71% российских компаний уже экспериментируют с ИИ, а рынок корпоративного обучения перешагнул отметку в 90 миллиардов рублей. Казалось бы, технологии должны делать нас быстрее и умнее. Но есть нюанс: чем легче получить готовый ответ, тем сложнее научиться задавать правильные вопросы.
Молодые специалисты сегодня воспринимают генеративный интеллект как должное: объясни сложную тему, напиши код, состряпай бизнес-план за полчаса. Проблема в том, что красивая презентация или убедительный прототип не всегда означают реальное понимание. Основатель программы Founder Mode Bootcamp Анкита Гарг формулирует это жёстко: «ИИ может заставить поверхностное мышление выглядеть изысканно».
В эпоху, когда нейросеть за секунды генерирует аналитику, стратегию и маркетинговый план, настоящая экспертиза превращается в «защитный ров» — то, что отличает игроков, понимающих предмет, от тех, кто просто умеет пользоваться инструментом. Как не дать сотрудникам спутать красивое облако с глубиной — разбираемся прямо сейчас.
Блестящая коробка с пустотой внутри
ИИ радикально сократил дистанцию между идеей и прототипом. Раньше на исследование рынка, анализ конкурентов и создание MVP уходили недели, теперь — дни. Но скорость сыграла злую шутку: мы перестали различать результат и компетентность.
Одно дело — получить от нейросети готовый отчёт. Другое — защитить его перед клиентом, объяснить каждую цифру, ответить на неудобные вопросы, увидеть слабые места, которые алгоритм пропустил. Именно в этом зазоре и рождается экспертиза. Когда сотрудник не может рассказать, почему была выбрана та или иная стратегия, не понимает, какие допущения лежат в основе модели, — перед вами опасная иллюзия квалификации.
Российские компании сталкиваются с этим всё чаще. Принесли готовое решение на основе ChatGPT, а оно не масштабируется, противоречит законодательству или банально не учитывает вашу корпоративную культуру. Дизайн-макет восхищает, но за ним — пустота. Инструмент продвинутый, а понимания задачи нет.
Где прячется настоящая экспертиза: борьба, а не кнопка
Почему люди вообще учатся? Потому что мозг растёт на сопротивлении. Искусственный интеллект может проанализировать рынок, подготовить скрипты продаж, даже сымитировать переговоры. Но он никогда не сядет напротив живого заказчика, чтобы прочитать в его глазах сомнение. Не почувствует ту грань в переговорах, за которой клиент вот-вот уйдёт. Не пройдёт через ночь мучительного выбора, когда ни один цифровой помощник не скажет, как поступить.
Формирование модели компетенций как раз помогает отделить зёрна от плевел: настоящий эксперт — тот, кто может принять решение в условиях неопределённости, а не только выбрать лучший из трёх вариантов, предложенных машиной.
Гарг настаивает: «Молодым основателям не следует отдавать на аутсорс общение с клиентами, переговоры, отказы, сложные решения и ответственность». То же самое — с менеджерами и специалистами внутри корпораций. Если вы делегируете борьбу, вы не вырастите лидера.
Почему доменное знание теперь дороже кода
Создатель TERN Group Авинав Нигам сформулировал простую истину: сильнейшие ИИ-продукты строят не те, кто начал с технологии и потом искал проблему, а те, кто понимал сломанный процесс настолько глубоко, что технология стала очевидным ответом.
Заметьте: вопрос не «Что умеет ИИ?», а «Почему эта задача до сих пор проваливается?». В сложных индустриях — медицине, логистике, HR — невозможно просто «прикрутить» нейросеть, не зная регуляторику, поведение людей, операционные реалии. Доменная экспертность задаёт границы, где модель работает, а где решения принимает только человек.
Именно здесь возникает гибридный интеллект: человек + система. Но для гибрида нужен настоящий знаток, способный наставить инструмент, а не слепо верить его выводам. Оценка в ходе реальной деятельности — один из немногих способов выявить, кто из сотрудников действительно владеет предметом, а кто лишь мастерски формулирует промты.
Российская реальность: когда цифровизация обгоняет понимание
Отечественный бизнес ускоренно внедряет ИИ-решения. Однако данные Института статистических исследований и экономики знаний НИУ ВШЭ показывают: только 7% российских предприятий считают цифровые навыки своих сотрудников высокими. Это значит, что инструменты завозят, а экспертиза для их грамотного использования запаздывает.
Типичная картина: средняя производственная компания закупает продвинутую BI-систему с ИИ-аналитикой. Но руководители не умеют интерпретировать данные, не знают ограничений алгоритмов, не оспариваают машинные выводы. Вместо «ровва» экспертизы получается дорогая игрушка, которая лишь украшает отчётность.
Практические рекомендации
- Не отдавайте ключевые взаимодействия ИИ. Клиентские встречи, переговоры, первые собеседования, разбор возражений — это территория, которую алгоритм может документировать, но не проживать. Только личный опыт формирует интуицию.
- Создавайте «сопротивление» в обучении. Отключите ИИ на части учебных заданий. Пусть сотрудники сначала решат кейс вручную — докопаются до причин, построят гипотезы, поборются с неопределённостью — и только потом сверятся с нейросетевыми подсказками. Именно так появляется глубина.
- Оценивайте компетенции в действии, а не по артефактам. Красивые отчёты и презентации могут быть полностью сгенерированы. Используйте ассессмент-центры, ролевые игры и фасилитационные сессии, где мышление человека становится видимым, а не прячется за лощёным авторефератом.
- Стройте модели компетенций с акцентом на критическое мышление. В профиле современного специалиста должны появиться: «умение выявлять слепые зоны ИИ», «навык проверки допущений», «способность принимать решения при дефиците данных». Это не софт-скиллы из учебника, а выживание в новой реальности.
- Инвестируйте в менторство, а не только в лицензии на сервисы. Рядом с каждым пользователем ИИ должен быть опытный носитель доменного знания, который комментирует, спорит и показывает, где алгоритм ошибается. Менторская культура снижает риск автоматического доверия к красивому результату.
- Проводите стратегические сессии, где решения принимают люди, а не дашборды. Живой диалог, несогласие, поиск «а что, если…» — всё то, чему нейросети только предстоит научиться. Стратегия по-прежнему требует человеческой смелости.
Заключение
Искусственный интеллект — мощнейший инструмент, но он лишь усиливает то, что уже есть в головах людей. Если у сотрудника глубокое понимание рынка, продукта, клиента — ИИ сделает его быстрее и точнее. Если понимания нет — технология просто наденет маску компетентности, за которой спрячется пустота.
Компании, которые вкладываются в развитие реальной экспертизы — через сложные задачи, менторство, практику принятия решений — как раз и выкапывают тот самый ров, через который конкурентам не перемахнуть. Алгоритмы с каждым месяцем будут становиться всё доступнее. Единственным дефицитом останутся люди, способные сказать: «Так, давайте разберёмся, что происходит на самом деле».
Часто задаваемые вопросы
Как ИИ влияет на развитие профессиональной экспертизы?
Положительно — если используется как усилитель, а не заменитель. Опасность возникает, когда готовые ответы берутся на веру без проверки и проживания опыта. Тогда формируется иллюзия компетентности, и рост останавливается.
Что важнее сегодня: владение ИИ-инструментами или глубокие отраслевые знания?
Доменные знания первичны. Инструменты без них дают только имитацию. Специалист, досконально понимающий свой участок, сможет наставить ИИ и обнаружить его ошибки; обратная ситуация почти невозможна.
Какие ключевые навыки ИИ не может заменить?
Клиентский диалог, переговоры, принятие решений в условиях неопределённости, диагностика проблем, «чувствование» культуры и сопротивления людей, а также умение сомневаться в данных.
Как оценить квалификацию сотрудника, если он активно пользуется ИИ?
Через наблюдение в динамике: решение нестандартных задач, защиту проектов вживую, участие в модерациях и ассессмент-центрах, где видно реальное мышление, а не только конечный продукт.
Стоит ли ограничивать использование ИИ в корпоративном обучении?
Не ограничивать, а дозировать. Часть учебных упражнений должны выполняться «голыми руками», чтобы укрепить когнитивные мышцы. Затем ИИ можно подключать для ускорения и проверки альтернатив.
С чего начать компании, которая хочет сохранить экспертизу в эпоху ИИ?
С аудита текущих процессов принятия решений и запуска пилотного проекта, где ключевые кадры целенаправленно прокачивают критическое мышление и доменные знания параллельно с внедрением ИИ-инструментов.
