Доступ к ИИ поднял результаты тестов на 7,2 процентных пункта, и через неделю после того, как инструмент забрали, 3,9 пункта всё ещё оставались — но только у тех, кто использовал ИИ как наставника. У тех, кто поручил ему писать за себя, прирост исчез (Contractor и Reyes, 2026).
Два человека в вашей команде могут взять одну и ту же модель, одну и ту же задачу и выдать работу одинакового качества. Через неделю один из них измеримо лучше справляется с этой задачей, а другой вернулся к исходной точке. Результат, который у вас в руках, не скажет, кто есть кто.
Эксперимент за этими цифрами — рандомизированное исследование, проведённое офлайн и под наблюдением: студенты в условиях нехватки времени изучали незнакомую техническую тему и писали аналитическое эссе с доступом к ИИ или без него, затем проходили проверки без какой-либо помощи сразу и повторно примерно через неделю. Формулировка авторов об этом расхождении и есть весь вывод — прирост сохраняется у студентов, которые используют ИИ как наставника, и затухает у тех, кто поручает ИИ писать за себя.
Дизайн измерял человека, а не результат работы
Почти любое исследование ИИ и производительности измеряет выработку, пока инструмент находится в комнате. Это делает нечто более сложное и более значимое для решения: убирает инструмент и измеряет, что осталось в человеке.
Из 256 зарегистрировавшихся 211 пришли на первую сессию, 205 вернулись на вторую — в среднем через 6,98 дня. Темы были намеренно незнакомыми: блокчейн, улавливание углерода, CRISPR. Вторая сессия для всех проходила под наблюдением и без вспомогательных средств — и для экспериментальной группы, и для контрольной. Эссе оценивали 309 проверяющих со степенью магистра или доктора, 23 были исключены за непрохождение проверки на понимание.
Именно эта конструкция отделяет взятую в долг выработку от сохранённой способности. Немедленный тест говорит, помог ли инструмент. Повторная проверка без помощи говорит, изменился ли человек. Это разные вопросы, и почти любая панель адопции, используемая в компании среднего размера, отвечает только на первый — если вообще отвечает хоть на один.
Что на самом деле говорят цифры
| Показатель | Результат |
|---|---|
| Немедленный тест знаний, доступ к ИИ vs контроль | +7,2 п. п., 0,28 SD (p = 0,021) |
| Тот же тест, treatment-on-treated | +10,4 п. п., 0,41 SD |
| Тест без помощи примерно через неделю | +3,9 п. п., 0,21 SD |
| Качество эссе второй сессии, написанного без ИИ | +0,24 SD |
| Механизм | Одинаковое общее время; время сместилось от письма к чтению и поиску |
Результат по эссе стоит рассмотреть внимательнее. Через неделю после того, как инструмент убрали, в аудитории под наблюдением и без какой-либо помощи люди, ранее имевшие доступ к ИИ, написали измеримо лучшие эссе — с наибольшим эффектом в использовании доказательств и примеров и в ясности стиля. Что-то перенеслось в человека, а не только в документ.
Те, кто работал в режиме автоматизации, выиграли первую сессию и проиграли неделю
Вот та часть, которая должна изменить ваш взгляд на развёртывание.
Участники, поручившие ИИ писать за себя — авторы называют это automation, — сдали на первой сессии эссе с более высокими оценками. Они выглядели как лучшие. Через неделю, на сессии без помощи, это преимущество просто исчезло. Участники, использовавшие ИИ как наставника и просившие его объяснять, а не производить, своё преимущество сохранили.
Два режима использования. В результате работы неразличимы. По влиянию на способность — противоположны. И механизм прозаичен: обе группы затратили одинаковое общее время, но доступ к ИИ сместил минуты от письма к чтению и поиску информации. Те, кто был в режиме наставника, потратили эти минуты на понимание. Те, кто был в режиме литературного негра, потратили их на то, что не осталось.
Именно поэтому «использование ИИ» — неверная метрика адопции. Это не слабая и не запаздывающая метрика. Это метрика, которая присваивает одинаковую ценность поведению, которое наращивает вашу кадровую скамейку, и поведению, которое её выхолащивает.
Ваша панель адопции не видит ИИ в роли наставника
Если режим использования — та самая значимая переменная, очевидный вопрос: измеряет ли его кто-нибудь. В целом нет.
Productivity Lab компании ActivTrak вывел стадии адопции ИИ из поведенческой телеметрии по 120 620 работникам, а не из лицензий, входов в систему или самоотчётов. Получилось: 27 % на стадии помощи в поиске информации, 14 % на выполнении задач и 2 % на подлинной интеграции в рабочий процесс (ActivTrak Productivity Lab, 2026). Подсчёт лицензий и панели входов измеряют распространение. Они не измеряют адопцию и уж точно не измеряют режим.
Между тем ёмкость обучения, которая могла бы привить лучший режим, сжимается. Опрос PwC 2026 года среди 49 364 работников в 48 странах показал, что доля тех, кто говорит о доступе к нужным им ресурсам обучения и развития, упала до 51 % с 59 % годом ранее — тогда как ежедневное использование генеративного ИИ выросло с 14 % до 22 % (PwC, 2026). Доступ к инструменту масштабируется. Доступ к обучению тому, как им пользоваться, идёт в обратную сторону.
Работники это замечают. В исследовании GoTo о труде за 2026 год 39 % сказали, что зависимость от ИИ размывает их навыки, а 43 % признались, что сдавали результат работы ИИ, в качестве которого сомневались (GoTo и Workplace Intelligence, 2026). Самоотчёт сам по себе — слабое свидетельство. Рядом с экспериментом под наблюдением, который находит ту же форму, он перестаёт быть шумом.
Асимметрия, которая превращает это в проблему преемственности
Ещё один результат — именно он выносит тему из обучения в кадровое планирование.
Предзарегистрированный трёхмесячный полевой эксперимент дал ИИ-ассистента для составления патентов в руки 133 практикующим патентным юристам в одиннадцати американских фирмах; каждую работу оценивали эксперты в слепом режиме. На задачах с поддержкой качество выросло на 0,38 SD к девяностому дню, причём прирост был больше у младших юристов. Затем последовала задача правки без поддержки, где ИИ не разрешался никому, — измерение собственно компетенции. Юристы экспериментальной группы в целом получили на 0,32 SD выше, но преимущество целиком сосредоточилось у старших — 0,45 SD. У младших юристов среднего прироста не было вовсе; их оценки раздвоились: посредственных результатов стало заметно меньше, но это компенсировалось большим числом слабых и большим числом хороших (Autor и др., NBER, 2026).
Собственная трактовка авторов — это фраза, которую стоит взять на следующее совещание по планированию: наибольший выигрыш от ИИ достался юристам, сохранившим меньше всего, и базовая экспертиза, возможно, является предварительным условием для извлечения устойчивого навыка из практики с поддержкой ИИ.
Прочитайте два исследования вместе. Режим использования решает, накапливается ли способность, а уже имеющаяся экспертиза, по-видимому, решает, какой режим человек выбирает по умолчанию. Ваши самые опытные наращивают. Ваши младшие расходятся на две группы, и выработка с поддержкой у обеих выглядит нормально.
Стоит сказать прямо: финансирование и часть авторства патентного исследования принадлежат производителю инструмента. Доверие к нему держат предрегистрация и слепая оценка третьей стороной, а не спонсор.
Честное возражение
Четыре ограничения, прежде чем кто-то построит на этом политику.
Это студенты на часовой задаче. Не сотрудники на квартале реальной работы. Механизм — перераспределение времени от производства к пониманию — правдоподобно переносится. Размеры эффекта не следует приводить как оценки для рабочей среды, и я бы не вписывала 7,2 пункта в обоснование проекта.
Это препринт. arXiv 2607.08849 был размещён в июле 2026 года и пересмотрен в октябре 2026 года. Рецензирование не завершено.
Проверки на устойчивость сдвигают цифру. Если исключить участников, нарушивших правила исследования, эффект обучения первой сессии падает до 0,24, 0,15 или 0,27 SD в зависимости от используемой меры. Эффект выживает, но его величина мягче заголовка.
Режим наблюдали, а не назначали. Расхождение «наставник против литературного негра» — самый применимый результат статьи и её экспериментально наименее чистая часть: участники сами выбирали, как пользоваться инструментом. Те, кто тянется к объяснению, могут отличаться от тех, кто тянется к готовому результату, и в тех свойствах, которые тоже предсказывают удержание. Асимметрия по стажу в патентном исследовании в точности согласуется с таким чтением.
Что выживает после всех четырёх: результат работы не является показателем того, учится ли человек, а разрыв между двумя — проблема измерения, которую можно закрыть, ничего не покупая.
Что изменить в этом квартале
Четыре шага. Ни один не является покупкой.
- Перестаньте отчитываться об использовании ИИ как о метрике адопции. Лицензии, входы и число сессий описывают распространение. Замените главный показатель одной цифрой: сколько людей продемонстрировали названную способность без помощи после того, как использовали ИИ для её построения.
- Сделайте работу с моделью в режиме наставника явным, преподаваемым поведением. Это достаточно конкретно, чтобы войти в маршрут онбординга и в сценарий разговора один на один: просите модель объяснить своё рассуждение и проверить ваше, а не выдать артефакт. Это самое дешёвое вмешательство во всём наборе, и его никто не делает.
- Добавьте одну задачу без помощи в цикл развития для ролей, где результатом является суждение. Не тест — настоящую задачу, выполненную без поддержки и оценённую по той же рубрике, что и версия с поддержкой. Разрыв между двумя и есть ваш сигнал удержания навыка, и его нет ни в одном отчёте о качестве выработки.
- Заложите расхождение младших в план преемственности. Если выработка с поддержкой ровная по уровням стажа, а сохранённая способность — нет, ваша двухлетняя кадровая скамейка тоньше, чем утверждают данные о результативности, и ошибка идёт только в одну сторону.
У четвёртого шага в большинстве компаний нет очевидного места, потому что он требует компетенции, измеренной по циклам против устойчивой модели, а не выведенной из недавних результатов работы. Слой результативности и преемственности Scovai построен на этом разделении: компетенция оценивается детерминированно, по каждой компетенции и каждому циклу, на модели Great Eight; 9-box вычисляется из этих данных о компетенциях, а не из впечатлений руководителей; готовность к преемственности указывается по каждой критической позиции — готов сейчас или через двенадцать–двадцать четыре месяца. Связь здесь структурная: если ваша ось потенциала читает выработку с поддержкой, она читает инструмент.
Неудобный вывод этого исследования в том, что ваши самые результативные пользователи ИИ и те, чьи навыки деградируют быстрее всех, могут быть одними и теми же людьми, и что ничто из измеряемого вами сегодня не отделяет ИИ в роли наставника от ИИ в роли литературного негра.
Поэтому выберите одну роль в этом квартале, проведите одну задачу без помощи по той же рубрике, что и версия с поддержкой, и выясните, в какую сторону идёт разрыв. Измеряйте человека, а не документ: документ перестал что-либо сообщать вам о любом из двух в тот день, когда появился инструмент.
