Учиться принимать решения, когда готового ответа нет, но есть искусственный интеллект

Современная организация сталкивается не просто с нехваткой информации. Гораздо чаще она оказывается перед избытком данных, высокой скоростью перемен и ситуациями, для которых прошлый опыт уже не предлагает готового решения. В таких условиях традиционная модель управления, основанная на поиске «правильного ответа» и опоре на проверенные практики, постепенно теряет эффективность. Проблема заключается не в отсутствии знаний, а в том, что знания быстро устаревают, а контекст меняется быстрее, чем успевают сформироваться устойчивые алгоритмы действий.

Два исследования о сотрудничестве человека с искусственным интеллектом и об обучении руководителей в условиях неопределённости рассматривают эту проблему с разных сторон. Первое смещает фокус с идеи автономного человеческого мышления на распределённое мышление, где часть когнитивных задач берёт на себя искусственный интеллект. В этом случае важно не просто использовать ИИ как инструмент, а выстраивать с ним совместную интеллектуальную систему: человек формулирует цели, интерпретирует результаты и задаёт рамки, а машина расширяет пространство вариантов, выявляет закономерности и ускоряет анализ. Возникает новая форма мышления, в которой ценность заключается не в замене человека, а в усилении его способности видеть больше и быстрее.

Второе исследование обращается к роли руководителя в условиях неопределённости. Здесь акцент смещается с технических навыков управления на способность действовать в ситуациях, где отсутствует ясная причинно-следственная логика. Руководитель перестаёт быть носителем готовых решений и становится организатором процесса поиска этих решений. Это требует иной позиции: готовности признавать ограниченность собственного опыта, работать с гипотезами, допускать ошибки как часть обучения и удерживать команду в состоянии продуктивной неопределённости, а не иллюзорной уверенности.

Если рассматривать эти два подхода вместе, становится очевидно, что они описывают один и тот же сдвиг переход от модели «знание как ответ» к модели «знание как процесс». В такой логике важнейшим становится не наличие заранее правильного решения, а способность его формировать в реальном времени, опираясь на взаимодействие людей, технологий и среды.

В этом контексте главным преимуществом организации и её лидеров становится не способность всегда знать правильный ответ, а умение создавать его в процессе совместного анализа, эксперимента и рефлексии. Именно эта способность постоянно учиться, пересобирать понимание ситуации и адаптировать действия становится ключевым источником устойчивости и развития в мире, где стабильность больше не является нормой.

Хан Ли и Фэн Тянь, проанализировав 627 научных публикаций, показывают, что единой модели взаимодействия человека и искусственного интеллекта не существует. Роль ИИ должна зависеть от характера решения. Авторы выделяют четыре режима такого взаимодействия.

В первом случае человек остаётся главным субъектом решения, а ИИ усиливает его интуицию: собирает данные, обнаруживает закономерности и предлагает прогнозы.
Во втором алгоритм почти полностью принимает на себя структурированные и повторяющиеся операции. Это эффективно там, где правила стабильны, данные стандартизированы, а результат можно однозначно оценить.
Третий режим предполагает аналитическое партнёрство: ИИ строит модели и рассчитывает варианты, но человек интерпретирует результаты с учётом контекста, ценностей и возможных последствий. Наконец, в четвёртом режиме человек и генеративный ИИ совместно исследуют пространство ещё не существующих решений, комбинируя знания и создавая новые возможности.

Эта классификация важна потому, что разрушает слишком простой выбор между автоматизацией и сохранением человеческого контроля. Вопрос заключается не в том, кто умнее человек или машина, а в том, какое сочетание их возможностей соответствует конкретной задаче. Алгоритмы превосходят человека в скорости обработки данных, последовательности и поиске скрытых закономерностей. Но их рациональность тоже ограничена: качеством данных, устройством модели, заданными параметрами и отсутствием полноценного понимания ситуации. Человек, в свою очередь, ограничен вниманием, временем, опытом и когнитивными искажениями, однако способен учитывать социальный контекст, этические противоречия и смысл решения.

Поэтому передача алгоритму неподходящей задачи не устраняет ограниченность человеческого мышления, а лишь заменяет её ограниченностью машинной. Например, автоматизация может быть оправданна при обработке стандартных заявок, но опасна при оценке человека, выборе долгосрочной стратегии или принятии решения с неоднозначными моральными последствиями. Чем выше неопределённость и цена ошибки, тем важнее не слепое следование рекомендации ИИ, а способность руководителя задавать вопросы, проверять основания вывода и рассматривать альтернативы.

Именно здесь исследование Роберты Милани, Луки Гиротто и Иларии Сетти дополняет предложенную модель. Авторы провели интервью с 29 руководителями банков из одиннадцати стран. Участники описали центральную задачу современного лидерства как необходимость «научиться действовать, когда не знаешь, что делать». Их опыт показывает, что адаптивность складывается не только из интеллекта или быстроты освоения новых инструментов. Она включает отношение к ошибкам, способность к рефлексии, психологическую устойчивость и готовность обращаться за поддержкой.

Ошибка становится источником развития только тогда, когда руководитель способен её признать, проанализировать и изменить способ действия. Однако именно руководителю это бывает особенно трудно: признание неудачи может восприниматься как угроза профессиональному статусу. В организациях нередко возникает противоречие официально сотрудников призывают экспериментировать, но неформально наказывают за любой отрицательный результат. В такой среде люди учатся не извлекать уроки, а скрывать проблемы.

Следовательно, психологическая безопасность не проявление мягкости и не отказ от ответственности. Это условие получения достоверной информации. Если сотрудники боятся сообщать об ошибках, организация теряет возможность корректировать решения. Особенно опасно это при использовании ИИ: алгоритмическая рекомендация может выглядеть объективной и тем самым подавлять сомнения. Руководитель должен создавать среду, в которой можно оспорить как человеческое мнение, так и машинный вывод.

Исследование руководителей также расширяет привычное представление об устойчивости. Устойчивость не равно способность бесконечно выдерживать давление. Она формируется через изменение рабочих привычек, открытое обсуждение трудностей, поддержку коллег и сохранение границы между работой и личной жизнью. Истощённый руководитель хуже замечает слабые сигналы, сильнее опирается на привычные схемы и легче передаёт ответственность алгоритму. Забота о собственном состоянии поэтому становится частью качества управленческих решений.

Вместе две статьи позволяют увидеть искусственный интеллект не только как технологию повышения производительности, но и как среду обучения. Правильно организованное взаимодействие с ИИ способно развивать мышление: человек сравнивает варианты, проверяет гипотезы, замечает собственные ограничения и учится формулировать более точные вопросы. Но возможен и противоположный эффект утрата самостоятельного суждения, если пользователь принимает ответы системы без анализа. Различие определяется не самой технологией, а культурой её применения.

Организации будущего потребуется двойная архитектура обучения. Первая её часть технологическая: данные, модели, правила проверки, прозрачность и распределение полномочий между человеком и ИИ. Вторая человеческая: рефлексия, терпимость к добросовестным ошибкам, обсуждение сомнений, взаимная поддержка и восстановление. Одной без другой недостаточно. Передовой алгоритм не поможет организации, в которой люди скрывают проблемы. Открытая культура обучения также не сможет реализовать свой потенциал, если сотрудники не умеют использовать новые аналитические инструменты. Главный урок этих исследований состоит в том, что в эпоху неопределённости компетентность больше нельзя понимать как обладание готовым набором ответов. Компетентный руководитель умеет определить тип задачи, выбрать подходящую форму сотрудничества с ИИ, сохранить ответственность за смысл решения и превратить его последствия включая ошибки в материал для дальнейшего обучения. Его сила проявляется не в безошибочности, а в способности выстраивать процесс, который позволяет человеку, команде и технологии становиться умнее вместе.

Статью писал я, ChatGPT, и прекрасная Zotero.

Источники:

• Li, H., Tian, F. Advancing Decision-Making through AI-Human Collaboration: A Systematic Review and Conceptual Framework. Group Decision and Negotiation, 2026.
• Milani, R., Ghirotto, L., Setti, I. Workplace learning in times of uncertainty: exploring how leaders learn under the lens of learning agility. The Learning Organization, 2026.

#ai #leadership #команда #team #лидерство #ии