10 минут с ИИ могут убить навыки мозга: результаты исследований

Правило 10 000 часов стало одной из главных метафор для разговора о том, как формируются сложные навыки, благодаря книге Малкольма Гладуэлла «Гении и аутсайдеры: почему одним всё, а другим ничего?». Речь не о врожденном таланте и быстрых решениях, а о долгой работе со сложными задачами, когда человек раз за разом подходит к пределу своих возможностей. В таком подходе важнее не скорость, а умение сохранять концентрацию на задаче, несмотря на ошибки, паузы и отсутствие готового ответа. Недавние исследования показывают, что этот механизм легко нарушить, если включить в него ИИ — всего на несколько минут.

ИИ уничтожает самостоятельность

Ученые из исследовательских центров Карнеги Меллона, MIT, Оксфорда и Университета Калифорнии провели серию экспериментов с задачами по математике и чтению, в которых часть участников пользовалась ИИ‑ассистентом, а часть работала самостоятельно. Пока помощь была доступна, первые справлялись лучше, однако после того, как их лишили «помощника», стали решать задачи хуже и чаще бросали попытки.

Сдвиг возникал уже после примерно десяти минут взаимодействия с системой.

Изменения коснулись не только точности ответов, но и того, как испытуемые относились к самому процессу решения. Там, где нужно было продолжать думать без опоры на ассистента, люди из «ИИ‑группы» заметно чаще прекращали работу и пропускали вопросы. В одном из экспериментов их успех при самостоятельном решении оказался примерно на 20% ниже, чем у тех, кто все время работал без ИИ, а отказ от попыток встречался почти в два раза чаще. Похожие результаты получили и на заданиях по чтению: там ИИ даже не дал явного преимущества в начале, но привычка к внешним подсказкам все равно сказалась на готовности продолжать думать самостоятельно.

Этот результат хорошо стыкуется с наблюдениями о «когнитивном аутсорсинге» — переносе части умственной работы на внешние инструменты. Исследование Anthropic, основанное на данных реального использования Claude.ai, показывает, что ИИ способен ускорять выполнение отдельных задач, иногда очень заметно — до 80% по времени. Но это ускорение сопровождается снижением вовлеченности: пользователи меньше углубляются в содержание и чаще делегирует машине то, что раньше делали сами. Выигрыш в производительности не всегда означает выигрыш в понимании.

Эксперимент Anthropic с программистами сделал этот компромисс особенно наглядным. В рандомизированном исследовании 52 инженера должны были освоить новую для них библиотеку Trio для языка Python с нуля: одна группа пользовалась ИИ‑ассистентом, другая писала код без такой помощи. По времени разница оказалась небольшой — участники с ИИ завершали работу примерно на две минуты быстрее, что нельзя даже считать статистически значимым преимуществом. Зато на проверочном тесте по пониманию и отладке они в среднем набрали на 17 п.п. меньше, чем те, кто справлялся без ассистента.

Самым уязвимым оказался именно навык отладки — умение замечать ошибки в коде и понимать, почему он ведет себя неправильно. Именно это критично, когда человек должен контролировать работу ИИ‑инструментов и исправлять их промахи. Там, где разработчики опирались на ассистента не только при написании кода, но и при поиске багов, они потом хуже справлялись с задачами, где нужно было диагностировать проблему самостоятельно. Хотя фактически скорость немного выросла, испытуемые стремительно разучились «держать в голове» систему и разбираться в ее сбоях.

Хорошие новости

Качественный разбор экранных записей показал, что дело не в самом факте использования ИИ, а в том, какую роль человек ему отдает. Исследователи выделили несколько характерных моделей: от полной передачи задачи ассистенту до точечных вопросов по сути. Там, где участники просили ИИ написать весь код целиком или последовательно перекладывали на него все больше шагов, итоговые тесты по пониманию оказывались самыми слабыми. Те, кто использовал ассистента для пояснений, проверки своих гипотез и уточнения концепций, напротив, показывали более высокий уровень усвоения.

Именно подход к работе с ИИ в итоге определяет, останется ли человек активным участником мышления или превратится в «пользователя ответов». Психологи подчеркивают, что ошибки, тупики и заминки — не сбой мыслительного процесса, а естественная рабочая среда. Именно на границе возможного, в состоянии неопределенности и труда, формируются новые связи и меняется общая картина. Когда ИИ избавляет человека от значительной части этого «трения», у нас остается результат, но теряется путь, по которому мы к нему пришли.

Слом порядка

Исследователи называют происходящее перевернутым порядком обучения. В обычной ситуации обучение начинается с усилия и поиска, затем приходит понимание, а уже потом — уверенность в своих действиях. При активном использовании ИИ уверенность возникает сразу: человек видит законченный ответ, который воспринимается как правильный просто по причине своей завершенности. Понимание может так и не сложиться, но ощущение «я это знаю» уже закрепляется. В итоге формируется устойчивая иллюзия компетентности, не опирающаяся на собственный опыт решения задач.

Последствия этого сдвига заметны не только по ответам тестов, но и по данным о работе мозга. В исследовании MIT, где отслеживали мозговую активность людей, пишущих тексты с помощью ИИ и без него, участники, работавшие самостоятельно, показывали более высокую связность и вовлеченность разных зон. При подключении больших языковых моделей показатели падали: люди писали быстрее, но и по нейронным, и по поведенческим метрикам выглядели слабее. Итоговые тексты тоже оценивались хуже — как по языку, так и по содержанию.

Есть и еще один тревожный сигнал — эффект «отката». В ряде практических областей, от медицины до управления транспортом, уже были случаи, когда после отключения автоматизированных помощников показатели специалистов оказывались ниже, чем до внедрения таких систем. В гастроэнтерологии врачи с ИИ‑подсказками лучше находили полипы, но после отказа от системы их собственная диагностическая точность падала ниже исходного уровня. То же отмечали у пилотов, водителей и авторов текстов, опиравшихся на умные редакторы.

Как не «отупеть»

Критика адресована не самим технологиям, а тому, как их встраивают в обучение и работу. В задачах, где навык уже сформирован, ИИ действительно может снимать рутину и ускорять выполнение типовых операций. Но когда речь идет об освоении нового, полная передача шагов машине создает иллюзию прогресса, не подкрепленную реальным ростом компетенций. В долгосрочной перспективе это может означать дефицит людей, способных контролировать и исправлять решения ИИ, от которых зависят критические процессы.

Для бизнеса и образовательных систем это становится не абстрактной, а вполне практической задачей. Если сотрудники выполняют поручения быстрее, но все меньше понимают внутреннюю логику процессов, растет риск ошибок и слабее становится второй рубеж контроля. Особенно это заметно там, где человек должен не только принять подсказку ИИ, но и оценить ее уместность: в программировании, медицине, аналитике, праве. Менеджерам и преподавателям приходится думать не только о внедрении новых инструментов, но и о том, как не обесценить саму практику мышления.

От того, как устроены ИИ‑сервисы, зависит, будут ли они подменять или усиливать навыки. Уже появляются режимы работы, ориентированные не на мгновенный ответ, а на обучение: пошаговые объяснения, вопросы-наводки, акцент на разборе, а не на готовом решении. Такая настройка ближе к роли хорошего преподавателя, который не решает задачу вместо ученика, а помогает ему разобраться. Но она может идти вразрез с ожиданиями пользователей и бизнес‑логикой сервисов, заточенных под скорость и «волшебную кнопку».

В итоге главное противоречие сводится к балансу между краткосрочной выгодой и долгосрочным развитием компетенций. Единичная сессия с ИИ дает быстрый результат, но серия таких эпизодов способна ослабить привычку думать самостоятельно и снижает готовность сталкиваться с неопределенностью.

Исследователи прямо пишут: если зафиксированные эффекты накапливаются, нынешние модели, оптимизированные под «помощь здесь и сейчас», могут подтачивать именно те способности, которые должны поддерживать.

На этом фоне ключевым становится не столько вопрос «что умеет ИИ», сколько вопрос, как люди к нему обращаются. Там, где ассистент используется как источник подсказок, объяснений и альтернативных точек зрения, он может развивать и поддерживать мышление. Там, где его используют как волшебный сундук с готовыми решениями, снижается и настойчивость, и мотивация разбираться самому. Граница между этими режимами проходит не внутри модели, а в привычках пользователей и правилах, по которым компании и системы образования встраивают ИИ в повседневную работу.

Источники: Wired, MIT, Anthropic, Psychology Today, Fast Company