Культура совместного мышления: 5 управленческих практик для работы с ИИ

Компании уже используют ИИ не только для автоматизации, но и для подготовки управленческих решений. Нейросети помогают анализировать данные, искать идеи и оценивать варианты быстрее человека. Но скорость не всегда означает качество: чем больше сотрудники доверяют готовым ответам модели, тем реже проверяют их логику и ищут альтернативные решения.

Как использовать ИИ так, чтобы он усиливал экспертность команды, а не ослаблял её? Эксперты Лаборатории нейронаук и поведения человека Сбера предлагают пять практик, которые помогут встроить нейросети в повседневную работу без потери критического мышления.

Содержание:

• Новая реальность: когда скорость решений оборачивается потерей экспертности
• Риск когнитивной атрофии: почему уверенность в ИИ отключает критику
• Пять практик совместного мышления: инструкция для руководителя и команды
• Главное по тексту

Новая реальность: когда скорость решений оборачивается потерей экспертности

Компании всё чаще оценивают эффект от внедрения ИИ по скорости работы: сколько времени удалось сэкономить и какие процессы автоматизировать. Но в управленческих задачах важна не только скорость.

Эксперимент с участием 758 консультантов BCG показал двойственный эффект использования генеративного ИИ. На реалистичных консалтинговых задачах, находившихся внутри текущей границы возможностей GPT-4, специалисты с доступом к ИИ выполняли на 12,2% больше задач, работали на 25,1% быстрее и давали более качественные ответы. Однако в сложном управленческом кейсе, специально подобранном как задача за пределами надёжных возможностей модели, участники с ИИ были примерно на 19% менее склонны дать правильное решение: они чаще полагались на убедительные, но ошибочные выводы модели.

Исследователи называют это эффектом jagged frontier — «неровной границы возможностей» ИИ. Модель может отлично справляться с одной задачей и ошибаться в другой, очень похожей. Поэтому главная задача компаний — не просто внедрить ИИ, а определить, где ему можно доверить работу, а где финальное решение должно оставаться за экспертом.

Риск когнитивной атрофии: почему уверенность в ИИ отключает критику

ИИ меняет не только способы работы, но и привычки мышления. Исследование Microsoft Research и Университета Карнеги — Меллона, основанное более чем на 930 рабочих кейсах, показало: чем сильнее сотрудники доверяют возможностям нейросети, тем реже они проверяют её выводы, ищут альтернативы и критически оценивают результат.

Именно так возникает риск когнитивной атрофии — постепенной утраты навыков анализа, постановки вопросов и самостоятельной оценки решений. Выигрывая в скорости сегодня, компания может ослабить экспертность команды в долгосрочной перспективе.

Избежать этого помогает культура совместного мышления с ИИ. В ней модель отвечает за поиск вариантов и анализ информации, а человек — за цель, контекст и окончательный выбор. Именно на этом принципе основаны пять практик, которые можно внедрить в работу команды.

Пять практик совместного мышления: инструкция для руководителя и команды

Совместно с экспертами Лаборатории нейронаук Сбера предлагаем пять практик, которые помогают получать от ИИ больше пользы и сохранять за человеком ключевую часть экспертной работы. Эти практики — готовое руководство для внедрения в повседневные бизнес-процессы любой управленческой команды.

1. Формулируйте задачу, а не запрос

В чём суть. Качество ответа ИИ напрямую зависит от того, насколько точно вы определили границы и условия задачи.

Как делать

• Перед обращением к модели зафиксируйте в письменном виде: цель анализа, ключевые ограничения, доступные ресурсы, критерии оценки результата.
• Вместо общего запроса «подготовь стратегию развития продукта» используйте конструкцию: «Для продукта [название] с аудиторией [сегмент] на горизонте [срок] при бюджете [сумма] и целевых метриках [показатели] предложи варианты стратегии».

Это позволяет ИИ работать в заданной рамке, а не подменять её общими рекомендациями.

2. Анализируйте логику, а не ответ

В чём суть. Готовый вывод модели лишь отправная точка. Критически важна аргументация, которая к нему привела.

Как делать

• Требуйте от ИИ не просто решения, а пошагового обоснования. Включайте в промпты уточнения: «покажи шаги, которые привели к выводу», «перечисли слабые места аргументации», «укажи данные, которых не хватает для проверки».
• Анализируйте не только факты, но и логические цепочки: проверяйте критерии, на которых строится вывод, ищите возможные логические ошибки (смешение понятий, неучтённые ограничения).
• Полученную логику модели используйте как материал для рефлексии над собственным способом мышления.

3. Стройте диалог, а не требуйте результат

В чём суть. Наиболее зрелый формат работы с ИИ — это диалог, в котором модель выступает партнёром по уточнению задачи.

Как делать

• Вместо запроса «предложи варианты инвестиций» спросите: «По каким принципам стоит сравнивать эти инвестиционные возможности и каковы ограничения каждого принципа?»
• Вместо «дай план проекта» спросите: «Какие подходы к планированию существуют для данного типа проектов и в каких условиях каждый из них эффективен?»
• Используйте режим, в котором модель задаёт встречные вопросы, выявляя слабые места в вашей логике. Это смещает фокус с поиска быстрого ответа на проработку качества решения.

4. Используйте ИИ для обнаружения слепых зон

В чём суть. Модель эффективна в роли внешнего критика, помогающего преодолеть когнитивные искажения и профессиональную инерцию.

Как делать

• Поручайте ИИ проверку аргументов на типовые ошибки: чрезмерные обобщения, ложные причинно-следственные связи, подмену понятий.
• Запрашивайте альтернативные рамки для анализа. Например, попросите модель рассмотреть вашу задачу с точки зрения клиента, конкурента или регулятора.

В командной работе это особенно ценно: модель помогает вынести на поверхность негласные установки («новое всегда лучше», «цена — главный критерий») и проверить их обоснованность.

5. Обсуждайте с ИИ критерии выбора, а не только решение

В чём суть. В управленческих задачах редко бывает единственно правильный ответ. Поэтому важнее не найти идеальное решение, а заранее определить критерии, по которым вы будете выбирать между вариантами. ИИ помогает проверить, все ли важные факторы учтены и не противоречат ли они друг другу.

Как делать

• Попросите ИИ перечислить критерии, по которым стоит оценивать решение, и объяснить, почему каждый из них важен.
• Проверьте несколько сценариев, меняя приоритеты: что изменится, если на первое место поставить скорость вывода продукта на рынок, снижение затрат, рост выручки или уровень риска.
• После обсуждения зафиксируйте, какие критерии стали решающими и почему команда выбрала именно этот вариант. Это поможет быстрее принимать похожие решения в будущем.
• Для системной работы используйте метакогнитивные карты — простые схемы, где команда фиксирует ключевые вопросы, критерии выбора, важные данные и риски, которые часто остаются без внимания. Такая карта помогает быстрее находить слабые места в рассуждениях и принимать более взвешенные решения.

Заключение. Совместное мышление с ИИ — это не просто техника работы с моделью, а новый управленческий стандарт. Он требует от руководителей и команд методологической дисциплины: умения ставить задачи, анализировать логику, вести диалог и критически оценивать собственные допущения. Когда организация начинает мыслить точнее, качество решений растёт на всех уровнях — от клиентского сервиса до стратегического планирования. Это даёт двойной эффект: задачи сегодняшнего дня решаются эффективнее, а компания становится устойчивее к изменениям завтрашнего дня.

Редакция СберПро

Автор

• Чтобы быть в курсе важных трендов и мнений ведущих экспертов, следите за нами в канале в Max. О развитии навыков управления, личностном росте пишем в «Дзене». Про технологии и развитие в IT — в блоге на VC.