Исчезновение электронной почты как рутинной задачи — одна из самых заманчивых перспектив развития ИИ. В новом выпуске своего подкаста Кэл Ньюпорт, автор бестселлера «Цифровой минимализм» и новой книги «Медленная продуктивность», анализирует, почему современные чат-боты до сих пор не могут заменить секретаря и какие технологические барьеры отделяют нас от «инбокса ноль» (inbox zero).
🚀 Будущее без «гиперактивного коллективного разума» 4:12
Кэл Ньюпорт утверждает, что главная проблема современного офиса — не объемы работы, а «гиперактивный коллективный разум» (hyperactive hive mind). Это модель сотрудничества, основанная на бесконечных неструктурированных сообщениях в почте и Slack . По мнению автора, постоянная необходимость проверять входящие создает колоссальный «когнитивный налог»:
- Постоянное переключение контекста: мозгу требуется время, чтобы перестроиться с одной задачи на другую, а почта заставляет делать это каждые 5–10 минут .
- Эмоциональная нагрузка: каждое письмо от коллеги или начальника воспринимается как личное требование, что ведет к быстрому выгоранию .
- Снижение качества: из-за раздробленного внимания падает как скорость, так и глубина проработки задач .
Ньюпорт мечтает об ИИ как о «руководителе аппарата» (Chief of Staff), который будет работать как Лео Макгэрри из сериала «Западное крыло»: фильтровать мусор, отвечать на простые запросы и готовить краткие сводки для человека, позволяя тому работать над одной важной задачей часами .
🧪 Что ИИ может (и чего не может) в вашей почте сегодня 9:25
Для проверки текущих возможностей Кэл Ньюпорт использовал ChatGPT на реальных письмах из своего ящика .
Результаты экспериментов показали:
- Саммаризация: ИИ отлично справляется с пересказом длинных писем. Например, письмо от пастора с размышлениями о теологии и предложением прислать книгу было сжато в один точный абзац .
- Написание ответов: Чат-бот успешно сформулировал вежливый отказ от подарка, сохранив нужный тон .
- Извлечение фактов: ИИ эффективно выделил ключевые тезисы из исторического анекдота о генерале Гранте .
Однако Ньюпорт подчеркивает, что сейчас это лишь «маржинальное ускорение» . Пользователь по-прежнему вынужден сам заходить в почту, копировать текст и принимать решения. Психологическое бремя проверки ящика никуда не исчезло.
🧠 Технологический тупик: почему LLM не умеют планировать 13:23
В своей недавней статье для The New Yorker Кэл Ньюпорт объясняет, почему текущая архитектура больших языковых моделей (LLM) не позволяет им полностью управлять почтой . Ключевая проблема — отсутствие способности симулировать будущее.
Ограничения современных моделей (GPT-4, Claude, Gemini):
- Авторегрессионная природа: они предсказывают следующее слово (токен) одно за другим на основе вероятностей, заложенных в «жестко прошитых» слоях нейросети .
- Отсутствие итеративности: информация проходит через модель линейно. У нейросети нет «черновика» в голове или возможности проиграть сценарий «что, если» перед тем, как выдать ответ .
- Провалы в простых задачах: GPT-4 часто ошибается в арифметических пазлах и игре в блоки, потому что не может заглянуть на два шага вперед .
Кэл Ньюпорт утверждает: чтобы ответить на письмо о переносе встречи, агент должен просчитать последствия для графика, понять чувства собеседника и оценить приоритетность проекта. Без симуляции будущего это невозможно .
♟️ Путь к спасению: уроки покера и дипломатии 27:10
Будущее ИИ в офисе Ньюпорт видит не в увеличении размера моделей (GPT-5 или 6), а в изменении их архитектуры. Он приводит в пример работу Ноама Брауна, создателя алгоритмов Pluribus (покер) и Cicero (игра «Дипломатия») .
- Pluribus победил профессионалов в покер не за счет огромной базы данных, а за счет симуляции того, что другие игроки думают о картах. Это позволило модели работать на обычном ноутбуке, будучи эффективнее суперкомпьютеров .
- Cicero объединил языковую модель с «движком планирования». ИИ общался с людьми, переводил сообщения на технический язык, просчитывал стратегии (кто врет, а кто союзник) и только потом выдавал текст ответа .
Ньюпорт отмечает, что наем Ноама Брауна компанией OpenAI для проекта Q (Q-Star) — явный признак того, что индустрия движется в сторону планирования и поиска в глубину (A algorithm) . И именно такие гибридные системы, по мнению эксперта, в итоге смогут «почистить наш инбокс».
💻 Программирование и ИИ: смерть профессии откладывается 40:37
Отвечая на вопрос студента о страхе ненужности программистов, Кэл Ньюпорт проводит историческую аналогию. История программирования — это цепочка технологий, повышающих эффективность: от перфокарт к интерактивным терминалам, от дебаггеров к автодополнению в IDE .
Кэл Ньюпорт делает прогноз:
- Каждый скачок эффективности приводил не к сокращению штатов, а к росту сложности систем .
- Программист сегодня в тысячу раз эффективнее коллеги из 1955 года, но ПО в мире стало в миллионы раз больше .
- ИИ станет «супер-автодополнением». Профессия потребует навыков управления более сложными архитектурами, но спрос останется стабильным .
🏛️ Философия успеха: генерал Грант против «суеты» 1:26:10
В финале выпуска Ньюпорт разбирает исторический пример из книги «Кампании с Грантом» Горация Портера . Генерала Улисса Гранта часто видели сидящим у палатки с сигарой в полной бездеятельности .
Однако, по словам современников:
- Грант намеренно избегал любой рутины, которую мог сделать подчиненный .
- Он не тратил время на чтение протоколов трибуналов или подсчет припасов .
- Его «лень» была глубокой стратегической работой, которая позволяла принимать решительные меры .
Кэл Ньюпорт призывает слушателей брать пример с Гранта: меньше «быть занятым» (checks and balances в почте) и больше времени уделять глубоким размышлениям. Именно в этом заключается суть «Медленной продуктивности» — делать меньше, но делать то, что действительно меняет исход войны .
