Парадокс продуктивности в эпоху ИИ: почему инструменты «умнее», а работа — медленнее? 1:17
В недавнем отчёте некоммерческой организации MER (опубликованном в июле 2025 года) были представлены неожиданные результаты исследования влияния ИИ на работу опытных разработчиков. Несмотря на ожидания экспертов, полагавших, что внедрение ИИ повысит производительность труда на 40%, замеры показали, что использование нейросетей привело к 20-процентному снижению скорости выполнения задач.
💡 Кибернетическая ловушка: суть проблемы 5:43
Кэл Ньюпорт, автор подкаста «Deep Questions», связывает этот феномен с природой глубокой работы (deep work) — состоянием интенсивной концентрации на когнитивно сложных задачах, требующих полного погружения. В современном экономическом контексте именно такие усилия создают наибольшую рыночную ценность.
Однако в ходе эксперимента разработчики начали практиковать то, что Ньюпорт называет «кибернетическим сотрудничеством». Вместо самостоятельного написания кода они перешли на интерактивный цикл с ИИ:
- Запрос кода у нейросети.
- Ожидание генерации ответа.
- Проверка и правка полученного результата.
📉 Эффект «доски» против «ленивого» сотрудничества 11:01
Ньюпорт объясняет, почему традиционное сотрудничество с коллегами-людьми повышает продуктивность, а взаимодействие с ИИ — нет. При работе с другими людьми (например, у школьной доски) социальная ответственность и необходимость «держать нить мысли» заставляют участника поддерживать более высокий уровень интенсивности и длительности фокусировки. Это явление он называет «эффектом доски».
Напротив, ИИ-сотрудничество работает как «понижающая передача» для мозга:
- Процесс становится более «приятным» из-за частых пауз, пока модель генерирует код.
- Разработчик снижает интенсивность внимания, полагаясь на машину, что приводит к деградации качества и скорости выполнения работы.
- Часто время, затраченное на отладку «ошибок» ИИ, превышает время, которое ушло бы на самостоятельное написание кода с нуля.
🌳 Экологический миф и будущее ИИ 31:13
Отвечая на вопросы о влиянии ИИ на экологию, Ньюпорт отмечает, что текущая одержимость этим вопросом часто является способом для критиков технологий выразить недовольство ИИ в более «безопасном» и понятном для широкой аудитории поле, чем глубокий технический анализ.
По мнению ведущего, будущее ИИ не за огромными «пограничными» моделями (frontier models), которые требуют колоссальных энергозатрат, а за компактными, специализированными системами. Он приводит пример программы Pluribus (от Ноама Брауна), которая научилась обыгрывать профессионалов в покер, используя комбинацию небольших нейросетей и жестко запрограммированной логики, умещаясь при этом на обычном ноутбуке.
🏫 Образовательный кейс: технологии и успеваемость 53:05
В завершающей части программы Ньюпорт проанализировал дискуссию вокруг школы в Гринбэнке (Западная Виргиния), где из-за работы крупнейшего радиоскопы запрещены Wi-Fi и сотовая связь. Существует мнение, что именно отсутствие интернета является причиной низкой успеваемости учеников.
Однако, опираясь на данные образовательных показателей, Ньюпорт ставит этот вывод под сомнение:
- Данные свидетельствуют, что успеваемость в округе начала снижаться еще до массового внедрения Chromebook в школах.
- Сравнение с демографически схожими округами Западной Виргинии, где Wi-Fi разрешен, показывает, что там показатели падали даже сильнее.
По словам ведущего, это служит важным напоминанием: когда мы видим статистику, которая подтверждает удобную нам гипотезу, мы склонны делать поспешные выводы, не учитывая другие факторы. «Школа просто показывает слабые результаты, и это не обязательно связано с отсутствием Wi-Fi», — заключает Ньюпорт.
