Нейросети как интеллектуальная прослойка между людьми

Всем привет! Меня зовут Дмитрий Фырнин, я управляющий партнёр и технический директор в SENSE. 

В этой статье собрал свои мысли и гипотезы о том, что происходит, когда языковая модель встраивается в коммуникацию и становится прослойкой между людьми. Сегодня модель «селится» в семейных спорах, рабочих чатах, школьных конфликтах и переписке с госорганами. Она интерпретирует, подсказывает, подтверждает и делает это не всегда нейтрально. 

Если вам интересно, как LLM выступают новым инфраструктурным слоем — встраиваясь в продукты, процессы и работу команд так же незаметно, как когда-то электричество или Интернет — загляните в первую часть.

Асимметрия мышления: люди с LLM и без LLM

Когда LLM становятся инфраструктурой, общество расслаивается по доступу к новому способу мышления. Наличие подписки на ChatGPT вторично, линия раскола проходит по навыку использования. 

Это очередной виток диалектической спирали. Сначала люди разделились на тех, кто освоил компьютер, и тех, кто прошёл мимо. Интернет создал пропасть между адептами телевизора и использующими поиск и форумы. Следующий разрыв уже создаёт LLM: модель часто быстрее и удобнее классического поиска плюс с ней можно обсудить прочитанное. Кто это освоит, автоматически окажется на шаг впереди.

В итоге складывается когнитивная иерархия. Один умеет вести диалог с моделью и собирать рабочее решение за пару часов. Другой сидит над той же задачей весь день: знаний столько же, а навыка распределять мышление между собой и машиной нет. 

Новый навык: думать через LLM

Думать через LLM — это умение использовать модель как внешнюю когнитивную среду, наподобие доски, логов или профайлера в работе инженера. В этот стек добавляется собеседник, который быстро структурирует, резюмирует, спорит (если вы, конечно же, разрешили модели с вами спорить) и удерживает контекст. 

Но без собственной позиции мышление через LLM превращается в LLM вместо мышления. Модель отвечает ровно и дружелюбно, и человек считывает это как объективное подтверждение, хотя речь о следствии настроек и alignment-политики. Чтобы не верить ИИ «на слово», нужен набор навыков:

• формулировать задачу по существу, чтобы модели не приходилось гадать;

• разворачивать ответ в полноценную аргументацию вместо первого гладкого абзаца;

• провоцировать модель на несогласие, альтернативы и ограничения;

• отличать удобный ответ от корректного.

За новым слоем грамотности стоит старое доброе критическое мышление, и с LLM оно нужно даже сильнее, чем в эпоху поисковика. Поиск выдаёт источники, среди которых можно выбрать авторитетный. LLM источников не показывает — в наборе весов модели никаких ссылок просто нет. А когда модель чего-то не знает, она способна очень убедительно нести чушь, и такую правдоподобную ложь отличить сложнее, чем явную ошибку.

Справятся с этим не все. Скорее всего, мир нейросетей покорят те же, кто в своё время научился осмысленно гуглить и отсеивать сомнительные источники. А сама технология росту критического мышления не помогает: модель предсказывает то, что мы хотим услышать, и вряд ли её создатели пойдут по пути, где она во всём спорит с пользователем и тычет его в заблуждения.

Уличение друг друга в использовании ИИ

Раз ИИ умеет убедительно генерировать ложь, люди начали рефлекторно подозревать в правдоподобной неправде всё вокруг себя. Тексты стали первой мишенью. Появление ИИ-стиля запустило «охоту на ведьм». 

Все начали активно искать признаки «сгенерированности»: длинные тире, сверхгладкая структура, формулировки вроде «важно отметить». А бремя доказательства своей «человечности» пока лежит на авторе. Дело дошло до того, что в комментариях всерьёз спорят, является ли случайная опечатка следом прогона текста через модель. Списки, которые ещё пару лет назад считались удобной подачей и пришли в тексты из консалтинга, теперь воспринимаются как улика.

За этим стоит кризис доверия. Когда любой текст может быть сгенерирован, общество ищет способы отличить реальное от опосредованного. Под подозрение попадают и пользователи ИИ, и люди с богатым словарным запасом и структурным мышлением. 

Растёт ценность сигналов живого человеческого присутствия: шероховатостей, индивидуальной логики, авторских пауз. Люди устают от одинаково выровненной речи. Спрос на доказуемо «человеческие» форматы точно появится в образовании и экспертных текстах.

Тренд на AI-free: почему отказ от ИИ тоже станет продуктом

Внедрение массовых технологий обычно всегда рождают ответный спрос на отказ от нее. Мода на «ручную работу» и «человеческий сервис» вернулась на волне ухода всего в цифру. 

Первыми отказ от ИИ начнут монетизировать игроки люксового сегмента. Люкс почти всегда монетизирует возврат к «человеческому» и «ручному». Например, в люксовом автомобиле вместо россыпи дисплеев появляются физические кнопки и дерево. В премиальном сегменте часов уверенно держится механика, а не кварц или фитнес-браслеты с экранами. 

Тренд считывается и в сервисе. Чтобы дозвониться до живого оператора, клиенту без премиум-пакета приходится потратить уйму времени. Это касается и банков, и крупных экосистем. В бизнес-тарифах поддержка живого сотрудника в чате уже идёт отдельной строкой как конкурентное преимущество, а в премиальных банковских пакетах выделяется персональный менеджер. Люди устают от общения с ботами, и даже если они станут человечнее, в ближайшее время отношение не изменится. 

LLM усиливает разрыв поколений

У молодого поколения сложился рабочий язык эмоционального интеллекта. Они свободно говорят про экологичность общения, личные границы, умеют обращать внимание на манипуляции. У многих людей 35-40+ этого навыка нет, а часть вообще отрицает психологию как класс. LLM усугубляет неравенство: модель свободно говорит на «новом» языке, и для подростка разбор поведения родителя за двадцать секунд становится бытовой нормой.

Особенно заметным этот разрыв становится в школах и вузах — они переживают этап недоверия к ИИ острее всех. Система образования, в отличие от того же финтеха, перестраивается медленно. В ней по умолчанию складывается презумпция виновности: студентов автоматически подозревают в плагиате и использовании ИИ. А если человек грамотный и любит списки, доказать свою «человечность» ему почти невозможно. Доходит до отчислений: московский вуз отчислил студентку из-за того, что «Антиплагиат.Вуз» счёл часть диплома сгенерированной, — ни процента, ни конкретных фрагментов ей не предъявили. Девушка пошла в суд и выиграла: её восстановили и присудили компенсацию.

Глубже идёт сдвиг роли учителя: он перестаёт быть единственным источником знаний. С помощью LLM любого преподавателя можно за минуту проверить и получить другое объяснение темы, контраргументы, подбор источников, а заодно и формулировку про «нарушение границ». Правым ученик от этого автоматически не становится, но прежняя монополия учителя ломается. Если школы и ВУЗы не научатся работать в этой реальности, спор быстро перейдёт на то, кто здесь главный.

Перефразируя известную поговорку: один дурак с LLM задаст столько вопросов, что и сто мудрецов без LLM не ответят.

Социальные эффекты: LLM как третий участник конфликта

Одно из недооценённых последствий LLM касается отношений между людьми: модель встраивается в саму ткань общения. У каждого под рукой удобный интерпретатор. Он раскладывает ситуацию по полочкам, подсвечивает, где собеседник неправ, и подтверждает вашу правоту в убедительной, гладкой форме. В разговоре «на двоих» теперь сидит третий, и часть людей с облегчением перекладывает на него груз самостоятельного решения.

Новая норма «проверки реальности через GPT»

Вместо реплики «мне кажется, ты неправ» звучит «я спросил у модели, и она объяснила, почему ты неправ». Спор смещается с самого вопроса на готовое объяснение, где возражать приходится упакованному диагнозу поведения. Люди в спорах уже реально пересылают друг другу скриншоты из чата как аргумент в личном споре. Мы собрали подборку случаев, когда ответы LLM приводили к разводам здесь. А вам партнёр или друг уже присылал цитату из ChatGPT о том, что вы неправы?

Стерилизация общения

Реплики идут через слой заранее обработанных и выровненных формулировок. Там, где важна сдержанность, это улучшает результат. В остальных случаях отношения теряют шероховатость и риск, а вместе с ними и живость.

Гипотеза: модель сначала подыграет логичным

У меня есть гипотеза по поводу дальнейшего развития общения через LLM. Поскольку модель работает на формальной логике, в социальной ситуации она сначала будет подыгрывать более логичному из спорящих. Тем, кто в жизни опирается на интуицию и социальные договорённости, такой арбитр понравится меньше.

Но дальше включается обратная связь. Модели обучаются на пользовательских оценках их ответов, и если «слишком логичный» арбитр будет раздражать значительную часть людей, со временем модель сместится в сторону более удобных социальных конструкций. Даже уже сейчас попробуйте спросить у LLM как у астролога, стоит ли выходить замуж за Скорпиона определённого года рождения, и она ответит по существу вопроса, хотя честный ответ звучал бы как «астрология не работает». Модель не станет цитировать Докинза и давать ссылку на научпоп, она подыграет ожиданию.

Юридические споры выйдут на новый уровень

LLM резко снижают стоимость входа в квазиюридическую аргументацию. Тот, кто раньше не открыл бы и текст закона, теперь за две минуты получает готовый черновик позиции со ссылками на нормы, аналогами из практики и шаблоном претензии. Сдвиг затрагивает повседневные споры: сотрудника с работодателем, клиента с сервисом, арендатора с арендодателем. Стороны приходят с готовым шаблоном позиции от модели и обмениваются упакованными аргументами.

Эффект двойственный. Сначала растёт правовая активность: люди чаще пишут претензии, требуют обоснований, пытаются защищать интересы. Одновременно плотность шума идёт вверх: аргументируют больше, толку от аргументов меньше.

В черновиках от моделей встречаются галлюцинации, несуществующие ссылки и опасные упрощения. Доходит до абсурда: в июне 2026 года в федеральном суде штата Миссисипи судья выяснила, что юристы обеих сторон ссылались на выдуманные нейросетью прецеденты, — и фактически клиенты платили за то, чтобы две языковые модели спорили друг с другом. В итоге судья остановила процесс, дисквалифицировала всех четверых адвокатов и оштрафовала их, а двоим на два года запретила выступать в этом суде.

Государства захотят контролировать LLM

LLM влияют сразу на производительность, мышление и решения, а значит, государства неизбежно потянутся к контролю над их ответами. Интернет регулируют, потому что он влияет на информацию. LLM будут регулировать тем более: человеку даже не надо искать, он пишет запрос и сразу получает готовую формулировку.

Так модель становится инструментом влияния: через неё можно мягко направлять интерпретации, задавать рамки допустимого обсуждения, формировать ощущение нормальности тех или иных взглядов. Отсюда вырастут идеи сертификаций, государственных комиссий, требований к этическим бенчмаркам и «обереганию детей от негативного влияния». Первые звоночки уже есть: DeepSeek в Китае обходит молчанием определённые события, а Grok доработали так, чтобы он благосклоннее отзывался о владельце платформы. 

Дальше эта логика выходит на глобальный уровень. Есть наивная идея, что большие языковые модели сделают мир единым, ведь они дают общий интерфейс к знаниям и языкам. Но чем значимее эта инфраструктура, тем сложнее государству мириться с внешней системой, которая ежедневно разговаривает с его гражданами вне локальной политической рамки. А раз встроить международные модели в местную регуляцию трудно, один из «беспроигрышных» вариантов — усиливать цифровую и информационную изоляцию.

Скорее всего, глобализация LLM приведёт к набору юрисдикционно выровненных интеллектов. Снаружи их назовут «национальными платформами», «доверенными ИИ», «безопасными цифровыми ассистентами».

Заключение

Мы привыкли спрашивать, заменит ли ИИ программистов, водителей, дизайнеров и другие профессии. Но проблема оказалась в другом. LLM не заменяет людей, а встаёт между ними. В семейном споре, рабочем конфликте, разговоре подростка с родителем теперь почти всегда есть третий, и этот третий умеет говорить каждому то, что тот хочет услышать.

Технология ещё очень молодая, и куда качнётся маятник — к более логичным моделям или к более «удобным» — пока открытый вопрос.

А как вы считаете, LLM со временем сделает нас рассудительнее или просто научит ловчее обосновывать то, во что мы и так верили?

Источник: habr.com