Вот, кстати, в продолжение этого закона. Workday опросили 3200 руководителей. 85% сотрудников экономят от одного до семи часов в неделю на ИИ. И почти 40% сэкономленного времени уходит обратно: на перепроверку, правку и переделку того, что модель выдала быстро, но не всегда верно. Она отрабатывает за минуту, а потом ты тратишь сэкономленный час на то, чтобы убедиться, что она не наврала. Закон Гудхарта формулируется так: когда показатель становится целью, он перестаёт быть хорошим показателем. Компании измеряют успех внедрения ИИ в сэкономленных часах. Купили лицензии, посчитали часы, отчитались о productivity. Но сэкономленный час сам по себе ценности не создаёт. Её создаёт то, что ты с этим часом делаешь, а вот этого решения почти никто не принял. В итоге прокси-метрика отрывается от реальной цели. Стэнфорд и BetterUp описали явление workslop: ИИ-контент, который выглядит гладко, но внутри пустой. 40% американских работников получили такое за последний месяц. Throughput растёт, качество за ним не поспевает, а за разрыв платит тот, кто стоит ниже по цепочке. Дефолтная реакция менеджмента показывает подмену цели ещё честнее: время освободилось, значит можно требовать больше выхлопа с тех же людей. Не лучше работать, а просто больше. Дальше по списку идут переработки и выгорание. И самое структурное. PwC за 2026 год: около трёх четвертей экономического эффекта от ИИ достаётся примерно пятой части компаний. Не тем, у кого лучшие модели, а тем, кто заранее решил, на что пойдёт освобождённое время. Они просто не перепутали прокси с целью. Узкое место не в способностях модели. Оно слоем выше, в управленческом решении о том, что делать с выигрышем. ИИ выдаёт тебе час. Что будет дальше, зависит от того, есть ли у компании ответ на вопрос, зачем ей этот час. У большинства ответа нет, поэтому часы просто падают на пол. https://thenextweb.com/news/ai-saves-time-companies-waste-the-gain