AI уже начинает “разучивать” профессионалов. Первые данные не очень хорошие

Nature собрала несколько свежих исследований о deskilling — потере навыков из-за постоянной опоры на AI. Важны не мнения, а цифры.

Врачи. В исследовании в Польше эндоскописты, каждый с опытом не менее 2000 колоноскопий, получили AI-систему, которая в реальном времени подсвечивала аденомы — предраковые поражения кишечника. До внедрения AI врачи находили хотя бы одну аденому в 28,4% процедур. После внедрения, когда AI в отдельные дни был недоступен, показатель без AI упал до 22,4%. То есть навык самостоятельного обнаружения ухудшился уже после нескольких месяцев работы с подсказчиком.

Разработчики. Anthropic провела рандомизированный эксперимент на 52 software engineers. Все выполняли базовую задачу по программированию, но половине предложили использовать AI-ассистента. Потом участники писали тест на понимание того, что они сделали. Средний результат: 50% у группы с AI против 67% у группы без AI. Особенно плохо AI-группа отвечала на вопросы по диагностике ошибок в коде.

Бухгалтеры. В более раннем исследовании 2018 года изучали специалистов, которые более 10 лет пользовались автоматизированной бухгалтерской системой. Когда систему убрали, выяснилось, что часть рутинных профессиональных операций они уже не могут выполнять самостоятельно.

Наука. Проблема шире, чем медицина и кодинг. Доля научных статей, использующих AI, в 20 областях с 2012 по 2022 год выросла в среднем в 4 раза. Но вместе с этим растёт риск методологических ошибок. Например, обзор 415 работ по диагностике COVID-19 по рентгену и КТ показал, что только 62 соответствовали базовым стандартам качества. В некоторых случаях модели фактически отличали взрослых от детей, а не COVID от не-COVID.

AI часто повышает видимую производительность, но может снижать обучение. Человек выполняет задачу лучше, потому что “занимает” навык у машины, но сам этот навык не наращивает.

С AI нужно выстроить новый режим работы: регулярные “ручные” проверки, обучение без ассистента, понимание ограничений модели и обязательный аудит там, где цена ошибки высока — медицина, инженерия, наука, право, безопасность. Иначе мы получим парадокс: профессии станут быстрее, но профессионалы — слабее.

Особое внимание следует уделить при оценке «степени автоматизации профессий/задач». Задача может быть легко автоматизируемой (мы в плюсе), но последствия снижения компетентности профессионала могут негативно перевесить всю пользу от повышения производительности труда.

https://www.nature.com/articles/d41586-026-01947-1