# Работа, которой как будто не было ![[Images/TFW/02-invisible-work.png]] > **Часть 2 из 9** · [[TFW|Все части]] В начале работа с ИИ кажется почти волшебной. Модель пишет за секунды, читает большие документы, предлагает десятки вариантов, переводит, анализирует, программирует, рисует. Кажется, будто теперь достаточно передать ей задачу, а освободившееся время можно потратить на что-то более важное. На деле всё происходит иначе. Модель выдаёт много текста, но не даёт нужного результата. Мы начинаем объяснять задачу подробнее, исправлять неверные предположения, добавлять материалы, показывать примеры. Рассказываем, что уже пробовали, почему это не сработало, какие решения нельзя принимать и что именно нас не устраивает в очередном ответе. После нескольких кругов наконец получается то, что нужно. Но в следующей похожей задаче значительную часть объяснений приходится повторять. Снова и снова. Меня всегда особенно раздражала именно эта необходимость повторяться. Возникает естественное желание записать ответы на все типичные вопросы, подготовить хороший FAQ и больше к ним не возвращаться. В такие моменты я обычно вспоминаю деканаты в начале учебного года. Каждый день туда приходят новые первокурсники и задают одни и те же вопросы. Сотрудникам кажется, что ответы очевидны, но для каждого нового студента всё происходит впервые. В организациях эту проблему решают с помощью хорошего онбординга. Новичку заранее передают основные сведения, знакомят с правилами и порядком работы, назначают наставника. Так он быстрее осваивается и перестаёт зависеть от постоянных объяснений. Сначала я думал, что ИИ нужен примерно такой же онбординг. Нужно собрать несколько хороших файлов, приложить их к задаче — и ИИ-модель начнёт работать правильно. Но оказалось, что одних инструкций недостаточно. Каждая следующая задача немного отличается от предыдущей. Отличие может быть небольшим, но именно оно меняет решение. В готовом FAQ о нём ничего не сказано. Более того, сам специалист часто не может заранее объяснить, что именно будет существенным в следующем случае. Почему? Потому что в любой сложной работе есть часть, которую почти никто **не видит**. Один или два специалиста несколько дней думают, обсуждают, спорят, меняют решение, возвращаются к отвергнутым вариантам. Пока они не закончат, остальные не могут продолжить. Наконец появляется документ: план продаж, коммерческое предложение, постановка задачи, презентация, приказ или архитектурное решение. Команда получает **результат** и начинает действовать. Результат — документ — остаётся. Мыслительная работа, которая к нему привела, исчезает. Не сохраняются вопросы, изменившие направление. Забываются причины выбора. Исчезают варианты, которые сначала казались разумными, но были отвергнуты после обсуждения. Через несколько месяцев уже трудно понять, почему документ устроен именно так, какие его части принципиальны, а какие можно менять. Снова нужен специалист-толкователь — тот, кто помнит не только результат, но и **путь** к нему. Обычно эту часть вообще не считают отдельной работой. Кажется, что специалист «просто думал», а настоящая работа началась, когда он открыл документ и стал писать. Между тем именно эта невидимая часть часто и составляет его основную ценность. Ему платят не за двадцать страниц текста. Ему платят за способность заметить существенное, связать разрозненные сведения, увидеть риск, задать правильный вопрос и выбрать одно решение из десяти. Сам специалист может не замечать, как он это делает. Процесс давно стал привычным и почти автоматическим. У него остаётся простое ощущение: «Я понимаю, что здесь нужно сделать именно так». Он понимает, как поступить, но не всегда может разложить это понимание на части, назвать собственные критерии, **объяснить логику выбора** и научить другого принимать такие же решения. Именно эту невидимую работу мы забываем передать ИИ. Мы говорим: «составь план», «проведи анализ», «подготовь предложение». То есть называем последнее, видимое действие. Но не передаём того, что делает это действие осмысленным. Зачем нужен результат и кому он должен помочь? Что уже известно? Какие ограничения существенны? Что нельзя менять? Почему прежние варианты не подошли? По каким признакам мы отличим хороший результат от убедительно написанной ерунды? Именно здесь проявляется так называемое [проклятие знания](https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%BA%D0%BB%D1%8F%D1%82%D0%B8%D0%B5_%D0%B7%D0%BD%D0%B0%D0%BD%D0%B8%D1%8F): зная контекст, мы перестаём замечать, что другому он неизвестен. Хороший специалист, погружённый в наш контекст, легко восстановит недостающие детали. Он знает организацию, помнит логику прошлых решений, улавливает недосказанное и вовремя уточняет, если что-то не сходится. Мы воспринимаем это как должное и переоцениваем полноту собственных поручений. ИИ сделал этот разрыв видимым. Мы хотели делегировать простую рутину, чтобы разгрузить голову, а вместо этого увидели, сколько невидимой мыслительной работы за ней стояло. Конечно, не всякий плохой результат объясняется этим: у ИИ-моделей есть собственные ограничения, и они тоже ошибаются. Однако нередко проблема возникает ещё раньше — из-за разрыва между лаконичным поручением и тем объёмом неявного знания, на котором держится работа специалиста. Допустим, мы научились выявлять и проговаривать невидимую работу. Но как передать накопленное знание исполнителю, который к следующему разговору всё забудет — почти как рыбка Дори? --- [[tfw/01-philosophy-method-framework|← Назад]] · [[TFW|Оглавление]] · [[tfw/03-colleague-with-amnesia|Далее →]]