Нейросеть может за несколько секунд написать отчёт, подготовить программу или проанализировать документы, однако с получением ответа работа далеко не всегда заканчивается. Человеку приходится искать ошибки, сверять факты и проверять выводы машины, причём затраченные усилия порой сводят на нет всю экономию времени. Специалист по когнитивной инженерии Карен Фейг объяснила, почему искусственный интеллект создаёт дополнительную умственную нагрузку и как меняется характер человеческого труда.
Когда человек самостоятельно пишет текст или программу, ему обычно понятно, в какой момент задача выполнена. С проверкой чужой работы всё гораздо сложнее: заранее неизвестно, где искать ошибку, сколько неточностей скрывается в ответе и насколько тщательно нужно изучить каждую деталь. Вдобавок нейросети способны одинаково уверенно излагать достоверные сведения и собственные выдумки, известные как галлюцинации ИИ. Грамотный язык и убедительная аргументация невольно заставляют воспринимать информацию как более надёжную.
Насколько обманчивым бывает ощущение продуктивности, показали специалисты исследовательской организации METR. В первой половине 2025 года в их эксперименте участвовали 16 опытных программистов, которые выполнили 246 реальных задач в знакомых проектах с открытым исходным кодом. Разработчики считали, что благодаря искусственному интеллекту справились с работой на 20% быстрее, хотя на самом деле потратили на 19% больше времени.
К началу 2026 года ситуация, вероятно, изменилась. Специалисты METR попытались повторить эксперимент с более современными инструментами и обнаружили признаки роста производительности. Однако многие разработчики уже не хотели выполнять задания без помощи нейросетей, что осложнило сравнение результатов. Надёжно измерить выигрыш во времени исследователям пока не удалось.
Многое зависит и от характера самой задачи. В другом исследовании с участием 758 специалистов по бизнес-консультированию GPT-4 помогла сотрудникам справляться с привычными заданиями более чем на 25% быстрее. Однако стоило предложить участникам сложную управленческую задачу, выходившую за пределы возможностей модели, как доля правильных решений среди пользователей ИИ оказалась на 19 процентных пунктов ниже, чем среди специалистов, работавших самостоятельно.
Даже обнаружив ошибку, человек далеко не всегда готов её исправить. В апреле 2026 года исследователи опубликовали результаты эксперимента с участием 2784 добровольцев. Людям предложили проверить сведения о выбросах парниковых газов из корпоративных отчётов, которые якобы извлекла система искусственного интеллекта. Если для исправления ошибки требовалось самостоятельно найти и ввести правильное значение, участники чаще принимали неверные данные. При этом добровольцы, изначально настроенные скептически по отношению к ИИ, справлялись с проверкой лучше.
Со временем внимательность может ослабевать даже у опытных пользователей. Когда автоматизированная система изо дня в день работает исправно, тщательная проверка каждого результата начинает казаться бессмысленной тратой времени. А редкую ошибку гораздо легче пропустить, если человек привык получать правильные ответы.
Меняется и то, как люди применяют критическое мышление на работе. В 2025 году специалисты Microsoft опросили 319 работников интеллектуального труда и изучили 936 примеров использования генеративного ИИ. Участники всё чаще направляли умственные усилия на проверку информации, включение машинных ответов в собственную работу и контроль результата. Чем больше сотрудники доверяли нейросетям, тем меньше, по их собственным оценкам, прибегали к критическому анализу.
Особенно трудно проверять ответы ИИ в областях, где самому пользователю не хватает знаний. Даже объяснения, которые система даёт в поддержку своих рекомендаций, помогают далеко не всегда. Исследователи обнаружили, что люди с помощью подобных пояснений лучше распознавали ошибочные рекомендации в простых заданиях, но при решении сложных задач могли, наоборот, чаще соглашаться с неверными ответами.
По мнению Фейг, компаниям необходимо учитывать, насколько сильно искусственный интеллект меняет обязанности сотрудников. Умение самостоятельно выполнить сложную работу и способность найти скрытые ошибки в готовом результате требуют разных навыков. Если ответственность за качество по-прежнему несёт человек, работодатели должны выделять время на проверку и обучать персонал грамотно оценивать машинные ответы.
Поэтому оценивать пользу искусственного интеллекта только по скорости генерации бессмысленно. Куда важнее выяснить, сколько времени проходит от первого запроса к нейросети до момента, когда человек действительно может доверять полученному результату.
