Я больше двадцати лет учу людей продавать, а последние несколько лет делаю ИИ-продукты и внедряю их в своих и чужих компаниях. И чем дольше этим занимаюсь, тем крепче убеждение: главный навык предпринимателя сейчас не умение писать промпты, а критическое мышление. Умение проверить собственную мысль до того, как она превратилась в бюджет. А лучший способ его тренировать придумали две с половиной тысячи лет назад. Называется “майевтика”: исследовать смыслы и нарративы через вопросы.
Логика здесь простая. Убедительный ответ сегодня получить легко: описал ситуацию в диалоге с ИИ-моделью, и через минуту готова стратегия, обоснование инвестиции или план запуска. А вот понять, можно ли этому верить и про нашу ли это вообще проблему, по-прежнему трудно. И всё, что выдаст ИИ, будет ровно настолько хорошо, насколько хороши предположения, с которых мы начали.
Меня по-настоящему интересует вопрос, а что вообще происходит с человеком, который может мгновенно развить любую свою мысль до “готового документа”. Он становится самостоятельнее? Лучше понимает свои цели? Или просто получает способ быстрее убедить себя в том, во что и так хотел верить? И второй вопрос: а нет ли в таком слепом делегировании деструктивной привычки?
От ответов зависит многое: и как учить людей работать с ИИ, и чем я сам в итоге решил заняться, но об этом в конце.
Кейсы ниже я собрал из сфер в которых работаю: медиа, маркетинг, разработка ИИ-продуктов. Это смоделированные ситуации, все совпадения случайны. Но без них будет сложно показать как работает метод.
Чем быстрее ИИ, тем дороже непроверенное предположение
Разговор об ИИ в бизнесе обычно начинается с производительности: сколько часов экономит, какие операции закрывает, скольких людей освобождает от рутины. Вопросы важные. Я сам их люблю задавать. Но за ними прячется другой: а что именно мы собрались ускорять?
Если изначальная задача поставлена криво, скорость просто быстрее довезёт до ошибки. Предприниматель неверно понял, почему падают продажи, попросил план, и подробный план придал заблуждению ощущение структурированного ответа. Под него выделили бюджет, назначили ответственных, расписали сроки и KPI. И (о чудо) чем больше работы выстраивается вокруг исходного предположения, тем убедительнее оно выглядит. Хотя проверять его никто так и не начал.
ИИ масштабирует качество мышления. И его ошибки тоже.
Больше всего меня беспокоит, как ошибка приобретает законченную форму. Пока идея живёт в голове как смутное ощущение, её легко назвать предположением. Когда она оформлена в стройную стратегию на двадцать слайдов, расстаться с ней психологически очень трудно: защищаешь уже вложенные усилия, свой статус, принятое решение. В конце концов, те 200 долларов, которые ты потратил на подписку.
Редакция, где ускорились тексты, но не работа.
Представим отраслевое медиа, куда мы внедрили ИИ для подготовки публикаций. Черновики появляются быстрее, в отчёте растёт число готовых материалов, на планёрке обсуждают, как раскатать удачный опыт на всю редакцию. И тут выпускающий редактор говорит: «Текстов стало больше, а домой я теперь ухожу позже».
Первое объяснение, которое приходит в голову: человек сопротивляется новой технологии. От него важно удержаться. Я бы спросил: «Покажи, что именно ты делаешь с текстом после того, как его подготовил ИИ».
Допустим, разбор показывает: редактор сверяет имена и цифры, вычищает повторы, выясняет, откуда взялось каждое утверждение, и решает, стоит ли тема публикации вообще. Производство черновиков ускорилось, а вся очередь переехала к человеку, который отвечает за достоверность и смысл. Узкое место никуда не делось, оно просто сменило “подрядчика”.
Дальше надо перестраивать процесс: заранее задавать источники и требования к материалу, отделять подготовку от проверки, обкатывать изменения на одной рубрике, а не на всей редакции. И замерять время до публикации и объём редакторской доработки, а не количество сгенерированных текстов. Само по себе оно ничего не говорит об успехе.
Мне этот пример дорог тем, что ошибка здесь начинается с выбора показателя. Скорость отдельной операции мы приняли за эффективность всей системы. И вопрос о повседневной работе человека вскрыл то, чего не видно в красивом отчёте.
По мере развития ИИ цена такой инерции будет только расти. Я в этом абсолютно уверен. Даже когда разговор заходит о сингулярности, я предпочитаю начинать с куда более приземлённой задачи: научиться проверять собственное понимание раньше, чем оно стало действием. Для этого не нужно знать, когда и в каком виде наступит сингулярность. Достаточно признать, что возможности исполнения уже обогнали нашу привычку проверять основания решений.
Майевтика показывает, на чём стоит наша мысль
В платоновском «Теэтете» Сократ сравнивает своё ремесло с повивальным: он помогает собеседнику родить мысль, а потом вместе с ним проверяет, жизнеспособна ли она. Мне важна именно эта связка: родить и испытать. Высказать мысль ещё не значит установить её ценность.
В предпринимательской практике майевтика для меня выглядит так: дисциплина вопросов, которые по очереди проясняют, что именно мы утверждаем, вытаскивают наружу предпосылки (если у вас был институтский курс логики – это “предикаты”), проверяют доводы и дают шанс пересмотреть вывод.
Мы говорим: «Клиенту дорого». Что нам на самом деле известно? Он сравнил цену с конкурентом? Сомневается, что получит результат? Или вообще не считает проблему важной? Мы говорим: «Команда сопротивляется изменениям». Какие наблюдения стоят за этой фразой? Может, люди защищают удобную привычку. А может, видят риск, который руководитель пока не разглядел.
Каждое уточнение меняет набор возможных действий. За одной и той же привычной формулировкой прячутся совсем разные задачи.
Критическое мышление начинается с готовности различать наблюдение и объяснение, факт и ожидание, уверенность и обоснованность. Майевтический диалог превращает эту готовность в практику. Он заставляет пройти путь от «мне кажется» до «вот на каких основаниях я принимаю решение».
Для предпринимателя здесь есть неприятная особенность: проверять приходится в том числе убеждения, на которых держится представление о собственной компетентности. Опыт помогает узнавать ситуации. Он же заставляет слишком рано решить, что ситуация знакомая. Умение поймать себя в этот момент я считаю одним из признаков зрелого руководителя.
ИИ-продукт, которым восхищаются на демо и не пользуются после.
Представим: мы показываем предпринимателям сервис с ИИ-ассистентами. На встречах интерес, люди пробуют пару запросов, получают хорошие ответы. И почти не возвращаются. В команде рождается естественная версия: не хватает возможностей. Хочется добавить ещё одного агента, больше шаблонов, более эффектный результат на выходе.
Я бы начал с вопроса: «В какой конкретный момент рабочего дня человек должен вспомнить о нашем продукте?» Вопрос неприятный. Он отвлекает от разговора о возможностях технологии и заставляет подробно описать чужую работу.
Допустим, мы просим пользователя показать, как он в последний раз готовил предложение клиенту. Он открывает переписку, ищет старый документ, уточняет условия у коллеги, перетаскивает данные в таблицу. Выясняется: написать текст он готов доверить сервису, но вся подготовка контекста остаётся на нём. Открыть новый диалог для него не облегчение, а ещё одна задача в переполненном дне.
Разумный эксперимент в такой ситуации: собрать один законченный рабочий путь, от исходных данных по клиенту до предложения, которое можно проверить и отправить. А потом посмотреть, вернётся ли человек на этот путь, когда прилетит следующая похожая задача.
Такую проверку продуктовой идеи я люблю и практикую. После неё приходится честно обсуждать, какую часть работы продукт действительно забирает на себя. А впечатление от демо и привычка пользоваться получают разные критерии оценки, и путать их больше не выходит.
Вопрос работает как фильтр
Один и тот же ИИ можно использовать, чтобы подтвердить выбранный курс, и чтобы всерьёз его исследовать. Разница в том, какого участия мы от него ждём.
Например запрос «Докажи, что эта идея перспективна» заранее предопределяет желаемый ответ от модели. А вот запрос «Какие предположения должны оказаться верными, чтобы идея сработала?» открывает дверь проверке. Во втором случае у решения появляется шанс показать слабые места. Да, это нетривиальная задача, научить себя действовать не как привык, а как нужно на самом деле. Но оно того стоит.
Риск получить удобное подтверждение вполне реальный. Так, например, в исследовании Anthropic о подстройке моделей под мнение пользователя описаны случаи, когда модели предпочитали согласиться с собеседником, а не быть точными. Практический вывод для меня простой: одобрение со стороны ИИ не считается независимым подтверждением правоты.
Поэтому я постоянно думаю о вопросах как о фильтрах. Каждый содержательный вопрос задаёт критерий, через который проходит предложенное решение. В своей работе я держу пять таких проверок:
- Цель. Какой результат нам нужен на самом деле и почему? Проверяем, соответствует ли задача интересам бизнеса и людей, ради которых он существует.
- Основания. Что подтверждено данными, а что принято на веру? Тут обычно и всплывают предположения, на которых висит весь вывод.
- Альтернативы. Какая другая причина объясняет то же самое? Даём шанс версии, которую сначала даже не рассматривали.
- Последствия. Чем мы заплатим за успех этого решения и кто несет издержки? Сюда возвращаются ограничения, ответственность и цена выбора.
- Проверка. Какое наблюдение заставит нас передумать? С этого момента рассуждение становится гипотезой, которую можно испытать.
Хороший фильтр должен пропускать неудобное. Если после всех пяти вопросов остались ровно те ответы, которые нравились с самого начала, стоит проверить сами критерии. Возможно, мы построили систему защиты собственного мнения и назвали её анализом.
Так что майевтическое исследование касается не только задачи, но и того, кто её поставил.
Сильное решение часто начинается с другой задачи
Предприниматель пишет ИИ: «Разработай план удвоения количества заявок».
В ответ прилетает содержательный набор каналов, рекламных гипотез и способов улучшить воронку. Но внутри самого запроса уже спрятан диагноз: бизнесу не хватает заявок. Кто его поставил и на основании чего, непонятно.
Майевтическая работа начинается с проверки этого диагноза. Чего мы на самом деле хотим: больше выручки, прибыли, устойчивости? Что происходит с заявками, которые уже приходят? На каком шаге теряются покупатели? Какие клиенты остаются, а какие обходятся дороже, чем приносят?
Допустим, смотрим реальную воронку и видим: заявки есть, но заметная часть людей не доходит до покупки, потому что не понимает ценности предложения. Задача меняется. Наращивать поток рано. Сначала надо разобраться, что клиент рассчитывает получить и почему не видит этого в продукте.
ИИ тут полезен: сопоставить версии, подготовить вопросы для интервью, разобрать ответы, предложить способы проверки. Но информацию о покупателях нужно получить у покупателей. Если рассуждение внутри диалога складное, это ещё не значит, что оно совпадает с рынком.
В итоге предприниматель может выбрать маленький эксперимент: поменять предложение для одного сегмента и заранее решить, какой результат оправдает дальнейшие вложения. Так выстраивается цепочка: вопрос, свидетельства, решение, действие.
Именно здесь, по-моему, и появляется выдающееся решение. Оно точнее отвечает реальной ситуации и направляет усилия туда, где они имеют смысл. Его ценность не всегда выглядит как запущенный проект. Нередко это бюджет, который вовремя не потратили.
Умение думать и умение работать с ИИ: это один навык
Между майевтикой и подготовкой человека к работе с ИИ я вижу бесконечно прямую связь. Когда мы учим прояснять понятия, находить противоречия, требовать оснований и выдерживать возражение, мы ровно этим же развиваем способность вести содержательный диалог с машиной.
Умение сформулировать запрос в эту работу входит. Но глубина определяется тем, что человек делает с ответом. Какие допущения замечает? Как проверяет вывод? Видит ли, что ответ относится к другой ситуации? Понимает ли, каких данных не хватает? Может ли объяснить, почему принимает предложенное решение?
Диалог, в котором мысль становится яснее и проходит испытание, держится на следующем вопросе. На том, который возникает после первого убедительного ответа и позволяет двинуться дальше. Большинство людей на первом убедительном ответе и останавливаются.
Коммерческое предложение, которому мешает неверно понятая цель.
Ещё один пример, из личного опыта продаж рекламы. Клиент просит подобрать СМИ: ему нужно «стать заметнее на рынке». ИИ собирает список изданий, форматы публикаций и аргументы в пользу большого охвата. Документ выглядит убедительно. Прежде чем считать бюджет, я бы вернулся к клиенту с вопросом: «Кто именно после этих публикаций должен принять решение, и что мешает ему принять его сейчас?»
Предположим, выясняется: потенциальные покупатели компанию и так знают. Проблема возникает позже. Руководитель закупок готов сотрудничать, но боится защищать выбор малоизвестного поставщика перед коллегами. Ему нужны проверяемые свидетельства его положительной репутации.
Задание для ИИ в этом случае меняется целиком. Теперь мы ищем площадки, которым доверяют специалисты заказчика, продумываем публикацию о выполненном проекте, собираем подтверждения компетенций и готовим материалы, которые можно приложить к внутреннему обоснованию закупки.
Поможет ли это продажам, все ещё предстоит проверить. Но у предложения появился осмысленный критерий: насколько оно снимает сомнения людей, которые участвуют в покупке. Вопрос «чьё решение нам нужно изменить» превратил расплывчатое «стать заметнее» в задачу, с которой можно работать.
Отдельно отмечу момент, когда предприниматель говорит: «Моя исходная постановка была неверной». Для меня это признак состоявшейся интеллектуальной работы. Человек нашёл границу своего понимания и получил возможность действовать точнее.
При этом критическое мышление должно заканчиваться действием. У предпринимателя есть сроки, ограниченные ресурсы и обязательства перед клиентами и командой. Зрелость проявляется и в том, чтобы понять, когда оснований уже достаточно для следующего шага, какой риск допустим и при каких обстоятельствах решение придётся пересмотреть.
Вот результат, который я считаю настоящим: человек способен сам поставить задачу, исследовать её вместе с ИИ, выбрать действие и извлечь урок из последствий. Это умение переживёт любую смену моделей и интерфейсов. На полях, как говорится, ex cathedra скажу, что лично считаю этот навык критическим и, возможно, самым важным для будущего любого моего современника.
Чужие ответы стоят дорого
Скажу жёстко: предприниматель, который не хочет исследовать основания и столпы своих решений, в долгую обрекает себя на зависимость от чужих суждений. В полную зависимость.
Применять майевтический подход можно, ни разу не услышав этого слова. Суть в привычке задавать вопросы, проверять предпосылки и менять позицию под давлением оснований. А отказ от такой работы опасен независимо от того, сколько технологий освоено и насколько современно выглядит бизнес.
Самостоятельность легче всего потерять там, где готовое решение сформулировано лучше, чем собственное сомнение. Если предприниматель не может объяснить, почему выбран именно этот путь, он постепенно теряет возможность им управлять. Поменяются обстоятельства, и ему снова понадобится внешний ответ, уже потому, что основания предыдущего так и остались ему неизвестны.
ИИ может участвовать в анализе целей и последствий. Но решение о том, ради чего строить бизнес, чем рисковать и какие обязательства брать перед людьми, требует собственной позиции. В комплекте с готовым планом её не выдают.
Всё это и привело меня к осознанию практичности майевтического метода в бизнесе.
За годы обучения продажам и внедрений ИИ я вижу один и тот же разрыв. Курсов, которые учат писать промпты, полно. Инструментов, которые выдают готовые ответы, ещё больше. А места, где человека учат тому, что он делает после ответа, почти нет. Как заметить допущение. Как отличить наблюдение от объяснения. Как задать тот самый следующий вопрос и не расстроиться, что он разрушил красивую картинку.
Этот разрыв я решил закрывать со своими коллегами в рамках внутреннего научного проекта. Мы исследуем майевтический подход и учимся взаимодействовать с ИИ через развитие самостоятельного мышления: проясняя понятия, находя противоречия, требуя оснований, выдерживая возражения. Не ради философии как таковой, а ради вполне практического результата. Человек сам ставит задачу, сам проверяет, что ему ответила машина, сам принимает решение и может объяснить, почему. Он становится сильнее рядом с ИИ, а не слабее: лучше понимает происходящее, точнее выбирает и не теряет способность отвечать за свой выбор.
Главный вопрос эпохи ИИ для меня звучит так: сумеем ли мы пользоваться его возможностями, сохраняя авторство собственных решений?
Я хочу, чтобы ответ был «да».