По данным Financial Times, Amazon убрала внутреннюю систему рейтинга, которая измеряла, как активно сотрудники используют ИИ-инструменты. Причина простая: работники быстро поняли, что для подъёма в рейтинге достаточно слать в AI любые запросы — содержательность никто не проверяет. Параллельно взлетели расходы на облако: каждый бессмысленный запрос стоил денег.
Контекст
Крупные корпорации, взявшие курс на AI-трансформацию, сталкиваются с одной и той же управленческой задачей: как измерить прогресс? Внутренние рейтинги по AI-активности — попытка дать ответ. Логика понятна: если люди не используют инструменты, метрика покажет ноль. Если используют — покажет рост. Проблема в том, что «использование ИИ» само по себе не поддаётся честному измерению через активность.
Что считать? Число запросов, токенов, открытых сессий? Ни один из этих показателей не говорит о бизнес-результате. Это хорошо известная ловушка в управлении — закон Гудхарта: когда метрика становится целью, она перестаёт быть хорошей метрикой. Сотрудники Amazon рационально оптимизировали именно то, что от них требовали: много запросов к ИИ. То, что эти запросы ничего не производили, в рейтинге не отражалось.
Amazon — одновременно провайдер облачной инфраструктуры через AWS и крупный потребитель AI-инструментов внутри. Это создало редкую ситуацию: неправильная метрика ударила и по продуктивности, и по бюджету в буквальном смысле — компания платила сама себе за токены, потраченные ни на что.
Аналитика
История с Amazon — не единичный провал, а системная ловушка. Первая волна корпоративного AI-внедрения строилась вокруг вопроса «внедрили ли мы вообще?». Показатели были качественными: есть ли доступ к инструментам, проведены ли тренинги. Вторая волна — количественная: сколько людей используют, как часто. Именно здесь и возникает накрутка. Третья волна, в которую, судя по всему, переходит Amazon, — доказательство бизнес-влияния. Если метрика не привязана к результату, она не защищена от игры.
Интереснее другое: этот паттерн воспроизводится не только с AI. Любая корпоративная метрика активности — звонки в продажах, строки кода, закрытые тикеты — деградирует примерно одинаково, когда становится KPI без контекста качества. AI просто сделал это нагляднее и дороже, потому что каждый «пустой» запрос имеет измеримую стоимость в токенах.
Для рынка это сигнал зрелости. Компании, которые сейчас строят AI-адопцию, должны с самого начала проектировать метрики вокруг результата, а не активности. Иначе история с Amazon повторится — только с их собственным облачным счётом.
Кейсы применения в бизнесе
B2B-SaaS стартап (5–50 человек). Не вводи рейтинги AI-активности. Вместо этого — OKR на конкретный эффект: «время на подготовку коммерческого предложения снизилось с 3 часов до 40 минут», «скорость закрытия L1-тикетов выросла». Измеряй задачу, не промпт. Инструмент: async-отчёт раз в неделю в формате «задача — что сделал с AI — результат».
Корпорация с legacy-процессами. Риск ровно как у Amazon. Решение: пилот с добровольцами, которые сами документируют кейсы. Из реальных кейсов выводишь нормативы — не спускаешь их сверху. Так метрика остаётся привязанной к работе конкретной команды, а не к абстрактному «использованию ИИ».
SMB и локальный бизнес в КР/СНГ. При команде 3–15 человек рейтинги вообще не нужны. Лучше выбрать 1–2 повторяющихся процесса — ответы клиентам, отчёты, коммерческие предложения — и автоматизировать именно их. Экономия времени очевидна без счётчиков.
Кейсы в личной жизни
Разработчик. Если компания ввела AI-рейтинг — не гони запросы ради счётчика. Лучший сигнал о ценности: используй AI для code review и написания тестов, где выигрыш виден команде. Это одновременно реальная продуктивность и аргумент без накруток.
Фрилансер и контент-мейкер. История Amazon — напоминание: «сколько раз использовал AI» ничего не говорит о качестве работы. Отслеживай время задачи: если черновик с AI занимает 15 минут вместо 45 — это твой реальный ROI, который можно показать клиенту.
Менеджер среднего звена. Если тебе поставили KPI по AI-активности — переформулируй с руководством в термины результата. Это не уклонение, это защита команды от ситуации, где все «активно использовали ИИ», а показать нечего.
Как применить сегодня
- Замени «количество AI-запросов» на «время/результат задачи с AI» — такую метрику невозможно накрутить бессмысленно.
- Попроси команду назвать 3 задачи, где AI реально помог за последний месяц. Это основа для честных KPI.
- Если видишь накрутку метрики — это сигнал о плохо поставленной цели, а не о плохих людях. Меняй метрику.
- Для неформального трекинга адопции: еженедельный тред «лучший кейс с AI» в командном чате работает лучше любого рейтинга.
- Прочитай про закон Гудхарта — он объясняет большинство корпоративных провалов с внедрением новых инструментов задолго до появления LLM.
Когда метрика становится целью, она перестаёт быть хорошей метрикой. Amazon это поняла через облачный счёт.