Когда AI делает вас умнее, а когда тупее: 393 человека, Чикаго, Торонто и неудобный вывод

393 участника, рандомизированный эксперимент, между-группами дизайн. Главная HCI-конференция года CHI 2026 в Барселоне (13-17 апреля). Статья arXiv 2603.08849. Авторы из Чикагского и Торонтского университетов попытались ответить на вопрос, на который весь рынок отвечает интуитивно: AI помогает мышлению или мешает?

Ответ оказался неудобным для популярного нарратива «интегрируйте AI везде». Дело не в AI. Дело в том, в какой момент вы к нему обращаетесь при разных временных бюджетах.

Дизайн 2×4. Время на задачу: достаточно или недостаточно. Доступ к LLM: с самого начала и до конца, только с самого начала, только в конце, без AI вообще. Задача: взять пакет документов и принять обоснованное решение по реальному сценарию. Замеряли качество решения, глубину аргументации, ширину рассмотренных перспектив, способность вспомнить материал после.

Эффект, который авторы называют «темпоральным реверсом». При дефиците времени ранний доступ к LLM улучшает результат, без AI участники не успевают. При достатке времени ранний доступ к LLM ухудшает результат: участники якорятся на первой формулировке модели, преждевременно сужают пространство решений, хуже запоминают материал, реже рассматривают противоположные точки зрения.

Зеркальная картина для позднего доступа. Помогает, когда времени достаточно. Мешает, когда времени мало.

Иначе говоря: AI это не universal helper и не universal harm. Это инструмент, который реверсивно меняет влияние в зависимости от темпорального контекста.

Большинство компаний встраивают AI по принципу «всем сотрудникам, везде, с порога». Microsoft Copilot интегрирован в Word с момента открытия документа. Cursor подсказывает код с момента открытия файла. Чат с GPT на главном экране Slack у части команд.

Эта архитектура оптимальна для срочных задач и неоптимальна для стратегических. Если ваш сотрудник начинает день с открытия Copilot и сразу просит «напиши план на квартал», он, согласно эксперименту, получает первую формулировку модели как якорь и дальше движется в её фрейме. Не пишет свой первоначальный набросок, не сталкивается со своими собственными гипотезами, не строит архитектуру решения. Архитектуру уже предложила модель.

Для срочных задач (ответить на письмо клиента за 5 минут, разобраться в документе на встрече через 10 минут) это работает как надо.

Для стратегических задач (план на квартал, архитектура продукта, разбор провального проекта) это убивает то, что вы хотели от человека получить. Качество стратегического мышления у такого сотрудника падает не потому что он стал глупее. Потому что архитектура его рабочего дня поощряет анкоринг к первой формулировке модели.

Популярная дискуссия про AI и мышление крутится вокруг двух полюсов. Первый: «AI делает нас всех глупее» (см. MIT EEG-исследование 2025 года, серия статей в TIME и Psychology Today). Второй: «AI это продуктивность × N, обнимайте». Оба полюса упрощение.

Реальная переменная не факт использования AI, а тайминг использования при заданном времени на задачу. Это операционная переменная, которой можно управлять.

Введите простое правило: разделение задач по типу темпорального бюджета.

Срочные задачи (формат знакомый, времени мало): AI с порога. Это норма для customer support, ответов на письма, отладки знакомого кода, краткой расшифровки звонков.

Стратегические задачи (формат незнакомый, время есть): сначала 15-30 минут собственного драфта без AI. Потом AI как вторая голова, чтобы расширить угол, найти контрпримеры, проверить логику. Это норма для планирования, анализа провалов, дизайна архитектуры, написания стратегических документов.

Это не отказ от AI ради чистого человеческого мышления. Это тонкая настройка против анкоринга. Вы получаете и AI, и собственную гипотезу, а не AI, который заменил собственную гипотезу до её появления.

Опросите ключевых сотрудников: с чего вы начинаете стратегические задачи? Если ответ «открываю Claude/Cursor/Copilot и описываю задачу», у вас есть проблема, описанная в эксперименте.

Введите для двух-трёх типов стратегических задач (квартальный план, разбор провала, архитектура нового продукта) обязательное правило 15-минутного собственного драфта до AI.

Через 2 месяца сравните качество стратегических документов «до» и «после». Замеряйте по простой шкале: упомянуто ли несколько перспектив, есть ли у автора собственный тезис, отличается ли финальный документ от того, что выдала бы модель на исходный prompt.

Не делайте этого для срочных задач. Там анкоринг к модели ускоряет работу и не вредит качеству. Принципиальное различие.
Больше разборов AI для бизнеса - в Telegram: https://t.me/gorilla_under_hood

🔗 Источники для факт-чека: