Как ИИ влияет на мышление сотрудников и решения руководителей?

Как использование искусственного интеллекта влияет на профессиональные навыки, развитие сотрудников и управленческие решения. Почему важно сохранять самостоятельное мышление в эпоху ИИ.

Отдавать мышление ИИ удобно, потому что со стороны это выглядит как рост продуктивности.

В новой книге «The Collision: What AI Does to Us» профессор MIT Sloan Эрик Со называет это гравитацией ИИ (AI gravity). Метафора работает буквально: чтобы упасть, ничего решать не нужно, усилие требуется, чтобы не упасть.

Так и с ИИ — по умолчанию мы отдаём ему всё, что можно отдать, и каждый отдельный шаг выглядит разумным: задача закрыта быстрее, текст стал чище, отчёт готов к обеду.

В статье прямо сказано, что без какого-то вмешательства наш инстинкт — пользоваться инструментом плохо. А мозг подстраивается под ту работу, которую выполняет, и то, что регулярно не тренируется, постепенно слабеет.

Причём теряется не только навык, но и терпимость к трению — к тому неудобному моменту, когда задача не решается сразу.

Автор статьи: Евгений Яров — фасилитатор стратегических  и командных сессий

ㅤ

Как оценить задачу, выполненную с ИИ?

Книгу не читал, читал попавшуюся статью: тут подано через аналогию с мышцами и общую ссылку на «много свидетельств», без конкретных исследований. Аналогия убедительная, но аналогия — не доказательство. Хотя для тех, кто проектирует обучение, мысль знакомая: трудность часто и есть то, что делает понимание настоящим.

Еще кое-что любопытное: в статье руководителей отговаривают стимулировать работу с ИИ через учёт того, как часто сотрудники им пользуются, — а такая практика сейчас довольно распространена.

Если метрика — частота использования, а качество оценивается по гладкости результата, компания не помогает удержаться, а подталкивает к падению.

Человек, который два часа разбирался в сложной задаче, проигрывает тому, кто за двадцать минут получил аккуратный ответ и не сможет его защитить.

Поэтому в статье предлагают смотреть не только на то, есть ли результат, но и на то, понимает ли человек, как он получен: пусть объяснит логику, защитит решение, назовет допущения. Это дольше, чем принять готовый отчет. Но другого способа отличить того, кто думал вместе с ИИ, от того, кто поручил думать ИИ, я, честно говоря, не вижу.

ㅤ

ИИ и кадровый резерв

Есть и отложенное последствие. Если ИИ забирает работу начального уровня, а компания перестаёт нанимать и растить младших, экономия видна сразу. Через несколько лет выяснится, что неоткуда взяться старшим — тем, чьё суждение складывалось как раз на этой рутине.

Но это уже попса. Я бы пошёл дальше: дело не только в джунах и не только в найме. Рост специалиста всегда был устроен довольно просто. Человек делает сырую версию, ошибается, получает обратную связь от того, кто опытнее, переделывает. Суждение формируется именно в этом зазоре между своей версией и правильной.

Когда первую версию делает ИИ, зазор исчезает: черновик сразу выглядит прилично, исправлять в нём почти нечего, а старший коллега проверяет уже не мышление младшего, а ответ модели. Формально человек растёт — задач больше, результаты аккуратнее. По сути, он пропускает ступеньки, на которых люди учатся думать.

Дальше это начинает влиять на кадровые решения. Если работу оценивают по результату, а результат у всех примерно одинаково гладкий, повышают тех, кто лучше производит аккуратные тексты и отчёты, а не тех, кто способен разобраться в неясной ситуации.

Кадровый резерв на бумаге выглядит полным, а при первой серьёзной проверке оказывается, что готовых людей в нём почти нет. С наймом похожая история: резюме, тестовое задание, сопроводительное письмо ИИ делает хорошо, и отличить кандидата, который думает, от кандидата, который умеет хорошо сформулировать запрос, становится всё сложнее. Ну наверняка тут есть рекрутеры и точно знают эту ситуацию не понаслышке.

ㅤ

Потерянная экспертность

Есть и парадокс, который, мне кажется, недооценивают. Чтобы понять, хорош ли ответ ИИ, нужна экспертиза — та самая, которая складывалась без него.

Больше всего пользы от ИИ получают те, кто мог бы справиться и без него. Если новое поколение специалистов сразу растёт с моделью под рукой, через несколько лет проверять её ответы будет некому: останутся люди, которые видят, что ответ звучит убедительно, но не могут сказать, верен ли он.

ㅤ

Как ИИ влияет на руководителей?

И самое важное — руководители. Если отдавать ИИ всё подряд и не думать самим, мы постепенно потеряем специалистов, которые умеют думать, а следом — руководителей, способных самостоятельно принимать сложные решения.

Сложное решение — это ситуация, где готового ответа нет, данных не хватает, мнения в команде расходятся, а ответственность не делегируется ни коллеге, ни модели.

Умение действовать в ней не появляется вместе с назначением на должность. Оно складывается годами, из множества задач, которые приходилось додумывать самому, и из той самой терпимости к трению, о которой говорится в статье. Руководитель, у которого её нет, в сложной ситуации будет либо откладывать решение, либо переложит выбор на модель, а ответственность оставит себе — только уже без понимания, за что именно отвечает.

А организация, где думать по-настоящему умеют несколько человек наверху, становится хрупкой. Стоит одному из них уйти, и выясняется, что вместе с ним ушла способность принимать решения в целом направлении.

ㅤ

Как сохранить навыки мышления сотрудников в эпоху ИИ

Вопросы, которые можно задать уже сейчас:

— Если завтра ИИ станет недоступен на неделю, кто в вашей команде сможет принять сложное решение сам?
— На каких задачах младшие сотрудники у вас сейчас учатся думать — и остались ли такие задачи вообще?
— Когда вы последний раз повышали человека, что вы оценивали: гладкость его результатов или то, как он принимает решения?