Откройте любую соцсеть, и вы увидите десятки постов, которые подозрительно похожи друг на друга. Комментарии под ними тоже сгенерированы, как и заметная часть научных статей и газетных колонок. Итан Моллик, профессор Wharton и автор блога One Useful Thing, в эссе «Choosing to Stay Human» (26 мая 2026 года) называет такие тексты «вампирами внимания, принявшими форму смысла»: они забирают умственные усилия на расшифровку, а понимания взамен не дают.

Вопрос «как остаться человеком в эпоху ИИ» Моллик переводит в практическую плоскость. Речь не о том, чтобы отказаться от моделей, а о том, чтобы заранее и осознанно решать, какие задачи отдавать машине, а какие оставлять себе. И подчеркивает: этот выбор за нас никто не сделает, включая сами модели.

Почему одинаковый текст обходится дороже, чем кажется

Проблема не только в однообразии. Плохо подготовленный запрос выдает текст, в котором на слово почти нет смысла: ровные предложения водят читателя по интеллектуальным кругам и оставляют ни с чем. Мы привыкли считать гладкий текст результатом затраченного труда, поэтому тратим внимание на машинные комментарии, но понимания в ответ не получаем.

У использования ИИ в письме есть и вторая цена, менее очевидная: он подрывает развитие важного человеческого навыка. Моллик пишет, что его собственный стиль складывался десятилетиями, через учителей, бесконечные правки и едкие комментарии в сети. Можно пропустить весь этот путь, если хороший текст за вас напишет модель. Но тогда вы откажетесь от того, что в итоге оказалось важно и для карьеры, и для удовольствия от работы.

Это не приговор ИИ. Моллик сам прогоняет через модели все свои тексты и просит их отыграть разных читателей: не упустил ли он что-то важное. Людям, которым трудно формулировать, ИИ помогает донести мысли. Претензия к другому: к использованию моделей по умолчанию или вообще не думая. Немного усилия делает машинный текст менее шаблонным, и это ровно та развилка, которую предстоит проходить каждый день.

Турция против Тайбэя: один и тот же ИИ, разные результаты

Два исследования с почти одним составом авторов показывают, как мало нужно, чтобы результат перевернулся. В Турции почти тысяча школьников учила математику: одна группа пользовалась обычным ChatGPT, другая занималась без ИИ. На домашних заданиях группа с ChatGPT выглядела лучше и считала, что учится быстрее. На контрольной без доступа к модели она проиграла одноклассникам. Ассистент, созданный помогать, выдавал готовые ответы, а обучение требует усилия: без усилия нет обучения.

Во втором эксперименте, пятимесячном курсе Python в десяти школах Тайбэя с примерно тысячей учеников, ИИ работал иначе. Он подбирал каждому персональную последовательность задач. На итоговом экзамене, который сдавали без помощи модели, эта группа набрала на 0,15 стандартного отклонения выше остальных. По оценкам, это эквивалент от шести до девяти дополнительных месяцев учебы, причем без лишних часов и дополнительной нагрузки на учителей. Похожие выводы дают и другие работы об ИИ-тьюторах: персонализация работает, когда модель не решает за ученика, а ведет его.

Школьники здесь лишь самый наглядный пример. У взрослых цена не ниже: навык, который годы не тренируется, деградирует незаметно. Вы все еще можете проверить работу модели, но ваша собственная планка постепенно совпадает с ее потолком.

Разница по сути одна: отдаете ли вы модели решение или просите ее довести вас до решения. Человеческая природа тянет в первую сторону. Студенты считают развлекательные лекции полезнее тяжелых задач, хотя учатся больше как раз на задачах. У трех крупных игроков уже есть режимы, превращающие модель в тьютора: у Gemini включается Guided Learning через плюсик в интерфейсе, у ChatGPT работает команда /learn, у Claude нужно выбрать стиль learning. Моллик советует брать для учебы думающие модели, особенно в точных науках, и напоминает: эти режимы поддержат того, кто хочет учиться, но не остановят того, кто хочет списать.

Когнитивная капитуляция: почему сдаться так легко

Коллеги Моллика из Wharton называют привычку отдавать модели всю умственную работу когнитивной капитуляцией. Они показали, что люди перестают разбираться в задаче и принимают ответ ИИ, даже когда тот ошибается. Часть проблемы заложена в дизайне. Раньше модель требовала долгой переписки и часто ошибалась, и человек волей-неволей вникал в каждый шаг. Агентные системы устроены иначе: они просто делают. Для скорости это отлично, для обучения, аутентичности и защиты от капитуляции не очень.

Самый известный эксперимент этой серии Моллик провел с коллегами из Гарварда, MIT и BCG: 758 консультантов, половина с доступом к GPT-4. На обычных задачах группа с ИИ сильно обошла коллег без него. Но на задаче, где модель гарантированно ошибалась, пользователи ИИ давали правильный ответ реже, чем те, у кого модели не было. Модель выдала уверенно выглядящий неверный ответ, и элитные консультанты его не поймали. Сегодня ИИ решает и эту задачу, но суть не в уровне ошибок, а в потерянном навыке: сдаваясь, вы не учитесь быть хорошим специалистом.

В небольшом исследовании Anthropic программисты решали новую задачу с помощью ИИ. Те, кто отдал работу целиком, не смогли потом объяснить, что было сделано. Те, кто просил модель объяснять шаги или использовал ее лишь на части работы, этой участи избежали. Напрашивается решение в самих продуктах, но оно ограниченно: ассистент, который перед каждым ответом спрашивает, подтолкнуть вас подумать или просто выдать решение, быстро станет невыносимым. Тайбэйский результат намекает на другой путь, системные ограничения вместо силы воли пользователя, но в потребительских продуктах такого почти нет, а коммерческое давление толкает в обратную сторону.

Любопытная деталь: о совместной работе с BCG Моллик рассказывал еще три года назад, но академические публикации выходят медленно. Пока эксперимент проходил рецензирование, задача, на которой спотыкалась модель, перестала быть сложной. Вывод от этого не устарел: важны не конкретные ошибки сегодняшней версии модели, а то, что происходит с привычкой принимать ее вывод за собственный.

Из этого следует неприятный для занятых людей вывод: скорость, с которой вы отдаете работу модели, должна расти медленнее, чем ваша способность проверять результат. Инструменты пока не спасают: у продуктов нет стимула добавлять трение, которое замедляет, но тренирует. Тренироваться придется добровольно, и начать можно с малого. Прежде чем принять вывод модели, перескажите его своими словами: пересказ мгновенно показывает, остался ли у вас собственный аппарат проверки. Этот тест работает и в коде, и в аналитике, и в учебе.

Отдельно про письмо: Моллик не против машинной вычитки, он сам просит модели проверить готовый текст и сыграть разных читателей. Граница проходит там, где модель начинает писать за вас. Критик и редактор допустимы, авторство нет.

Что оставить человеку: главный вопрос без готового ответа

Моллик не драматизирует. Он спокойно относится к тому, что больше не помнит номера телефонов, что его дети не учат прописные буквы, что рутину считает калькулятор. Эти навыки когда-то были полезны, и расстаться с ними было правильным решением. ИИ отличается тем, что универсален: почти любую когнитивную задачу можно передать ему хотя бы частично. Моллик не готов объявлять священным даже письмо: нет принципа, по которому черновик аккуратного письма обязан выйти из человеческой головы, как и столбик арифметики.

Но отдать вообще все тоже нельзя, и здесь начинается сложность: для каждой конкретной задачи пока непонятно, что в ней важно, а что нет. Решать это придется самим и постоянно. Смысл не в том, чтобы избегать ИИ, а в осознанном выборе вместо рефлекса: ни рефлекторной зависимости, ни рефлекторного отказа.

Особенно потому, что умолчания формируются без нас. Компании проектируют продукты как можно более бесфрикционными, работодатели определяют, что считается хорошим использованием ИИ, преподаватели каждый год переписывают понятие ИИ-грамотности. Все это происходит, иронизирует Моллик, почти без планирования, а отменить привычки, которые успеет выработать целое поколение, будет трудно. В наших руках остается одно: продолжать спрашивать себя, что мы отдаем машине, а что оставляем человеку, и не ждать, что кто-то, включая сам ИИ, ответит на этот вопрос за нас.

Как остаться человеком в эпоху ИИ: практические правила

Начните с честной инвентаризации. Выпишите задачи, которые ежедневно уходят модели на автопилоте, и отметьте те, где вы уже не можете проверить качество своими силами. Это и есть зона риска когнитивной капитуляции.

В учебе переходите от ответов к вопросам: просите объяснять шаги, давать задачи с нарастающей сложностью, проверять ваши решения. Включайте режимы тьютора и думающие модели, особенно когда осваиваете новое.

На работе оставляйте себе первый черновик сложных текстов и разбор ключевых решений, а рутину смело отдавайте. Разница между «ИИ сделал» и «ИИ помог мне сделать» редко заметна сразу, но через год она превращается в разницу между экспертом и оператором модели.

Часто задаваемые вопросы

Правда ли, что ChatGPT ухудшает результаты школьников?

В турецком эксперименте с участием около тысячи учеников это произошло: группа с ChatGPT делала домашние задания лучше, но на контрольной без ИИ уступила сверстникам без доступа к модели. При этом в тайбэйском эксперименте ИИ-тьютор улучшил результаты на 0,15 стандартного отклонения. Все зависит от режима: готовые ответы тормозят обучение, сопровождение в решении ускоряет.

Что такое когнитивная капитуляция?

Термин, который используют коллеги Моллика из Wharton: человек перестает разбираться в задаче и полностью доверяет работу ИИ, даже когда модель ошибается. В эксперименте с 758 консультантами BCG пользователи ИИ лучше решали обычные задачи, но там, где модель давала заведомо неверный ответ, ошибались чаще коллег без модели.

Как использовать ИИ и не терять навыки?

Просите объяснения вместо готовых ответов, делите работу так, чтобы часть оставалась за вами, включайте режимы тьютора и думающие модели. В исследовании Anthropic программисты, отдавшие задачу целиком, не могли объяснить результат, а те, кто просил ИИ объяснять шаги, сохранили понимание процесса.

Итог

ИИ заберет часть работы, которую раньше делал человек, и в большинстве случаев это нормально. Ненормально отдавать ее по инерции. Остаться человеком в эпоху ИИ в трактовке Моллика означает не отказ от технологий, а регулярный осознанный выбор: что машине, что себе.

Попробуйте на этой неделе один эксперимент. Выберите задачу, которую обычно целиком отправляете модели, и выполните ее в паре с ИИ по правилам из этой статьи. Потом вернитесь и спросите себя, что изменилось в понимании задачи. Этот вопрос придется задавать много раз, и, пожалуй, в этом и есть ответ.