Современные метрики продуктивности успешно маскируют системную деградацию экспертизы. Масштабное исследование 26 000 студентов в центральном Китае дает первое долгосрочное доказательство того, что за эффективность генеративного ИИ придется платить скрытую и отложенную цену — потерю фундаментальных навыков. Пока пользователи нейросетей штамповали задания и получали высокие баллы, их реальные показатели на экзаменах рухнули на 24%. Самый тревожный сигнал для бизнеса здесь — временной лаг: разрыв в знаниях не проявлялся в полной мере до тех пор, пока не прошло два года с момента внедрения технологии. Для корпоративного сектора это означает, что новички, нанятые с «ИИ-костылями», сегодня выглядят гиперпродуктивными, пока их способность самостоятельно решать задачи тихо атрофируется.
Парадокс аутсорсинга интеллекта
Исследование охватило учащихся с 7 по 12 классы, где внедрение ИИ шло агрессивными темпами. Использование инструментов взлетело почти с нуля до 80%, подстегиваемое выходом моделей DeepSeek V2.5 и DeepSeek R1. Студенты массово делегировали нагрузку сервисам Doubao, DeepSeek, ChatGLM, Ernie Bot и Qwen. Спустя полгода «прирост эффективности» казался неоспоримым: оценки за домашние работы выросли на 18%, а время на их выполнение сократилось с 64 до 45 минут.
Сочетание скорости и высоких баллов при последующем провале на очных экзаменах подтверждает: студенты просто отдали свои мозги на аутсорс. Это создает опасную петлю обратной связи, где менеджеры и HR видят улучшение KPI — скорости и объема выпуска, — в то время как интеллектуальный капитал компании пустеет. По данным исследователей, 81% активных пользователей выполняли задания быстрее самых расторопных «традиционалистов», но закономерно проваливали тесты без доступа к сети.
Проблема не в самой технологии, а в том, что ИИ подменяет собой независимое мышление вместо того, чтобы расширять его возможности. Те, кто использовал нейросети, тратя на работу столько же времени, сколько и раньше, показали рост результатов. Риск кроется именно в делегировании когнитивного процесса алгоритму ради экономии усилий.
Трехлетний горизонт кадровой эрозии
Анализ китайского кейса показывает: деградация экспертизы распределена неравномерно, и даже топ-перформеры находятся под ударом. Для L&D-директоров это прямой повод для тревоги: самые перспективные сотрудники могут чаще других полагаться на ИИ, чтобы поддерживать свой статус «звезд», что в итоге приведет к краху их профессионального суждения. Это тихое увядание компетенций объясняет, почему институциональное сопротивление внедрению ИИ было таким вялым.
Чтобы не проснуться в мире пустых специалистов, организациям придется радикально менять методологию оценки. Вместо того чтобы оценивать финальный результат, который стал дешевым товаром на выходе из модели, бизнесу нужно отслеживать процесс, внедрять очные аттестации и контролировать время, затраченное на сложные задачи. Краткосрочный взлет KPI за счет ИИ скрывает 20-24% падение квалификации, которое через два года обернется кризисом принятия решений на уровне топ-менеджмента. Компании обязаны перенести фокус с «выхлопа» на верификацию мыслительного процесса, пока их кадровый резерв не превратился в придаток к API. Настоящая опасность не в том, что ИИ заменит людей, а в том, что люди используют ИИ, чтобы заменить те самые знания, которые необходимы для управления им.