Как ИИ влияет на мышление, обучение и принятие решений

Искусственный интеллект всё сильнее включается в нашу повседневную работу. Парадоксально: чем больше умеет ИИ, тем важнее в этом симбиозе становится роль самого человека и тем выше требования к его навыкам.

Накануне конференции Headconf 2026, где руководители крупнейших компаний обсудят изменения в технологиях и на рынке труда, Анастасия Зальцман, HR-директор MWS AI (входит в МТС Web Services), рассказывает о том, как постоянное взаимодействие с ИИ влияет на паттерны нашего мышления, принятия решений и общения — и что полезно изменить в работе команд, чтобы использование ИИ действительно повышало производительность бизнеса. Наблюдения эксперта во многом подтверждаются исследованиями международных аналитических центров.

ИИ — очередной инструмент «расширенного мышления», но гораздо мощнее предыдущих

Об искусственном интеллекте часто говорят так, будто вместе с новой технологией у человека появился новый способ думать. Пожалуй, это верно только отчасти. ИИ действительно можно назвать внешним контуром нашего мышления: с его помощью удобно собирать и анализировать данные, можно быстро погрузиться в новый контекст и синтезировать идеи.

Но человек научился выгружать часть мыслительной нагрузки задолго до появления ИИ — сначала в блокнот, на диктофон и в календарь, затем в поисковики и системы учёта. Это сочетание человеческих возможностей и внешних инструментов учёные называют «расширенным мышлением» и изучают генеалогию его развития. Взаимодействие с ИИ продолжает эту логику, только новый инструмент гораздо мощнее предыдущих. 

Помимо поиска, обсуждения идей и проверки рассуждений, он может заметить необычное изменение расходов относительно прошлых периодов, показать, на каком этапе регулярно зависают задачи и какие встречи в календаре мы постоянно переносим. Аналитики Microsoft отмечают, что 46% опрошенных ими работников и руководителей уже считают ИИ «партнёром по мышлению».

В результате ИИ постепенно забирает то, что можно назвать интеллектуальной рутиной. А человеку остаётся более сложная часть работы, которую нельзя автоматизировать: осмыслить и скомпоновать из черновых сборок логичный и цельный результат.

Навигация по данным, фокус и интерпретация становятся важнее запоминания

Необходимость держать в голове большой объём информации снижалась и раньше: в этом человек давно проигрывал, например, поисковым системам. Использование ИИ продолжает эту тенденцию — никто ведь не станет спорить, что модель «знает» и может быстро воспроизвести гораздо больше, чем любой эрудит.

Но когда информации и вариантов становится слишком много, кто-то должен удерживать цель и смысл этих манипуляций, оценивать, какой информации доверять, делать выбор и нести за него ответственность. Эту функцию нельзя делегировать ИИ.

Аналитические способности, оценка и интерпретация — это отдельные навыки, которые не появляются сами собой, их нужно развивать. И по прогнозу WEF, спрос на них в ближайшие годы будет только расти. 

Приведу пример: когда мы дали сотрудникам неограниченный доступ к ИИ для рабочих задач, были среди них и те, кто в качестве своих результатов приносил многостраничные генерации и непроверенные ответы моделей — с характерными шаблонными формулировками и обобщениями.

То есть сам по себе доступ к технологиям не делает работу лучше. Зато он довольно быстро показывает разницу между самостоятельным мышлением и его имитацией: кто умеет критически оценивать ответы модели и превращать сырой материал в собственное решение, а кто просто несёт их дальше.

ИИ помогает увидеть качество нашего мышления и научиться точнее ставить задачи 

ИИ практически мгновенно даёт обратную связь, и если ответ раз за разом вас не устраивает, легко заметить, что не так с запросом: не хватает контекста, нечётко сформулирована цель или плохо обозначены требования.

В этом смысле промптинг хорошо моделирует ситуацию делегирования. Часто у нас есть ясное ощущение того, каким должен быть результат. Сложность начинается, когда это понимание нужно объяснить другому. ИИ здесь не слишком отличается от живого исполнителя: чтобы вас правильно поняли, нужно задать образ результата, добавить необходимый контекст и критерии, по которым вы проверите готовность.

Наблюдая за собой и своими коллегами, я вижу, что люди, которые много работают с ИИ, постепенно становятся точнее и в обычной рабочей коммуникации. 

Ещё одно наблюдение — как меняется отношение к ошибкам. Когда можно быстро предложить, проверить и отбросить идею, люди перестают воспринимать неудачные попытки как потерю. Нормализуется итеративный процесс работы, с доработками и уточнениями. А Microsoft и вовсе говорит, что ещё большему количеству людей придётся учиться пошагово решать сложные задачи.

По этой же причине люди привыкают работать с неоднозначностью. Когда для любой задачи есть несколько вариантов решений, закономерно возникает вопрос: не «какое решение правильное?», а «какое решение подходит нам прямо сейчас?». Для руководителей это особенно важный сдвиг — не нужно искать идеальное решение. Лучше так продумать критерии выбора, чтобы решение можно было принять в условиях неполной информации.

ИИ ускоряет изменение роли руководителя

Меня как HRD особенно интересует влияние ИИ на управленческую работу. Годами значительная часть авторитета руководителя строилась на его исключительном доступе к знаниям и ресурсам. Он держал в голове цели и приоритеты, собирал статусы, передавал информацию, напоминал о дедлайнах, сводил отчёты и контролировал процесс.

Теперь многие из этих функций можно автоматизировать. И тогда на первый план выходят лидерские, а не административные навыки: ставить цели, объяснять команде, куда и зачем мы идём, договариваться о результате, делегировать и давать обратную связь. Будем честны, для многих руководителей это самая сложная и неприятная часть работы.

Получается такой парадокс: чем мощнее становятся инструменты поддержки мышления, тем важнее роль человека в этом симбиозе и его способности размышлять, проектировать эффективные системы и общаться с коллегами. Как отмечают Microsoft и Deloitte, в ближайшие годы руководителю предстоит управлять не только работниками-людьми, но и командами из людей и ИИ-агентов, определяя, в каком порядке распределять между ними задачи.

Разрыв между более и менее адаптивными людьми и компаниями будет расти

К сожалению, доступ к ИИ ещё не даёт заметного увеличения производительности. Если добавить новый инструмент к неэффективному процессу, эффект может получиться отрицательным — когда к существующим этапам добавятся дополнительные шаги.

Поэтому решение о распространении ИИ на уровне компании стоит начинать не с выбора модели, а с понимания и описания того, как устроена ваша работа. Какие этапы проходит задача, кто в них участвует и где, например, люди тратят время на ручной сбор и перенос данных, выполняют другие повторяющиеся операции и какие шаги явно лишние. И только после этого проектировать, где подключить ИИ, как должен выглядеть процесс с его участием.

По мнению аналитиков Microsoft, команды, готовые учиться работе в этом новом контуре и пересобирать процессы вокруг ИИ, станут ещё сильнее. Их коллеги из McKinseу & Company ожидают, что бизнес, который не заходит дальше экспериментирования с моделями, с каждым годом будет проигрывать в производительности.

Как усилить качество решений и производительность команды

Я работаю в ИИ-компании, где руководство сразу решило: сложно ожидать трансформации от команды, если руководители продолжают работать по-старому, — и всем составом пошло учиться. Кстати, Deloitte отмечает двукратный рост готовности сотрудников использовать ИИ, если руководители уже это делают. Из своего опыта я бы выделила несколько практических рекомендаций.

Сначала найдите свою рутину. Чтобы сфокусироваться на задачах с высокой управленческой ценностью, определите, какие операции отнимают больше всего времени, и опишите повторяющиеся процессы — их стоит автоматизировать.

Используйте ИИ не только как поисковик и редактор. Чтобы повысить качество своих решений, попросите ИИ выступить аудитором и оппонентом: найти слабые аргументы, логические пробелы и смысловые повторы, предложить альтернативное объяснение.

Не изобретайте велосипед каждый раз. Чтобы сократить время на выполнение повторяющихся задач, пользуйтесь заготовками. Собирайте удачные промпты и рабочие сценарии в библиотеку команды, пополняйте и обновляйте её.

Договоритесь о правилах. Чтобы повысить производительность всей команды, а не только отдельных энтузиастов, договоритесь, на каких этапах использование ИИ ожидается по умолчанию, когда сотрудники должны особенно внимательно проверять результаты модели, а какие данные и задачи вообще нельзя передавать ИИ.

Измеряйте результат, а не количество обращений к ИИ. Чтобы увидеть реальную отдачу для бизнеса, считайте значимые показатели: сократилось ли время выполнения задач, стало ли меньше ошибок, выросло ли качество решений и появилось ли у команды больше времени на сложную работу.