«Трагедия когнитивных общин»: как ИИ разрушает экспертизу целых профессий

В 1968 году эколог Гаррет Хардин описал дилемму, которая с тех пор формирует экологическую политику и экономику: трагедию общин. Когда каждый пастух рационально добавляет на общее пастбище ещё одно животное, он получает выгоду лично, а издержки перевыпаса ложатся на всех сразу. Каждое отдельное решение разумно, но вместе они уничтожают ресурс, от которого зависят все.

Нолан Ловетт из Университета специальных операций НАТО в статье, опубликованной в журнале Human Resource Development Review (Обзор развития человеческих ресурсов), утверждает, что тот же механизм угрожает профессиональной экспертизе целых отраслей. Его аргумент: когда компания заменяет позиции начального уровня ИИ, она забирает себе все 100% выгоды от экономии. А издержки в виде эрозии экспертизы распределяются по всем организациям, которые набирают сотрудников из одного и того же кадрового резервуара. Опытные специалисты не берутся из ниоткуда, им нужны годы на должностях начального уровня, где новички постепенно берутся за более сложные задачи, ошибаются и учатся их исправлять.

По Ловетту, ИИ-системы всё чаще берут на себя именно эти задачи, и он выделяет два механизма разрушения. Первый, прямая ликвидация позиций начального уровня: работу, которая раньше доставалась младшим сотрудникам, теперь выполняет ИИ. Второй тоньше: даже когда такие позиции сохраняются, младшие сотрудники с ИИ-ассистентом сразу выходят на уровень продуктивности, для достижения которого раньше требовались годы опыта. Когнитивное усилие, которое на самом деле формирует глубокие знания предмета, просто не происходит.

Это порождает то, что Ловетт называет «validation tether» («поводок валидации»), способность контролировать работу ИИ-систем напрямую зависит от той самой глубокой экспертизы, которую использование ИИ подтачивает. Заметить ошибку в правдоподобно выглядящем ответе ИИ сложнее, чем поймать явное противоречие, а поверхностной проверки для этого недостаточно. Ситуацию усугубляет и то, что люди, привыкшие считать ответы ИИ надёжными, теряют рефлекс их перепроверять, а среда, где младшие сотрудники раньше учились подвергать сомнению авторитеты и сверять утверждения с реальностью, исчезает вместе с традиционными позициями начального уровня.

Полный эффект может проявиться не сразу: сегодняшние опытные специалисты обучались 5, 20 лет назад, а сокращение позиций начального уровня, начавшееся в 2023 году, по оценке Ловетта, может полностью проявиться лишь между 2030 и 2045 годом. Это он называет «Human Reserve Paradox» («парадокс человеческого резерва»): организациям нужен резерв глубокой экспертизы для проверки решений, управления кризисами и ситуаций, которые ИИ не может обработать сам, но ни у одной отдельной компании нет достаточного экономического стимула поддерживать такой резерв в одиночку. А даже те работники, кто пройдёт весь карьерный путь, по мнению Ловетта, будут обладать более поверхностной экспертизой, потому что провели карьеру, координируя работу ИИ, а не выполняя самостоятельную когнитивную работу.

Механизм действует не на все профессии одинаково. Разработка ПО, финансовый анализ и юридические исследования показывают высокую заменяемость задач, сравнительно мягкое регулирование и сильную модульность, это ставит их в зону наибольшего риска. Медицина и инженерное дело частично защищены более строгими регуляторными требованиями и сильными профессиональными ассоциациями, но и они не застрахованы.

По Ловетту, трагедия не неизбежна. Он предлагает создавать среды обучения без ИИ, вводить ИИ поэтапно и требовать базового уровня самостоятельной работы человека до допуска к ИИ. Профессиональным ассоциациям он рекомендует проверять компетентность в предмете отдельными сертификациями наряду с навыками работы с ИИ, а регуляторам, делать обучение и образование более привлекательными. Запретов или ограничений на использование ИИ среди его предложений нет.

Экономические данные, которые Ловетт приводит в поддержку своего тезиса, пока неоднозначны. Исследование лета 2025 года, которое он подробно цитирует, зафиксировало снижение занятости в затронутых ИИ профессиях, особенно среди молодых работников, тогда как занятость опытных специалистов в тех же областях держалась стабильно или даже росла; авторы связывают это с тем, что ИИ в первую очередь заменяет кодифицированные знания, а практический опыт остаётся востребован. Исследование Совета управляющих Федеральной резервной системы показало, что рост числа программистских вакансий почти вдвое замедлился с момента запуска ChatGPT, но чёткую причинно-следственную связь пока доказать нельзя, свою роль могут играть и ужесточение денежно-кредитной политики, и коррекция после избыточного найма в технологическом секторе времён пандемии. Исследование января 2026 года показало, что кризис занятости в затронутых ИИ профессиях начался ещё до выхода ChatGPT. А исследование Anthropic от марта 2026 года не выявило измеримого общего влияния ИИ на рынок труда, но зафиксировало один тревожный сигнал: показатель трудоустройства в сильно затронутых ИИ профессиях снизился на полпроцентного пункта среди молодых работников 22, 25 лет.

Картина по когнитивным эффектам, по словам источника, куда яснее и подкрепляет тезис Ловетта о накоплении «когнитивного долга». Исследование MIT с ЭЭГ-измерениями показало, что даже кратковременное использование ИИ ослабляло нейронную связность мозга, а свыше 80% участников с трудом вспоминали содержание собственного текста, написанного с помощью ИИ. Исследование Anthropic с участием разработчиков ПО показало, что участники с доступом к ИИ набирали на 17% меньше баллов в тестах на знания; сильнее всего теряли те, кто использовал ИИ просто как машину для готовых ответов, а те, кто использовал ИИ для получения объяснений, учились заметно лучше. Швейцарское исследование с участием 666 человек выявило устойчивую отрицательную связь между использованием ИИ и критическим мышлением, сильнее всего выраженную в группе 17, 25 лет; по данным Anthropic, сами студенты обеспокоены «отупением мозга» (в оригинале, «brain rot»), потому что ИИ позволяет им пропускать слишком много этапов обучения. У студентов в Китае эффект проявился на более длинном горизонте: при росте оценок за домашние задания на 18% результаты экзаменов упали на величину до 24%, причём полный эффект стал виден лишь спустя около двух лет.

Ключевые факты

Нолан Ловетт (Университет специальных операций НАТО) описывает «трагедию когнитивных общин»: компании поодиночке экономят, заменяя джуниоров ИИ, а потеря коллективной экспертизы ложится на всю отрасль, набирающую кадры из общего резервуара
Два механизма эрозии: прямая ликвидация позиций начального уровня и «тихая», джуниоры с ИИ сразу выходят на продвинутый уровень продуктивности, минуя годы работы, которые формируют глубокие знания
«Validation tether»: способность контролировать ошибки ИИ зависит от той же экспертизы, которую использование ИИ подтачивает; «Human Reserve Paradox», ни у одной компании нет стимула в одиночку поддерживать резерв экспертов
Наибольший риск, разработка ПО, финансовый анализ и юридические исследования (высокая заменяемость задач, мягкое регулирование); медицина и инженерное дело частично защищены регулированием, но не застрахованы
Экономические данные о занятости смешанные (рост программистских вакансий почти вдвое замедлился с ChatGPT, но причинность не доказана), а данные о когнитивных потерях яснее: MIT, свыше 80% испытуемых не вспомнили свой ИИ-текст, Anthropic, минус 17% на тестах знаний, швейцарское исследование 666 участников, падение критического мышления

Почему это важно

Ловетт переносит логику трагедии общин 1968 года Гаррета Хардина на рынок труда: решение отдельной компании заменить джуниоров ИИ рационально для неё самой, но издержки, эрозия экспертизы, ложатся на весь кадровый резервуар отрасли, включая тех, кто не принимал этого решения. Проблема усиливается «validation tether»: чем меньше остаётся людей с глубокой экспертизой, тем труднее кому-либо заметить ошибку ИИ, а не только доверять его выводам на слово.

Кому это важно

В первую очередь, работодателям и HR в разработке ПО, финансовом анализе и юридических исследованиях, которые Ловетт относит к зоне наибольшего риска из-за высокой заменяемости задач и мягкого регулирования. Также, самим младшим специалистам в этих областях, профессиональным ассоциациям, регуляторам и всем, кто планирует карьеру, опираясь на то, что опыт работы гарантирует рост квалификации.

Как это применить

Ловетт предлагает не запрет ИИ, а набор практических мер: среды обучения без ИИ на старте карьеры, поэтапное (не одномоментное) внедрение ИИ в рабочие процессы, требование базового уровня самостоятельной работы человека до допуска к ИИ-инструментам. Профессиональным ассоциациям он советует проверять предметную компетентность отдельными сертификациями наряду с навыками работы с ИИ, а регуляторам и политикам, делать обучение и образование более привлекательными, а не ограничивать доступ к ИИ.

Можно ли доверять

Это одна научная статья, предлагающая теоретическую рамку, а не установленный консенсус; источник не уточняет, прошла ли она рецензирование. Экономические подтверждения самого тезиса о занятости смешанные и местами противоречивые: исследование Федерального резерва фиксирует замедление роста программистских вакансий, но не доказывает причинность, а исследование января 2026 года указывает, что кризис занятости начался ещё до ChatGPT. При этом данные о когнитивных потерях от использования ИИ (MIT, Anthropic, швейцарское и китайское исследования) описаны в источнике как заметно более однозначные и служат косвенным подтверждением механизма, который описывает Ловетт.

Риски и подводные камни

Сам прогноз Ловетта, про риск, который проявится с задержкой: эффект сокращений, начавшихся в 2023 году, по его оценке, станет виден лишь к 2030, 2045 году, то есть проверить тезис в моменте нельзя. Причинно-следственная связь между ИИ и наблюдаемым замедлением найма (например, в программировании) в источнике прямо названа недоказанной, вклад могут вносить денежно-кредитная политика и коррекция после избыточного найма в пандемию. Риск также распределён неравномерно: профессии с сильным регулированием и профессиональными ассоциациями (медицина, инженерное дело) защищены лучше, чем более модульные и слаборегулируемые области.