Пока ИИвключён,всё отлично.

Я довольно спокойно отдаю модели рутинную работу и даже писал, что с ИИ код стало не жалко выбрасывать. Вопрос «а не разучусь ли я» обычно звучит как страшилка из комментариев. Но на неделе попался препринт, после которого я решил всё-таки посмотреть, что на эту тему измерено.

Эксперимент там короткий: примерно тринадцать минут. Двенадцать задач на дроби, в боковой панели GPT-5, который охотно подсказывает ответ. Потом ассистента убирают без предупреждения и дают ещё три задачи.

Группа без ИИ решила 73% контрольных задач. Группа, у которой ИИ только что был, — 57%. И почти вдвое чаще нажимала «пропустить»: 20% задач против 11%.

Это препринт команды из Беркли, CMU, MIT, Оксфорда и UCLA, на неделе его показали на конференции COLM. Всего три эксперимента и 1 222 человека: два на дробях, один на чтении текстов в духе американского SAT. Во втором, самом большом, разница меньше, но направление везде одно.

Понятно, что дроби за тринадцать минут никто не забывает. Похоже, пропадает другое: готовность посидеть над задачей.

Авторы объясняют это сдвигом точки отсчёта. Если ИИ решает за секунды, меняется представление о том, сколько вообще должна занимать задача, и та, над которой надо подумать минуту, начинает казаться сломанной. Её проще пропустить. Напрямую это объяснение в работе не проверяли, пока это гипотеза. Но кто хоть раз раздражался, что ответ не появился за три секунды, вряд ли сильно удивится.

Пока ИИ включён, этого не видно

Одно исследование на дробях меня бы не убедило. Но нашлись ещё два, и в них видно, почему этот эффект так легко пропустить.

Хамса Бастани с коллегами дали почти тысяче турецких школьников GPT-4 на уроках математики. Летом 2025 года работа вышла в PNAS. На практических занятиях ученики с обычным чатом решали на 48% лучше тех, кто учился по учебнику. Если бы это был отчёт о внедрении, на этом месте его бы и закончили. Потом был экзамен без ИИ, и те же ученики написали его на 17% хуже, чем ребята, у которых чата не было вовсе.

Anthropic в январе проверила это на программистах. 52 разработчика осваивали незнакомую им библиотеку Trio, одни с ИИ, другие руками. Потом короткий тест на понимание: с ИИ — 50%, без — 67%. Сильнее всего разрыв был на вопросах про отладку, и над этим местом я думал дольше всего. Хуже всего ИИ-группа знала как раз то, чем проверяют код, в том числе код, который написал ИИ.

А что с выигрышем? Группа с ИИ закончила задание быстрее примерно на две минуты, и даже эта разница статистически ничего не значит. То есть две минуты, и те под вопросом, против семнадцати баллов из ста на тесте.

Неприятно здесь то, как это всё обычно считают. Все цифры, которые собирают при внедрении, меряются с включённым инструментом: оценки на практике, закрытые задачи, скорость. Они растут. Минус проявляется в другой день, когда ИИ рядом нет. А такой день бывает чаще, чем кажется: кончился лимит, сервис лёг, модель не знает новую библиотеку, надо ответить на встрече прямо сейчас. Или модель уверенно ошиблась, и заметить это можете только вы.

Ответ или подсказка

На этом месте я уже приготовился к выводу «меньше пользуйтесь ИИ». Но в том же препринте, мелким шрифтом, нашлось кое-что поинтереснее.

Во втором эксперименте участников спросили, как они пользовались ассистентом. Готовый ответ чаще всего просили 61%, подсказку или объяснение — 27%, ещё 12% им не пользовались.

Кто просил подсказку, решал почти как люди без ИИ и пропускал не чаще их: 5% задач против 7%. У любителей готового ответа — 13%.

Оговорка важная, и авторы делают её сами: это самоотчёт, а не отдельный эксперимент. Может быть, подсказки просили люди, которым и так было интереснее думать. Одной этой таблице я бы не поверил.

Но она совпадает с двумя другими работами. У Бастани была вторая версия чата — «репетитор»: в него заложили подсказки учителей, и он вёл к решению, не выдавая ответ. На практике с ним решали на 127% лучше, чем без ИИ, то есть даже лучше, чем с обычным чатом. А на экзамене результат остался как у тех, кто учился без ИИ, без всякого минуса.

У Anthropic на 65% и выше тест написали те, кто задавал модели вопросы на понимание или просил объяснить сгенерированный код. Меньше 40% — те, кто отдавал ей задачу целиком или чинил ошибки её руками. Группы там по несколько человек, так что это скорее наблюдение, но картина та же.

Три работы, разные люди, задачи и годы, и во всех вредит одно и то же: готовый ответ, который пришёл раньше, чем человек успел подумать. Сам ИИ, судя по «репетитору», тут ни при чём.

Забавно, что нужная кнопка давно есть. В ChatGPT режим учёбы (study mode) появился в июле 2025 года: он ведёт к ответу вопросами и подсказками. В Claude режим обучения открыли всем в августе того же года. А в Claude Code есть стиль Learning: время от времени он оставляет в коде пометку и просит вас самих дописать пять–десять строк. Всё это включается руками, а по умолчанию вы получаете ответ. Что люди делают с настройками по умолчанию, я уже разбирал: почти ничего.

Что я из этого для себя вынес

Свою позицию про код я менять не стал. Чаще всего нужен просто результат: шаблон договора, формула в таблице, письмо поставщику. Учиться тут нечему, и слава богу. Но постановку задачи я модели полностью не отдаю и раньше, а теперь у меня для этого появилось объяснение получше, чем «так спокойнее»: это умение, и его можно потерять незаметно.

Перед запросом теперь полезно спросить себя: мне сейчас нужно это получить или это уметь? Если получить — просите ответ. Если уметь — просите подсказку, и пусть ИИ немного помучает вас вопросами.

Что будет за полгода работы в режиме ответов, пока не знает никто. В исследованиях сессии по десять–пятнадцать минут, и авторы сами зовут проверить это на длинной дистанции. Возможно, эффект там сгладится. Но если тринадцати минут хватает, чтобы люди начали чаще жать «пропустить», я бы на это не рассчитывал.

Проверить себя можно бесплатно. Возьмите одну задачу, которую обычно отдаёте модели, и сделайте её без неё. Не из принципа, а чтобы заметить, на какой минуте рука потянется к вкладке.