AI ослабляет мышление: как вернуть контроль

Почему вы перестали понимать свой код

Вы замечали, что после использования AI-ассистентов вам все труднее объяснить, почему код работает именно так? Это не случайность — это закономерный процесс, который уже получил название «AI-индуцированное затухание навыков». В этой статье я разберу, что именно разрушается, почему вы этого не замечаете, и предложу конкретный метод, который поможет вернуть контроль над собственным мышлением.

Что на самом деле разрушается: не навыки, а модель мира

Когда исследователи изучали пилотов, которые десятилетиями летали на автоматизированных самолетах, они обнаружили важный факт: процедурные навыки (например, ручное пилотирование) оставались в порядке, а вот когнитивные — умение отслеживать положение самолета, планировать следующие шаги, распознавать отказ приборов — серьезно деградировали. То же самое происходит с программистами: вы по-прежнему пишете код, но ментальная модель того, что происходит, разрушается.

Брук Макнамара и ее коллеги в 2024 году пришли к еще более резкому выводу: поскольку AI имитирует именно когнитивную работу, а не механическую, разрушение навыков будет хуже, чем в случае с автопилотами. И это логично: раньше автоматизация заменяла физический труд, а теперь она заменяет умственный, который и так угасает быстрее.

Почему вы не замечаете деградацию

Есть три независимых исследования, которые доказывают: вы не способны самостоятельно оценить этот процесс.

1. Скрытый механизм. Обычная потеря навыков заметна, потому что вы перестаете выполнять задачу. AI-индуцированная — нет: вы продолжаете писать код, ревьюить PR, закрывать тикеты. Но глубокая когнитивная работа исчезла.
2. Искаженная самооценка. В 2025 году METR провели эксперимент: 16 опытных разработчиков выполняли 246 реальных задач в своих репозиториях. Они прогнозировали ускорение на 24%, а по факту оказались на 19% медленнее. Причем хуже всего было на задачах, где у них был наибольший опыт.
3. Эффект тестирования. Исследование Роддигера и Карпика (2006) показало: студенты, которые перечитывали материал, чувствовали себя увереннее, но запомнили 40% против 61% у тех, кто тестировал себя. Перечитывание диффа до состояния «выглядит нормально» — та же ловушка.

Проверьте себя прямо сейчас

Возьмите последний PR, который вы замержили, и который в основном написал AI. Не читая код, напишите в отдельном файле: что он делает, зачем он нужен, что сломается, если его удалить. Теперь прочитайте дифф и отметьте, где вы застряли. Это упражнение — классическая демонстрация иллюзии глубины понимания (Розенблит и Кейл, 2002).

Почему «скилл-скоры» не работают

Моя первая идея была — сделать дашборд с оценкой навыков. Но исследования формирования привычек показывают, что это провальная затея. В CHI 2016 изучили приложение Lift (Coach.me): напоминания и серии действительно заставляли повторять действие, но создавали зависимость от приложения, а не самостоятельную привычку. Когда пользователи переставали открывать приложение, поведение исчезало. Внешняя мотивация вытесняет внутреннюю — это давно известный психологический факт. Плюс оценка измеряет результат, а понимание — это способность, которую можно увидеть только в действии.

Почему стандартные советы не помогают

Все статьи советуют одно и то же: дни без AI, ручное решение задач, объяснение кода вслух. Это хорошие советы, но у них общая проблема: они требуют дисциплины, выделенного времени и воли. Это отдельная практика, которая конкурирует с работой, и у нее нет триггера или последствий за пропуск. Вы просите себя добровольно добавить трения, чтобы решить проблему, которую вы не ощущаете.

Исследование, которое меняет всё

В январе 2026 Anthropic провели рандомизированное контролируемое исследование: 52 джуниора изучали неизвестную им библиотеку Trio. Половина использовала AI, половина — документацию и поиск. Результаты: группа с AI набрала 50% в тесте на понимание против 67% у «ручных» программистов. Худший разрыв был в вопросах по отладке — именно том навыке, который нужен для проверки AI-кода. При этом скорость была одинаковой.

Но главный вывод в другом: исследователи выделили шесть паттернов взаимодействия, и три из них сохраняли обучение даже с AI. Высокие результаты (65–86%) были у тех, кто:

• генерировал код, а затем задавал уточняющие вопросы о нем;
• просил код и объяснение вместе;
• задавал концептуальные вопросы, а затем писал код сам.

Провальные паттерны: полное делегирование, постепенное скатывание к делегированию и итеративное исправление ошибок без понимания. Вывод: дело не в количестве AI, а в том, происходит ли акт извлечения или объяснения в момент использования.

Microsoft Research и CMU в 2025 году подтвердили: высокая уверенность в AI снижает критическое мышление, а высокая уверенность в себе — повышает. Они рекомендуют инструменты-«провокаторы», которые задают вопросы, а не просто выдают ответы.

Что делать прямо сейчас

Вместо дашбордов и «дней без AI» я предлагаю простой прием: перед мержем закройте код и напишите своими словами, что он делает и почему это правильно. Если не можете — вы не поняли код, и его нельзя мержить. Это встраивается в рабочий процесс, не требует дополнительного времени и дает немедленную обратную связь. Начните с одного PR сегодня — и вы увидите разницу.