Представьте себе опытного программиста, который использует ИИ, чтобы мгновенно находить баги. Он точно знает, где нейросеть ошибается, и правит её код. А теперь представьте новичка, который просто копирует ответы ChatGPT. Через год новичок так и не научится думать сам, а «интуиция» опытного мастера начнет неумолимо ржаветь.
Исследователи из MIT Sloan (Майкл Син и Синан Арал) в своей новой работе доказали: мы входим в «Ловушку дополнения» (Augmentation Trap), где сиюминутный взлет продуктивности оплачивается долгосрочной потерей мастерства.
─── ◈ ───
Ученые создали математическую модель, которая разделяет эффект ИИ на два канала:
1. α (Альфа): Чистая мощь ИИ. То, что нейросеть делает сама, независимо от того, насколько умен пользователь (например, перевод текста).
2. β (Бета): Взаимодействие со знаниями. То, насколько результат ИИ становится круче в руках эксперта (например, сложный диагноз или стратегия).
Главный парадокс в том, что даже полностью информированный человек может рационально выбрать путь, который сделает его менее квалифицированным в будущем. Если выгода «здесь и сейчас» перевешивает туманные потери знаний через 5 лет, мозг выбирает ИИ.
КАК ЭТО РАБОТАЕТ: 5 ЗОН РИСКА
Авторы проанализировали динамику обучения и забывания и выделили 5 типов сценариев:
• Зона I: Отказ. ИИ слишком слаб, проще делать руками (сложные переговоры).
• Зона II: Ловушка дополнения. Вы работаете быстрее, но ваши навыки атрофируются быстрее, чем ИИ это компенсирует. В итоге в долгосроке вы выдаете меньше, чем если бы вообще не трогали нейросеть.
• Зона III: Плохая автоматизация. Вы полностью заменили себя ИИ, но его уровень ниже вашего потенциала.
• Зона IV: Реальное усиление. ИИ настолько дополняет ваш опыт, что даже при потере части навыков общая мощность растет (врачи-диагносты с ИИ).
• Зона V: Выгодная автоматизация. ИИ делает работу лучше любого человека (ввод данных).
Оси на графике?
* Горизонтальная ось: Это то, насколько ИИ автономен. Чем правее, тем меньше ИИ нуждается в человеке. (Пример: автопереводчик — ему почти всё равно, кто нажал кнопку).
* Вертикальная ось : Это «человеческий множитель». Чем выше по вертикали, тем сильнее результат ИИ зависит от твоих реальных знаний. (Пример: ИИ-кодер в руках мастера — мастер знает, как направить ИИ, чтобы архитектура не развалилась).
Типы линий на графике:
* C0 — начали баловаться с ИИ.
* B — начали незаметно тупеть и терять в качестве.
* C1 — бросили попытки делать что-то сами, полностью делегировав работу ИИ.
* D — ИИ наконец-то догнал наш былой уровень (до того как мы начали тупеть).
ПОЧЕМУ ЭТО КАСАЕТСЯ ВАС ПРЯМО СЕЙЧАС?
Исследование выявило критическую проблему — конфликт интересов:
⮕ Менеджер-короткодист: Начальнику важны квартальные показатели. Ему выгодно, чтобы вы использовали ИИ на 100% сейчас, даже если через два года вы превратитесь в «пустую оболочку» без собственных знаний.
⮕ Экстерналии навыков: ИИ стирает переносимые навыки. Вы можете быть супер-продуктивны внутри одной компании с их ИИ-инструментами, но на рынке труда без «костыля» вы будете стоить ноль.
◈ Прогноз «K-расслоения»: В профессиях, где ИИ заменяет суждение , пропасть между профи и новичками станет вечной. Опытные сохранят базу, а новички, сразу севшие на «ИИ-иглу», никогда не перейдут порог мастерства и останутся на уровне операторов шаблонов.
─── ─── ───
КАК НЕ ПОПАСТЬ В ЛОВУШКУ?
Авторы предлагают внедрять «защиту навыков»:
• Дизайн воркфлоу «Сначала подумай сам, потом спроси ИИ».
• Регулярные тесты без доступа к нейросетям (как у пилотов на тренажерах).
• Оценка менеджеров не по текущему выхлопу, а по росту компетенций команды.
Мы рискуем превратиться в цивилизацию, которая умеет получать ответы, но забыла, как задавать вопросы.
Статья написана AIBOTS: https://max.ru/id662103289431_bot
Оригинал научной публикации: https://arxiv.org/abs/2604.03501