📣🧑⚖️🧑⚖️🧑⚖️ВОЗРАЖЕНИЙ НЕ ПОСТУПИЛО
⚡Есть цифра, которую стоит примерить на себя, прежде чем читать дальше
В апреле 2026 года Американская психологическая ассоциация опубликовала работу Сары Балдео: 1923 участника и 10 управленческих заданий. После выполнения 58% из них согласились, что ИИ сделал за них большую часть работы, особенно по планированию. ✴️Важно то, что нашлось дальше
📌Единственное измеримое различие
Замеряли не только результат, но и поведение: активность промптов, время до решения, частоту, с которой человек отвергал предложенное.
🔴Зависимость от промптов оказалась отрицательно связана с уверенностью в собственных рассуждениях
🟢Частота переопределения ответа — положительно
🔵Проблема не в использовании ИИ, а в степени пассивного принятия. Выводы корреляционные, причинность не установлена, то есть
📌Почему согласиться так легко
Январский препринт Wharton добавляет неприятную деталь:
🟢Когда модель отвечала верно, точность участников превышала их собственную
🔴Когда ошибалась — падала ниже тех, у кого модели не было вовсе
🔵Отличить одно от другого участники не могли, а уверенность росла в обоих случаях
Microsoft Research 2025 объясняет механику: чем выше доверие к инструменту, тем меньше проверки.
📌Где я проверял это на себе
В этом году я разработал третью версию MBA-программы для ИТ-руководителей. Материал за десять лет накопился большой, программу прошли более тысячи человек. Надо было не обновить, а переработать почти всё: термины, данные, исследования, последовательность.
ИИ я использовал плотно, но не для генерации содержания:
1⃣Систематизация и сквозной контекст. Когда материала много, человек перестает удерживать контрольные точки: где противоречие, где повтор. Это модель делает лучше меня.
2⃣ Единство стиля. Разработка шла месяцами. Один и тот же материал в понедельник и в четверг ложится по-разному — я в разном состоянии. У ИИ этого нет.
3⃣Визуальная согласованность. Я собрал визуальный концепт: палитра, шаблон с 250+ образцами слайдов, набор иконок. Дальше всё делалось внутри рамки, и следить за соблюдением помогала модель.
📌Чего не было
Не было копи-паста из ИИ в презентацию. Каждый слайд проходил через мой опыт и скепсис: что-то добавлял, что-то убирал. А главное — много спорил.
Проще всего показать это через темп. Хороший рабочий день — 20 готовых слайдов за 8 часов. Копи-пастом из модели те же 20 слайдов делаются минут за 20. Разница и есть показатель качества.
Модель дала черновик. Хороший, быстрый, связный — и не более. Дальше — то, что отличает курс "живого человека": ИИ не знает, на каком блоке группа "выпадает" и какой кейс не работает на региональных ИТ-директорах. Этого нет в открытых источниках — это есть в фидбэке слушателей. И еще: 1130 слайдов — это не курс. Это базис, сам курс — то, что происходит диалогом поверх него. Слайды у групп могут быть одинаковыми. Курсы — разными.
📌Что это меняет для руководителя
Чтобы возразить ИИ, нужно иметь чем. Не эрудицию, а рабочую рамку: экономика решения, ограничения компании, интересы людей. У кого рамки нет, тот физически не может нажать «НЕТ» — ему нечего противопоставить связному и уверенному тексту.
Ценность сместилась с умения пользоваться инструментом на умение с ним спорить. Первое осваивается за неделю. Второе — годами.
И вот что неприятно. Раньше суждение нарастало само собой, потому что рутина заставляла его тренировать. Теперь рутину сняли, а требования остались.
❔❔❔⚠️Когда вы в последний раз отвергли предложенный ИИ вывод — не поправили формулировку, а именно отвергли по существу?
Цикл «Естественный vs Искусственный» в канале 👉Горшенин PRO ИТ
Сергей Горшенин, CIO/CDTO, ТОП-100 ИТ-лидеров России
Автор программы ИТ-MBA: Стратегическое лидерство и организационный дизайн ИТ
▶️rutube | #MBA #управление #HIvsAI
⚡Есть цифра, которую стоит примерить на себя, прежде чем читать дальше
В апреле 2026 года Американская психологическая ассоциация опубликовала работу Сары Балдео: 1923 участника и 10 управленческих заданий. После выполнения 58% из них согласились, что ИИ сделал за них большую часть работы, особенно по планированию. ✴️Важно то, что нашлось дальше
📌Единственное измеримое различие
Замеряли не только результат, но и поведение: активность промптов, время до решения, частоту, с которой человек отвергал предложенное.
🔴Зависимость от промптов оказалась отрицательно связана с уверенностью в собственных рассуждениях
🟢Частота переопределения ответа — положительно
🔵Проблема не в использовании ИИ, а в степени пассивного принятия. Выводы корреляционные, причинность не установлена, то есть
...разница не между теми, кто пользуется, и теми, кто нет, а теми, кто спорит, и теми, кто соглашается.
📌Почему согласиться так легко
Январский препринт Wharton добавляет неприятную деталь:
🟢Когда модель отвечала верно, точность участников превышала их собственную
🔴Когда ошибалась — падала ниже тех, у кого модели не было вовсе
🔵Отличить одно от другого участники не могли, а уверенность росла в обоих случаях
Сигнала «я принял плохое решение» не возникает, ощущения одинаковые
Microsoft Research 2025 объясняет механику: чем выше доверие к инструменту, тем меньше проверки.
Парадокс автоматизации: когда рутина мышления уходит внешней системе, человек лишается практики, на которой держалось его суждение.
📌Где я проверял это на себе
В этом году я разработал третью версию MBA-программы для ИТ-руководителей. Материал за десять лет накопился большой, программу прошли более тысячи человек. Надо было не обновить, а переработать почти всё: термины, данные, исследования, последовательность.
ИИ я использовал плотно, но не для генерации содержания:
1⃣Систематизация и сквозной контекст. Когда материала много, человек перестает удерживать контрольные точки: где противоречие, где повтор. Это модель делает лучше меня.
2⃣ Единство стиля. Разработка шла месяцами. Один и тот же материал в понедельник и в четверг ложится по-разному — я в разном состоянии. У ИИ этого нет.
3⃣Визуальная согласованность. Я собрал визуальный концепт: палитра, шаблон с 250+ образцами слайдов, набор иконок. Дальше всё делалось внутри рамки, и следить за соблюдением помогала модель.
📌Чего не было
Не было копи-паста из ИИ в презентацию. Каждый слайд проходил через мой опыт и скепсис: что-то добавлял, что-то убирал. А главное — много спорил.
Проще всего показать это через темп. Хороший рабочий день — 20 готовых слайдов за 8 часов. Копи-пастом из модели те же 20 слайдов делаются минут за 20. Разница и есть показатель качества.
Модель дала черновик. Хороший, быстрый, связный — и не более. Дальше — то, что отличает курс "живого человека": ИИ не знает, на каком блоке группа "выпадает" и какой кейс не работает на региональных ИТ-директорах. Этого нет в открытых источниках — это есть в фидбэке слушателей. И еще: 1130 слайдов — это не курс. Это базис, сам курс — то, что происходит диалогом поверх него. Слайды у групп могут быть одинаковыми. Курсы — разными.
📌Что это меняет для руководителя
Чтобы возразить ИИ, нужно иметь чем. Не эрудицию, а рабочую рамку: экономика решения, ограничения компании, интересы людей. У кого рамки нет, тот физически не может нажать «НЕТ» — ему нечего противопоставить связному и уверенному тексту.
Ценность сместилась с умения пользоваться инструментом на умение с ним спорить. Первое осваивается за неделю. Второе — годами.
И вот что неприятно. Раньше суждение нарастало само собой, потому что рутина заставляла его тренировать. Теперь рутину сняли, а требования остались.
❔❔❔⚠️Когда вы в последний раз отвергли предложенный ИИ вывод — не поправили формулировку, а именно отвергли по существу?
Цикл «Естественный vs Искусственный» в канале 👉Горшенин PRO ИТ
Сергей Горшенин, CIO/CDTO, ТОП-100 ИТ-лидеров России
Автор программы ИТ-MBA: Стратегическое лидерство и организационный дизайн ИТ
▶️rutube | #MBA #управление #HIvsAI