Итан Моллик, профессор Уортонской школы бизнеса, провёл эксперимент: дал группе MBA-студентов четыре дня и доступ к Claude Code, ChatGPT и Gemini, после чего попросил создать стартап с нуля. Большинство никогда не писали код. Результат оказался на порядок лучше всего, что он видел за полноценный семестр до эры ИИ — работающие прототипы, глубокий анализ рынка, продуманные финансовые модели. Секрет не в инструментах. Секрет в том, что эти люди уже умели делегировать.

Что такое делегирование ИИ

Делегирование ИИ — это способность ясно формулировать задачу, оценивать результат и давать обратную связь так, чтобы агент мог исправить ошибки. Это не промпт-инжиниринг в классическом смысле, где вы подбираете волшебные слова для чатбота. Это менеджмент, только объектом управления становится не человек, а система, которая работает за минуты, не устаёт и не обижается на критику.

Моллик вывел простую формулу, которая определяет, когда стоит отдать задачу ИИ, а когда лучше сделать самому. Она состоит из трёх переменных: Human Baseline Time — сколько времени займёт задача у вас; Probability of Success — какова вероятность, что ИИ справится с первой попытки; и AI Process Time — сколько времени уйдёт на то, чтобы объяснить задачу, дождаться результата и проверить его. Если задача занимает у вас час, а проверка ответа ИИ — тридцать минут, то делегировать имеет смысл только при очень высокой вероятности успеха. Иначе вы потратите больше времени на промпты и правки, чем на саму работу. Но если задача занимает десять часов, то даже несколько итераций с ИИ окупаются с лихвой.

Почему менеджмент важнее программирования

Ведущие разработчики крупнейших ИИ-лабораторий уже отмечают, как меняется их работа. Раньше они писали код. Теперь они управляют агентами, которые пишут код. Программирование оказалось первой профессией, где произошёл этот сдвиг, потому что код имеет чёткую верификацию — он либо работает, либо нет. Но это только начало. Любая работа, где результат можно описать, проверить и скорректировать, рано или поздно пройдёт через ту же трансформацию.

Моллик указывает на парадокс: менеджмент всегда строился на дефиците. Вы делегируете, потому что не можете всё сделать сами, и потому что талант дорог и редок. ИИ меняет уравнение. Теперь «талант» — бесконечный и дешёвый. Дефицит смещается в другое место: в умение понимать, чего вы хотите, и объяснять это достаточно чётко, чтобы даже машина могла выполнить.

MBA-студенты Моллика преуспели не потому, что разбирались в нейросетях. Они преуспели, потому что годами учились формулировать задачи в своих областях — медицине, финансах, управлении. Они знали, как должен выглядеть хороший финансовый отчёт или маркетинговый анализ, и могли описать это ИИ. Навыки, которые часто презирают как «мягкие», оказались самыми твёрдыми.

Как повысить вероятность успеха при делегировании ИИ

Моллик выделяет три рычага, которые делают делегирование эффективнее. Первый — лучшие инструкции. Чёткие цели повышают вероятность успеха с первой попытки. Второй — умение оценивать и давать обратную связь. Это сокращает число итераций. Третий — упрощение проверки. Если вы можете быстро понять, хорош ли результат, общее время сокращается даже при средней вероятности успеха. Все три навыка усиливаются экспертизой: эксперт знает, какие инструкции дать, быстрее замечает ошибки и точнее корректирует.

Интересно, что проблема передачи намерений существовала задолго до ИИ, и каждая профессия изобрела свой инструмент для её решения. Разработчики пишут Product Requirements Documents. Режиссёры передают shot lists. Архитекторы создают design intent documents. Морпехи используют Five Paragraph Orders. Консультанты формулируют детальные спецификации результатов. Все эти документы прекрасно работают как промпты для агентного ИИ, потому что по сути являются одним и тем же: попыткой переложить то, что в голове одного человека, в действия другого.

Хорошее задание всегда отвечает на одни и те же вопросы: что мы пытаемся достичь и зачем? Границы делегированной власти — где агент может принимать решения сам, а где должен спрашивать? Что означает «готово»? Какие конкретные результаты нужны? Какие промежуточные результаты помогут отслеживать прогресс? И что нужно проверить, прежде чем сообщить о завершении? Если эти вещи описаны чётко, ИИ, как и человек, справляется гораздо лучше.

Почему зубчатый фронтир меняет всё

Одна из причин, по которой делегирование ИИ сложно, — зубчатый фронтир способностей моделей. ИИ может быть сверхчеловеческим в одной задаче и беспомощным в другой, причём разница не всегда предсказуема. Это означает, что вы не можете просто предположить, справится ли агент с работой — нужно тестировать, оценивать и корректировать.

Моллик ссылается на исследование GDPval от OpenAI, где эксперты из финансов, медицины и государственного сектора соревновались с ИИ в реальных задачах. Среднее время выполнения экспертом — семь часов. ИИ справлялся за минуты, но проверка его работы занимала у экспертов около часа. Когда GPT-5.2 достиг 72% вероятности победы или ничьей с человеком, средняя экономия времени на семичасовой задаче составила три часа. Но это среднее: задачи, где ИИ проваливался, занимали больше времени, чем если бы человек делал всё сам.

Это означает, что выгода от ИИ не автоматическая. Она зависит от вашей способности выбирать правильные задачи для делегирования, правильно оценивать вероятность успеха и быстро проверять результаты. Именно здесь и проявляются менеджерские навыки.

Часто задаваемые вопросы

Нужно ли быть программистом, чтобы эффективно использовать агентный ИИ?

Нет. Эксперимент Моллика показал, что MBA-студенты без опыта кодирования за четыре дня создали работающие прототипы, потому что умели формулировать задачи и оценивать результаты. Программирование помогает, но менеджмент важнее.

Как понять, стоит ли доверять задачу ИИ?

Оцените три переменные: сколько времени займёт задача у вас, сколько времени уйдёт на проверку результата ИИ, и насколько вероятно, что ИИ справится с первой попытки. Если задача короткая, а проверка долгая — делегируйте только при высокой вероятности успеха. Если задача длинная — даже несколько итераций окупаются.

Какие «мягкие» навыки становятся самыми важными?

Умение чётко формулировать цели, давать конструктивную обратную связь, проектировать процессы оценки результатов и распознавать качество работы в своей области. Это классические менеджерские навыки, которые раньше казались второстепенными по сравнению с технической экспертизой.

Итог

Менеджмент как суперсила ИИ — это не метафора, а конкретная формула. Чем умнее становятся агенты, тем меньше значение имеет умение писать код или подбирать промпты, и тем больше — умение объяснять, что нужно, проверять, что получилось, и корректировать курс. Те, кто процветает в эту эпоху, будут не те, кто лучше всех разбирается в нейросетях, а те, кто знает, как хорошая работа отличается от плохой, и может донести это различие до машины. Если вы считали менеджмент скучной обязанностью — пора переосмыслить. Это теперь ваше главное конкурентное преимущество.