Менеджеры и AI: чаще всех – но не для управления
Из всех профессий, которые чаще всего открывают Claude, на первом месте оказались менеджеры. В опросе Anthropic они составили 23% респондентов – при том что в занятости США их доля около 7%. То есть руководители перепредставлены среди пользователей AI втрое. А теперь вторая цифра: управленческие задачи занимают всего около 4% всех сессий. Люди, которые управляют, используют AI для чего угодно, кроме управления.
За этими двумя цифрами – самое точное описание того, как менеджер на самом деле работает с AI. И почему опасения «он заберёт мою работу» в этой профессии устроены иначе, чем кажется.
26 июня 2026 года Anthropic выпустила новый отчёт Economic Index под названием «Cadences». Это продолжение серии Economic Index, которую мы разбираем не первый раз: первым вышел Anthropic Economic Index Survey в апреле, до него – декабрьское исследование по 1,5 млн диалогов с Claude, которое мы разбирали в серии из трёх статей. Новый выпуск опирается на свежую почасовую телеметрию плюс первые результаты того самого опроса – около 9 700 человек, чьи ответы связали с реальным характером их работы с моделью. Отчёт получился из трёх частей: когда люди используют AI, что они с его помощью производят и что они сами об этом думают.
Меня в нём интересует одна линия – управленческая. Разберём её, а ритмы и цифры по дороге сами расскажут много полезного.
Менеджеры используют AI для всего, кроме управления
Вернёмся к парадоксу. Руководители – самые активные пользователи Claude и при этом почти не применяют его к управленческой работе. Где же тогда эти 23% проводят время?
В письме, анализе и планировании. Anthropic разложила 93% всех разговоров на конкретные «артефакты» – то, что человек уносит с собой.
Это ровно тот слой работы, который облепляет управление со всех сторон. Подготовить записку, причесать отчёт, собрать аргументы к встрече, набросать план. Менеджер делегирует AI подготовку, а решение оставляет себе.
И делает это сознательно. В том же опросе на вопрос, чего AI не умеет, чаще всего называли две вещи: суждение и управление людьми. Причём чем опытнее респондент, тем увереннее он это говорил. Люди со стажем 15 лет и больше оценивают нынешние способности AI примерно на 10 процентных пунктов ниже, чем новички, и объясняют это одинаково: контекстное суждение, ситуативное мышление, выстраивание доверия, работа с людьми. Точная карта того, где проходит граница.
Отсюда и форма использования. AI берёт на себя то, что поддаётся формализации, а человек удерживает то, что не поддаётся. Парадокс «использую чаще всех, но не для управления» – вполне зрелое разделение труда, а не пробел в освоении инструмента.
Здесь стоит сверить наблюдаемое с тем, что руководители сами говорят о своих ожиданиях от AI: в наборе из 40 реальных ответов та же картина – запрос идёт на снятие рутины вокруг управления, а не на замену управленческого решения.
Кто работает по ночам и почему это важно
Часть отчёта про «каденции» – про ритмы – на первый взгляд звучит как любопытная статистика, но для руководителя в ней спрятан рабочий сигнал.
Использование Claude повторяет рабочую неделю. В будни доля личных запросов около 35%, в выходные подскакивает почти до 50%. Внутри суток виден распорядок дня целого общества: новости спрашивают около 7 утра, деловую переписку – к 10–11, рецепты в 6 вечера в 2,3 раза чаще среднего, советы про сон – в предрассветные часы, рекомендации что посмотреть – вечером. AI стал зеркалом того, как устроен день человека.
Дальше интереснее. Та работа, что всё-таки делается ночью и в выходные, смещена к высокооплачиваемым профессиям: два верхних квартиля по зарплате прибавляют по 8%, нижне-средний теряет 11%. Объяснение простое и знакомое любому менеджеру: маркетологи, продакты, программисты работают в нерабочее время чаще остальных. А выходные освобождают место для нового – разговоры про «запустить свой бизнес» достигают пика в субботу и воскресенье, тогда как активность по поиску работы в эти дни падает.
Для руководителя это не повод умиляться. Это напоминание, что граница между работой и не-работой у самых ценных сотрудников стёрлась, и AI эту стёртость фиксирует с точностью до часа. Мы видели ту же динамику в разборе восьми месяцев наблюдений: AI не экономит время – он его уплотняет. И в материале про ритм проекта и 300 часов: инструмент меняет не только что вы делаете, но и когда.
Прежде чем идти дальше к самой контринтуитивной части отчёта, стоит проверить эти наблюдения на себе – не на абстрактных кейсах, а на собственных задачах.
Хотите увидеть, какие именно управленческие задачи AI закрывает лучше всего? 9 реальных задач менеджера в открытом модуле – попробуйте на своей работе. Бесплатно.
Доступ сразу после регистрации
Чем дороже работа, тем больше человек вкладывается сам
Самое полезное наблюдение отчёта ломает привычный страх. Принято считать: чем больше отдаёшь AI, тем меньше делаешь сам, и тем быстрее атрофируешься. Данные говорят обратное.
Anthropic смотрела, сколько вычислений (токенов) уходит на разные задачи, и обнаружила, что стоимость растёт вместе с ценностью работы. Профессии из верхней трети по зарплате тратят примерно вдвое больше токенов, чем нижняя треть. Сборка приложения съедает втрое больше токенов, чем медианный разговор, а простое объяснение – около одной пятой. Но ключевое не в пропорциях. В дорогих, сложных разговорах Claude выдаёт больше на каждый ход – и при этом сам человек вовлекается сильнее: примерно в полтора раза больше реплик, чаще включает расширенное мышление. Больше от AI не означает меньше от человека. Наоборот – чем серьёзнее задача, тем активнее обе стороны.
Отчёт описывает это как усиление (augmenting), а не вытеснение (displacing). Для менеджера это переформулирует сам вопрос. Вопрос уже не «сколько работы я отдам», а «насколько сложную работу я теперь могу себе позволить взять». Делегирование рутины не освобождает вас от мышления – оно поднимает планку того, над чем стоит думать.
И тут самая важная для нас цифра. Те, кто делегирует AI больше всего, оказались оптимистичнее остальных по всем шести измерениям работы: зарплата, стабильность, шансы найти работу, смысл, автономия, общение с людьми. Сильнее всего – по зарплате и по способности найти работу. Эффект держится, даже если уравнять стаж. Активные делегаторы не чувствуют себя обесцененными. Больше восьми из десяти говорят, что стали работать быстрее и взяли на себя больше задач. Почти семь из десяти отмечают рост качества. Больше половины – что их навыки стали ценнее. Люди, которые делегируют AI охотнее остальных, чаще остальных же говорят, что за этот период больше научились.
При этом отчёт честен: самооценка не может исключить эрозию навыков, которую человек сам в себе не замечает. Прямых доказательств атрофии нет, но и гарантии, что её нет, данные не дают. Механизм, через который это может происходить незаметно, мы разбирали отдельно – HBR назвал его thinkslop: подмена собственного мышления готовыми ответами модели. Эта оговорка важна ещё и потому, что она совпадает с тем, что мы разбирали в материале про эксперимент Anthropic по формированию навыков. Там 52 разработчика показали, что дело не в количестве делегирования, а в способе. Сложить два исследования вместе можно так: делегировать много – не опасно само по себе, опасно делегировать так, чтобы перестать встречаться с трудностью.
13 раундов против одного промпта
Ещё одно наблюдение отчёта объясняет, почему важно различать не модели, а способы работы с ними.
Anthropic сравнила, сколько человек вкладывает в результат через обычный чат и через Claude Code. Пример вышел разительный. Медианный разговор в чате, который заканчивается готовой статьёй или постом, состоит из 13 раундов туда-сюда. Медианная сессия в Claude Code, которая производит тот же пост, – это один промпт человека. Тринадцать против одного. И разрыв сохраняется, даже если уравнять модель. Дело не в том, какая модель умнее. Дело в том, какой продукт и какой режим делегирования вы выбрали.
Для менеджера это прикладная мысль, а не техническая деталь. Уровень автономии – это ваше решение, а не свойство инструмента. Одну и ту же задачу можно вести как диалог с двенадцатью уточнениями или как одно поручение с проверкой результата. Выбор зависит от того, насколько вам нужно держать руку на руле и насколько вы доверяете постановке задачи.
С этим связан ещё один любопытный факт. Anthropic измеряла сложность запросов и ответов по шкале, привязанной к уровню образования – примерно как уровень сложности (grade level) в американской системе: 12 = школа, 16 = бакалавриат, 20 = аспирантура. Практически это означает: если вы ставите задачу на уровне «могу описать, но не могу сделать сам», Claude выдаёт результат на ступень выше. И разрыв зависит от типа задачи. Шире всего он там, где человек заказывает готовый продукт: графика +2,6 уровня, игры +1,9, приложения +1,7. А там, где текст идёт к живой аудитории – блоги, статьи – разрыва почти нет.
Для менеджера вывод конкретный. Если задача – собрать отчёт, макет, шаблон – AI реально поднимет качество выше того, что вы сделали бы сами. Если задача – написать пост от своего имени или письмо команде – AI выдаст ваш уровень, не выше. Тянет вверх там, где вы знаете, чего хотите, но не знаете как. Не тянет там, где важен ваш голос. Это ровно та граница, которую опытный менеджер чувствует интуитивно.
Один промпт или диалог из 13 уточнений – это ваш выбор, а не свойство модели. Потренируйтесь ставить задачу AI так, чтобы результат был стабильным, на 9 задачах менеджера. Бесплатно.
Доступ сразу после регистрации
За кого менеджеры боятся на самом деле
Страх потерять работу в отчёте тоже есть, и у менеджеров он устроен специфически.
Больше трети опрошенных считают, что их обязанности значительно изменятся в ближайшие 12 месяцев. Но потерять собственную работу вероятным считают лишь 10%. А вот за других тревожатся заметно сильнее: больше трети оценивают вероятность, что младший коллега лишится работы, выше 60%. Получается портрет руководителя, который за себя относительно спокоен, а за команду – нет. Профессиональный рефлекс: думать о людях, за которых отвечаешь.
Здесь есть и неудобная деталь про гендерный разрез. Женщины составили лишь 12% связанной выборки, и даже при равной профессии они реже пользуются Claude Code (на 6,3 пункта), меньше автоматизируют (на 7,3 пункта), но при этом проводят больше активного времени в чате – работают итеративнее и совместнее. Для руководителя, который раздаёт доступы и считает, кто «продвинутее в AI», это сигнал: разная манера работы с инструментом легко читается как разный уровень владения, хотя это просто разные стратегии. О том, почему это становится проблемой на уровне команды, мы писали в материале о том, почему сотрудники скрывают, как пользуются AI.
И последнее, что стоит держать в голове, раздавая команде задачу «освойте AI». В открытых ответах на вопрос о надеждах на ближайшие десять лет люди чаще всего выбирали не автоматизацию ради безделья. Около 65% назвали главным, чтобы работа осталась осмысленной – чтобы человек и AI работали вместе. Половина хотела, чтобы рутину убрали. Треть говорила про общее процветание. Люди не хотят, чтобы AI делал за них всё. Они хотят, чтобы он убрал лишнее и оставил то, ради чего работа имеет смысл.
Какой вы делегатор?
Anthropic делит пользователей по тому, сколько работы они передают AI. Выберите вариант – покажу, что данные значат именно для вас.
Эпизодический делегатор
В отчёте оптимизм и ощущение роста навыков достаются именно тем, кто реально делегирует, – а не тем, кто присматривается со стороны. Это не призыв «отдать AI всё». Это сигнал, что выигрыш виден только в деле. Возьмите одну задачу, на которой результат заметен за один заход: причесать отчёт, собрать аргументы к встрече, набросать план. Один реальный выигрыш меняет отношение быстрее любой статьи.
Умеренный делегатор
Вы в самой важной зоне. Эксперимент Anthropic по формированию навыков показал: дело не в том, сколько вы делегируете, а в том, как. Опасно делегировать так, чтобы перестать встречаться с трудностью. Пока вы спорите с моделью, проверяете ответы и держите руку на сложных решениях – делегирование работает на вас, а не против. Ваш следующий шаг: расширять не объём, а контроль над качеством того, что отдаёте.
Активный делегатор
По данным отчёта вы в самой оптимистичной группе: активные делегаторы выше оценивают и зарплату, и шансы найти работу, и ценность своих навыков. Но та же оговорка отчёта про невидимую эрозию – про вас в первую очередь. Чем больше вы отдаёте, тем важнее сознательно оставлять за собой суждение там, где решает человек: люди, доверие, спорные решения. Тогда высокая планка делегирования поднимает то, что вы можете взять, а не понижает то, что вы умеете.
Что с этим делать в понедельник
Отчёт аналитический, но из него выводятся несколько вещей, которые можно применить сразу.
Данные показывают, где именно AI усиливает менеджера: подготовка отчётов, сбор аргументов, причёсывание документов, черновики писем – всё, что облепляет решение со всех сторон. Само суждение и работа с людьми остаются за вами, но чем быстрее вы снимаете рутину вокруг них, тем больше времени остаётся на то, что действительно требует вашей головы. Именно туда уходит время самых активных пользователей, и именно там выигрыш очевиден без объяснений.
Второе – фокус на сомневающихся, а не на отказниках. Сигнал из соседнего исследования про деление команды на трети сходится с этим отчётом: оптимизм и рост навыков приходят к тем, кто реально делегирует. Одна задача, на которой выигрыш виден за один заход, – лучший способ сдвинуть эпизодического пользователя.
Отдельный нюанс – манера работы. Сотрудник, который ведёт с AI диалог из десяти реплик, не обязательно слабее того, кто решает в один промпт. Более итеративная стратегия нередко даёт более выверенный результат. Не записывайте людей в отстающие по числу токенов.
И главное: делегирование – рычаг, а не угроза навыкам. Данные говорят, что активные делегаторы чувствуют рост, а не упадок. Но та же осторожная оговорка отчёта про невидимую эрозию означает: делегируйте так, чтобы не выпадать из понимания. Проверяйте ответы, спорьте с моделью, держите руку на сложных решениях. Тогда AI поднимает планку того, что вы можете взять, а не понижает планку того, что вы умеете. Именно на этой логике – находить задачи, где AI усиливает вас, и удерживать суждение там, где решает человек – построен наш курс для менеджеров.
Научитесь делегировать AI так, чтобы навыки росли, а не атрофировались
Фундамент курса строит системное понимание: как находить задачи, где AI реально усиливает менеджера, формулировать поручение для стабильного результата и удерживать суждение за собой. Специализация по управлению разбирает внедрение AI в команде отдельно.
Часто задаваемые вопросы
Почему менеджеры не используют AI для самого управления?
Правда ли, что AI лишает навыков, если на него много полагаться?
Кто из сотрудников оптимистичнее смотрит на работу с AI?
mysummit.school
Engineering Leader в Microsoft18 лет в управлении инженерными командами. Основатель mysummit.school. 700+ выпускников в Яндекс Практикуме и Стратоплане.