Перейти к содержанию
Мышление с AI

С чего начать (и куда расти) в AI: почему 85% специалистов застревают на полпути и как перестроить работу

Карта пути от первого запроса до управляемого процесса: две способности, две подмены и шесть ловушек.

С чего начать (и куда расти) в AI: почему 85% специалистов застревают на полпути и как перестроить работу

Все вокруг говорят про автономных агентов и полную автоматизацию, а на вашем рабочем столе — та же картина, что и год назад: выгрузки из 1С, сложные таблицы в Excel, бесконечные ветки писем в почте, пояснительные записки и согласования договоров.
Если убрать маркетинговый шум и посмотреть, что реально происходит на рабочих местах, станет видно: большинство людей сходят с дистанции в одной из двух точек.
Первая точка — быстрое разочарование. Человек пару раз открывает ChatGPT, DeepSeek или GigaChat, задает вопрос как в поисковик, получает гладкую, но пустую и бесполезную отписку и решает, что проще сделать руками.
Вторая точка — невидимое плато. Специалист осваивает несколько удобных приемов — сжать длинную переписку, поправить тон письма, перевести документ, собрать быструю справку — и застревает в этой зоне на годы. По сходящимся данным независимых исследований 2025–2026 годов, здесь останавливаются 80–85% тех, кто уже искренне поверил в пользу AI и пользуется им каждую неделю.

Я составил карту подробного маршрута, который мы совместно с вами будем исследовать и проходить в проекте Extended Mind: куда именно ведет этот путь, как по своим рабочим инструментам точно определить текущую точку, почему практика буксует у опытных людей и по каким правилам переходить от ручного диалога к управляемой автоматизации.

Куда ведет путь: две главные способности и две опасные подмены

Изучение AI — это не коллекционирование «секретных запросов» по папкам в закладках и не гонка за новостями о выходе очередных моделей. В верхней точке маршрута профессионал опирается на две способности, которые меняют сам масштаб его работы:

  1. Думать вместе с AI. Философы Энди Кларк и Дэвид Чалмерс еще в 1998 году показали, что граница нашего мышления не заканчивается черепной коробкой: если внешний ресурс встроен в работу так, что человек опирается на него автоматически, а без него думает хуже, этот ресурс становится частью мыслительного контура. Прежние цифровые инструменты — поисковики, справочно-правовые базы, учетные системы и электронные таблицы — просто выдавали справку по запросу и возвращали управление человеку. Языковые модели впервые участвуют в самом рассуждении: помогают нащупать структуру аргумента, подсвечивают слепые пятна и задают проверочные вопросы. Когда вы думаете вместе с машиной, а не только поручаете ей причесать готовую мысль, с выходом каждого нового поколения моделей ваши собственные возможности растут.
  2. Проектировать работу вокруг AI. Профессионал не просто обращается к чату по случаю, а собирает под себя управляемый процесс: решает, какие шаги отдать обычным формулам в таблице, где подключить языковую модель и по каким критериям принимать результат. Здесь важно различать два слоя:
  • Техническая настройка («кнопки»): как подключить сервис, связать таблицы через Make, n8n или скрипты и запустить цепочку. Это полезно сегодня, но уже к 2028–2029 годам техническую сборку во многом возьмут на себя сами системы.
  • Стратегическое суждение: что именно можно доверить машине, как проверять качество, где не верить уверенному тону модели и где проходит граница вашей личной ответственности. Этот слой остается за человеком надолго.

Главный измеримый итог такого пути — не просто сэкономленные полчаса на рутине, а задачи, за которые вы теперь можете браться: то, что раньше было неподъемным по объему, скорости или межотраслевой сложности (например, вести несколько аналитических направлений параллельно или за один цикл проверять восемьдесят документов вместо двадцати).
По дороге к этой цели легко свернуть в две тупиковые ветки, которые со стороны очень похожи на успех:

  • Подмена первая: «грамотность в AI» вместо реальной практики. Можно знать всё об архитектуре моделей, следить за бенчмарками OpenAI, Anthropic и китайских лабораторий, но в работе продолжать писать запросы из пяти слов и закрывать вкладку после первого же неудачного ответа. Знание об устройстве систем — лишь входной билет, само по себе оно работу не меняет.
  • Подмена вторая: бездумная передача работы машине. Человек использует нейросети много и ежедневно, но с выключенным собственным суждением. Ради скорости он копирует ответы из чата напрямую в рабочие файлы, перестает выстраивать собственное понимание проблемы, а на вопрос «почему здесь выбран такой подход?» отвечает: «так написал AI». Со стороны это выглядит как передовая практика, но на деле ошибки уходят в документы под вашей фамилией, а ваша собственная квалификация тихо размывается.

Настоящая цель — не переложить работу на алгоритм, а расширить собственное мышление, сохранив за собой суждение и ответственность.

Где вы сейчас: пять состояний практики и реальные инструменты

Когда люди оценивают свой уровень в AI, они часто считают количество освоенных приемов: «я умею делать саммари встреч, писать тексты, переводить и генерировать картинки». Но количество шаблонов обманчиво: можно иметь в папке 30 заготовленных запросов и годами топтаться на одном месте.
Реальный уровень определяется тем, в какую зону своей работы вы пускаете инструмент. Я отдельно разобрал все пять состояний на странице «С чего начать или продолжить в AI».

Долгая зона застревания: почему 80–85% останавливаются на полпути и как из нее выбраться

Между первым переходом (когда вы уже привыкли открывать AI) и вторым (когда вы перестроили под него порядок мышления и работы) лежит широкая полоса, в которой большинство специалистов застревает на месяцы и годы. Уговоры здесь не работают: человек и так убежден, что AI полезен, но его основная работа остается прежней.
Причина этой остановки почти никогда не бывает технической — так работает защита нашей профессиональной идентичности и здравый смысл в условиях текучки. Внутри этой зоны действуют три психологических механизма:

  1. Видимость без перемен. Отношение к технологии меняется, а поведение в ядре профессии — нет. Опытный эксперт искренне хвалит AI на планерках и показывает коллегам, как ловко бот сжал ему запись созвона, но свои профильные заключения пишет ровно так же, как пять лет назад.
  2. Отдаем мелочь, оберегаем главное. Чем выше квалификация и стаж человека, тем сильнее он защищает ядро своей работы: черновую рутину и форматирование отдать машине не жалко, а пустить AI в анализ и выработку суждения ощущается как угроза собственной экспертной ценности («я эксперт, а не оператор машины»).
  3. Сравнение не с тем. Получив от модели за минуту сырой набросок документа, специалист сравнивает его со своим эталонным итоговым заключением, на которое обычно тратит два дня, и закрывает окно со словами «он не тянет мой уровень».

На практике это застревание принимает одну из шести конкретных форм. У каждой из них свой корень — если перепутать причину, вы будете лечить не то:

Что вы говорите себе (признак) В чем настоящий корень Что реально помогает сдвинуться
1. «Знаю и верю, но в работе не делаю» В «Избранном» Telegram копятся десятки ссылок на приемы и сервисы, а в реальной работе — только мелочи. Нет спускового крючка (триггера). Абстрактное намерение «надо чаще пользоваться AI» не включается в момент, когда в почту падает срочная рабочая задача. Задать жесткую связку «если — то» под одну еженедельную задачу: «Когда открываю новую аналитическую справку, первые 10 минут строю структуру в Claude / ChatGPT». Плюс 5 минут с AI в начале дня на разборе плана.
2. «Делаю, но только знакомое» Уверенно гоняете 5–15 привычных шаблонов (саммари звонков, переводы, правка писем), но к сложным задачам AI не подпускаете. Ловушка комфорта. В освоенной нише результат предсказуем и руководство довольно, а шаг за ее пределы несет риск потери времени, который ничем не вознаграждается. Раз в неделю намеренно брать одну «задачу на вырост» (в роли критика или спарринг-партнера) с целью проверить границы модели. Сильнее любых статей здесь работает живой разбор того, как коллега вашего профиля решает с AI задачу, которую вы считали «невозможной».
3. «Заходил с важной задачей и разочаровался» Пытались поручить модели сложный профильный документ, получили поверхностные общие слова и сделали вывод «AI с этим не справляется». Ожидание готового результата с одной реплики. От модели ждут работы штатного эксперта, не дав ей ни контекста в Projects / NotebookLM, ни цикла правки. Не искать новую задачу, а вернуться к той самой, где обожглись. Загрузить обезличенный контекст, включить рассуждающую модель и пройти 4–5 кругов доработки: AI дает каркас, критику и варианты, а чистовик проходит через вашу экспертизу.
4. «Процесс и правила не позволяют» Дома пользуетесь с удовольствием, но на работе закрыт доступ к зарубежным сервисам, документы лежат в кривых PDF-сканах или ИБ всё запретила. Реальный внешний барьер среды. Единственная не психологическая причина: проблема в устройстве организации, а не в человеке. Бесполезно прокачивать мотивацию. Нужно освоить технику быстрого обезличивания (работать со структурой и индексами без закрытых цифр в доступном контуре — вплоть до корпоративного YandexGPT / GigaChat) и подготовить для руководства и ИБ короткое обоснование на одну страницу: какие задачи, какой класс данных и как контролируется риск.
5. «Слишком занят для перестройки» Понимаете выгоду и получали первые результаты, но под горящими дедлайнами откатываетесь к старому способу в Word и Excel, откладывая «на после квартального отчета». Ловушка краткосрочной экономии. В аврале сделать руками по старинке действительно на 15 минут быстрее, чем осваивать новый подход, а спокойная неделя сама никогда не наступает. Не затевать «освоение AI» отдельным проектом. Встроить ровно 5 минут работы с моделью внутрь шага, который вы и так делаете сегодня, и жестко забронировать в календаре один неприкосновенный слот на 30 минут в неделю под эксперименты без сдачи результата.
6. «Жду более совершенный инструмент» Отлично разбираетесь в версиях моделей, следите за обзорами, но в работе не применяете: «пока галлюцинирует, вот через год допилят — тогда начнем». Перфекционизм как защита от неудачной попытки. Пока инструмент «неидеален», любой промах можно списать на него, поэтому планка достаточности вечно отодвигается. Назвать конкретно, чего именно вам не хватает в текущих моделях, и провести один ограниченный двухчасовой подход на реальной задаче. Затем честно посчитать цену ожидания: сколько вы потеряете, начав через два года без двух лет навыка перестроенной работы.

Как двигаться дальше вместе с Extended Mind

В проекте Extended Mind мы шаг за шагом будем разбирать каждое состояние на живых примерах из российской и международной практики: показывать, как обезличивать данные, как настраивать рассуждающие модели на поиск слепых пятен, как оформлять «контракты процессов» и как переводить рутину в надежный полуавтомат без потери контроля.

Что можно сделать прямо сейчас:

  1. Сверить свою точку: сохраните в закладки нашу короткую страницу-навигатор «С чего начать?», выберите шаг своей недели и выделите в календаре 15–20 минут на одну задачу завтра утром.
  2. Подключиться к разборам: переходите в Telegram-канал Extended Mind или в канал в MAX, где мы вместе проходим этот путь — разбираем конкретные рабочие сценарии, делимся проверенными шаблонами «контрактов процесса» и честно обсуждаем, где AI дает кратный выигрыш, а где ему не место.

Каждый следующий шаг в осваивании AI выбирается по тому, как устроена ваша реальная работа сегодня и какие задачи стоят именно перед вами, а не по желанию перепрыгнуть сразу в конец маршрута.

Мышление с AI
Александр Шалаев

Автор

Александр Шалаев

Активно внедряю лучшие AI-инструменты и практики в своей команде и в смежных командах большой организации


Похожие записи

Мышление с AI AI: Фундамент 27 мин. чтения

Как ставить задачу: от заклинаний к ясному заданию

Руководитель ждёт записку о внедрении AI, а чат выдаёт гладкую корпоративную воду. В третьем выпуске «AI: Фундамент» разбираем, почему «волшебные фразы», чаевые и титулы не работают — и из каких семи опор состоит ясное задание.

Как ставить задачу: от заклинаний к ясному заданию
Мышление с AI AI: Фундамент 26 мин. чтения

Что видит модель: контекст, память и ваши документы

Том загружает всю папку по закупкам и получает ответ по прошлогодним правилам. Чат, который вчера «помнил» Анну, сегодня её забыл. Во втором выпуске «AI: Фундамент» — контекст, память и подготовка документов.

Мышление с AI — пересекающиеся ленты Extended Mind
Мышление с AI AI: Фундамент 32 мин. чтения

Что находится по ту сторону окна чата

Нейросеть принимает рукописную восьмёрку за тройку. Как эта ошибка помогает ей учиться? В первом выпуске «AI: Фундамент» разбираем, как связаны AI, нейросеть и языковая модель, что такое токены и как из них складывается ответ. Почему в письме появляется срок, которого никто не назначал?

Что находится по ту сторону окна чата