В бизнесе уже привыкли передавать некоторые задачи на аутсорсинг – это нормальная практика. Но вместе с нейросетями появляется новый тип аутсорсинга – когнитивный. Человек начинает передавать наружу не задачу, а мыслительный процесс.
Как проявляется когнитивный аутсорсинг
- Не «собери данные», а «сделай вывод».
- Не «помоги написать черновик», а «сформулируй мою позицию».
- Не «покажи варианты», а «скажи, какой из них правильный».
- Не «сократи текст», а «реши, что главное».
Разница здесь принципиальная. Когда ИИ начинает думать вместо человека, он незаметно забирает у него тренировку мышления – бесценный навык, без которого любой светлый ум просто ослабеет. И здесь для руководителя важен не сам факт использования нейросети, а качество работы человека после ее ответа: сопоставил ли результат с реальным контекстом компании или просто принял красиво оформленный текст за управленческое решение.
Почему важно следить за качеством мышления сотрудников
ИИ не забирает у человека мышление силой. Люди сами охотно отдают часть себя. Дальше наступает момент, когда человек уже не использует технологию как инструмент, но начинает ждать от нее внутреннего разрешения: что сказать, как думать, какую позицию занять, какое решение считать правильным.
Для бизнеса это уже не философский вопрос – возникает серьезный управленческий риск. Компания может внедрять ИИ ради скорости и эффективности, но незаметно получить снижение самостоятельности мышления, качества анализа и личной ответственности за решения. Человеку становится психологически удобно быть менее включенным.
Никто не говорит себе: «Сегодня я перестану думать». Все происходит гораздо мягче. Сначала сотрудник просит нейросеть написать письмо, потом – подготовить коммерческое предложение, затем – придумать стратегию. Далее – сформулировать позицию по сложному вопросу, потом – объяснить, прав он или нет, а затем – решить, как поступить.
Формально человек все еще управляет процессом: задает запрос, выбирает вариант, редактирует текст. Но, по сути, центр тяжести постепенно смещается. Раньше специалист сам проходил путь от вопроса к выводу. Теперь он все чаще получает готовый вывод и уже вокруг него строит свои объяснения. Это тонкая подмена. Внешне работа не исчезает, документы появляются, письма отправляются, презентации собираются, решения принимаются. Но внутри процесса становится меньше настоящего напряжения мысли. А профессионализм как раз и рождается из этого напряжения: когда человек сомневается, проверяет, сравнивает, ошибается, спорит с собой, возвращается к фактам, меняет первоначальную гипотезу. ИИ убирает не только рутину, он соблазняет убрать внутренний труд.
Как искусственный интеллект меняет качество решений
В 2024 году Microsoft и LinkedIn в одном из своих отчетов показали, что 75% работников интеллектуального труда уже используют ИИ на работе. Более того, 78% пользователей приносят на работу собственные ИИ-инструменты, часто без полноценного контроля со стороны компании.
Эти цифры важны не только как показатель популярности технологии. Они показывают другое: ИИ встроился в рабочие процессы быстрее, чем многие компании успели осознать, как именно он меняет качество решений. Сотрудники не ждут регламентов. Они уже используют нейросети для писем, презентаций, аналитики, поиска идей, резюме встреч, подготовки аргументов. Иногда это повышает продуктивность, иногда – создает серую зону ответственности.
- Кто проверил данные?
- Кто отвечает за вывод?
- Кто понимает, где ИИ помог, а где подменил экспертизу?
- Кто видит, что человек уже не анализировал, а только принял красиво оформленный ответ?
В этом и состоит управленческий вызов. Компании внедряют ИИ ради эффективности, но могут получить не только рост скорости, но и снижение самостоятельности мышления.
Тревожные выводы дает исследование Microsoft Research 2025 года о влиянии генеративного ИИ на критическое мышление. Исследователи опросили 319 работников интеллектуального труда и разобрали 936 реальных примеров использования ИИ в рабочих задачах. Оказалось, чем выше уверенность человека в ИИ, тем меньше он склонен включать критическое мышление. А чем выше уверенность человека в собственных профессиональных силах, тем больше он проверяет, уточняет, сопоставляет и берет на себя интеллектуальную работу. Это тонкая, но принципиальная разница.
Слабый специалист начинает относиться к нейросетям как к авторитету:
- Он не проверяет, потому что «звучит логично».
- Не уточняет, потому что «вроде, похоже на правду».
- Не сомневается, потому что текст выглядит профессионально.
Так появляется новая профессиональная опасность: не некомпетентность, а уверенная некомпетентность, усиленная красивой машинной формой.
Почему ИИ ускоряет, но не делает людей умнее
Эксперимент Гарвардской Бизнес-школы с участием 758 консультантов показал неоднозначную картину. При выполнении ряда задач с помощью GPT-4 участники работали быстрее, выполняли больше заданий и давали более качественные решения. Но на задачах, которые находились за пределами возможностей ИИ, результат менялся: участники с доступом к ИИ чаще ошибались, чем те, кто работал без него.
Действительно, у искусственного интеллекта есть «рваная граница» возможностей. В одних задачах технология усиливает человека, в других – создает опасную иллюзию компетентности. Проблема в том, что эта граница не всегда видна пользователю.
Когда человек понимает предмет, он может заметить: здесь ответ слабый, здесь логика нарушена, здесь не хватает контекста, здесь модель красиво обошла сложный вопрос. А если человек сам не владеет темой, он часто не способен понять, где ИИ помог, а где завел его в сторону. Именно поэтому нейросеть особенно опасна не для сильных экспертов, а для тех, кто использует его, чтобы выглядеть экспертом, не пройдя путь к экспертизе.
Где человек проигрывает ИИ
- Анализ. Руководители, маркетологи, консультанты, редакторы, предприниматели просят ИИ «проанализировать рынок», «найти инсайты», «сделать выводы». Но анализ – это не пересказ информации. Анализ начинается там, где нужно понять, что важно именно в этой ситуации. ИИ может собрать вероятные версии. Но он не знает, что происходит внутри компании. Не чувствует неформальные конфликты, страхи команды, реальное качество продукта, усталость собственника, слабость отдела продаж, странности поведения клиента. А бизнес часто ломается не там, где плохо написана стратегия, а там, где никто не учел живую реальность.
- Коммуникации. Люди отдают ИИ не только технические тексты, но и собственный голос. Письма клиентам, обращения к команде, посты, статьи, поздравления, извинения, благодарности, даже комментарии в соцсетях. Постепенно возникает странная ситуация: человек общается с человеком через текст, в котором самого человека почти не осталось. Да, такой текст может быть грамотным, вежливым, структурным, убедительным. Но в нем нет главного – личной интонации, внутренней позиции, «прожитого» отношения к адресату. А доверие рождается не из идеальной формулировки. Оно рождается из ощущения, что с тобой говорит живой человек, который понимает, что он говорит и зачем.
- Профессиональный вкус. Это особенно заметно в маркетинге, дизайне, медиа, контенте. ИИ быстро предлагает «хорошие» варианты. В кавычках, потому что они часто выглядят правильно, но не имеют характера. Они похожи на среднюю температуру по рынку: аккуратно, приемлемо, безопасно, узнаваемо, и при этом обезличенно и очень друг на друга похоже. Но вкус нельзя полностью делегировать. Это не просто способность выбрать красивое. Это способность сказать: вот это точно не наше, хотя выглядит модно; вот это слишком громко; вот здесь нет правды; вот это понравится всем, но не запомнится никому. Человек, который перестает тренировать вкус, быстро начинает принимать усредненное за качественное.
- Принятие решений. Здесь ИИ особенно соблазнителен, ведь дает ощущение опоры. Можно попросить его сравнить варианты, расписать риски, составить таблицу, предложить «оптимальное решение». И это действительно полезно, до тех пор, пока человек помнит, что таблица не несет ответственности. В реальном управлении решения часто принимаются не между хорошим и плохим. Они принимаются между двумя неприятными вариантами: между быстрым ростом и риском перегрузить команду; между красивой идеей и слабой операционной базой; между желанием понравиться клиенту и необходимостью сказать ему неудобную правду. ИИ может описать сценарии, но выбирать должен человек.
- Обучение молодых специалистов. Кажется, что с ИИ учиться стало проще. Но есть обратная сторона: человек все реже остается с трудным вопросом достаточно долго, чтобы действительно в нем разобраться. Раньше незнание раздражало и заставляло думать. Теперь незнание можно мгновенно закрыть ответом. Но быстрый ответ не всегда превращается в понимание. Понимание появляется, когда человек сам связывает факты, делает выводы, пробует применить знание, ошибается и корректирует свою картину мира. Без этого он становится не умнее, а просто лучше снабжен готовыми объяснениями.
В чем ИИ не сможет заменить человека
- Ответственность. Нейросеть может предложить решение, но не может отвечать перед сотрудниками, клиентами, инвесторами, пациентами, партнерами, обществом. Ответственность – это не функция, а готовность принять последствия своего выбора.
- Лидерство. Способность вести людей через неопределенность, выдерживать напряжение, принимать непопулярные решения, оставаться живым человеком рядом с другими людьми – какой ИИ на это способен?
- Нравственный выбор. Можно рассчитать выгоду, можно смоделировать результаты, можно составить список аргументов. Но вопрос «как правильно поступить?» не всегда равен вопросу «что эффективнее?». В бизнесе, медицине, образовании, праве, управлении людьми такие ситуации возникают постоянно. И человек упорно старается переложить ответственность за свой нравственный выбор на неживую субстанцию.
- Предпринимательская интуиция. Настоящий предприниматель часто видит возможность раньше, чем она становится очевидной для данных. Он чувствует рынок, когда цифры еще не успели подтвердить сдвиг, он замечает слабый сигнал, он рискует, он соединяет опыт, характер, наблюдательность, амбицию и внутреннее чутье. ИИ работает с тем, что уже было. Человек способен почувствовать то, что только начинает появляться. В противном случае, большинство пользователей ИИ уже бы стали оракулами и жили в успешном успехе, полученном благодаря гениальным сгенерированным идеям.
Как усилить мышление с помощью ИИ: рекомендации руководителям
Проблема не в том, что сотрудники используют технологии, просто компания не управляет этим использованием. Запретить нейросети уже невозможно и не нужно, но важно определить правила, при которых ИИ не снижает качество мышления, а усиливает его. В своей компании мы уже внедряем в операционную деятельность определенные регламенты, которые работают и дают хорошие результаты, главный из которых – четкое понимание своей ответственности.
1. Разделять задачи по уровню риска
Есть задачи, где ИИ может работать как быстрый помощник: черновики писем, структура документа, первичная обработка информации, варианты формулировок, краткие резюме, поиск гипотез. И есть задачи, где финальное решение не должно приниматься без человеческой экспертной проверки: стратегия, позиционирование, финансовые выводы, юридически значимые документы, публичные заявления, клиентские обещания, управленческие решения с долгосрочными последствиями.
2. Ввести правило проверки
Любые цифры проверяются, любые ссылки открываются, любые выводы обсуждаются, любые рекомендации проходят человеческую экспертизу. Любые тексты, которые уходят клиенту или публикуются от имени компании, должны быть не просто грамотными, а осмысленными.
3. Оценивать не скорость генерации, а качество суждения
Если компания поощряет только быстрый результат, она будет выращивать людей, которые быстро генерируют и медленно понимают. Руководителю важно смотреть не только на то, что сотрудник принес, но и на то, как он думал:
- Какие данные проверил.
- Какие альтернативы рассмотрел.
- Какие риски увидел.
- Где не согласился с ИИ и почему.
- Какие выводы сделал сам.
- Что готов защищать как собственную позицию.
4. Следовать установке: ИИ – собеседник, а не начальник по разуму
Хороший запрос к нейросети – это не только «напиши» или «сделай», это еще и «найди слабые места», «покажи противоречия», «раскритикуй мой вывод», «предложи неудобные вопросы», «проверь логику», «покажи, где я могу ошибаться». Так ИИ становится тренажером мышления, а не его заменителем.
Выводы
В мире, где тексты, идеи, презентации и гипотезы можно генерировать мгновенно, особенно дорогими станут люди, которые умеют думать и выбирать. Они способны сказать:
- Это звучит красиво, но не сработает.
- Это логично на бумаге, но опасно для бизнеса.
- Это модно, но не соответствует продукту.
- Это даст быстрый эффект, но разрушит доверие.
Как только человек поставит технологию выше собственного ума, он сразу же проиграет самому себе. Но наказать ИИ за результаты проигрыша не получится.
Также читайте:
Вы правы: окончательное качество управления действительно остаётся за человеческим суждением. Но именно поэтому здесь и возникает вопрос управленческой слабости.
Если сотрудники могут подменять собственный анализ готовыми ответами ИИ, а руководитель не видит разницы между самостоятельно выстроенным решением и убедительно оформленным машинным результатом, дело не только в том, что кому-то «разрешили срезать углы». Это индикатор того, что технология уже изменила рабочий процесс, а управление пока отсатет - оно ещё не определило правила, границы и ответственность. А это и есть качество управления, согласитесь))
Кроме того, использование ИИ не всегда является «срезанием углов». На одних задачах он действительно позволяет работать быстрее и качественнее. На других - уверенно ведёт человека к ошибочному решению, особенно если у сотрудника недостаточно профессиоанльной эекспертизы для выводов. Поэтому руководителю придется учиться новой компетенции (не в тотальном запрете и не в безусловном доверии) - способности понимать, где проходит эта граница.
Что касается групповой динамики, оценки сотрудников и планирования загрузки: ИИ не обладает человеческой эмпатией, не проживает отношения внутри коллектива и не несёт ответственности. Но он уже способен лучше, чем человек, анализировать объёмы данных, которые руководитель физически не удерживает: изменения результативности, повторяющиеся отклонения, распределение нагрузки, особенности коммуникации.
Главный риск когнитивного аутсорсинга в том, что руководитель формально продолжит принимать решения, но перестанет самостоятельно ставить вопросы, строить причинно-следственные связи и проверять исходные предпосылки.
Поэтому «качество управления остаётся за суждением человека» не опровергает изложенный тезис. Наоборот, подтверждает. Если человеческое суждение остаётся главным ресурсом управления, то добровольная передача этого суждения внешней системе и есть одна из наиболее опасных форм управленческой слабости.
А как вы думаете, что значит понятие «учиться думать», если говорить об этом в общем, а не в прикладном смысле?
Интересно, а как учителя диагностировали это падение когнитивных способностей?
А в глобальном смысле нас не интересуют когнитивные способности вообще без приминения к чему-либо?
Нас интересуют такие способности только применительно к конкретному рабочему месту, ну еще и к обычной текущей жизни тоже.
То есть к общим способностям следует отнести способность найти правильную еду, правильную одежду, правильную няню для детей и так далее.
В принципе, нормальная управленческая модель для «детского садика».
Надо только детям еще внушить, что они «взрослые» или даже «избранные».
А сверхспособности формируются во время стресса, для чего специально создаются разные ситуации, проблемы и катастрофы типа стихийного бедствия, эпидемии или войны.
А почему бы и нет, такая модель логично выглядит...
А использование ИИ уже входит в перечень базовых когнитивных способностей, это уже и в школе преподают.
Извините, что беру ваши слова за основу. Просто порассуждаю.
Многпие говорят, что ИИ - это инструмент.
Но ведь инструмент в строительстве не может быть тупым, незаточенным. Тупой топор никому не нужен. ИИ не отличается заостренностью.
Инструмент не может быть не отюстирован. Его показания не нужно проверять. Калькулятор точен. Его точность основана на самых базовых операциях сложения. Штангенциркуль точен - миллиметр имеет точную длину.
Инструмент в музыке не может давать фальшивые ноты.
Показания инструмента не устаревают. Сантиметр не станет хуже со временем.
Все параметры всех инструментов имеют точно установленную теоретическую базу. Любая единица измерения имеет основу, эталон.
ИИ, как инструмент, всего этого лишен.Что должно являтся эталоном, чтобы доверять его результатам? Только наша тоже с вами субъективная оценка? Тогда это все антинаучно. Как антинаучна алхимия, астрология.Это просто система убеждений. Именно из-за этого происходят страшные ошибки в военном деле. Уже происходят. Дальше будет только хуже.
Не видел ни разу, хотя работал в большом количестве секторов.
Как-то печально стало от вашей мысли, с которой согласен. Красота программирования уходит. И умом понимаешь, что универсальность стала огромной. И это просто замечательно. Раньше на какой-нибудь взаимообмен данным уходили месяцы разработки. Теперь нет проблем обменяться информацией с любым доступным сервером в мире.
Тем не менее, жаль, что ушел тот же фортран: очень ясный, прозрачный и исключающий ошибки язык.
Перед вами лист расчета определения места по четырем светилам. Когда-то мы потратили на такую работу около 2 месяцев. ИИ решит эту проблему за доли секунды.
В принципе, вы сами перечислили, какие недоработки нужно исправить в ИИ.
У людей они тоже вообще-то есть.
Просто люди сейчас пытаются затыкать с помощью ИИ все дырки.
Но калькулятором гвозди не забивают, а штангенциркулем кашу не мешают, а могли бы.
Думаю, что ИИ скоро найдет свое место в сознании и практике людей.
Еще я вдруг вспомнил, что когда-то давно программисты не очень-то доверяли всяким там трансляторам и продолжали упорно писать на ассемблере.
Потом это стало неэффективно.
Системы программирования все время развивались, появлялись какие-то новые прибамбахи.
Так, может быть, использование корявого ИИ, который пишет корявый код, тоже станет нормальным явлением, без которого обычные программисты уже и программировать не смогут?
Ну и ИИ станет писать менее коряво.
С моей точки зрения вы принципиально пропустили несколько тезисов, я их не буду сейчас подробно рассматривать, это долго и вы их и сам знаете.
Сама внутренняя механика ИИ исключает его использование как классического, гарантированно точного инструмента.
Лично я выделяю для себя две сферы/области его использования, где нужно различать особенности контроля за теми выводами которые он говорит\создает.
ИИ это система с недетерминированным поведением, а инструмент это это в детерминированной системе.
Извините, не очень понял вашу мысль: вы возражаете, или дополняете?
Я не согласен с вашией логикой, потому что инструмент имеет очень чёткое понятие и обладает определёнными существенными характеристиками. В этом смысле инструмент как термин который мы у потребляем к ИИ имеет очень определённые особенности, который основывается на природе этого " инструментв."
Не уверен. Впечатляющая и продуманная долгоживущая архитектура, правильно найденные алгоритмы и короший код по-прежнему востребованы, и их качество профессионалы легко могут оценить. Плюс количество оставшихся ошибок.
Полностью согласен. Это залог успеха.
Важен результат - как можно быстрее, лучше и дешевле. В промышленных масштабах. С учетом десятилетий накопленного знания и теоретической базы нет смысла создавать новый инструмент под каждую новую задачу. Идея массовости платформ и элементной базы, открытости систем, протоколов и интерфейсов похоронила многие великие компании, которые слишком долго настаивали на своих особых достижениях и держали премиальные цены. Список пугающе длинный.
Жаль. Но ... Fortran (... IV ...) старше практически всех на этом ресурсе. Я пользовался модулями и пакетами, изначально написанными на Fortran, а затем имплементированными для R, относительно недавно. Сейчас их в новой версии переписали на Rust. Устаревающие инструменты заменяются новыми, а идеи авторов остаются всем на благо.
А ошибки программиста известные мне системы разработки на Fortran до F77 исключить не могли. Думаю, что это в принципе невозможно. Их всегда хватает.
Впечатляюще. Честно. Насколько я могу понять.
Но и продукт AI, который уже это умеет правильно делать, кто-то написал - по уже известным вводным и зная ответ. Вдруг это были и Ваши работы.