Аналіз відповідей 53 співробітників п'яти компаній про частоту, інструменти, ефекти та бар'єри використання штучного інтелекту — і що з цього випливає для програми навчання.
0респонденти
0компаній
0%користуються ШІ щотижня+лише 36% на рівні 4–5
0%ядра клубу — на Claudeпроти 2.3% поза ядром
1. Хто відповідав
Пропущених значень чи дублікатів у ключових полях не виявлено — очищення даних не знадобилось. Помітна нерівномірність вибірки за компаніями.
Розподіл за компаніями
кількість респондентів
Участь у клубі ШІ
частка респондентів
Спостереження: лише 16 із 53 (30%) — учасники клубу, 10 (19%) — у його ядрі. Це вузьке, але явно впливове ядро (див. розділ 4).
2. Наскільки активно використовують ШІ
Переважна більшість вже інтегрувала ШІ у щоденну роботу, хоча самооцінка рівня майстерності скромніша, ніж частота використання.
Частота використання
Самооцінка рівня (1–5)
1 — практично не користуюсь, 5 — впевнено у складних задачах
Розрив: 41 людина (77%) використовує ШІ щодня або кілька разів на тиждень, але лише 19 (36%) оцінюють свій рівень на 4–5. Тобто інструмент вже у щоденному вжитку, а впевненості й глибини використання — ще ні.
3. Які інструменти в ходу
Які AI-інструменти пробували
множинний вибір, % від 53 респондентів
Основний інструмент
той, яким користуються найчастіше
ChatGPT домінує: його пробували 48 із 53 (91%), і саме він основний інструмент для 31 людини (58%). Microsoft Copilot — головний для 15%, що, ймовірно, відображає наявність корпоративної ліцензії, а не свідомий вибір.
4. Ефект «Claude-розриву»
Найпомітніша технологічна закономірність усього опитування: вибір основного інструмента різко змінюється залежно від того, чи людина в ядрі Клубу ШІ.
Основний інструмент: ядро Клубу vs решта
10 у ядрі · 43 поза ядром
Сплячий резерв залучення
37 співробітників поза Клубом ШІ
💤
48.6% готові (18 з 37) виконувати практичні AI-завдання вже зараз; половина з них (9 із 18) відповіли «можливо» на питання про приєднання до поглибленої групи — це теплий, а не холодний резерв.
Наскільки «теплий» цей резерв
зацікавленість у поглибленій групі серед 18 готових до практики поза клубом
4 «так» + 9 «можливо» = 13 із 18 (72%) не закриті до ідеї приєднання — це і є перша хвиля кандидатів на розширення ядра клубу.
🎯
Claude — маркер зрілості, а не популярності. У ядрі клубу (10 осіб) Claude — основний інструмент для 5 (50%). Серед 43 співробітників поза ядром — лише для 1 (2.3%); початківці (рівні 1–3) практично повністю обмежені ChatGPT і Copilot. Перехід на Claude корелює зі зрілістю використання сильніше, ніж будь-який інший показник у вибірці.
5. Для яких задач і з яким ефектом
Робочі задачі, де вже застосовують ШІ
Відчутний ефект
Поки що — база, не глибина: лідирують пошук інформації (44) та тексти й листи (39) — низькопорогові задачі. Аналітика (17), програмування (11) та автоматизація (8) — значно рідше. Ефекти теж переважно поверхневі: економія часу (44) й швидша підготовка матеріалів (37) — набагато частіші за «нові ідеї та інсайти» (19) чи «покращення якості» (21).
6. Що заважає й чого бракує
Бар'єри активнішого використання
Навички, які треба розвинути
Головний бар'єр — не недовіра, а брак навичок і часу: 20 людей кажуть, що ніщо не заважає, але серед тих, кому щось заважає, лідирують «не вистачає знань» (13) і «не вистачає часу» (12), а не «не бачу задач для застосування» (9) чи недовіра до якості відповідей (7). Це аргумент на користь навчання, а не додаткових обмежень.
7. Порівняльний аналіз
Найпомітніший фактор рівня володіння ШІ — не компанія, а участь у клубі ШІ.
Середній рівень володіння за компанією
Клуб ШІ: рівень і впевненість у промптах
Ефект клубу дуже сильний: учасники клубу оцінюють свій рівень у 3.94 з 5 проти 2.51 у решти — різниця понад 1.4 бала. Те саме з впевненістю у формулюванні запитів (4.06 проти 2.76). «Каскад» помітно відстає (2.30 проти 3.27 у CS) — і це збігається з даними нижче: у «Каскаді» лише 1 представник ядра клубу з 10 співробітників компанії, тоді як у CS — 3 з 11.
Частка ядра Клубу ШІ за компаніями
% співробітників компанії, що входять у ядро клубу
Компанія
Всього співробітників
У ядрі клубу
% ядра
CS
11
3
27.3%
Профітех
17
4
23.5%
Сінерджі
12
2
16.7%
Каскад
10
1
10.0%
Юрент
3
0
0.0%
Пряма кореляція: компанії з вищою часткою ядра клубу (CS, Профітех) показують вищий середній рівень і вищу частку щоденного використання. «Юрент» — виняток: 0% ядра, але середній рівень 3.0 при вибірці лише 3 людини.
8. Закономірності
Зв'язок між частотою використання, рівнем і впевненістю у промптах
коефіцієнт кореляції Пірсона
Частота використання
Самооцінка рівня
Впевненість у промптах
Частота використання
1.00
0.59
0.49
Самооцінка рівня
0.59
1.00
0.77
Впевненість у промптах
0.49
0.77
1.00
Найсильніший зв'язок (r=0.77): між самооцінкою рівня та впевненістю у формулюванні запитів. Це означає, що навчання промпт-інжинірингу — ймовірно, найефективніша точка інвестиції: вона тісніше пов'язана із загальним рівнем майстерності, ніж сама частота використання.
9. Запит на навчання
Зручний формат навчання
Готовність і зацікавленість
практичні завдання між сесіями / поглиблена група
Перевага асинхронних форматів: відеоінструкції (23) та короткі вебінари (20) популярніші за практичні воркшопи (16) чи індивідуальні консультації (9). При цьому 32 з 53 (60%) готові або скоріше готові виконувати практичні завдання між сесіями — є база для формату «навчання + практика», а не лише лекцій.
Запит на навички — не подвійний рахунок: у категоріях запитів варто рахувати окремо: «Формулювання промптів» (21) і «Робота з різними моделями» (17) — це разом 38 згадувань про промптинг і кросплатформенність, а не 21. «Створення застосунків» (15) і «Робота з базами знань» (11) — разом 26, а не 15.уточнено
10. Висновки та рекомендації
Стан використання ШІ
Адаптація вже відбулась на рівні частоти: 96% (51/53) хоча б пробували ШІ, 77% користуються щотижня або частіше — проблема вже не «чи використовувати», а «наскільки глибоко».
Використання поки поверхневе: домінують пошук інформації та робота з текстами; аналітика, автоматизація та програмування — це ще незадіяний потенціал.
ChatGPT — де-факто стандарт (58% основний інструмент), Copilot — другий за рахунок корпоративного доступу. Claude — маркер зрілості: основний лише для 6 осіб загалом, але для 50% ядра клубу.
Найефективніші напрямки
Клуб ШІ працює. Різниця в рівні між учасниками й неучасниками (3.94 проти 2.51) — найсильніший ефект у всьому дослідженні. Розширення клубу — це, ймовірно, найбільш підтверджений даними важіль впливу.
Сплячий резерв реальний: 18 з 37 співробітників поза клубом уже готові до практики, а 9 з них тепло ставляться до приєднання — цільова точка для першої хвилі розширення.
Навчання промптингу дає найбільше поширення ефекту (r=0.77 із загальним рівнем) — сильніший за просто частоту використання.
«Каскад» потребує окремої уваги — найнижчий середній рівень (2.30) і лише 1 представник ядра клубу з 10 співробітників.
Можливі шляхи покращення
Розширити ядро Клубу ШІ через «сплячий резерв» (18 готових поза клубом), а не через загальний набір — конверсія там вища.
Побудувати воркшоп на порівняльному розборі моделей (ChatGPT vs Claude vs Copilot) під конкретні кейси компанії, а не на базовому промптингу — залучивши ядро клубу як менторів для команд із низькою активністю.
Змістити фокус навчання із «загального ознайомлення» на промпт-інжиніринг, роботу з різними моделями, перевірку якості відповідей та автоматизацію — саме ці навички респонденти називають пріоритетними.
Формат — короткі відео й вебінари як основа, підкріплені практичними завданнями між сесіями (60% готові їх виконувати).
Цільова підтримка для «Каскад» — окрема сесія або менторство від ядра клубу, щоб підтягти показники до рівня інших компаній.