Какие навыки обеспечивают успешную коллаборацию с ИИ и как их встроить в корпоративную практику

Любой профессиональный опыт на протяжении истории человечества всегда работал как учитель. Это было базовым правило рынка труда, аксиомой, не требующей доказательств. Всем было очевидно, что программист через пять лет пишет код быстрее и чище, чем на первом году, что консультант на десятом году карьеры видит бизнес-процессы глубже, чем на втором и что врач, принявший тысячу пациентов, ставит диагнозы точнее, чем обследовавший сотню. Профессиональный труд обладал встроенным механизмом роста, о котором никто специально не задумывался — потому что его не нужно было замечать, он работал сам, как сила тяжести.

Чтобы написать хорошую аналитическую записку, юристу или аналитику приходилось пройти весь путь самостоятельно: удержать в голове первоначальный замысел, столкнуться с неизбежными противоречиями в исходном материале, принять сложное решение о структуре, проверить слабые места, переписать текст три раза, мучительно подобрать формулировки, поспорить с самим собой о выводах и в конце концов сотворить что-то новое. Каждая такая записка автоматически прокачивала следующую. Не потому, что аналитик специально учился, а потому, что задача сама учила его через сопротивление: трение в процессе решения задач порождало новые нейронные связи в мозге. Это и было главное профессиональное чудо. Для развития сотрудника достаточно было поставить ему задачу посложнее, а остальное было следствием.

С появлением больших языковых моделей этот базовый механизм сломался, и такого еще не было за всю историю профессионального труда. Опыт перестал быть учителем. Причина кроется в том, что теперь ИИ закрывает за человека абсолютно все, полностью устраняя то самое развивающее трение. Противоречия в материале? Их можно легко обойти, выбрав ту версию, в которой их формально нет. Решение о структуре документа? Принято за две секунды. Слабые места? Модель аккуратно и незаметно их сгладит.

Снаружи это выглядит как абсолютная мечта любого менеджера. На деле это смерть профессионального обучения в процессе работы. В краткосрочной перспективе компания получает сплошное удобство: результат появился быстрее, отчет сдан, KPI выполнены. В долгосрочной перспективе это оборачивается катастрофой. Через пять лет в вашей команде окажется сотрудник с десятилетним стажем, который по своим реальным навыкам ничем не отличается от вчерашнего джуна с такой же моделью. Только стоит он компании гораздо дороже и ходит грустный, потому что творчество из его жизни полностью ушло, и у него осталась одна унылая редактура.

Опыт без рефлексии просто не накапливается, а у работы с ИИ есть одна жесткая структурная особенность, делающая рефлексию практически невозможной: у разговора с моделью нет внешнего следа собственной работы. Сотрудник написал промпт, получил ответ, применил его, закрыл вкладку браузера. Через неделю он открывает новый чат с похожим запросом и идет абсолютно по тому же кругу. Почему? Да потому что он не помнит, какой именно ход в прошлый раз сработал. В логах нет записи «вот это получилось хорошо, потому что...», а спросить некого. Разговор был не с человеком, а человек — единственное существо, способное на нормальную обратную связь. Привычка идет по тому же маршруту, но она не становится мастерством. Через год регулярного использования ИИ сотрудник умеет ровно столько же, сколько умел в первый месяц. Он просто делает это быстрее — что в компаниях обычно ошибочно и принимают за профессиональный рост.

Из-за разрушения традиционных механизмов развития сотрудники, регулярно работающие с большими языковыми моделями, неизбежно расходятся по двум абсолютно противоположным траекториям. Первое направление мы называем экзомышлением. Это траектория тех специалистов, которые сознательно возвращают когнитивное трение в свою ежедневную работу. Они приходят к модели с уже готовым, собственным жестким замыслом и удерживают его по ходу всей сессии, заставляя модель переделывать ответы раз за разом, пока не будет достигнут идеальный результат. Они обязательно проверяют выдачу через независимые источники, фиксируют каждый удачный методологический ход в свой актив и затем осознанно применяют его в будущем. У таких сотрудников каждый рабочий эпизод становится развивающим упражнением. В этом сценарии ИИ работает именно как интеллектуальная машина, которую полностью контролирует, направляет и масштабирует человек.

Вторая траектория — это экзозамещение. К ней относятся сотрудники, которые принимают подарок искусственного интеллекта целиком — безраздельно и, увы, бездумно. Они отдают модели все, включая главную составляющую интеллектуальной работы — авторство принимаемого решения. В этой парадигме ИИ становится не инструментом в руках мастера, а полноценным исполнителем, который постепенно превращается в автора решения. Способности мыслить самостоятельно у специалиста в этом случае атрофируются за ненадобностью, точно так же, как атрофируются мышцы без физической нагрузки. Главная сложность и коварство ситуации заключаются в том, что изнутри одного отдельного рабочего эпизода эти две траектории абсолютно неотличимы друг от друга. Сотрудник на экзомышлении и сотрудник на экзозамещении в моменте выдают внешне похожий результат: качественный документ написан, задача вовремя закрыта, клиент или руководитель довольны.

Разница между этими специалистами проявляется только в одном-единственном случае — когда у сотрудника внезапно забирают модель. У первого после этого остается высокая личная квалификация, усиленная пониманием методологии. У второго не остается ничего, кроме панического страха собственной профессиональной несостоятельности. И вот тут любая компания, которая два года подряд увлеченно вкладывала огромные бюджеты в развитие своих людей через ИИ, внезапно обнаруживает, что понятия не имеет, кто именно из ее сотрудников на какой траектории находится. Эта слепота и есть главный кадровый риск 2026 года. ИИ — это технология, которая эффективно работает в обе стороны — и как ускоритель, и как разрушитель. Различающая переменная здесь — это паттерн работы конкретного человека. А паттерн использования в обычные корпоративные метрики вообще никак не попадает, потому что все они были придуманы в прошлую эпоху, когда работу сотрудника было хорошо видно и без специальной оптики.

Чтобы перестроить корпоративную практику, нужно четко разделить уровни владения технологией. Промптинг и работа с ИИ как с полноценным собеседником — это не две версии одного и того же навыка, а два принципиально разных этажа. Промптинг — это нижний этаж, этаж чистого исполнения. Это умение точнее составить текстовый запрос, чтобы получить ответ чуть получше. Этот навык, безусловно, полезен, но он оставляет человека ровно в той же профессиональной точке, где он находится, просто теперь этот человек производит контент быстрее и уже сам не помнит, как именно он это сделал.

Работа с ИИ как с собеседником — это верхний этаж, этаж мышления. На этот уровень человек поднимается только тогда, когда приходит к модели со своим собственным замыслом, гоняет ее по задаче, жестко оппонирует ее решениям, забирает себе авторство, а ей отдает лишь техническое развертывание. Растит сотрудника только этот второй этаж.

Мы выделили шесть ключевых компонентов субъектности, по которым можно и нужно оценивать реальную работу человека с ИИ:

• удержание авторского замысла
• гибкость в выборе способов работы с моделью
• полный цикл от поиска до верификации и кристаллизации решения
• накопление готовых ИИ-активов
• качество ведения диалога
• безопасное использование ИИ

Без этих навыков сотрудник мгновенно попадает в ловушку покладистости модели. В ее лице человек получает советчика, который покладистее самого уступчивого коллеги, — и это не подарок, а опаснейшая ловушка. Если вы открыли модель, не имея собственного мнения, ваш замысел тихо и незаметно подгонится под ее самый первый ответ, а вы еще и искренне поблагодарите систему за отличную идею.

Правило успешной коллаборации существует, и оно одно: свой замысел должен быть зафиксирован строго до открытия модели. К ИИ необходимо относиться как к новому сотруднику, которому вы ставите задачу, которого вы обучаете и которого жестко заставляете переделывать работу до тех пор, пока не получите действительно стоящий результат. Решение модели всегда должно проверяться встречной веткой диалога, которой прямо и недвусмысленно поставлена задача разнести это решение в пух и прах. Только через такое сопротивление и критический анализ рождается подлинное качество, а не его цифровая имитация.

Корпоративная метрика сегодня измеряет выработку с моделью в контуре — то есть она оценивает не человека, а связку «человек плюс модель», и тактично не уточняет, что самого человека в этой связке становится все меньше. Выработка при этом не падает, так как модель в ту же секунду компенсирует любую утраченную способность сотрудника. Прибор показывает уверенный рост, а реальная способность под этим прибором стремительно снижается. Дальше начинает работать опасная иллюзия точности: менеджеры оперируют красивыми отчетами — 87% внедрения, 12,4 часа работы с ИИ в неделю, оценка грамотности 3,2 из 5. Эти числа точны до десятых долей, но они абсолютно пустые по своей сути, потому что ни одно из них не говорит главного: кто именно сидит за столом и принимает решения — человек или модель за него. Показатель «производительность плюс 30%» одинаково годится и для описания реального лидерского роста, и для описания глубокой эрозии навыков, сама метрика их вообще не различает. Прибор не врет, он просто считает принципиально не то.

Единственный объективный замер в эпоху ИИ — это замер самой способности сотрудника мыслить без модели в контуре. И измеряется этот показатель не бездушной цифрой активности, а глубоким разбором реальных эпизодов по шести компетенциям работы с ИИ. Именно поэтому HR-директору категорически нельзя начинать изменения с массового обучения. Типовой ход «сначала обучим всех промптингу» дает через год стопроцентное покрытие, стопку красивых сертификатов, отличные фотографии на корпоративном портале — и полное, абсолютное незнание того, где на самом деле находятся ваши люди. Это все равно что лечить пациента, которого даже не осмотрели.

Начинать нужно строго с оценки, а оценивать следует конкретные рабочие эпизоды: аналитик садится и читает реальные логи диалогов сотрудника с моделью. Это дает паттерн когнитивного поведения, которого никогда не покажет ни один, даже самый продвинутый опросник. Вторым шагом должен идти наём: если продолжать брать людей по старым критериям, компания будет бесконечно копить специалистов, которых потом придется переучивать с нуля. Обучение идет лишь третьим шагом, когда четко понятны дефициты компетенций. И только четвертым шагом выстраиваются карьерные треки, которые работают на горизонте нескольких лет.

Попытка же переждать шторм или залить проблему бюджетами на курсы промптинга приведет лишь к тому, что через несколько лет компания превратится в цифровой конвейер, за которым стоят сотрудники, неспособные к самостоятельному мышлению. Единственный способ сохранить интеллектуальный суверенитет бизнеса — это прямо сейчас внедрить оптику когнитивной субъектности в управленческий контур. Прогресс не отменить, но именно от HR-департамента зависит, станет ли искусственный интеллект экзоскелетом для ума ваших сотрудников или окончательно заместит их как мыслящих профессионалов.