Недавно сотрудник прислал мне выполненную задачу. Работа хорошая, с внятной структурой и аргументацией. Вопросов бы не возникло, если бы не разговор. Минут через десять обсуждения стало понятно, что он не понимает того, что прислал. Совсем. Текст сделал AI. Может, прогнанный через «хьюманайзеры», а может, просто изначально удачно написанный, неважно. И вот тут я завис. Моя модель управления построена на доверии к сотруднику, его компетенции и ответственности за результат. Я не проверяю каждую цепочку рассуждений, иначе делегирование теряет смысл. Но если рассуждение построила модель, а человек не может его защитить, какую роль он сыграл в этой задаче? Курьера между мной и чат-ботом?

У Карпатого есть фраза, которую он сам называет своей главной цитатой последнего времени: «You can outsource your thinking, but you can't outsource your understanding». Мышление отдать на аутсорс можно, понимание нельзя. Первоисточник, кстати, не твиттерская мудрость, а эссе Стефа Анго, CEO Obsidian, «Don't delegate understanding». Мне эта граница кажется куда точнее, чем привычное «не отдавайте ИИ мышление». Рассуждения мы делегировали всегда: аналитикам, консультантам, агентствам. Я не владею цепочкой, которую построил мой аналитик, и это нормально. Я понимаю предложенные варианты, оспариваю выводы и принимаю решение, за которое отвечаю. Модель в этой схеме выглядит просто ещё одним исполнителем.

Кроме одного отличия. Способность «понять и оспорить» не даётся в комплекте с должностью. Это мышца, натренированная годами цепочек, пройденных своими руками. А вот что происходит, когда практика уходит: • MIT посадил людей писать эссе с ChatGPT и без, с ЭЭГ на голове. У группы с LLM самая слабая связность мозга; через сутки они вспоминали 17% собственного текста против 46% у писавших сами. Авторы назвали это «когнитивным долгом». Накопился он за месяцы. Оговорка: препринт, 54 человека, студенты. Но направление неприятное. • Gerlich, 666 участников: чем чаще человек пользуется AI, тем ниже показатели критического мышления. Корреляция, не причинность, но механизм понятен, мышление разгружается на инструмент. • Microsoft и CMU опросили knowledge workers: чем выше уверенность в AI, тем меньше проверки его выводов. При этом ошибки модели ловятся плохо. Плавающий сотрудник виден за десять минут разговора, мой случай выше как раз про это. Уверенная галлюцинация так себя не выдаёт. Получается неудобная конструкция. Делегировать рассуждение можно и придётся: объёмы и требования к скорости выбора не оставят. Но безопасным это делегирование делает верификационная компетенция, а тренируется она только собственным рассуждением, тем самым, которое мы отдаём.

Честно: решения у меня нет. Мой запас это больше пятнадцати лет пройденных цепочек в роли коммерческого руководителя, и он амортизируется. У джуниоров запаса нет вообще, им эту мышцу негде набрать, и это уже вопрос к тому, как устроены найм и развитие в наших командах. Сценарий, который я сейчас примеряю: относиться к рассуждению как к ходьбе после изобретения автомобиля. Для производства результата оно больше не обязательно, для минимальной формы обязательно (не атрофироваться). Тогда нужен аналог физкультуры: сначала думаешь сам, потом подключаешь модель (в том же исследовании MIT такой порядок сохранял и память, и вовлечённость), плюс регулярные задачи без ассистента.

А пока пользуюсь простым тестом из того самого разговора: выдержит ли человек десять минут вопросов по работе, которую сдал. Себе устраивать этот тест тоже полезно.