В «Звёздных войнах» Хан Соло и робот C-3PO — классический пример контраста. Один действует по наитию и эмоциям, второй сыплет точными расчётами и осторожными советами. «Никогда не говори мне про шансы!» — отмахивается Хан, когда C-3PO сообщает, что вероятность выжить в астероидном поле составляет 3720 к 1. В кино это выглядит забавно и драматично. В реальной жизни такой подход к работе с машинами уже не работает.
Сегодня ИИ становится частью повседневной жизни миллионов людей, и именно поэтому нам нужно научиться работать вместе по-настоящему. К такому выводу пришла доцент бизнес-школы Стивенс Бэй Янь (Bei Yan), которая много лет изучает командную работу человека и искусственного интеллекта.
Когда «помощник» только создаёт проблемы
«Компании активно внедряют ИИ рядом с людьми, но вместе они часто работают плохо, — объясняет Янь. — Люди думают опытом, интуицией и социальными сигналами. ИИ — статистическими паттернами из данных. Эти различия могут дополнять друг друга, но только если их правильно скоординировать».
Когда координации нет, происходит обратное. Люди либо слишком доверяют выводам ИИ, либо тратят часы на исправление его ошибок, либо вообще обходят систему стороной. В итоге вместо экономии времени и сил появляется дополнительное трение. «В таких случаях ИИ не уменьшает нагрузку — он её увеличивает», — говорит исследовательница.
Компании обычно винят в неудачах либо «слабый» ИИ, либо «слишком умный», которому нельзя доверять. Янь предлагает другое объяснение: просто машины и люди плохо согласованы в понимании задач, ролей и ответственности.
Почему жёсткое разделение задач не работает
Самая распространённая ошибка — заранее чётко поделить обязанности: «это делает человек, это — ИИ». Такой подход работает только в стабильных и предсказуемых процессах. В реальной жизни большинство задач меняются со временем.
Янь приводит пример высокочастотного трейдинга. Алгоритмы отлично ловят рыночные тренды, но при внезапных событиях (резкое падение рынка, новые санкции, выход важных данных по инфляции) они могут дать сбой и даже спровоцировать обвал.
Гибридное когнитивное выравнивание
В своей статье «Syncing Minds and Machines», опубликованной в журнале Academy of Management, Бэй Янь предлагает принципиально другой подход. Она называет его гибридным когнитивным выравниванием (hybrid cognitive alignment). Это процесс постепенного формирования общих ожиданий: для чего нужен ИИ, как его правильно использовать и в каких случаях человек должен взять управление на себя.
«Такое выравнивание не возникает автоматически в момент запуска системы, — подчёркивает Янь. — Оно формируется со временем, когда люди учатся понимать поведение ИИ, адаптируют свои привычки и заново калибруют доверие на основе реального опыта».
Пример из медицины: ИИ отлично анализирует снимки КТ и находит рак, который мог пропустить врач. Но он не знает историю болезни пациента и реакцию на лекарства. Без человеческого контроля точность падает. То же самое в клиентском сервисе: ИИ мгновенно находит нужные документы компании, но не всегда понимает конкретную проблему человека.
Для компаний вывод простой: при внедрении ИИ нужно уделять больше внимания не только технологиям, но и тому, как именно будут распределены задачи и как это распределение будет меняться со временем. Обучение сотрудников, время на адаптацию команды и постоянный диалог — это уже не «дополнительные расходы», а обязательное условие успеха.
Разработчикам ИИ тоже есть над чем задуматься. Системы нужно проектировать не только под высокую точность, но и под реальное сотрудничество: чётко показывать свои возможности и ограничения, помогать пользователям учиться и постепенно строить крепкое партнёрство.
