ИИ и креативность: что происходит, когда мы передаем «скучную работу»?

ИИ крадет ваши озарения.

Автор статьи, источник: Юань Чжэнь, коммерческие заметки

За последние два года почти каждая AI-компания рассказывала одну и ту же историю:

Передайте рутинные задачи ИИ — люди смогут освободить время и заняться более творческими делами.

Эта формулировка звучит безупречно. Пусть ИИ собирает информацию, обрабатывает таблицы и пишет протоколы встреч, а люди занимаются стратегией, продуктами и креативом — это выглядит как идеальное социальное разделение труда.

Но он тайно предполагает, что повторяющаяся работа и творческая работа — это две отдельные вещи, которые можно разделить一刀.

Исторические ответы не были такими однозначными.

Многие действительно важные открытия происходят не после завершения рутинной работы, а именно в промежутках между повторением, неудачами и отвлечением. Вы долго боретесь с проблемой, многократно вычисляете, наблюдаете и корректируете — и в какой-то обычный момент всё разрозненное вдруг соединяется.

Если ИИ возьмет на себя всю рутинную работу, то он освободит не только время.

Он также может уничтожить место, где рождается вдохновение.

История Ньютона и яблока, вероятно, является самым успешным «мифом об инновациях» в истории человечества.

Яблоко упало с дерева и попало в Ньютона. У Ньютона возникла озарение, и он открыл закон всемирного тяготения.

В реальной версии это не так просто.

Друг Ньютона Уильям Стикли записал в мемуарах, что в 1726 году они пили чай под яблоней. Ньютон вспомнил, что в то время он находился в состоянии глубокого размышления, увидел, как падает яблоко, и задумался: почему яблоко всегда падает вертикально к земле, а не вверх или вбок? Затем он «постепенно» распространил эту силу на Землю, Луну и другие небесные тела. [1]

Рис. 1｜ Apple не дала ответа, она просто подожгла материалы, накопленные Ньютоном в течение долгого размышления.

Яблоко не упало Ньютону на голову и не породило закон напрямую.

Это больше похоже на спичку, упавшую в склад, уже заполненный материалами.

Опыт математика Пуанкаре более типичен.

Он долгое время изучал один класс функций, провел множество вычислений и неоднократно терпел неудачи. Позже он временно отложил работу и отправился в путешествие. В тот самый момент, когда он садился в общественную карету, ему внезапно пришла в голову ключевая связь: преобразования, которые он изучал, были теми же самыми, что и преобразования в неевклидовой геометрии.

Эта мысль пришла быстро, даже без немедленного логического обоснования. После поездки Пуанкаре вернулся к своему столу и потратил время на полную проверку её.

Позже он разделил процесс создания на несколько этапов: сначала сознательная трудная подготовка, затем кажущееся бездействием скрытое ожидание, после чего внезапное озарение, и наконец — возвращение к строгой проверке. [2]

Также и с доказательством великой теоремы Ферма.

Эндрю Уайлс семь лет работал в секрете, в 1993 году объявил о успешном доказательстве, но через несколько месяцев было обнаружено уязвимое место. Ему потребовался еще один год, чтобы вместе со студентом Ричардом Тейлором искать пути устранения проблемы, и только в сентябре 1994 года он восполнил пробел. [3]

Помнят последний момент, но математик на самом деле проходит через тысячи неудачных вычислений, неверных путей и повторений.

Озарение никогда не выпадает как награда с небес. Это отложенная награда, которую мозг выдает после накопления упорного труда.

Сегодня мы любим делить работу на два типа: низкоценную передаем машинам, высокоценную оставляем людям.

Проблема в том, что человеческий мозг не работает по таблицам из консультационных отчетов.

Журналист, просматривая десятки отчетов, может обнаружить несоответствие между двумя группами цифр; продукт-менеджер, внимательно изучая негативные отзывы, может внезапно осознать, что пользователи жалуются не на функциональность; врач, многократно просматривая снимки, постепенно развивает интуицию к аномалиям.

Эти задачи сами по себе не кажутся сложными, даже кажутся скучными. Но они оставляют в мозге множество мелких паттернов.

Интуиция — это часто просто опыт, настолько отточенный, что его невозможно объяснить пошагово.

Так же было открыто пенициллин.

В 1928 году Флеминг вернулся из отпуска и обнаружил, что чашка Петри с культурой стафилококка была загрязнена плесенью, и бактерии вокруг плесени не росли. Загрязнение было случайным, но открытие — нет. Человек, не занимавшийся долгосрочным наблюдением за бактериями, увидел бы лишь грязную чашку, которую следует выбросить.

Более легко упустить из виду то, что Флеминг не создал лекарство сразу после этого. Почти десять лет спустя Флори, Чейн и команда возобновили это исследование. Они культивировали плесень в молочных бочках, консервных банках и даже в ваннах, а затем искали высокоурожайные штаммы в США, в итоге превратив случайность из лаборатории в промышленный продукт, способный спасать жизни. [4]

Рисунок 2｜ Загрязнение — это случайность, а открытие зависит от долгосрочного наблюдения; лекарства чаще всего возникают в результате десятилетий инженерной работы.

История любит рассказывать о «Эврика» (евр. восклицание, означающее «я нашел» или «я открыл»), но промышленность действительно опирается на долгую, повторяющуюся и не слишком красивую инженерную работу после Эврика.

Эйнштейн также описал свой способ мышления математику Адамару, сказав, что первыми появляются не полные слова, а образы, символы и элементы, связанные с движением. Он многократно комбинирует их, а язык появляется позже. [5]

Создание — это не генерация из ничего, а скорее переупорядочивание.

То, что ты видел, делал и где терпел неудачу, определяет, что именно может быть заново подключено в твоём мозге.

Если информация всегда резюмируется ИИ, первый черновик всегда генерируется ИИ, а данные всегда очищаются ИИ, людям действительно станет намного легче. Но со временем мы будем сталкиваться только с готовыми продуктами, обработанными машиной, а не с грубыми, противоречивыми и зашумленными исходными материалами.

Эффективность повысилась, но ощущения могут стать менее острыми.

Уолтер Айзексон в книге «Инноваторы» задавал вопрос: кто изобрел компьютер и интернет?

В конце концов, он обнаружил, что этот вопрос сложно ответить именем одного человека.

Цифровая революция не была внезапной идеей какого-то гения в гараже. Ранние компьютеры, транзисторы, чипы, программное обеспечение и интернет появились благодаря улучшениям, совершаемым поколениями за поколениями. Кто-то предлагал концепции, кто-то паял схемы, кто-то писал программы, а кто-то превращал дорогие прототипы в продукты, доступные обычным людям.

При упоминании компьютера Harvard Mark I в книге повествование Грейс Хоппер больше акцентирует внимание на Говарде Эйкене, тогда как версия IBM подчеркивает инженеров, имена которых не сохранились: множество постепенных улучшений, таких как счетчики, картоперфораторы и т. д., вместе составили окончательную версию машины. [6]

Рисунок 3｜«Инноваторы» неоднократно напоминают: цифровая революция происходит благодаря многочисленным, многоэтапным и постепенным совместным усилиям.

Это не отрицание гениальности, а восстановление истинной структуры инноваций.

Прорывное событие обычно требует одновременно фантазии немногих и упорного труда большинства. Первые отвечают за смену направления, вторые — за превращение нового направления в реальность. Между ними нет отношения замены.

Самое привлекательное в ИИ — это то, что он, кажется, может одновременно играть обе эти роли: предлагать идеи и выполнять их.

Но здесь также возникла новая проблема.

В 2024 году в журнале «Science Advances» было опубликовано экспериментальное исследование генеративного ИИ и письма. Люди, получившие помощь ИИ в генерации идей, создавали истории в среднем более креативные и завершенные, особенно заметный эффект наблюдался у людей с изначально слабыми творческими способностями; однако при сравнении всех работ вместе выяснилось, что истории, созданные с помощью ИИ, оказались более похожи друг на друга. [7]

ИИ поднял нижний порог для индивидуумов и сократил различия между группами.

Это очень похоже на сегодняшние контент-платформы: все пишут лучше, чем раньше — заголовки, структура, яркие фразы на месте; прочитав десять статей, кажется, что прочитал только одну.

Когда все обращаются к одной и той же модели за «первой мыслью», мы пропускаем пустые страницы и, возможно, вместе движемся к самому предсказуемому ответу.

Это не означает, что люди должны отказываться от ИИ и вновь тратить время на копирование и вставку, а также механическую верстку.

Калькулятор не уничтожил математику, поисковые системы не уничтожили знания. Инструменты действительно меняют то, какие навыки человек должен сохранять.

ИИ может заменить нас в выполнении рутинной работы, но человек не должен забывать, зачем здесь была построена стена.

Эти опасения уже не являются лишь философскими дискуссиями. В 2025 году исследовательские институты, включая Microsoft Research, опросили 319 представителей профессиональной интеллектуальной работы и собрали 936 реальных примеров использования ИИ. Результаты показали: чем больше люди доверяют ИИ, тем меньше они вкладывают критического мышления (Critical thinking — разумного и рефлексивного мышления) в задачи; чем больше они доверяют собственной профессиональной оценке, тем больше критического мышления они проявляют. ИИ не уничтожил мышление, а сместил его с этапа «создания» на этапы «проверки, интеграции и контроля». Проблема в том, что если человек видит только гладкий готовый продукт, проверка легко превращается в простое кивание. [8]

Более прямые сигналы приходят из письма и программирования. В эксперименте по мозговой записи с участием 54 человек, проведенном Массачусетским технологическим институтом, участники, регулярно использующие крупные языковые модели для письма, демонстрировали наименее выраженные связи в нейронных сетях мозга, а также худшую память о содержании текстов и меньшее ощущение «это моя работа». Однако это исследование основано на небольшой выборке и является препринтом, поэтому нельзя делать выводы о том, что ИИ навсегда снижает интеллект. [9] В рандомизированном эксперименте METR с участием 16 опытных разработчиков с открытым исходным кодом и 246 реальных задач было обнаружено, что после использования инструментов ИИ в начале 2025 года разработчики выполняли задачи на 19% медленнее. Более интересно то, что они изначально ожидали, что ИИ ускорит их работу. [10] В последующем исследовании METR в 2026 году было сделано предположение, что новые поколения инструментов, вероятно, уже привели к ускорению, однако из-за явной выборочной предвзятости участников и задач невозможно надежно оценить степень этого ускорения. [11] То, что ИИ, возможно, ослабляет в первую очередь — это не сама способность, а способность человека определять, думает ли он еще сам.

Для частного лица есть как минимум три вещи, которые не следует легко передавать на аутсорсинг.

Во-первых, откуда возникает проблема.

Не начинайте с вопроса к ИИ: «Что мне писать?» или «Что мне изучать?». Сначала посетите клиентский объект, сначала изучите первоисточники, сначала сами почувствуйте, что кажется странным. Хороший вопрос часто возникает из деталей, которые другие считают слишком трудоемкими и игнорируют.

Во-вторых, откуда берется первоначальная оценка.

Можно позволить ИИ расширить, опровергнуть и дополнить информацию, но сначала лучше оставить грубую версию без обработки моделью. Даже если это всего несколько предложений, важно знать, как вы думали изначально. Иначе сотрудничество человека и ИИ легко превратится в то, что человек просто редактирует текст для ИИ.

Третье, кто несет ответственность за результат.

Только проработав на низовом уровне, можно понять, где ошибается ИИ. Человек, который никогда не писал код, с трудом может определить, просто работает ли код или он готов к запуску в продакшене; человек, который никогда не разбирался в отчетах, также с трудом может выявить ошибки в методологии, скрытые за красивым анализом.

Что тогда можно передать ИИ?

Критерии оценки — не «есть ли креативность» и не «повторяется или нет», а три вещи: четко ли определены критерии приемки, можно ли отследить процесс и можно ли откатиться при ошибке. Перевод текста, форматирование, очистка данных по известным правилам, шаблоны кода и тестовые случаи, несколько версий текстов и эскизов дизайна по одной теме — все это можно передать ИИ. Стратегические выборы, согласование фактов, брендовый вкус, архитектура системы и финальное одобрение — нельзя передавать только потому, что ИИ работает быстро.

После передачи задачи человеку всё равно нужно «сражаться с самим собой» с помощью ИИ. Перед началом работы запишите свои суждения и критерии оценки; при генерации попросите ИИ одновременно предоставить противоположные мнения, условия неудачи и источники доказательств; после генерации вернитесь к исходным материалам, проверьте факты, пересчитайте ключевые цифры и пройдите ключевые тесты; спустя некоторое время проведите «тренировку без ИИ». Писатели должны сохранять независимые интервью и первоначальные черновики, программисты — проверки кода и устранение неполадок, дизайнеры — выбор концепций и финальные визуальные решения. Только те, кто умеет проверять, осмеливается отвергать и способен взять управление на себя, действительно имеют право передавать работу ИИ.

Для компании настоящей опасностью является не то, сколько AI используют сотрудники, а то, продолжает ли организация производить первичный опыт.

Если молодые специалисты перестанут проводить базовый анализ, не будут согласовывать требования с клиентами и не пройдут через неудачные первые версии, компания в краткосрочной перспективе получит более быстрые результаты, но в долгосрочной — может потерять путь развития способности к оценке.

Раньше новичок за три года упорного труда постепенно превращался в опытного трейдера с интуицией. Сейчас ИИ позволяет новичку уже в первый день предоставить ответ на семьдесят баллов.

Но чтобы пройти от семидесяти до девяноста, ему все еще нужно лично столкнуться с проблемами, допустить ошибки и заплатить цену за результат.

Повышает ли ИИ креативность или снижает её?

Ответ зависит от того, куда мы его поместим.

Позвольте ИИ обрабатывать повторяющиеся задачи, которые уже продуманы — это рычаг. Позвольте ИИ заменить нас в контакте с реальностью, формулировании проблем и принятии первоначальных решений — и он постепенно превратится в трость.

Настоящая креативность никогда не ограничивается просто «придумыванием идеи».

Он включает в себя знакомство с материалом, чувствительность к аномалиям, терпение к длительному отсутствию ответов и, после появления озарения, неоднократно проверять его на практике.

Эти части медленны и неэлегантны, и их даже сложно включить в отчет об эффективности. Однако почти все великие теоремы, научные открытия и промышленные инновации в истории зародились именно здесь.

ИИ, конечно, может помочь нам собирать яблоки.

Но может ли человек под деревом придумать закон всемирного тяготения, все еще зависит от того, как долго он думал до того, как яблоко упало.

Справочные материалы

[1] Уильям Стукли, Мемуары о жизни сэра Исаака Ньютона, Проект Ньютона (Оксфордский университет).

[2] Анри Пуанкаре, «Математическое изобретение», 1908 год.

[3] Математический институт Оксфордского университета, Бристольский университет — материалы об Эндрю Уайлсе и Великой теореме Ферма.

[4] Группа научных музеев, «Как был разработан пенициллин?»

[5] Жак Адамар, Разум математика: Психология изобретения в математической области.

[6] Уолтер Айзексон, «Изобретатели: как группа хакеров, гениев и гиков создала цифровую революцию».

[7] Анил Р. Дoshi и Оливер П. Хаузер, «Генеративный ИИ повышает индивидуальную креативность, но снижает коллективное разнообразие нового контента», Science Advances, 2024.

[8] Хао-Пин Ли и др., «Влияние генеративного ИИ на критическое мышление», CHI 2025.

[9] Наталья Космына и др., «Ваш мозг на ChatGPT: Накопление когнитивного долга при использовании ИИ-ассистента для выполнения задачи написания эссе», препринт 2025 года.

[10] Джоэл Беккер и др., «Измерение влияния ИИ в начале 2025 года на производительность опытных разработчиков с открытым исходным кодом», METR, 2025.

[11] Джоэл Беккер и др., «Мы меняем дизайн нашего эксперимента по производительности разработчиков», METR, 2026.