В июне 2025-го Media Lab при MIT выложил исследование с говорящим названием — «Your Brain on ChatGPT». Людей посадили писать эссе и следили за мозгом через ЭЭГ. Три группы: одни пишут через ChatGPT, другие с поисковиком, третьи — сами, без всего. Через четыре месяца картина такая: у группы на ChatGPT активность сетей внимания и памяти заметно ниже. Учёные назвали это «когнитивным долгом» — мозг привыкает не напрягаться.

Дальше СМИ сделали то, что умеют лучше всего. Заголовки: «ИИ делает нас глупее». И многие прочитали это как приговор инструменту.

А исследование говорит о другом. И это «другое» куда полезнее для тех, кто на ИИ работает.

Эксперимент померил не ИИ. Он померил один способ им пользоваться — когда человек отдаёт задачу целиком и выключается.

У этого способа есть имя в психологии — когнитивная разгрузка (cognitive offloading). Ты перекладываешь мышление на внешний носитель и перестаёшь держать задачу в голове. Само по себе это не ново: калькулятор, навигатор, записная книжка — всё это разгрузка. Вопрос всегда в том, что именно ты отдаёшь: рутину или само мышление.

Разница принципиальная. Одно дело — попросить ИИ собрать черновик, а потом самому его разобрать, поспорить, докрутить. Другое — принять первое, что выдал, потому что «звучит убедительно». В первом случае ты думаешь быстрее. Во втором — не думаешь вообще.

Исследователи, кстати, сами это сказали в финале. Их рекомендация — не «пользуйтесь меньше», а «оценивайте и проверяйте ответы, не принимайте вслепую». То есть держите себя во главе процесса.

Но чтобы держать себя во главе, надо понимать, чем ты вообще управляешь. Заглянем под капот — там проще, чем кажется.

ChatGPT и все его собратья — это большие языковые модели, по-английски LLM. Расшифровка букв GPT говорит сама за себя: Generative Pre-trained Transformer, «генеративный, предобученный». То есть штука, которая генерирует текст и была заранее обучена. На чём? На гигантском объёме написанного людьми — по сути, на всём интернете.

А теперь главное, от чего зависит всё остальное. Модель не понимает смысл так, как понимаешь его ты. Она делает ровно одну вещь: предсказывает следующее слово. Ты даёшь начало — она достраивает самое вероятное продолжение. Потом ещё слово. И ещё. Представь автозаполнение в телефоне, только натренированное на всей библиотеке человечества и оттого пугающе складное.

Здесь ломается главное заблуждение. Кажется, что ChatGPT где-то хранит правильный ответ и достаёт его, как поисковик или энциклопедия. Нет. Он ничего не достаёт — он сочиняет на ходу самое правдоподобное продолжение. Каждый раз заново. Понимание этой одной вещи меняет всё, как ты с ним работаешь.

Почему на общий вопрос — общий ответ. Спросил «как поднять продажи» — модель достраивает самое вероятное продолжение этой фразы по всему интернету. А самое вероятное — это усреднённая статья «10 способов поднять продажи». Ты получил среднее по рынку, потому что ничем его не сузил. Дай роль, свои цифры, свой контекст — и веер вероятностей схлопывается до твоего случая. Ответ становится твоим.

Почему она уверенно ошибается. У модели нет встроенной проверки на правду. Она подбирает правдоподобное. Верно оно или нет — модель не проверяет. Поэтому она с одинаково уверенной интонацией выдаёт и факт, и выдумку — это называют галлюцинацией. Складно не равно верно. И ровно поэтому нельзя отдавать ей финальное решение: она оптимизирует убедительность, а не истину.

Отсюда простой вывод. ChatGPT — не оракул. Это очень начитанный, очень быстрый исполнитель без собственного мнения и без знания твоего дела. Пока ты не ввёл его в курс — он говорит усреднённым голосом интернета. Никакой волшебной таблетки: есть инструмент, качество которого целиком зависит от того, что ты кладёшь на вход.

А вход можно собрать по-разному — от одной фразы до целой системы. Вот с этого и начинается интересное.

То, что мало кто из предпринимателей видел вблизи, — а зря. Потому что это и есть «настройка», про которую все говорят, но редко объясняют.

Один запрос в чат — это промпт. Нижний уровень. Работает, но каждый раз собираешь заново, с нуля.

Промпт можно превратить в скилл — заготовку, куда один раз зашили роль, принципы, пару хороших примеров и критерий результата. Теперь это не разовый вопрос, а маленький специалист под задачу: «разбор резюме», «проверка договора», «сводка по рабочим чатам». Позвал — он уже знает, кто он и чего от него хотят.

Ещё выше — агент. Модель, которой дали не только роль, но и инструменты (доступ к твоим данным, таблицам, почте) и право действовать по шагам: посмотреть, решить, сделать, проверить. Не «ответь на вопрос», а «выполни работу».

И вот что тут важно понять. Всё это — по сути программирование, только словами, а не кодом. Ты не пишешь синтаксис. Ты описываешь поведение: кто ты, что знаешь, по каким принципам думаешь, что считается готовым результатом. Это новый вид грамотности — не «уметь жать на кнопки», а уметь собрать из роли, контекста и правил работающую систему. Кто это умеет — получает цех исполнителей. Кто нет — получает болталку, выдающую среднее по интернету, и делает вывод, что «ИИ — хайп».

Теперь фраза, вокруг которой всё крутится, звучит не как упрёк, а как механика: какой вопрос — такой ответ. Покажу на пальцах, на одной задаче — описать вакансию.

Общий запрос:

Получишь шаблон, который отличается от сотни таких же в интернете одним-двумя словами. Потому что модель достроила самое вероятное — то есть усреднённое.

Собранный вход:

Тот же ChatGPT, та же минута — но ответ другой, потому что ты сузил веер: задал роль, дал факты, объяснил принцип отбора и сказал, что считать хорошим результатом. Инструмент один. Разница — в человеке перед экраном.

Для собственника это не абстракция про мозг студентов. Это уже ходит по твоим процессам.

Недавно наблюдали ситуацию. Человек взял набор реальных рабочих кейсов — свой настоящий опыт — и закинул в нейросеть: «скажи, чего здесь не хватает, чтобы выглядело убедительно». Модель насыпала правок. Он их принял и переделал.

Звучит нормально, да? А теперь по слоям. Модели не задали роль — кто она здесь, эйчар, редактор, придирчивый клиент? Ей не сказали, что считать сильным результатом. А главное — сам человек этого не знал, потому и спросил. И вышло: «нейросети не понравилось — значит, и мне не нравится». Оценку собственного опыта он отдал инструменту, который сам же не настроил и который, как мы теперь знаем, просто достраивал правдоподобное.

Помножь на команду. Сотрудник приносит текст, расчёт, стратегию — гладко, складно, убедительно. Раньше по кривому оформлению было видно, что человек не разобрался. Теперь ИИ причёсывает всё до одинаково приличного вида. И отличить работу, за которой стоит мышление, от той, где мышление переложили, стало труднее. А решения ты принимаешь по этим документам.

Вот реальная цена перекладывания. Не «мозг атрофируется», а «я принимаю решения на основе того, что не могу проверить».

Мы в Квантум Фэмили года полтора собираем инструменты на ИИ под конкретные задачи бизнеса — найм, анализ процессов, разборы. И набили ровно эту шишку: между «ИИ выдал ерунду» и «ИИ выдал золото» стоит не магия модели, а несколько вещей, которые кладёшь на вход.

Работает не «человек плюс ИИ», где непонятно, кто главный. Работает эксперт плюс ИИ, где эксперт ведёт, а ИИ усиливает. И у эксперта на входе всегда есть четыре вещи, которых нет у случайного запроса, — те самые, что сужают веер вероятностей до нужного:

• Роль. Кем модель должна быть в этой задаче — операционным директором, дотошным рекрутёром, скептиком-финансистом. От роли меняется вся оптика ответа.
• Факты. Твои цифры и вводные, не общие слова про «бизнес». Модель работает ровно с тем, что ты дал.
• Принципы. Где искать, что важно, чего избегать — твоя рамка вместо её догадки.
• Критерий результата. Что здесь считается хорошим ответом. Без него модель не знает, к чему стремиться, а ты — принимать ли то, что вышло.

И пятое, поверх: ты остаёшься тем, кто судит результат. Модель добывает — ты оцениваешь. Ровно то, к чему пришли авторы исследования MIT, только они про мозг, а мы про работу.

Разгрузи рутину — стало быстрее. Переложи мышление и оценку — стало хуже, и исследования это уже показали. Граница проходит здесь.

Если коротко и без пафоса — перестать относиться к ИИ как к оракулу, который «умный и сам разберётся», и начать относиться как к очень быстрому исполнителю, которого надо ввести в курс дела.

Три вопроса к себе перед тем, как отдать что-то нейросети:

1. Я задал ей роль и дал свои факты — или бросил общий вопрос?
2. Я понимаю, каким должен быть хороший результат, — или жду, что она мне это подскажет?
3. Я проверю и оспорю то, что она выдаст, — или приму, потому что складно звучит?

Три «да» — ИИ тебя усилит. Три «нет» — ты в той самой группе с ЭЭГ.

И одна мысль напоследок. Суждение — способность посмотреть на результат и сказать «вот это верно, а это мимо» — это то, за что собственнику и платят. Всё остальное можно делегировать, ускорить, автоматизировать. Это — нет. И это последнее, что стоит отдавать машине.

С отдельным промптом разобраться можно за вечер. Сложнее увидеть, где перекладывание уже сидит в процессах: какие решения в компании принимаются по выходу нейросети, который никто не проверяет, а где ИИ, наоборот, мог бы снять с тебя рутину — но не настроен.

Сейчас вместе с командой Квантум Фэмили проводим бесплатные разборы бизнеса. Живая встреча один на один, полчаса: смотрим, где в твоих процессах теряются люди и деньги, где ИИ реально усилит работу, а где идёт то самое перекладывание, и с какого шага начать. Это разговор о твоём бизнесе целиком, не только про нейросети.