Читаючи про останні релізи ШІ інструментів у мене часто виникає відчуття, що я знову щось прогавив і не вмію того, що роблять всі навкруги, або той самий Feeling of Missing Out (FOMO). У цій статті я хочу поділитися деякими інсайтами про те, як компанії використовують ШІ в роботі, а також чи варто покладатися на ШІ у роботі Бізнес Аналітика.
Впровадження ШІ у бізнесі
Компанії в більшості галузей активно інвестують у штучний інтелект: 88% компаній повідомляють про регулярне використання AI. Проте багато керівників відзначають знайомі труднощі. Впровадження AI гальмується. Зростання продуктивності припиняється. Працівники експериментують з новими інструментами, але не інтегрують їх глибоко в реальні робочі процеси, що викликає дедалі більшу стурбованість керівництва щодо рентабельності інвестицій.
Останнє дослідження Harvard Business Review показує, що це не випадковий провал реалізації. Це передбачувана психологічна модель, зумовлена галузевою тривогою щодо того, що AI означає для роботи людей, їхньої ідентичності та майбутнього.
Щоб зрозуміти, чому впровадження AI гальмується, компанії Fractional Insights і Ferrazzi Greenlight провели два опитування працівників у США та Європі. Одне було міжнародним дослідженням за участю понад 2000 респондентів восени 2025 року у партнерстві з QuestionPro; інше — лише в США, серед 1000 респондентів навесні 2025 року. Учасники обох опитувань представляли різні галузі, зокрема охорону здоров’я, технології, фінанси, виробництво, роздрібну торгівлю, освіту, готельно-ресторанний сектор та інші.
Дослідники попросили учасників розповісти про їхній досвід використання AI на роботі та їхні відчуття щодо нього, включно з тим, чи викликає AI страх втрати роботи або заміни, чи зменшує їхню цінність як працівника, чи обмежує людські зв’язки з колегами, чи шкодить їхнім інтелектуальним здібностям. Ці результати були обʼєднані в показник, який назвали AI-тривожністю — це міра сприйнятих загроз для безпеки роботи, професійної цінності та розвитку, що оцінювалася за 10 пунктами п’ятибальної шкали.
Близько восьми з десяти працівників мали сильне занепокоєння хоча б щодо одного пункту AI-тривожності. Наприклад, 65% погодилися, що вони «хвилюються, що їх замінить той, хто краще вміє користуватися AI», 61% хвилюються, що «AI може змусити інших думати, ніби я не маю унікальної цінності», 60% хвилюються, що «використання AI у роботі змусить колег сумніватися в моїй компетентності», 54% відчувають, що AI впливає на їхню взаємодію з іншими на роботі, а 44% вважають, що він «робить їх дурнішими». У кожного третього працівника середній показник композитного індексу AI-тривожності становив чотири або більше.
Загалом дослідники з’ясували, що приблизно 86% людей вважають, що AI зробить роботу принаймні трохи кращою, тоді як 14% вважають, що AI матиме нейтральний або негативний вплив на досвід роботи.
Парадокс переконання та тривоги
Але ось ключове спостереження: віра в бізнес-цінність AI не означає, що працівники почуваються впевнено щодо власного майбутнього. Близько 4 з 10 працівників твердо вірять у бізнес-користь AI і водночас бояться, що це означає для їхньої особистої безпеки та значущості.
Позитивні базові переконання щодо AI та рівень тривоги через AI зазвичай передбачувані залежно від галузі, у якій працює людина. Найвищі показники позитивного ставлення зафіксовано серед працівників фінансів, технологій і охорони здоров’я, тоді як працівники освіти, виробництва, роздрібної торгівлі та державного сектору частіше мають песимістичні погляди на AI.
Найвищі показники AI-тривожності також спостерігалися серед працівників технологічної сфери та фінансових послуг. У середньому їхній рівень тривоги був на 48% вищий, ніж у працівників виробництва та освіти. Ця закономірність повторилася і в міжнародному дослідженні, де представники фінансів і технологій також продемонстрували найвищі показники тривоги щодо AI. Такі чинники, як історія автоматизації в галузі або її основні джерела створення цінності, можуть пояснювати причини цього.
Чому тривога може збільшувати використання AI і водночас гальмувати результати
Більшість стратегій впровадження AI зосереджені на користі для бізнесу (наприклад: «це зробить роботу швидшою!»). Значно менше з них враховують особисту загрозу від AI для безпеки роботи, професійної значущості та сенсу праці. Коли цей ризик не аналізують, впровадження може виглядати успішним, але рентабельність інвестицій не зростає.
Одне з найконтрінтуїтивніших відкриттів проведеного дослідження полягає в тому, що тривога через AI часто підвищує рівень використання, водночас посилюючи опір.
Під час проведення дослідження респондентів попросили оцінити, який відсоток їхньої роботи вони виконують із допомогою AI. Також дослідники виміряли рівень AI-тривоги за 10 пунктами, що відображають занепокоєння та страх щодо AI. Високий рівень тривоги визначався як оцінка 4 або більше за п’ятибальною шкалою, низький — як середня оцінка 2 або менше. Ті, хто мав високий рівень тривоги, повідомили, що в середньому 65% їхньої роботи вже виконуються з допомогою AI, тоді як у групі з низькою тривогою — 42%. Учасникам також поставили пряме запитання: наскільки ви «відчуваєте опір впровадженню AI на роботі?». Висока тривога означала більш ніж удвічі більший опір (оцінка 4,6 проти 2,1 у групи з низькою тривогою). Висновок: страх втрати роботи або застарівання може стимулювати використання і формальне дотримання вимог, але не гарантує справжньої підтримки та залученості.
Це пояснює, чому впровадження AI може виглядати успішним зовні — активовані ліцензії, інструменти використовуються — але не дає довгострокового ефекту. У таких випадках використання відображає радше самозахист, ніж справжню впевненість чи інноваційність.
Як і в будь-якому опитуванні, ці результати відображають сприйняття працівників, але саме такі сприйняття сильно передбачають поведінку під час впровадження.
Попередні дослідження тривожності на роботі показали, що працівники, які відчувають особисту загрозу, можуть добре працювати в короткостроковій перспективі, але значно частіше згодом втрачають залученість або звільняються.
Тривога, пов’язана саме з AI, демонструє ту саму закономірність. Навіть коли метрики використання AI виглядають сильними, реальна поведінка часто є демонстративною, а не справді залученою, що знижує реальний ефект.
Чотири типи працівників
Проаналізувавши дані глибше, дослідники виділили чотири окремі групи працівників залежно від їхніх переконань щодо AI та рівня тривоги. Розуміння того, до якого профілю ви себе відносите, може стати важливим у вашому виборі подальшого карʼєрного розвитку і працевлаштування.
Візіонери (висока віра в цінність, низький особистий ризик) – Бачать переваги AI та активно експериментують у своїй роботі. Близько 40% працівників належать до цієї групи.
Дисраптори (висока віра, високий ризик) – Розуміють силу AI, але сильно хвилюються за власну релевантність, що часто веде до використання зі страху. Приблизно 30% працівників.
Вразливі працівники (низька віра, високий ризик) – Відчувають загрозу професійній ідентичності та сумніваються в цінності AI. Близько 20%.
Самовпевнені працівники (низька віра, низький ризик) – Не відчувають загрози від AI, але й не бачать його цінності. Приблизно 10%.
Хоч ці профілі нагадують знайомі моделі впровадження технологій, AI створює відчуття особистої загрози значно раніше і ширше, ніж більшість попередніх технологій.
Давай вже ближче до суті…
Після прочитання такого довгого тексту, ти запитаєш мене – а до чого тут я і Бізнес Аналіз. Далі буде моя субʼєктивна думка, щодо впливу ШІ на роботу Бізнес Аналітиків, заснована на моєму особистому професійному досвіді.
ЗАСТЕРЕЖЕННЯ: НІКОЛИ не використовуй комерційні дані своєї компанії чи приватні дані користувачів у ШІ продуктах загального профілю. Зроби запит на enterprise ліцензію, яка гарантує, що дані, які ти довіряєш ШІ, залишаються у контрольованому середовищі. Під час експериментів з ШІ замінюй реальні дані користувачів (РІІ) на тестові дані (mock data).
Світ ІТ змінюється дуже швидко. Розмежування між інженерами (розробниками) і людьми, які представляють бізнес (БА, Продакт Менеджери), стає все тоншим. Гарний програміст, може напряму спілкуватися з клієнтом і проектувати окремі фічі продукту з використанням продуктових фреймворків, в той час як гарний Бізнес Аналітик може самостійно “завайбкодити” прототип продукту, протестувати гіпотезу з стейкхолдерами і навіть провести експеримент в продакшені без додаткової розробки.
Всі з нас користуються ChatGPT чи іншими LLM, але лише декілька з нас спробували Claude Code, Cursor чи платформи для vibe coding. На мою думку, використання LLM у режимі чату більше недостатньо, щоб мати конкурентну перевагу на ринку праці, і хоча використання більш складних інструментів здається складним і потребує додаткових зусиль на їх опанування, ця інвестиція себе обовʼязково окупить.
Якщо біля тебе не сидить ніхто з Візіонерів, який цілими днями буде тріскотіти тобі про те, як він за допомогою MCP створив 8 епіків і 300 задіч в JIRA за 30 хвилин, то з високою вірогідність ти не дізнаєшся про користь від ШІ саме для тебе і досі будеш залишатися у ризикованій групі тих, кого можуть замінити фахівці, які краще в цьому розбираються. І якщо зараз ти подумав щось на кшталт – “от, дідько, я навіть не знаю, що таке МСР”, тоді читай далі і я розповім, що з цим можна зробити.
Рекомендації
Ти маєш обовʼязково перетворитися на візіонера ШІ в компанії.
- Занурься у інформаційне середовище, у якому розповідають про останні досягнення у галізу ШІ, про юз кейси використання різних інструментів в роботі. Тут тобі допоможуть імейл розсилки та LinkedIn інфлюенсери.
- Дізнайся, хто веде ШІ ініціативи у твоїй компанії і спробуй долучитися до цієї групи.
- Будь раннім адоптером ШІ ініціатив, але також перевіряй ризики, а не лише просувай переваги. Сфокусуйся на дисциплінованому виконанні, а не хайпі.
- Долучайся до пілотних проєктів та інноваційних спринтів, але не забувай спілкуватися зі скептиками, які бачать сліпі зони.
- Визначай базові юз кейси у своїй роботі, які ти міг би довірити джуніор колезі, та переклади ці задачі на ШІ (наприклад, механічне створення задач у беклозі з гарно підготовленої тобою специфікації).
- Опановуй ШІ інструменти – Lovable, v0 та Replit для прототипування, Cursor та Claude Code для аналізу коду і реверс інжинірингу, n8n для автоматизації та інші.
Для чого це все?
Кожна четверта людина на планеті хоч раз в житті користувалася сучасними продуктами з ШІ.
Приблизно кожен восьмий щомісячно використовує ШІ в повсякденному житті та на роботі.
Кожен шістнадцятий користується такими продуктами щоденно.
І лише кожен 80-й є просунутим користувачем ШІ продуктів, таких як API для доступу до LLM, Claude Code та Cursor.
У якій когорті хочеш опинитися ти, коли будеш шукати свою наступну роботу?
Не знаєш з якого інструмента почати? Я дуже люблю ділитися своїм позитивним досвідом з іншими, тому для тебе і інших Бізнес Аналітиків я вирішив створити BA Antigravity Course – це абсолютно безкоштовний практичний курс про те, як користуватися Antigravity для виконання щоденних завдань БА. І що найкрутіше – ти вчишся безпосередньо в Antigravity (це безкоштовна IDE від Google з останньою Gemini моделлю під капотом з великим безкоштовним лімітом токенів). Щоб розпочати, просто скачай собі Antigravity та файли для нього з цього сайта. Курс доступний будь-якою мовою (ШІ перекладає онлайн), але я рекомендую проходити його англійською, щоб не використати ліміт безкоштовних токенів моделі за одну сесію.
Автор – Іван Вільчавський