Google ATLAS: як використовують Gemini на роботі й у побуті

Google проаналізував майже 14,7 млн деідентифікованих взаємодій із Gemini App, AI Mode та Gemini API, щоб з’ясувати, для чого люди вже використовують генеративний ШІ на роботі й у побуті. Результат не підтверджує ані сценарій швидкої заміни більшості працівників, ані твердження, що ШІ лишився інструментом лише для програмістів.

Перший випуск AI & Economy ATLAS показує значно складнішу картину: використання Gemini вже помітне в багатьох професіях, але всередині кожної з них охоплює лише частину завдань. Найчастіше люди звертаються до системи по інформацію, пояснення, ідеї, стратегію або допомогу з чернеткою, а не передають їй усю роботу від початку до кінця.

Головні висновки Google ATLAS

• До фінальної вибірки увійшло 14 653 926 взаємодій за два тижні — з 6 до 19 квітня 2026 року.
• Використання вище встановленого порога зафіксували у 68% деталізованих професій, які відповідають 88,4% цивільної зайнятості США.
• Серед професій, де хоча б одне завдання подолало окремий поріг використання, медіанна частка таких завдань становила 21%.
• У нерутинній когнітивній роботі менш як 10% взаємодій класифікатор пов’язав із наміром автоматизувати основне завдання або значну підзадачу від початку до кінця.
• 86,5% розмов у Gemini App та AI Mode було віднесено до використання поза роботою; запити через API в цей показник не входять.

Кожне з цих чисел має важливе уточнення. Це не опитування всіх працівників і не вимірювання всього ринку ШІ. ATLAS спостерігав лише за вибраними продуктами Google, застосовував пороги приватності та класифікував імовірну мету запиту, але не бачив, чи користувач успішно завершив роботу після відповіді.

Що саме досліджував ATLAS

ATLAS розшифровується як Activity, Task, Landscape, and Adoption Study. За поясненням Google, проєкт має стати довготривалим спостереженням за тим, як змінюється використання ШІ. Перша версія охоплює понад 150 країн і територій, близько 140 мов, більш ніж 800 професій та приблизно 4 000 робочих завдань.

Джерелами стали Gemini App, AI Mode у пошуку та Gemini API. Для застосунку й AI Mode одиницею аналізу була послідовність повідомлень у розмові, а для API — одна пара «запит–відповідь». Google відібрав приблизно по п’ять мільйонів взаємодій із кожної поверхні, а потім зважив результати відповідно до їхньої загальної частки використання.

Перед аналізом система видаляла персональні дані, замінювала внутрішні ідентифікатори на незв’язані UUID, створювала короткі узагальнення та відкидала первинний текст. Взаємодії об’єднали у 550 407 кластерів, а групи, що представляли менш як десять унікальних користувачів, не включали до результатів. Далі інструмент OCTO та моделі-класифікатори зіставляли кластери з таксономіями професій, робочих завдань і побутових активностей.

Такий метод дає масштаб, недоступний звичайному опитуванню, але не перетворює висновки на точний перепис. Класифікація залишається ймовірнісною, короткі запити та вкладені файли не аналізувалися, а люди, які не користуються продуктами Google, у вибірці взагалі відсутні.

ШІ поширився широко, але не охопив усю роботу

Найпомітніший результат — різниця між охопленням професій та проникненням у завдання. Дослідники зафіксували суттєве використання у 68% деталізованих професій. Для цього професія мала набрати щонайменше 50 унікальних користувачів Gemini у глобальній вибірці. За структурою американського ринку праці ці професії відповідають 88,4% цивільної зайнятості.

Це не означає, що 88,4% працівників уже користуються Gemini. Число показує лише те, яку частину зайнятості представляють професії, у яких дослідники побачили достатню активність. Навіть у таких професіях система не охоплює більшість обов’язків.

Для окремого завдання порогом були щонайменше 25 унікальних користувачів. Серед професій, де хоча б одне завдання подолало цей поріг, медіанна «насиченість» становила 21%. Професії з нульовим показником із цього розрахунку виключили. Тому коректний висновок звучить так: використання вже з’явилося в багатьох сферах, але за визначенням самого дослідження лишається вибірковим.

Допомога переважає над повною автоматизацією

Google розподілив робочі взаємодії за п’ятьма намірами: автоматизація завдання, створення часткової чернетки, перевірка й удосконалення, пошук ідей та стратегії, а також отримання інформації й навчання. У нерутинній когнітивній роботі — творчих, аналітичних і стратегічних завданнях — менш як 10% запитів класифікатор відніс до повної автоматизації основного завдання або значної підзадачі.

Для рутинної когнітивної роботи частка такого наміру перевищувала чверть. Це логічна відмінність: структуроване перетворення даних чи типовий документ простіше передати системі повністю, ніж сформувати стратегію або ухвалити рішення з неоднозначними наслідками.

Проте ATLAS вимірює формулювання запиту, а не кінцевий результат. Дослідники не бачили, чи людина прийняла відповідь, скільки часу зекономила, чи довелося все переробити і хто відповідав за фінальне рішення. Тому показник менш як 10% не доводить, що саме така частка завдань була реально автоматизована.

Gemini використовують і в технічних та фізичних професіях

Дані спростовують просте уявлення, ніби розмовний ШІ потрібен лише офісним працівникам. Автомеханіки, промислові механіки та фахівці з ремонту зверталися до нього для інтерпретації результатів тестів, пошуку несправностей у проводці, аналізу повідомлень про помилки й оцінювання зношення обладнання.

У таких професіях частка мультимодальних взаємодій була більш ніж удвічі вищою за середній показник робочих запитів. Працівник може показати системі деталь, схему або показник приладу й отримати пояснення, але фізичну дію, перевірку безпеки та відповідальність усе одно бере на себе людина.

Це відповідає загальному принципу роботи сучасних моделей, який ми пояснювали в матеріалі про те, як працює штучний інтелект: система знаходить статистично корисні зв’язки у вхідних даних, але не отримує автоматично повного контексту реальної ситуації.

Більшість розмов узагалі не стосується роботи

У вибірці розмовних продуктів — Gemini App та AI Mode, без API — 86,5% взаємодій класифікували як неробочі. Люди використовували ШІ для навчання, вибору покупок, побутових справ, пояснення інструкцій і навігації складними адміністративними процедурами, зокрема податками, ліцензіями та штрафами.

Ця активність часто не потрапляє до показників продуктивності компаній або ВВП, хоча може зменшувати час і напруження від повсякденних завдань. Водночас дослідження не вимірювало якість порад. Для медичних, юридичних і фінансових питань зручна цілодобова відповідь не скасовує потреби перевіряти інформацію та звертатися до кваліфікованого спеціаліста.

Англійська — лише близько третини розмовної вибірки

ATLAS охопив 143 мови, які подолали пороги приватності. Англійська становила трохи більше третини розмов у Gemini App та AI Mode. Дослідники не побачили систематичного переходу на англійську для складніших робочих завдань: користувачі переважно продовжували спілкуватися рідною мовою.

Водночас використання на одну особу загалом зростало разом із ВВП країни. Це може вказувати на цифровий розрив у доступі до пристроїв, інтернету, платних функцій і навичок, хоча окремі країни із середнім доходом показали вищу активність, ніж передбачав би лише рівень добробуту.

Чого це дослідження не доводить

• Це не весь ринок ШІ. Вибірка стосується Gemini App, AI Mode та частини Gemini API, а не ChatGPT, Claude, локальних моделей чи інших сервісів.
• Це короткий знімок. Дані охоплюють лише два тижні квітня 2026 року, а поведінка користувачів і можливості моделей швидко змінюються.
• Професійне використання може бути недооцінене. Основна таксономізована вибірка не включає платний Gemini API, Vertex AI, корпоративний контент Google Cloud, Workspace та низку інших продуктів.
• Намір не дорівнює результату. Класифікатор оцінював зміст взаємодії, але не перевіряв продуктивність, правильність, економію часу або реальне завершення завдання.
• Охоплення професії не дорівнює частці працівників. Пороги показують, де в глобальній вибірці була достатня кількість користувачів, а не скільки людей у професії користуються ШІ.

Що це означає для звичайного користувача й бізнесу

Найсильніший висновок ATLAS — не «ШІ забере роботу» і не «ШІ нічого не змінює». На нинішньому етапі Gemini найчастіше вбудовується в окремі частини процесу: допомагає знайти інформацію, пояснити проблему, сформувати варіанти, створити першу версію або перевірити результат.

Для команди практичніше спочатку визначити повторювані й перевірювані завдання, а потім обрати інструмент і метрику якості. Наш огляд AI-інструментів для роботи допоможе зіставити сценарій із сервісом, але рішення все одно має включати перевірку фактів, правила доступу до даних і відповідального за фінальний результат.

ATLAS цінний тим, що замінює частину гучних прогнозів реальними поведінковими даними. Але навіть майже 14,7 млн взаємодій не дають підстав говорити від імені всіх користувачів ШІ. Це велика й корисна карта одного екосистемного фрагмента — з чіткими сигналами про широке поширення, вибіркове застосування та перевагу допомоги над повним делегуванням.