{
  "packet_id": "E4A-UNK-01",
  "executor": "claude-sonnet subagent (rework RW-1)",
  "finished_at": "2026-09-23T11:38:40Z",
  "status": "submitted",
  "entities": [
    {
      "entity_id": "CAND-b6d0a90d8475645a",
      "label_ru": "Анонимная европейская технологическая сервисная компания — трёхмесячный полевой эксперимент с кастомным GenAI-ассистентом для 316 сотрудников: рост сетевой центральности и производительности, эффект различается по ролям",
      "evidence_level": "C",
      "level_basis_ru": "В этой доработке лично найден и полностью прочитан полный текст рабочей статьи (INSEAD Working Paper 2026/01/STR, R. Büchsenschuss, I. Koch-Bayram, T. Biemann, P. Puranam, 'The Impact of Generative AI Adoption on Organizational Networks: Evidence From A Field Experiment') — PDF получен по прямой ссылке storage.ghost.io, найденной через WebSearch, и лично прочитан целиком (не только abstract, как в предыдущей версии карточки). Номер рабочей статьи подтверждён как 2026/01/STR (расхождение с '2026/22/STR' из предыдущей версии карточки разрешено — 2026/01/STR указан и на титульном листе PDF, и на официальной странице INSEAD). Авторы — независимые академические исследователи (University of Mannheim, INSEAD), не сотрудники изучаемой компании; исследование не финансировано самой компанией явно (финансирование не раскрыто в открытой части). Однако единственное происхождение эмпирических данных — одна компания (316 сотрудников, 42 команды), и КЛЮЧЕВОЙ момент, обнаруженный при чтении полного текста: все основные показатели (число связей сотрудничества/обмена знаниями, число проектов, удовлетворённость) — самоотчёт сотрудников через опросы ('self-reported by employees'), а не централизованно извлечённые объективные данные платформы; авторы сами признают это как ограничение (риск recall bias). По правилу 'независимость авторов статьи ≠ независимость происхождения данных' и при отсутствии второго независимого источника с теми же цифрами — уровень остаётся C, как и в исходной оценке W8-FIELD-WORK-12 (дубль этого случая в пакете W8-FIELD-WORK, не входит в мою доработку).",
      "outcome": "success",
      "outcome_basis_ru": "Исправление по замечанию проверяющего: исход изменён с mixed на success. При полном чтении статьи подтверждено, что ВСЕ измеренные эффекты положительны и однонаправленны, различается только их величина и распределение по ролям (специалисты/универсалы), а не знак эффекта. Рандомизированный 3-месячный полевой эксперимент (опросы: базовый — сентябрь 2024, повторный — декабрь 2024; выборка 316 из 333 приглашённых, отклик 95,5% и 95,2% на двух волнах) в анонимной технологической сервисной компании Центральной Европы, 42 команды. Критерий авторов: (1) центральность в сети сотрудничества — рост degree centrality на 7,77 в группе с ИИ против 1,12 в контроле (разница 6,65 п.п., p<0,001); (2) центральность в сети обмена знаниями — рост на 5,21 против 0,84 (разница 4,37 п.п., p<0,001); оба эффекта статистически значимо положительны для ВСЕЙ группы с доступом к ИИ, без отрицательных подгрупп. Ролевые различия: гипотеза о более сильном росте центральности сотрудничества у специалистов НЕ подтвердилась (взаимодействие AI×Generalist статистически незначимо, p>0,10 по всем метрикам центральности сотрудничества) — рост примерно одинаков для специалистов и универсалов (7,45 vs 7,30 п.п.). В сети знаний специалисты (техподдержка) получили значимо больший прирост входящей центральности как источники знаний (+5,92 п.п. против +1,96 п.п. у универсалов; взаимодействие -3,954, p<0,05) — оба положительны, но специалисты сильнее. По производительности (число выполненных проектов) — у универсалов рост с 12,7 до 16,3 проекта (+28,3%, p<0,001), у специалистов — с 4,29 до 5,42 (+26,4%, p<0,001); оба роста статистически значимы и положительны, у универсалов больше в абсолютном выражении, у специалистов — сопоставимо в относительном. Таким образом, разнонаправленности эффектов (как в исходной версии карточки, ошибочно классифицированной как mixed) нет — есть количественная гетерогенность величины положительного эффекта по ролям, что соответствует success, а не mixed.",
      "primary_category": "agentic_interaction",
      "extra_labels": [
        "process_restructuring"
      ],
      "metrics": [
        {
          "name_ru": "Рост degree centrality в сети сотрудничества (группа с ИИ vs контроль)",
          "value": "7.77 vs 1.12",
          "unit": "прирост показателя центральности; разница 6,65 п.п., p<0,001",
          "period": "3 месяца (сентябрь–декабрь 2024)",
          "baseline": "контрольная группа без доступа к GenAI",
          "source_url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf"
        },
        {
          "name_ru": "Рост degree centrality в сети обмена знаниями (группа с ИИ vs контроль)",
          "value": "5.21 vs 0.84",
          "unit": "прирост показателя центральности; разница 4,37 п.п., p<0,001",
          "period": "3 месяца (сентябрь–декабрь 2024)",
          "baseline": "контрольная группа без доступа к GenAI",
          "source_url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf"
        },
        {
          "name_ru": "Рост производительности универсалов (число выполненных проектов)",
          "value": "12.7 → 16.3",
          "unit": "проектов; +28,3%, t=13,17, p<0,001",
          "period": "3 месяца, до/после внедрения GenAI",
          "baseline": "12.7 проекта до внедрения",
          "source_url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf"
        },
        {
          "name_ru": "Рост производительности специалистов (число выполненных проектов)",
          "value": "4.29 → 5.42",
          "unit": "проектов; +26,4%, t=6,39, p<0,001",
          "period": "3 месяца, до/после внедрения GenAI",
          "baseline": "4.29 проекта до внедрения",
          "source_url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf"
        },
        {
          "name_ru": "Отклик на опросы (методологический показатель, не эффект)",
          "value": "95.5 / 95.2",
          "unit": "% (318 из 333 на первой волне; 317 из 333 на второй; итоговая выборка n=316)",
          "period": "сентябрь 2024 (пре) / декабрь 2024 (пост)",
          "baseline": null,
          "source_url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf"
        }
      ],
      "claims": [
        {
          "claim_ru": "Рандомизированный полевой эксперимент охватил 316 сотрудников в 42 командах анонимной технологической сервисной компании Центральной Европы; 42 команды случайно распределены между доступом к кастомизированному GenAI-ассистенту (treatment) и контролем.",
          "status": "SOURCE_CLAIM",
          "what_verified": "implementation_fact",
          "evidence": [
            {
              "url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf",
              "title": "The Impact of Generative AI Adoption on Organizational Networks: Evidence From A Field Experiment (INSEAD Working Paper 2026/01/STR, полный текст)",
              "publisher": "University of Mannheim / INSEAD",
              "published": "2026",
              "origin": "academic",
              "quote_original": "We test these predictions in a randomized field experiment at a technology services firm in Central Europe. We study 316 employees across 42 teams, randomly assigning teams to receive access to a grounded GenAI tool tailored to the firm's knowledge base (treatment) or to continue as usual without access to AI (control).",
              "quote_ru": "Мы проверяем эти предсказания в рандомизированном полевом эксперименте в технологической сервисной компании Центральной Европы. Мы изучаем 316 сотрудников в 42 командах, случайно распределяя команды между доступом к GenAI-инструменту, настроенному на базу знаний компании (лечение), и продолжением работы как обычно без доступа к ИИ (контроль)."
            }
          ]
        },
        {
          "claim_ru": "Через три месяца сотрудники с доступом к ассистенту значимо повысили центральность в обеих сетях (сотрудничества и знаний) по сравнению с контролем; специалисты (техподдержка) выросли больше по центральности знаний как источники знаний, универсалы (продажи) — больше по абсолютному числу выполненных проектов; различие в приросте центральности сотрудничества между ролями статистически незначимо.",
          "status": "SOURCE_CLAIM",
          "what_verified": "observed_result",
          "evidence": [
            {
              "url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf",
              "title": "The Impact of Generative AI Adoption on Organizational Networks (полный текст, раздел Results)",
              "publisher": "University of Mannheim / INSEAD",
              "published": "2026",
              "origin": "academic",
              "quote_original": "For In-Degree centrality, the measure most directly reflecting centrality as sources of knowledge, specialists experienced an increase of 5.92, whereas generalists increased by only 1.96. The AI × Generalist interaction for In-Degree was negative and significant (AI × Generalist interaction = –3.954; p < .05) ... however, the interaction terms capturing the differential effect of AI adoption for generalists versus specialists were not statistically significant for degree ... In-Degree centrality ... or Out-Degree ... In other words, although both groups saw increases, there was no differential effect of AI on collaboration centrality.",
              "quote_ru": "Для входящей центральности (In-Degree), показателя, наиболее прямо отражающего центральность как источника знаний, у специалистов прирост составил 5,92, у универсалов — только 1,96. Взаимодействие ИИ × Универсал для входящей центральности было отрицательным и значимым (–3,954; p<0,05) ... однако члены взаимодействия, отражающие дифференциальный эффект внедрения ИИ для универсалов против специалистов, не были статистически значимы для degree ... входящей центральности ... или исходящей центральности. Иными словами, хотя обе группы показали рост, дифференциального эффекта ИИ на центральность сотрудничества не было."
            }
          ]
        },
        {
          "claim_ru": "Все первичные показатели (число связей сотрудничества и обмена знаниями, производительность, удовлетворённость доступом к знаниям) — самоотчёт сотрудников через опросы, а не централизованно извлечённые объективные данные платформы; авторы прямо признают это ограничением.",
          "status": "VERIFIED",
          "what_verified": "implementation_fact",
          "evidence": [
            {
              "url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf",
              "title": "The Impact of Generative AI Adoption on Organizational Networks (раздел Limitations)",
              "publisher": "University of Mannheim / INSEAD",
              "published": "2026",
              "origin": "academic",
              "quote_original": "Second, our measures of collaboration and knowledge ties relied on self-reported survey data. ... survey-based network data can be susceptible to recall bias or respondent perception errors, participants might forget certain interactions or might over/under-report ties based on recent experiences or subjective impressions.",
              "quote_ru": "Во-вторых, наши измерения связей сотрудничества и знаний опирались на данные опросов, заполняемых самими сотрудниками. ... сетевые данные на основе опросов подвержены смещению из-за забывания (recall bias) или ошибок восприятия респондентов: участники могут забывать отдельные взаимодействия или завышать/занижать число связей на основе недавнего опыта или субъективных впечатлений."
            }
          ]
        },
        {
          "claim_ru": "Исследование проведено в одной организации (единственное происхождение данных), что ограничивает обобщаемость результатов; пострадиционный горизонт наблюдения — только 3 месяца, без данных о долгосрочной устойчивости эффекта.",
          "status": "VERIFIED",
          "what_verified": "none",
          "evidence": [
            {
              "url": "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf",
              "title": "The Impact of Generative AI Adoption on Organizational Networks (раздел Limitations)",
              "publisher": "University of Mannheim / INSEAD",
              "published": "2026",
              "origin": "academic",
              "quote_original": "First, our study was conducted in a single organization. While this allowed for a controlled examination of AI's impact in one context, it does limit the generalizability of the findings. ... our post-intervention window was three months, which captured the initial effects of GenAI adoption, but longer-term studies could reveal whether these network changes persist, amplify, or even reverse over time.",
              "quote_ru": "Во-первых, наше исследование проведено в одной организации. Хотя это позволило контролируемо изучить эффект ИИ в одном контексте, это ограничивает обобщаемость результатов. ... окно наблюдения после вмешательства составило три месяца, что зафиксировало начальные эффекты внедрения GenAI, но более долгосрочные исследования могли бы показать, сохраняются ли, усиливаются ли или даже обращаются ли вспять эти сетевые изменения со временем."
            }
          ]
        }
      ],
      "arithmetic": [
        {
          "expr": "(16.30-12.70)/12.70 (рост производительности универсалов)",
          "result": "0,283 = 28,3%, совпадает с расчётом авторов",
          "matches_source": true
        },
        {
          "expr": "(5.42-4.29)/4.29 (рост производительности специалистов)",
          "result": "0,263 ≈ 26,3-26,4%, совпадает с расчётом авторов (26,4%)",
          "matches_source": true
        },
        {
          "expr": "318/333 и 317/333 (отклик на опросы)",
          "result": "0,955 и 0,952 — совпадает с заявленными 95,5% и 95,2%",
          "matches_source": true
        }
      ],
      "counter_evidence_ru": "Прямого отрицательного показателя в полном тексте не обнаружено — все измеренные эффекты положительны. Единственное ограничение однородной пользы — статистически незначимая разница между ролями по центральности сотрудничества (гипотеза 2a авторов не подтвердилась) и признание авторами, что связь между специализацией/универсальностью и типом выигрыша не может интерпретироваться причинно, так как роль (специалист/универсал) не была рандомизирована.",
      "alternative_explanations_ru": "Поскольку все ключевые метрики — самоотчёт через опросы, нельзя полностью исключить, что часть роста 'центральности' и 'производительности' отражает изменение восприятия/отчётности сотрудников (например, эффект Хоторна от участия в эксперименте с двумя волнами опроса), а не исключительно содержательный рост сотрудничества и продуктивности; авторы сами указывают на этот риск и предлагают в будущем дополнять опросы объективными цифровыми следами (метаданные коммуникаций).",
      "human_role_ru": "ИИ-ассистент дополняет рабочие процессы сотрудников поддержки (специалистов) и продаж (универсалов), кастомизирован под базу знаний компании (RAG/fine-tuning); не заменяет сотрудников, а меняет структуру их взаимодействия друг с другом — рост сетевой центральности интерпретируется авторами как результат снижения издержек координации ('translator') и повышения ценности сотрудника как источника знаний ('knowledge catalyst').",
      "timeline_ru": "Сентябрь 2024 — базовый (пре-интервенционный) опрос; конец сентября 2024 — начало тренингов/внедрения GenAI-ассистента; декабрь 2024 — повторный (пост-интервенционный) опрос через 3 месяца; working paper датирован 2026 годом, номер 2026/01/STR, электронная копия на SSRN (abstract=6028034, полный текст на SSRN недоступен, HTTP 403). Целевой поиск публикации в рецензируемом журнале, критики или более поздних версий выполнен 23.09.2026 — по данным поисковой выдачи статья остаётся рабочей статьёй ('under review'), в традиционном рецензируемом журнале на дату поиска не опубликована; новых материалов о репликации или опровержении не найдено.",
      "limitations_ru": "Все первичные метрики — самоотчёт через опросы, а не объективные данные платформы (риск recall bias, явно признан авторами). Исследование проведено в одной организации без второго независимого подтверждения тех же цифр — уровень C сохранён, несмотря на полный доступ к тексту статьи. Роли специалист/универсал не были рандомизированы, поэтому ролевые различия в эффекте нельзя интерпретировать причинно (сами авторы это подчёркивают). Горизонт наблюдения — 3 месяца, долгосрочная устойчивость эффекта не изучена. Данный случай — дубль W8-FIELD-WORK-12 в пакете W8-FIELD-WORK (тот же working paper, доступ там был только через Crossref, без полного текста); при сведении итогов по проекту рекомендуется учитывать это исследование только один раз.",
      "counted_in_120_proposed": false,
      "reason_ru": "Уровень C сохранён (единственное происхождение данных — одна компания, без второго независимого подтверждения тех же цифр, несмотря на полный личный доступ к тексту статьи в этой доработке) — не даёт оснований для зачёта в 120. Исход исправлен на success по замечанию проверяющего: все измеренные эффекты положительны, разнонаправленности показателей нет, различается только величина эффекта по ролям.",
      "sources_opened": [
        "https://www.insead.edu/faculty-research/publications/working-papers/impact-generative-ai-adoption-organizational-networks (повторно открыт в этой доработке — подтверждён номер WP 2026/01/STR)",
        "https://storage.ghost.io/c/73/a9/73a90ce4-1663-4169-a7cb-efdf906b6b25/content/files/2026/02/The-Impact-of-Generative-AI-Adoption-on-Organizational-Networks--Evidence-From-A-Field-Experiment.pdf (полный текст статьи, найден через WebSearch и лично прочитан целиком в этой доработке — ключевое новое достижение по сравнению с предыдущей версией карточки, где был доступен только abstract)"
      ],
      "unreachable": [
        "https://www.ssrn.com/abstract=6028034 (HTTP 403)",
        "https://www.researchgate.net/publication/399506388_The_Impact_of_Generative_AI_Adoption_on_Organizational_Networks_Evidence_From_A_Field_Experiment (HTTP 403)",
        "https://sites.insead.edu/facultyresearch/research/doc.cfm?did=74966 (ранее установлено, что ссылка ведёт на другую, не относящуюся к делу статью)"
      ],
      "rework_notes_ru": "Доработка по замечаниям проверяющего (verify.json, needs_rework): (1) исход исправлен с mixed на success — при полном чтении статьи (найден прямой PDF через WebSearch, ранее недоступный) подтверждено, что ВСЕ измеренные эффекты положительны и статистически значимы, разнонаправленности нет, различается лишь величина эффекта по ролям (для центральности сотрудничества различие между ролями вообще статистически незначимо); (2) номер рабочей статьи подтверждён как 2026/01/STR (расхождение с 2026/22/STR из предыдущей версии разрешено — на титульном листе полного текста и на странице INSEAD указан 2026/01/STR); (3) дополнительно обнаружено и учтено: все метрики — самоотчёт сотрудников (не объективные данные платформы), что осталось незамеченным в предыдущей версии карточки и является существенным ограничением уровня доказательности; добавлены точные цифры (степени центральности, p-значения, t-статистики, отклик на опросы) из полного текста; (4) явно зафиксирован дубль с W8-FIELD-WORK-12 в пакете W8-FIELD-WORK — та же работа, куда данная доработка не вносит изменений (не входит в моё назначение). Уровень C и counted_in_120=false сохранены. Использован 1 вызов WebSearch (поиск публикации/критики), давший прямую ссылку на полный текст PDF статьи."
    }
  ],
  "packet_notes_ru": "Доработка needs_rework по CAND-b6d0a90d8475645a (INSEAD WP 2026/01/STR). Найден и полностью прочитан полный текст статьи (ранее был доступен только abstract). Исход исправлен с mixed на success (проверяющий указал неверную классификацию). Уровень C и незачёт в 120 сохранены. Дубль W8-FIELD-WORK-12 отмечен явно. Использован 1 вызов WebSearch."
}