити» презентацію і не відкрити ноутбук увечері, бо залишилося буквально на пів години. Якщо у вас регулярно виходить інакше — я вам трохи заздрю.
Саме тут розмова про AI для мене стає набагато цікавішою.
AI сьогодні я чую приблизно настільки ж часто, як «добрий день»: у компаніях, державних установах, університетах і звичайних розмовах. Майже завжди поруч звучить слово продуктивність.
Логіка зрозуміла: AI швидше пише, аналізує, програмує, шукає інформацію, автоматизує частину рутини. Якщо роботу можна виконати швидше, начебто має залишатися більше часу.
І з першою частиною цього твердження дані сперечаються мало. У трьох рандомізованих польових експериментах у Microsoft, Accenture та компанії Fortune 100 дослідники спостерігали за 4 867 розробниками. Доступ до AI coding assistant збільшив кількість завершених завдань у середньому на 26,08%. Дослідження в Management Science
Тобто AI справді може зробити нас швидшими.
А от із вільнішим часом усе складніше.
У серпні 2026 року Європейський центральний банк опублікував дані опитування приблизно 20 тисяч людей у 11 країнах єврозони. Уже 52% працівників повідомляють про використання AI на роботі, а медіанний користувач оцінює економію приблизно у три години на тиждень, або 7,7% робочого часу.
Ось цю цифру я перечитав двічі.
Три години на тиждень — це понад 150 годин на рік.
Де вони?
Ми почали раніше закінчувати роботу? Витрачаємо цей час на складніші рішення, якість і творчість? Чи просто встигаємо зробити ще одну презентацію, ще один аналіз і відповісти ще на п’ять листів, бо тепер усе це займає менше часу?
Сам ECB тут обережний: економія часу ще не означає автоматичного приросту продуктивності. Вирішальним стає те, що відбувається із заощадженим ресурсом далі.
International Labour Organization у 2026 році описує близьку проблему як aggregation paradox of AI. На рівні конкретної задачі дослідження можуть показувати дуже помітний приріст продуктивності — приблизно від 10% до 70%. Але коли ми переходимо від задачі до працівника, а далі до компанії чи економіки, ефект стає значно менш однозначним. Огляд ILO
Кейс Meta цього року дає майже лабораторний приклад проблеми на рівні великої компанії.
За розслідуванням Reuters, у межах Project OT компанія тестувала перебудову частини роботи навколо AI-агентів і менших AI-native команд. У найрадикальніших сценаріях для окремих команд розглядали скорочення чисельності до 60%.
Аргумент простий: якщо одна людина з AI може виконувати значно більше роботи, команді потрібно менше людей.
Але внутрішні метрики дали менш зручну відповідь. Кількість змін у коді внутрішніх платформ та інфраструктури зросла приблизно на 220%, тоді як змін, що реально доходили до користувачів як нові чи оновлені функції, — лише на 36%. Одночасно великі технічні та security-інциденти зросли на 40%, а час працівників на їх усунення — на 70%.
І тут питання вже не в тому, чи AI дозволив створити більше.
Дозволив.
Питання в тому, скільки з цього додаткового output перетворилося на цінність, а скільки — на нову роботу для інших людей.
Саме тому мені дедалі менше подобається звичка вимірювати AI-продуктивність кількістю згенерованих текстів, рядків коду, презентацій або закритих задач. Обсяг активності може зростати дуже швидко, не даючи такого самого приросту корисного результату.
AI, судячи з наявних даних, не вбиває продуктивність. Для багатьох задач він уже дає реальний і вимірюваний приріст.
Але швидшими — ще не обов’язково вільнішими.
Якщо робота займала вісім годин, а з AI займає п’ять, три години можуть перетворитися на коротший робочий день. Можуть піти на складнішу й ціннішу роботу. А можуть одразу заповнитися новими задачами, бо тепер їх технічно можливо встигнути.
І це стосується вже не лише роботодавців.
AI допоміг швидше написати лист — отже, можна відповісти ще на десять. Допоміг зробити презентацію — можна взяти ще один проєкт. Дозволив за вечір розібратися з новим інструментом — одразу виникає ще три, які «теж варто освоїти». Те, що раніше не поміщалося в день, тепер раптом виглядає цілком досяжним.
Разом із продуктивністю росте й множина потенційних справ.
І в цьому я бачу менш очевидний ефект AI: технологія економить нам час, але одночасно знижує вартість початку нової роботи. Через це звільнені години дуже легко знову стають зайнятими.
Тому мені дедалі менш цікава метрика «скільки годин нам заощадив AI?».
Значно цікавіше інше: що ми зробили із заощадженими годинами і хто зрештою отримав цей productivity dividend?
І ще одне питання, яке я б тут залишив відкритим: якщо технологія дозволила нам робити більше, чи обов’язково ми маємо використати цю можливість, щоб робити ще більше?
Можливо, саме з цього питання варто починати розмову про продуктивність у часи AI.
