Работа или спортзал: простой способ решить, где AI уместен, а где убивает смысл

С чего он начинает. С личного наблюдения преподавателя: студенты сдают работы, написанные моделью. Первая реакция — это обесценивает их же собственные деньги и время, потраченные на учёбу. Но Шнайер сразу ставит себе возражение: вся их профессиональная жизнь пройдёт с AI под рукой, так почему не начать тренироваться сейчас, в университете? Именно из этого противоречия и растёт вся колонка — ему нужен способ отличить случай, где AI уместен, от случая, где он убивает смысл занятия.

Сама рамка. Он цитирует Дэниела Мейслера и вводит различение работы и спортзала. Логика простая: если задача — переместить тяжёлое, любой инструмент хорош, потому что ценность в результате. Если задача — стать сильнее, инструмент, который делает работу за тебя, обнуляет весь смысл. Никому не приходит в голову привести в зал робота, который поднимет штангу вместо тебя, — это выглядело бы абсурдом. Шнайер утверждает, что в интеллектуальном труде мы делаем ровно это, просто абсурд не так заметен.

Почему учебное эссе — это зал. Он раздаёт студентам письменные задания не потому, что миру нужны эти тексты. Ценность в процессе: надо продумать структуру, набросать план, написать черновик, вычеркнуть, поспорить с самим собой, переписать. Мучительное начало — не препятствие, которое стоит обойти с помощью модели, а собственно упражнение. Убрав его, студент получает документ и не получает ничего больше.

Как он отличает текст модели. По его словам, AI-текст узнаётся: он гладкий и уверенный, но логика в нём размыта, связи между утверждениями держатся на интонации, а не на аргументе. Проблема в том, что студент этого не видит. Для него убедительно написанный текст и есть доказательство того, что мысль хороша. А навык замечать провалы в собственном рассуждении появляется как раз тогда, когда пытаешься это рассуждение сформулировать и не можешь.

Расширение на творческие профессии. Дальше Шнайер переносит рамку с учёбы на рынок. Большая часть коммерческих заказов — техническая документация, инструкции, типовые логотипы — это «работа», и AI там хорош. Поэзия, проза, политическая речь — «спортзал», там важно, что это сделал человек. Исторически общество кормило писателей и художников именно потому, что не различало эти два случая: авторы художественных книг оплачивали жизнь техническим райтингом. AI впервые позволяет разделить одно и другое — и вместе с разделением рушится экономика, на которой держались творческие профессии.

Оговорки, которые он делает сам. Рамка работает только при двух условиях: модель действительно надёжно справляется с задачей и она защищена от манипуляций. Пока это не проверено, спорить о «работе и зале» преждевременно — сначала убедись, что инструмент вообще рабочий.

Где рамка ломается. Здесь самая честная часть колонки. Шнайер читает эту лекцию каждому потоку, и студенты всё равно пользуются AI. Причина не в непонимании: они прекрасно поняли. Причина в конкуренции — если все вокруг сдают работы, написанные моделью, тот, кто пишет сам, выглядит хуже и получает меньше. Плюс никто не платит за поход в зал. Отдача от тренировки мала, отсрочена и невидима, а отдача от AI мгновенна и видна в оценке. У работодателя логика та же, только про деньги.

Чем заканчивает. Практическим советом без иллюзий: человек может сознательно решить, что для него является залом, и отказаться от AI на этих задачах — примерно как люди осознанно выбирают лестницу вместо лифта. Шнайер сразу добавляет, что это требует дисциплины и что граница между работой и залом будет двигаться по мере того, как общество привыкает. Системных ответов — как защитить творческие профессии, как поменять стимулы в образовании — он не даёт и прямо говорит, что их у него нет.

Дальше — уже не из колонки. Пока обсуждали тему, набралась фактура, которой у Шнайера нет. Она интереснее самой рамки, потому что переводит разговор из «я опасаюсь» в «это померили».

1. Деквалификацию измерили — и не у студентов. Четыре медицинских центра в Польше, 19 опытных эндоскопистов — у каждого больше двух тысяч процедур за плечами. Сравнили, как эти врачи находят аденомы при колоноскопиях без AI-помощника: до того, как в клиниках появился AI, и после того, как они к нему привыкли. До появления AI — 28,4% (226 находок на 795 обследований). После привыкания, работая без него, — 22,4% (145 на 648). С помощником — 25,3% (186 на 734). Относительное падение — пятая часть, и речь не о новичках: это профессионалы с огромным настрелом, потерявшие форму за считанные месяцы. Важно вот что: просадку никто не почувствовал, её увидели только когда посчитали. Ощущение «я работаю как раньше» не является свидетельством того, что ты работаешь как раньше. The Lancet Gastroenterology & Hepatology, 2025

2. «Тренировать мозг вообще» не работает. 11 430 участников, шесть недель онлайн-тренажёров для мозга. Результат: люди становились лучше ровно в тех задачах, которые тренировали, и никакого переноса на другие задачи не было — даже на когнитивно близкие. Это отменяет соблазнительный вывод «буду решать судоку и кроссворды, чтобы держать форму». Так это не устроено: качается ровно то, что делаешь. Значит вопрос не «сколько нагрузки», а «какой именно» — и выбор конкретных задач важнее объёма. Adrian Owen и коллеги, Nature, 2010

3. AI поднимает пол, а не потолок. 5 179 операторов клиентской поддержки, которым дали AI-помощника: +14% решённых обращений в час в среднем, +34% у новичков и работников с низкой квалификацией, а у опытных и сильных эффект близок к нулю. То есть AI выигрывает не у мастерства, а у неопытности и у режима «и так сойдёт». Отсюда два следствия. Для команды: поднимается нижняя граница качества, а не верхняя. Для джуна: он сразу выдаёт приличный результат — и именно поэтому не проходит путь, на котором вырастает суждение. Чинить ему нечего, всё и так работает. Brynjolfsson, Li, Raymond, NBER 2023 / QJE 2025

4. Отрасль, которая прошла это тридцать лет назад. Авиация столкнулась с деквалификацией из-за автоматики задолго до AI. Что регулятор рекомендует авиакомпаниям: строить подготовку так, чтобы ручное пилотирование было основой, на которой стоят остальные навыки, и оценивать его; отрабатывать нестандартные ситуации и полёты с разными комбинациями автоматики; разрешать и поощрять ручное пилотирование на линии, когда позволяют условия; оставлять решение командиру с учётом погоды, опыта экипажа, времени суток; и не вводить жёстких запретов и произвольных квот вроде «столько-то ручных заходов в месяц» без обоснования. Отрасль с максимальной ценой ошибки пришла не к рамке в одну фразу, а к программе тренировок плюс праву решать на месте. Ответ на «как не терять форму» оказался расписанием, а не принципом. FAA SAFO 17007, 2017

5. Люди отдают AI не то, что им не нравится. Распределение по тому, что люди реально просят сделать: объяснения — 17%, документы и отчёты — 15%, инструкции и руководства — 11%. Разговорные результаты и письменные материалы — каждая группа около трети всех разговоров, код и техническая работа — примерно одна шестая. Популярная надежда «AI заберёт нелюбимое, а людям останется творчество» данными не подтверждается. Массово отдают именно письмо — то самое, что Шнайер называет залом и что многие считают творческой частью своей работы. Отдают не противное, а то, что модель уверенно тянет и что легко проверить глазами. Anthropic Economic Index: Cadences, апрель–июнь 2026

6. И один источник, на который лучше не опираться. ЭЭГ-исследование: три группы писали эссе — с языковой моделью, с поисковиком и без всего. У группы без инструментов нейронные связи были самыми сильными и распределёнными, у группы с моделью — самыми слабыми; пользователи модели плохо цитировали собственные тексты. Но: 54 участника, до четвёртой сессии дошли 18, это препринт, а задача — школьного типа эссе. Как иллюстрация красиво, как аргумент — рассыплется под первым же внимательным возражением. Держим здесь только потому, что этот материал попадётся всем, кто полезет в тему, и лучше сразу знать его слабые места. MIT Media Lab, препринт 2025