Сатья Наделла написал примерно 50 топ-инженерам компании в ответ на утечку внутреннего документа, где предлагалось намеренно формировать аддикцию к AI-агенту Scout. «Не знаю, кто пишет и сливает эту чушь», — прямая цитата из его сообщения. По словам Наделлы, AI должен расширять возможности людей, а Scout должен приводить к меньшему экранному времени, а не большему.
Контекст
Scout — новый AI-агент Microsoft, позиционируемый как персональный ассистент следующего поколения. Компания делает огромную ставку на агентный AI: партнёрство с OpenAI, интеграция Copilot в весь продуктовый стек, многомиллиардные инвестиции в инфраструктуру. На этом фоне появление меморандума с концепцией «намеренной аддикции» — не просто скандал внутри компании, это столкновение двух философий монетизации AI.
Идея «зависимости» — не новая для tech-индустрии. Социальные сети строились на дофаминовых петлях, и это принесло им миллиарды пользователей и триллионы минут экранного времени. Но применить ту же механику к AI-агенту значит создать инструмент, который намеренно снижает продуктивность пользователя ради удержания — прямое противоречие ценностному предложению любого рабочего AI.
То, что Наделла отреагировал публично (или полупублично — через утечку), а не решил вопрос тихо внутри, говорит о масштабе: либо меморандум уже обсуждался достаточно широко, либо CEO намеренно использовал момент для культурного сигнала всей инженерной верхушке.
Аналитика
Этот эпизод обнажает фундаментальное противоречие, с которым столкнутся все крупные AI-платформы. Бизнес-модель требует роста вовлечённости и метрик использования. Но ценностное предложение AI-агента — экономить время, снижать когнитивную нагрузку, давать результат быстрее. Чем лучше агент, тем меньше времени пользователь проводит с ним. Это структурно противоположно модели соцсетей.
Если Microsoft выберет путь «агент как инструмент, а не как платформа вовлечённости», это потребует новой метрики успеха: не DAU и время сессии, а задачи, закрытые за единицу времени, или измеримый прирост продуктивности. Именно такие метрики продаются корпоративным клиентам. Это объясняет реакцию Наделлы — B2B-позиционирование Copilot несовместимо с аддиктивной механикой.
Для рынка в целом: если лидер индустрии публично закрепляет «less screen time» как KPI AI-агента, это задаёт нарратив регуляторам, конкурентам и корпоративным покупателям. Anthropic давно использует похожий язык про «beneficial AI». Теперь Microsoft присоединяется — хотя бы риторически.
Кейсы применения в бизнесе
B2B-SaaS стартап: Если вы строите AI-ассистента или агента для корпоративного клиента — сделайте «время до результата» своей главной метрикой в питч-деке и онбординге. Корпоративный покупатель не купит инструмент, который нужно «использовать каждый день по 2 часа» — он купит инструмент, который заменяет 2 часа работы за 10 минут. Считайте ROI через сокращение ручных операций, а не через MAU.
Корпорация с legacy-процессами: При внедрении Copilot или аналогов не копируйте KPI из CRM (количество сессий, глубина использования). Введите метрику «задачи автоматизированы» и замерьте реальное высвобождение человекочасов. Это единственный аргумент, который убеждает CFO продолжать платить за подписку.
SMB и локальный бизнес в КР/СНГ: Небольшой команде важно не «залипнуть» в интерфейс AI-инструмента, а получить конкретный выход — договор, ответ клиенту, аналитику. Выбирайте AI-сервисы, которые работают по задаче (запрос → результат → выход), а не те, что держат вас в чате ради чата. Критерий выбора: можно ли закрыть задачу и закрыть вкладку.
Кейсы в личной жизни
Разработчик: Следите за тем, сколько времени вы проводите в диалоге с AI, а не в работе с его output. Если ChatGPT или Claude стали «думалкой по умолчанию» и вы часами рефайните промпты вместо того, чтобы писать код — это и есть аддикция в действии. Установите правило: один запрос → один результат → применение или отклонение.
Контент-мейкер и фрилансер: AI-агенты типа Scout или аналогов могут взять на себя черновую работу — структуру, рисёрч, первый драфт. Ваша задача — не проводить время в интерфейсе, а получать готовый артефакт для доработки. Настройте шаблоны задач один раз и используйте их как конвейер, а не как playground.
Студент: Риск AI-аддикции для студентов — в замене мышления, а не времени. Если вы используете LLM для объяснений — хорошо. Если вы не можете решить задачу без подсказки AI — это уже потеря навыка. Практика: сначала попробуйте сами, потом сверьтесь с AI только для проверки логики.
Как применить сегодня
- Если вы строите продукт с AI: замените метрику «время в приложении» на «задач выполнено за сессию» — и пересчитайте, что это меняет в UX.
- Аудит своих AI-инструментов: для каждого запишите, сколько минут занял диалог и какой конкретный результат вы получили. Если результата нет — инструмент или промпт нужно менять.
- В корпоративных внедрениях AI попросите вендора показать метрику «время до закрытия задачи», а не «engagement rate» — и посмотрите на реакцию.
- Следите за позицией Microsoft по Scout: если «less screen time» станет официальным KPI продукта, это изменит то, как Copilot будет продаваться корпоративным клиентам в 2026–2027.
- Для команд, работающих с агентами: зафиксируйте в design doc явный принцип — агент должен завершать задачу и отдавать управление, а не удерживать пользователя в интерфейсе.