Чтобы понять, почему ИИ способен незаметно подменить навык, стоит сначала посмотреть на более простую операцию: понимание.
На уровнях Remember и Understand генеративный ИИ в нашем исследовании выглядит наиболее устойчивым помощником. Он может быстро найти определение, сравнить несколько формулировок, объяснить сложную концепцию проще, привести пример или аналогию. В синтезе литературы такие сценарии связаны с более быстрым доступом к знаниям и возможностью адаптировать объяснение под пользователя.
Но здесь появляется довольно тонкая ловушка.
Хорошо сформулированный ответ легко узнать. Значительно сложнее понять, способен ли человек воспроизвести стоящую за ним логику самостоятельно.
В статье этот риск описывается как illusion of understanding. Если взаимодействие ограничивается чтением готовых объяснений, особенно без возврата к исходным данным и первичным источникам, уверенность в понимании может расти быстрее самого понимания. Для уровней Remember и Understand поэтому важны проверка источников, собственное перефразирование, поиск допущений и способность привести свой пример.
Простой тест меняет архитектуру работы.
Не «понятно ли объяснил ИИ?», а:
можете ли вы объяснить то же самое без него, другими словами и на новом примере?
Для экономики вопрос особенно важен. Одно понятие может иметь разные трактовки в разных теоретических школах, поэтому удобное обобщение модели не отменяет необходимости понимать, из какого источника и какой системы предпосылок взялось определение. В нашей выборке выводы для Remember и Understand опираются как на исследования экономического образования, так и на более широкие исследования высшей школы.
Если перенести эту логику на работу аналитика, получается полезная профессиональная гипотеза. ИИ может за минуту объяснить сложный финансовый механизм и собрать аккуратную записку. Но узнавание знакомой логики ещё не показывает, способен ли специалист проверить исходные данные, увидеть пропущенное допущение и объяснить механизм без помощи модели.
Поэтому первая компетенция в работе с ИИ может оказаться неожиданно старой: не получить объяснение, а проверить, действительно ли оно стало вашим пониманием.
Дальше проблема усложняется. На уровнях анализа и оценки модель уже может предлагать не только объяснение, но и саму структуру аргументации.
Исследование:
Makarova, V., Ogloblina, E. (2026). Human–GenAI Interaction Across Bloom’s Levels in University Economics Education. Discover Education.
#АрхДенег_Интеллект
Читайте в MAX
😀 Архитектура денег