У дослідницькому підрозділі OpenAI на один робочий день людини припадає 3,1 умовного робочого дня AI-агентів. Один фахівець одночасно запускає кілька цифрових виконавців, які пишуть код, перевіряють гіпотези, проводять експерименти й аналізують результати. Водночас понад половина успішно завершених агентами складних завдань потребувала втручання людини.
Команда Мета-Медіа
Ці цифри ставлять перед бізнесом нове питання: як оцінювати вартість праці, коли операції виконує технологія, а відповідальність за результат залишається за фахівцем? Відповідь впливатиме на посадові інструкції, чисельність персоналу, систему KPI, бюджети підрозділів і принципи винагороди.
У вересні 2026 року OpenAI оприлюднила досвід використання AI-агентів у власних дослідженнях. Дані лабораторії потребують обережного перенесення на звичайні підприємства: вартість експериментів, обчислювальні ресурси та структура завдань суттєво відрізняються. Проте механізм змін універсальний — працівник поступово переходить від виконання кожної операції до організації та перевірки цілих процесів.
Що відбувається всередині OpenAI
У традиційному дослідницькому процесі людина формулює гіпотезу, готує програмний код, запускає експеримент, аналізує дані, шукає помилки та коригує подальші дії. Значна частина цих операцій виконується послідовно, а кожен цикл потребує уваги кваліфікованого спеціаліста.
AI-агенти змінюють організацію роботи. Дослідник може розподілити завдання між кількома системами: одна аналізує результати попередніх експериментів, друга готує код, третя перевіряє альтернативний підхід, четверта шукає технічні помилки. Частина роботи відбувається паралельно, а людина визначає напрям, критерії успіху та порядок перевірки.
Показник 3,1 умовного робочого дня агентів на один день дослідника характеризує масштаб використання систем, а не триразове зростання продуктивності людини. Обчислювальний час і корисний результат — різні величини. Частина експериментів може виявитися хибною, результати можуть потребувати повторної перевірки, а агенти іноді дублюють зусилля.
Проте організаційна зміна вже відбулася: один працівник здатний керувати більшим обсягом технічної діяльності, ніж фізично виконав би сам за аналогічний період. Для підприємств це привід переглядати саму логіку нормування праці.
Вартість AI: чому цифра 600 доларів потребує пояснення
За даними OpenAI, медіанна оцінкова вартість використання моделей одним дослідником перевищувала 600 доларів на день. Для найінтенсивніших користувачів показник перевищував 7 000 доларів. Йдеться про розрахунок за зовнішніми тарифами API, а не обов’язково про фактичні платежі компанії.
Порівнювати ці суми із зарплатою пересічного працівника без урахування контексту некоректно. OpenAI проводить ресурсомісткі дослідження передових моделей. Потенційна цінність окремого відкриття, кількість експериментів та обчислювальні потреби відрізняються від процесів бухгалтерії, продажів чи логістики.
Принцип для бізнесу водночас чіткий: AI має собівартість. Вона складається з ліцензій та API-запитів, інтеграцій, підготовки даних, часу на постановку завдань, перевірки результатів, виправлення помилок, кібербезпеки та супроводу.
Розглянемо умовний приклад. Аналітик витрачав на щомісячну звітність 80 годин. Після автоматизації ручна підготовка займає 20 годин, контроль і виправлення — ще 10. Трудомісткість зменшилася на 50 годин. Проте за фіксованої зарплати це поки що вивільнений ресурс, а не автоматичне скорочення фонду оплати праці.
Економічний ефект виникає, коли підприємство використовує цей ресурс для додаткової аналітики, більшого обсягу роботи, зростання доходу або реального зниження витрат. Вартість AI та супроводу потрібно відняти від отриманої вигоди.
Коли кількість операцій перестає бути достатнім KPI
Багато компаній досі вимірюють результативність кількістю підготовлених звітів, оброблених документів, дзвінків або закритих заявок. Для стандартизованих процесів такі показники корисні, проте після автоматизації можуть створювати ілюзію зростання ефективності.
Наприклад, маркетингова команда раніше готувала десять рекламних текстів на тиждень, а з AI — сто. Кількість матеріалів збільшилася вдесятеро. Якщо продажі, конверсія та прибутковість залишилися незмінними, сам обсяг створеного контенту мало говорить про користь для бізнесу.
Показники доцільно розділити на чотири рівні. Операційна продуктивність характеризує обсяг і швидкість роботи. Якість показує частку помилок, повторних виконань і втручань людини. Економічна ефективність охоплює повні витрати, економію, додатковий дохід та уникнені втрати. Управлінська цінність відображає вплив результату на рішення, ризики й роботу з клієнтами.
Ключова зміна полягає в переході від контролю активності до контролю результату. Кількість автоматично виконаних операцій може залишатися допоміжним показником, але преміювати за неї без перевірки користі небезпечно.
Людський контроль: найдорожча частина автоматизації
У звіті OpenAI зазначено, що понад половина успішних завдань AI-агентів певної категорії, розрахованих на 4–8 годин людської роботи, потребували щонайменше одного втручання спеціаліста. Успішне завершення завдання, отже, іноді включає виправлення помилок людиною.
Це принциповий момент для управлінських розрахунків. Підприємство повинно враховувати час контролю, а також вартість наслідків помилок. У фінансовому обліку, кадрових рішеннях, юридичних документах та виробничій безпеці навіть поодинока помилка може перекрити економію від сотень автоматизованих операцій.
Доцільно запровадити три режими роботи. Низькоризикові дії можна виконувати автоматично із журналюванням. Середньоризикові результати потребують вибіркової перевірки. Критичні операції — обов’язкового погодження уповноваженим фахівцем.
Посадова відповідальність має бути визначена до запуску агентів. Хто формулює завдання? Хто перевіряє джерела? Хто затверджує результат? Хто зупиняє процес за появи помилки? Чіткі відповіді зменшують імовірність ситуації, коли всі користуються результатом, а відповідального за нього немає.
Як змінюватиметься оплата праці
З поширенням AI дедалі більше операцій стають доступними для автоматичного виконання. Відповідно, роботодавці змушені точніше визначати, яку цінність створює сам фахівець.
Перший компонент — професійне судження. Спеціаліст, який здатний виявити помилку у фінансовій моделі, правильно оцінити ризик або відхилити хибну рекомендацію, може зберегти компанії значні кошти.
Другий — організація процесу. Працівник, який вміє розподілити завдання між людьми та AI, встановити контрольні точки й забезпечити результат, потенційно керує більшим обсягом роботи.
Третій — галузева експертиза. Модель може обробляти масиви даних, але виробничі обмеження, договірні умови, поведінка клієнтів і специфіка логістики визначають практичну цінність її висновків.
Четвертий — вимірюваний результат. Система винагороди може враховувати прибутковість, зниження втрат, якість обслуговування та швидкість прийняття рішень. Водночас функції контролю, безпеки й дотримання законодавства потребують окремих критеріїв, оскільки їхня користь часто проявляється у відвернених ризиках.
Єдиного правила, за яким AI робить усіх працівників дешевшими або дорожчими, немає. Оплата залежатиме від галузі, дефіциту компетенцій, економічного результату та розподілу відповідальності.
Що буде зі штатним розписом
Автоматизація окремих операцій може скоротити трудомісткість функцій. Але зменшення трудомісткості, зміна чисельності персоналу й економія фонду оплати праці — три різні показники.
Якщо обсяг роботи стабільний, а частина функцій автоматизована, компанія може переглянути потребу в окремих посадах. Якщо ж бізнес зростає, вивільнений час можна використати для розширення продажів, покращення сервісу, запуску нових напрямів і поглиблення аналітики.
Наприклад, фінансовий аналітик, який раніше більшість часу збирав таблиці, після автоматизації може займатися аналізом собівартості, прогнозуванням грошових потоків і пошуком резервів прибутковості. Формальна посада залишається, але її економічний зміст змінюється.
Перегляд штатного розпису варто проводити після вимірювання фактичного навантаження та перевірки економічного ефекту, а не після демонстрації вражаючих можливостей нового інструмента.
Як AI впливає на різні професії
Бухгалтерія та фінанси. AI може допомагати класифікувати документи, шукати розбіжності, формувати управлінські звіти й пояснювати відхилення. Відповідальність за достовірність обліку та дотримання законодавства вимагає професійного контролю. Зростає значення аналізу причин зміни показників.
Рекрутинг та управління персоналом. Автоматизація прискорює підготовку вакансій, структурування резюме й первинні комунікації. Оцінювання компетенцій, переговори та остаточні кадрові рішення потребують професійного судження. Особливої уваги вимагають захист персональних даних і ризики алгоритмічної дискримінації.
Продажі. AI допомагає сегментувати клієнтів, аналізувати закупівлі, готувати пропозиції та прогнозувати попит. Цінність комерційного спеціаліста дедалі більше визначається маржинальністю, якістю клієнтських відносин та здатністю проводити переговори.
Виробництво й логістика. Можливості AI охоплюють аналіз простоїв, планування матеріалів, виявлення відхилень та підтримку рішень. Однак виробничі процеси мають фізичні обмеження, а помилки можуть впливати на обладнання, людей і виконання замовлень.
Керівники. AI здатний підготувати оперативне зведення, порівняти сценарії й виявити відхилення. Визначення пріоритетів, розподіл ресурсів та відповідальність за наслідки залишаються управлінською функцією.
Посадові інструкції: від переліку операцій до відповідальності за процес
Традиційні посадові інструкції часто містять формулювання «готує звіт», «перевіряє документи», «формує список кандидатів». Після впровадження AI частина цих дій може виконуватися автоматично.
Зміст функції варто уточнювати через очікуваний результат: «забезпечує достовірність автоматично сформованої звітності», «аналізує причини відхилень», «оцінює ризики та готує рекомендації для керівництва».
Разом зі зміною формулювань потрібно встановити вимоги до кваліфікації, межі повноважень і порядок контролю. Саме ці елементи дозволяють узгодити технологію з організаційною структурою.
Практична модель впровадження для підприємства
Перший етап — аудит фактичних процесів. Вимірюють повторюваність операцій, їхню тривалість, джерела помилок, залежність від інших підрозділів і поточну вартість. Корисними інструментами залишаються хронометраж, аналіз документообігу та управлінська звітність.
Другий етап — вибір пілотних процесів. Пріоритет отримують завдання з чіткими правилами, якісними даними та можливістю перевірити результат. Для кожного пілота фіксують базові показники до запуску.
Третій етап — обмежений запуск. Підприємство вимірює швидкість виконання, якість, частоту втручань людини, вартість моделі й супроводу, а також фактичну корисність результату.
Четвертий етап — економічний розрахунок. Порівнюють повні витрати до автоматизації та після неї, відокремлюють вивільнений робочий час від реального зниження витрат і визначають потенціал масштабування.
П’ятий етап — організаційні зміни. Уточнюють посадові інструкції, правила контролю, права доступу, KPI, вимоги до навчання та принципи винагороди.
Шостий етап — регулярний перегляд. Після запуску процесу компанія продовжує вимірювати помилки, витрати, результати та зміну навантаження. Технологічні можливості й бізнес-потреби змінюються, тому одноразового налаштування замало.
Безпека як частина собівартості
Ризики зростають разом із повноваженнями агента. Система, яка лише готує чернетку тексту, має один рівень ризику. Агент із доступом до внутрішніх баз, програмного коду та корпоративних сервісів потребує іншого контролю.
У звіті OpenAI розглядаються ризики дослідницької інфраструктури та необхідність додаткових захисних заходів. Для звичайного підприємства це означає розмежування доступу, журналювання дій, захист конфіденційних даних і обов’язкове погодження критичних операцій.
Економія часу має сенс лише разом із прийнятним рівнем ризику. Фінансові втрати від помилки або витоку інформації можуть перевищити вигоду від автоматизації.
2028 рік: технологічна мета та управлінська реальність
OpenAI описує ціль створення більш автономного AI-дослідника до березня 2028 року. Це орієнтир розвитку, а не гарантований результат. Досягнення залежатиме від надійності моделей, обчислювальних ресурсів, безпеки та можливості тривалого самостійного виконання завдань.
Для підприємств важливіші вже наявні зміни. AI-агенти виконують складні послідовності операцій, працюють паралельно та поступово стають частиною професійних процесів. Отже, компаніям потрібні методики оцінювання спільної роботи людей і технологій.
Ключовим критерієм вартості праці стає корисний результат, за який фахівець здатний відповідати, використовуючи власні знання, досвід і можливості AI. Для керівника це означає потребу знати, яку частину роботи виконує людина, яку — система, скільки коштує процес і який фінансовий ефект отримує бізнес.
Майбутня конкурентоспроможність підприємства залежатиме від якості цієї організації. Перевагу матимуть компанії, які навчаться одночасно підвищувати продуктивність, зберігати контроль і точно вимірювати економічну цінність результату.
Приклад управлінського розрахунку: економія чи перенесення витрат?
Уявімо сервісний підрозділ із чотирьох аналітиків. Кожен витрачає приблизно 100 годин на місяць на регулярні операції зі звітністю. Сукупно це 400 годин. Після пілотного впровадження AI трудомісткість підготовки знижується до 160 годин, а контроль результатів потребує ще 80. Отже, нова трудомісткість становить 240 годин, а вивільнений ресурс — 160 годин на місяць.
Якщо умовна повна вартість робочої години дорівнює 300 гривням, вартість вивільненого часу становить 48 000 гривень. За щомісячних витрат на AI та супровід 18 000 гривень потенційний чистий ефект оцінюється в 30 000 гривень. Це модельний розрахунок, а не статистика реального підприємства.
Однак керівнику потрібно визначити, чи перетворюється цей потенціал на гроші. Якщо штат і фонд оплати праці залишилися незмінними, 48 000 гривень характеризують вартість часу, який можна спрямувати на іншу роботу. Фактичний ефект виникне через додаткові замовлення, відмову від зовнішніх послуг, уникнення понаднормової роботи або зростання якості рішень.
Окремо варто врахувати період адаптації. Перші місяці впровадження можуть вимагати додаткового навчання, очищення даних та перевірки результатів. Тому ефективність доцільно оцінювати щонайменше за кількома послідовними періодами, а не за результатом одного демонстраційного запуску.
Що змінюється для HR та фінансової функції
Фінансовий підрозділ має відокремлювати операційний ефект від бухгалтерської економії. Для цього потрібні базові показники трудомісткості, витрати на цифрові інструменти, частота помилок, вартість контролю та підтверджена корисність результатів. Без такої інформації бюджет AI може перетворитися на статтю витрат із невизначеною окупністю.
HR-функція повинна визначити, які компетенції втрачають частину цінності через автоматизацію, а які стають критичними. Навчальні програми варто будувати навколо конкретних процесів: фінансист перевіряє автоматизований прогноз, рекрутер контролює коректність первинного аналізу кандидатів, керівник виробництва оцінює рекомендації щодо простоїв.
Особливого значення набуває управління змінами. Працівники повинні розуміти, які функції автоматизуються, за якими критеріями оцінюватимуть їхню роботу та які нові навички відкривають можливості професійного розвитку. Прозорі правила допомагають знизити опір і підвищити якість впровадження.
Перегляд винагороди доцільно пов’язувати з вимірюваними результатами й рівнем відповідальності, а не лише з фактом використання AI. Однаковий інструмент у руках різних спеціалістів може давати різну якість, різні ризики та різний економічний ефект.
Висновок. Майбутня вартість праці визначатиметься результатом, а не кількістю виконаних операцій
Досвід OpenAI демонструє фундаментальну зміну в організації праці: один фахівець отримує можливість керувати обсягом роботи, який раніше потребував участі кількох виконавців або значно більшого часу. Водночас зростають вимоги до професійної кваліфікації, контролю якості, управління ризиками та економічної обґрунтованості рішень.
Для власників бізнесу це означає необхідність переглянути сам принцип оцінювання ефективності персоналу.
Підприємству важливо знати, скільки коштує отриманий результат, яку частину процесу виконує людина, яку — AI та який фінансовий ефект створює їхня спільна робота.
Скорочення часу на виконання завдань ще не дорівнює економії коштів. Збільшення кількості підготовлених документів, звітів або аналітичних матеріалів ще не підтверджує зростання продуктивності. А впровадження AI саме по собі не гарантує підвищення прибутковості.
Реальний результат виникає тоді, коли автоматизація дозволяє підприємству зменшувати собівартість процесів, скорочувати втрати, підвищувати якість управлінських рішень, збільшувати обсяги діяльності або виконувати додаткові завдання без пропорційного зростання витрат.
Саме тому кожне рішення щодо впровадження AI має супроводжуватися економічним розрахунком, визначенням відповідальних осіб та вимірюваними показниками ефективності.
Окремої уваги потребує система управління персоналом. Посадові інструкції, штатний розпис, нормативи навантаження, KPI та принципи оплати праці повинні відповідати фактичному розподілу функцій між співробітниками й автоматизованими системами.
Працівник, який забезпечує якісний результат за допомогою кількох AI-агентів, створює іншу економічну цінність, ніж виконавець окремих операцій. Водночас ця цінність повинна підтверджуватися конкретними результатами, а не самим фактом використання технології.
Для власника бізнесу сьогодні особливо важливі п’ять управлінських рішень:
1. Визначити реальну трудомісткість процесів. Зрозуміти, на які операції витрачається робочий час і скільки вони коштують підприємству.
2. Встановити економічний потенціал автоматизації. Оцінити очікувану вигоду з урахуванням вартості AI, контролю якості, супроводу та можливих ризиків.
3. Переглянути функціональне навантаження персоналу. Розподілити завдання між людьми й технологіями, закріпити повноваження та відповідальність.
4. Оновити систему оцінювання результативності. Пов’язати KPI з якістю, економічною ефективністю та конкретним внеском у результати підприємства.
5. Визначити нові вимоги до професійних компетенцій. Розвивати здатність працівників керувати AI-процесами, перевіряти результати й ухвалювати обґрунтовані рішення.
Ці рішення мають прийматися на основі фактичних показників підприємства. Універсальна модель автоматизації для всіх компаній відсутня: кожен бізнес має власну структуру витрат, технологічні обмеження, кадрові ресурси та економічні пріоритети.
Найсуттєвіші зміни відбуватимуться там, де керівництво розглядатиме AI як складову операційної моделі підприємства, а не як окремий програмний інструмент.
Адже питання майбутнього вже виходить за межі того, скільки завдань здатний виконати штучний інтелект.
Головне питання для власника бізнесу — скільки додаткової економічної цінності може створити підприємство завдяки правильній організації спільної роботи людей та AI.
Саме відповідь на нього визначатиме майбутню продуктивність, конкурентоспроможність, структуру витрат і прибутковість компанії.
Виграватиме бізнес, який навчиться управляти результатом усієї системи — персоналу, технологій і процесів та перетворювати зростання продуктивності на конкретні фінансові показники.
