Что именно ИИ делает для людей, у каких ИИ-инструментов есть product-market fit, где остаются наибольшие возможности и что всё это значит
👋 Привет! Каждую неделю я разбираю вопросы читателей о создании продуктов, росте и карьере. Подробнее: Lennybot | Подкаст Lenny | How I AI | Lenny's Reads | Лучшие курсы по ИИ/PM | Лучший курс по публичным выступлениям
Годовые подписчики получают 19 премиум-продуктов бесплатно на год: Lovable, Replit, Gamma, n8n, Bolt, Devin, Wispr Flow, Descript, Linear, PostHog, Superhuman, Granola, Warp, Perplexity, Raycast, Magic Patterns, Mobbin, ChatPRD и Stripe Atlas (пока есть в наличии). Подписаться.
Этот пост можно послушать в удобном формате подкаста на Spotify / Apple / YouTube.
Рад поделиться своим (рекордным) четвёртым совместным материалом с замечательным Ноамом Сегалом, менеджером по ИИ-аналитике в Figma и бывшим руководителем UXR в Zapier, Airbnb, Meta, Twitter, Intercom и Wealthfront. Приступим.
Примечание авторов: Имена изменены в целях сохранения анонимности участников.
Дискуссий о влиянии ИИ на работу предостаточно. Приносит ли он реальный прирост продуктивности? Где ROI? Громких заявлений хватает, но данных было мало.
Мы решили разобраться, что происходит на практике, и провели одно из крупнейших независимых и глубоких исследований того, как ИИ влияет на продуктивность технологических специалистов (1 750 респондентов). Мы опрашивали продакт-менеджеров, инженеров, дизайнеров, основателей компаний и представителей других профессий об использовании ИИ в работе.
Коротко: ИИ превосходит ожидания.
ИИ давно перестал быть диковинкой, какой был год-два назад. Он явно стал инфраструктурой для работы и повышения продуктивности, а ИИ-инструменты совершенствуются с головокружительной скоростью. Если ИИ уже возвращает большинству людей как минимум полдня в неделю в конце 2025 года, как будет выглядеть 2026-й? А 2027-й? Мы наблюдаем начало накапливающейся революции в области продуктивности.
Как заметил Кевин Уэйл (вице-президент OpenAI), «Модель ИИ, которую ты используешь сегодня, — это худшая модель ИИ, которую ты когда-либо будешь использовать до конца своей жизни».
PM-ы получают наибольшую пользу от ИИ-инструментов для: (1) написания PRD (21,5%), (2) создания макетов/прототипов (19,8%) и (3) улучшения коммуникации в письмах и презентациях (18,5%).
Прототипирование на втором месте — это один из многих сдвигов в границах ролей, происходящих прямо сейчас. С такими инструментами, как Lovable, v0 и другими, PM-ы всё чаще переходят от идеи к прототипу, не дожидаясь дизайнеров.
Но если посмотреть дальше по списку, обнаруживается закономерность: ИИ помогает PM-ам производить, но отстаёт в помощи им думать. Топовые задачи — производственные (документы, прототипы, коммуникация), тогда как стратегическая и аналитическая работа — в самом низу (пользовательские исследования — 4,7%, идеи для роадмапа — 1,1%). PM-ы научились использовать ИИ для «последней мили» — вытаскивать идеи из головы. Но им предстоит большая возможность применять ИИ для «верхнего течения»: разбираться, что именно нужно строить.
Дизайнеры находят ИИ наиболее полезным для синтеза результатов пользовательских исследований (22,3%), контента и копирайтинга (17,4%) и генерации идей для дизайн-концепций (16,5%). Визуальный дизайн занимает лишь 8-е место — всего 3,3%.
ИИ помогает дизайнерам со всем вокруг дизайна (синтез исследований, тексты, генерация идей), но работа с пикселями по-прежнему остаётся упрямо человеческой. Сравни это с прототипированием: у PM-ов оно на #2 (19,8%), у дизайнеров — на #4 (13,2%). ИИ открывает PM-ам навыки за пределами их основной работы (по крайней мере, в части прототипирования), тогда как дизайнеры не видят дополнительного прироста от ИИ в своей ключевой деятельности.
Основатели активно используют ИИ для повышения продуктивности и поддержки принятия решений (32,9%), генерации идей для продукта (19,6%) и видения/стратегии (19,1%).
В отличие от других, основатели используют ИИ, чтобы думать, а не только производить. Три ведущие задачи — все стратегические: поддержка принятия решений, генерация идей и видение/стратегия. Это разительный контраст с PM-ами (у которых в топе — документы и прототипы) и дизайнерами (синтез исследований и тексты). И посмотри на эту категорию №1: «повышение продуктивности/поддержка принятия решений» с 32,9% — это нечто уникальное для всего исследования. Ни у одной другой роли нет одного сценария использования с таким весом. Основатели относятся к ИИ как к партнёру по мышлению и «второму мнению», а не просто как к инструменту для конкретных задач. (Это согласуется с отличным постом Тала о создании ИИ-копилотов как долгосрочных партнёров по мышлению и недавним постом Амира о создании второго мозга с помощью ChatGPT.)
Неожиданные провалы: финансовое моделирование — всего 1,8%, несмотря на то что основатели живут в таблицах в период сбора инвестиций. Аналогично с рекрутингом — 1,3%, хотя найм занимает колоссальное количество времени. Здесь явно есть возможности, ждущие лучших инструментов.
Эта закономерность, возможно, и объясняет, почему основатели показывают наивысший уровень удовлетворённости по всему исследованию: они научились использовать ИИ для более стратегической работы с высоким рычагом, а не только для производственных задач.
Инженеры — исключение. У них ИИ выполняет одну большую задачу: написание кода — ключевую инженерную работу. Тогда как у PM-ов и дизайнеров ИИ помогает со вспомогательной деятельностью.
Ниже по списку — такие задачи, как документация (7,7%), тестирование (6,2%) и ревью кода (4,3%). Это та «скучная, но необходимая» работа, которую инженеры обычно не любят. Как ты увидишь в данных о возможностях ниже, это вот-вот изменится. Инженеры приняли ИИ как партнёра по кодированию; теперь они хотят, чтобы он взял на себя рутину, возникающую после написания кода.
Ещё одна закономерность, заслуживающая внимания: инженеры показывают наиболее смешанные результаты по качеству в последующих вопросах исследования (51% считают, что лучше, но 21% — что хуже; это самый высокий показатель «хуже» среди всех ролей).
ChatGPT — самый популярный ИИ-инструмент для большинства ролей: им пользуются 57,7% PM-ов, 49,6% дизайнеров и 72,1% (!!!) основателей, предпочитая его всем остальным ИИ-инструментам; Claude идёт вторым для этих трёх ролей.
Но у инженеров поведение совершенно иное. GitHub Copilot вышел на рынок раньше других, имеет дистрибуционную мощь Microsoft и GitHub и встроен в самый популярный репозиторий кода в мире. Тем не менее он уступает трём инструментам, запущенным позже него. Инженеры выбирают более новые (и лучшие) альтернативы вместо лидера рынка.
У инженеров тройка лидеров идёт вровень: Cursor (33,2%), ChatGPT (30,8%) и Claude Code (29,0%) разделяет не более 4 процентных пунктов. Этот рынок не консолидировался, а издержки переключения невысоки. Примечательно также: Claude Code (29,0%) опережает чат-интерфейс Claude (20,7%). Специализированные инструменты побеждают, но Claude также полезен в ряде ключевых задач, связанных с кодированием (например, миграция кода и другое), что выводит его на четвёртое место.
Gemini держится на далёком 10,6%, но оговорка: эта сфера меняется стремительно. Несколько сильных релизов моделей или обновлений продуктов могут быстро изменить эти рейтинги. То, что верно сегодня, может выглядеть совершенно иначе через полгода.
ChatGPT с большим отрывом лидирует среди PM-ов.
Perplexity также неожиданно высоко в рейтинге — вероятно, благодаря своим мощным исследовательским возможностям.
Однако ниже по списку Lovable (8,7%) и Cursor (7,7%) врываются в топ-7 для PM-ов. Это подкрепляет замеченную ранее закономерность: PM-ы всё активнее сами что-то создают, вторгаясь в то, что традиционно считалось работой дизайнеров и инженеров. Инструментарий PM расширяется за пределы документов и презентаций.
Одно замечание: Copilot (8,4%) немного опережает Cursor (7,7%) у PM-ов, хотя у инженеров — обратная картина. Это может отражать привязку к экосистеме Microsoft в крупных компаниях или просто тот факт, что PM-ы обнаружили Copilot раньше и пока не исследовали альтернативы.
63% PM-ов и 83% основателей сообщают, что ИИ экономит им 4+ часа в неделю. Даже самая скептически настроенная группа — дизайнеры — показывает 47,5% с экономией 4+ часов. Лишь от 1% до 5% респондентов по всем ролям говорят, что ИИ «не быстрее ручной работы».
Что касается качества, картина более неоднозначная. PM-ы и основатели настроены оптимистично (более 70% сообщают об улучшении качества), тогда как у инженеров мнения расходятся. 51% инженеров говорят, что ИИ улучшает качество их работы, но 21% считают, что оно ухудшилось. Дизайнеры занимают среднюю позицию: 60% лучше, 13% хуже. Оценки качества у инженеров могут отражать более высокую планку точности в коде: «несколько более качественный» черновик PRD полезен; «несколько более качественная», но багованная функция — нет. К тому же плохой код проще заметить, чем плохой PRD.
Разрыв между тем, где люди используют ИИ сегодня, и тем, где они хотят его использовать завтра, многое говорит о возможностях для основателей и стартапов — войти на рынок и предложить новые инструменты и функции.
Для PM-ов главная история возможностей — это исследования. Пользовательские исследования показывают наибольший разрыв спроса среди всех задач (+27,2 п.п.). Лишь 4,7% называют их основным сценарием использования ИИ сегодня, но почти треть хочет, чтобы ими стали. Закономерность очевидна: PM-ы научились использовать ИИ для задач на выходе — написание PRD, подготовка коммуникаций, — но жаждут применить его «вверх по течению», к запутанной работе по пониманию что именно нужно строить.
Прототипирование — прорывная категория. Для PM-ов «создание макетов/прототипов» вырастает с 19,8% (используют сейчас) до 44,4% (хотят использовать следующим), скачок в +24,6 п.п., делающий его единственным наиболее востребованным сценарием будущего использования. Для дизайнеров прототипирование и интерактивный дизайн демонстрируют схожий импульс (+27,8 п.п.). Это совпадает с ростом таких инструментов, как Lovable, v0, Replit и Figma Make: люди увидели, что возможно, и хотят большего.
Инженеры смещают использование ИИ на работу после написания кода. Написание кода было их самым популярным сценарием (51% текущих пользователей), но разрыв спроса составляет лишь +5,6 п.п. Зато документация (+25,8 п.п.), ревью кода (+24,5 п.п.) и написание тестов (+23,5 п.п.) демонстрируют огромные возможности роста в ИИ-инструментарии для инженеров.
Основатели удваивают ставку на ИИ как партнёра по мышлению. Генерация идей для продукта демонстрирует колоссальный спрос — с 19,6% (используют сейчас) до 48,6% (хотят использовать следующим), разрыв в +29,0 п.п. Стратегия роста и планирование GTM (+24,7 п.п.) и анализ рынка (+24,0 п.п.) следуют вплотную.
Основатели уже активно используют ИИ для личной продуктивности (32,9% на текущий момент), но хотят двигаться вверх по течению. Они ищут стратегического соавтора для проверки идей, изучения рынков и проработки выхода на рынок — ИИ как со-основатель,* *а не просто ассистент.
Судя по заявленным разрывам, следующая волна внедрения ИИ потребует не только лучших моделей, но и лучших рабочих процессов для совместной работы человека и ИИ над размытыми задачами. Написание PRD имеет чёткий результат; конкурентные исследования — нет. Написание кода можно протестировать; «генерацию идей для продукта» — нельзя.
Мы спросили: «Какой ИИ-инструмент(ы) ты очень расстроишься потерять?» Классический вопрос Шона Эллиса о PMF. 83,6% назвали хотя бы один инструмент — само по себе это замечательный сигнал того, насколько глубоко ИИ встроился в повседневные рабочие процессы. Но соотношение между количеством людей, регулярно использующих инструмент, и теми, кто лишился бы его без сожаления, рассказывает историю продуктов, действительно нашедших product-market fit.
ChatGPT доминирует — пока, возможно, только пока. Половина респондентов (50,2%) очень расстроилась бы, потеряв ChatGPT, но это заметно ниже, чем 60–75% по большинству ролей, кто говорит, что регулярно им пользуется. Это отчасти объясняет, почему OpenAI недавно объявил «Code Red», наблюдая, как Gemini и Claude начинают откусывать долю рынка. Издержки переключения в ИИ по-прежнему очень низки.
ChatGPT, Claude и Gemini возглавляют список для PM-ов — они многофункциональны и хорошо подходят для PM-работы. Интереснее всего видеть Cursor сразу за Gemini (не ожидалось бы, что инженерный инструмент вроде Cursor будет так популярен у PM-ов), а за ним — Lovable (который, судя по всему, побеждает на рынке прототипирования).
Дизайнеры (23,3%) и основатели (20,6%) наиболее склонны к Claude. Экосистема Claude (Claude и Claude Code вместе) охватывает 27,5% в целом. Это ощущается как большая победа для Anthropic.
Специализированные инженерные инструменты нашли лояльных пользователей и чёткий product-market fit среди инженеров. Для инженеров рейтинг PMF выглядит совершенно иначе, чем у всех остальных: ChatGPT (25,3%), Cursor (20,7%), Claude Code (17,1%) и Claude (13,4%). Три из четырёх продуктов, которые им было бы жаль потерять, — это специализированные инструменты для кодирования. Инженеры нашли — и хотят удержать — специализированные инструменты, соответствующие их потребностям, а не полагаться на универсальные чат-интерфейсы. PMF Cursor в 20,7% среди инженеров (против 7–9% у других ролей) показывает, насколько глубоко он встроился в рабочие процессы написания кода.
Фактически, ряд специализированных инструментов побеждают в своих нишах.
Мы можем измерить «прилипчивость» инструмента, сравнив два числа: процент людей, использующих его как основной инструмент, и процент тех, кто очень расстроился бы его потерять.
Если больше людей скучали бы по инструменту, чем используют его как основной, — это признак сильного product-market fit. Если меньше людей скучали бы по нему, чем пользуются им, — значит, инструмент легко заменить.
Granola, инструмент для AI-заметок с совещаний, — хороший пример. Среди PM-ов 4,9% очень расстроились бы его потерять, тогда как лишь около 2% используют его как основной ИИ-инструмент. Это примерно 2,5-кратное соотношение — то есть почти каждый, кто пользуется Granola, скучал бы по нему. Сравни с Gemini: использование превышает лояльность — им пользуется больше людей, чем скучало бы по нему.
Помимо универсальных LLM, мы видим формирующихся победителей в категориях:
Закономерность говорит о том, что рынок ИИ-инструментов раздваивается: универсальные LLM (ChatGPT, Claude, Gemini) конкурируют по широте охвата, тогда как специализированные инструменты — по глубине интеграции в рабочие процессы.
Заметно отсутствующие: Некоторые инструменты показали минимальный PMF: GitHub Copilot (5,1% среди инженеров, несмотря на то что он один из первых ИИ-инструментов для кодирования), Notion AI (1,0% в целом) и различные инструменты для генерации изображений (Midjourney — 0,4%).
Прирост продуктивности реален, но реальны и издержки. Подавляющее большинство — 92,4% респондентов — сообщили хотя бы об одном негативном эффекте от ИИ-инструментов. В среднем каждый назвал 2,2 жалобы, но исследование выявило почти универсальный опыт: одни проблемы сменяются другими.
Шаблонность результатов и галлюцинации возглавляют список жалоб. Две главные проблемы — по сути, одна и та же, просмотренная с разных углов: ИИ производит контент либо слишком поверхностный (56,2%), либо фактически ненадёжный (51,9%). Более половины всех респондентов упомянули каждую из них. Вывод очевиден: результаты ИИ требуют значительной проверки и доработки людьми, что напрямую ведёт к третьей по частоте проблеме — времени на управление результатами ИИ (37,7%). Парадокс продуктивности: ИИ экономит время на генерацию контента, но создаёт новую работу по его проверке.
На четвёртом месте (а у PM-ов фактически на третьем) — опасение, что ИИ-инструменты разрушат критическое мышление. Независимо от экономии времени, многие респонденты беспокоятся, что их долгосрочные навыки могут быть под угрозой по мере повсеместного распространения ИИ в их рабочих процессах.
Дизайнеры сообщают о негативных эффектах с наибольшей частотой; у основателей — наименьшей. 63,2% дизайнеров называют галлюцинации, 62,4% — шаблонность результатов, 51,1% — время на управление результатами. Они также в среднем имеют больше всего жалоб на человека (2,74 против 2,03 у основателей). Это согласуется с нашим более ранним выводом о том, что дизайнеры сообщают о наименьшем улучшении качества и наименьшей экономии времени. Для работы, требующей точности и оригинальности, склонность ИИ к «достаточно хорошему» может быть особенно разочаровывающей. Основатели, напротив, показывают наименьший уровень жалоб почти по каждой категории — возможно, потому что используют ИИ для более ранних, исследовательских задач, где «примерно правильное направление» вполне достаточно.
То, на что люди не жалуются, тоже показательно. Лишь 8,8% упоминают снижение командного взаимодействия, и только 6,1% сообщают о нарушении рабочих процессов. Опасения, что ИИ атомизирует команды или сломает существующие процессы, не материализовались в масштабе. Проблемы более прозаичны: результаты ИИ нуждаются в редактировании, ИИ иногда что-то выдумывает, а мета-работа по управлению ИИ-инструментами занимает реальное время.
Несмотря на шум в индустрии вокруг автономно работающих ИИ-агентов, фактическое внедрение остаётся зачаточным. Лишь около 25% респондентов используют агентов в каком-либо качестве, и только 14% квалифицируются как «активные» пользователи (использующие один основной агентный инструмент или несколько агентных платформ). Почти половина (49%) выражает интерес или планирует внедрить агентов — колоссальный разрыв между намерением и действием, сигнализирующий как о возможностях, так и о барьерах.
n8n доминирует на рынке агентов. На вопрос о том, какими платформами пользуются, n8n упоминался 219 раз — вдвое больше, чем Zapier с 85 упоминаниями. Это удивительно, учитывая более широкую известность Zapier, но open-source модель и ориентация n8n на разработчиков, вероятно, резонирует с технически подготовленной аудиторией. Manus (35 упоминаний), новый игрок, уже занимает третье место — значит, рынок остаётся подвижным и открытым для новых участников. Make и Lindy набрали по 17 упоминаний. Интересно, что Claude Code (16) и Cursor (15) тоже появляются — это значит, что часть респондентов задействует «агентные» режимы в ИИ-ассистентах для кодирования. Есть все основания ожидать, что этот сценарий использования резко вырастет в 2026 году, учитывая фокус Cursor, Anthropic и OpenAI на более агентном пользовательском опыте в программировании.
Основатели лидируют по использованию; у дизайнеров наименьшее внедрение агентов. Преимущество основателей, прослеживавшееся по всему исследованию, распространяется и на агентов. Четверть основателей (26,2%) являются активными пользователями агентов — почти вдвое больше, чем PM-ов (12,1%), и почти втрое больше, чем дизайнеров (9,4%).
Рабочие процессы по-прежнему в подавляющем большинстве управляются людьми. Среди тех, кто всё же использует агентов, рабочие процессы остаются скорее ассистентскими, нежели автономными. Почти половина (47%) сообщает, что их работа на 75% неагентная, и лишь 7% — о преимущественно или полностью агентных процессах. Даже среди основателей — самых агрессивных первопринимателей — лишь 12,5% достигли 75%+ агентности. Видение полностью автономных ИИ-агентов по-прежнему остаётся идеалом; реальность такова, что люди сохраняют контроль, а ИИ помогает по краям.
Барьеры организационные, а не технические. Корпоративные ограничения блокируют 8,2% потенциальных пользователей, особенно в инженерии (10,1%) и дизайне (10,5%). Ещё 7,8% не видят в этом текущей необходимости. Лишь 4,8% вообще не знакомы с агентами. Это говорит о том, что узкое место внедрения — не осведомлённость и не возможности; это организационная готовность и наличие чётких сценариев использования. По мере развития политик и по мере того, как первопринимателей будут демонстрировать конкретную ценность, 49% респондентов, выражающих интерес, могут получить свой шанс стать пользователями.
ИИ перешёл из игрушки в рабочую лошадь.
Цифры однозначны: 55% говорят, что ИИ превзошёл их ожидания, и примерно три четверти респондентов скажут, что ИИ оправдал или превысил своё обещание. Лишь 17,7% сообщают о разочаровании. По практически любым продуктовым стандартам это сильные показатели.
Сжатие времени реально и драматично.
Когда респонденты выражали свою экономию в цифрах, они были впечатляющими:
Устойчивая закономерность: от 3 до 10 раз сжатие времени на интеллектуальную работу, которая раньше требовала либо глубокой экспертизы, либо кропотливого ручного труда.
Не все прямо сейчас получают те же выгоды.
Лишь 45% дизайнеров сообщают о положительном ROI, и 31% говорят, что ИИ не оправдал ожиданий — втрое больше, чем у основателей. Три возможных объяснения: (1) специализированные ИИ-инструменты для дизайна ещё не достигли нужного уровня; (2) дизайнерская работа требует точности и оригинальности, которые ИИ пока не обеспечивает; или (3) у дизайнеров более высокие стандарты к качеству результата.
Ответ имеет большое значение для прогнозирования того, какие роли ИИ трансформирует, а какие лишь разочарует.
А агентное будущее, о котором все говорят? Пока это в основном разговоры. Лишь 14% являются активными пользователями агентов, и даже среди них рабочие процессы остаются на 75%+ под управлением людей. Разрыв между «интересуюсь агентами» (49%) и «активно использую агентов» (14%) — это то место, откуда выйдет следующая волна внедрения и следующая волна продуктов.
Но ландшафт инструментов стремительно меняется.
Отслеживать инструменты нужно в режиме еженедельного упражнения — или максимум ежемесячного. Постоянный взгляд на то, что все используют, какой ROI получают и каковы их самые важные сценарии использования ИИ.
И дело не только в инструментах. В эпоху ИИ способы работы меняются кардинально, и наши исследования должны поспевать за этим.
Именно поэтому в следующем году мы запускаем контекстные микро-исследования внутри сообщества Lenny. У платных участников появится возможность участвовать в коротких опросах или интервью с ИИ-модератором и делиться своим последним опытом. Мы будем публиковать наши выводы внутри сообщества в специальном канале.
Люди не хотят, чтобы ИИ делал интересные части их работы. Они хотят, чтобы он делал те части, которые они ненавидят.
Посмотри, как инженеры хотят использовать ИИ: документация, ревью кода, тесты. Не сложное. Скучное.
Возможно, это и есть главный фреймворк для осмысления внедрения ИИ. Роли, которые будут трансформированы больше всего, — это не те, где ИИ «умнее» всего. Это те, где больше всего скучной рутины. Следуй за монотонностью — и найдёшь, где ИИ создаёт наибольшую ценность.
Когда «покажи» побеждает «расскажи», границы ролей начинают размываться.
Примерно 20% примеров PM-ов упоминали код и инструменты вроде Cursor. PM-ы строят прототипы. Тестируют идеи прямо в продукте.
Один PM рассказал, как перешёл «от мысли к тестированию идеи в реальном продукте» за 10 минут через Linear и Cursor.
Если демонстрировать становится быстрее, чем документировать, — что будет с PRD? С традиционным взаимодействием PM и инженера? И в том же духе: что произойдёт, когда дизайнеры начнут писать код?
Роли, которые мы знали десятилетиями, могут стать неузнаваемыми через несколько лет.
Люди, извлекающие наибольшую ценность, имеют несколько общих черт:
Люди, выигрывающие с ИИ, относятся к нему как к настоящему соавтору — такому, который требует контекста, итераций и реалистичных ожиданий, но вознаграждает вложения накапливающейся отдачей.
Начни с самой высокорычажной задачи. Дай ИИ необходимый контекст. Принимай несовершенные результаты как отправные точки. И постепенно выстраивай доверие через небольшие эксперименты, а не большие ставки.
Спасибо, Ноам! Ты можешь следить за Ноамом в LinkedIn и X.
Если ты находишь эту рассылку ценной, поделись ею с другом и рассмотри возможность подписки, если ещё не подписался. Доступны групповые скидки, подарочные варианты и реферальные бонусы.
Искренне,