Бизнес vs ИИ: почему критическое мышление снова в цене

Исследования показывают, что нейросети «галлюцинируют», то есть выдают уверенные, грамматически правильные, но в корне неверные данные почти в трети случаев. OpenAI в 2025-м году заявил, что галлюцинации не технический баг или случайная ошибка, а фундаментальное устройство нейросети. Получается, алгоритм не просто выдает ложную информацию, а упаковывает наши собственные ошибки в авторитетное мнение. В такой ситуации важно напомнить себе о критическом мышлении и способности оспаривать аргументы, определять манипуляции, отделять факты от мнений и принимать решения на основе анализа, а не эмоций или «авторитета» источника.

Критическое мышление как конкурентное преимущество

В эпоху ИИ бизнес-процессы кратно ускорились: мозг просто не успевает фильтровать потоки информации и начинает хвататься за первое, что кажется срочным. В результате у управленца не остается времени «наточить пилу», ему надо «пилить». В такой ситуации велик соблазн поделиться ответственностью принятия решения и довериться ИИ, если алгоритм выдает готовый план. Именно здесь таится опасность принятия решений, основанных на непроверенных фактах, не соответствующих региону, трендам рынка, реальным действиям конкурентов и потребностям клиентов. 

Артур Куприянов, консультант по продажам: 

– Метрики, которые считает ИИ, редко показывают полную картину: без контекста рынка и продукта решение будет сухим. Это как пытаться продать, не зная, кому реально больно.

Считается, что руководители с развитым критическим мышлением приносят компании больше прибыли, чем их харизматичные, но менее критичные коллеги. А значит, несмотря на развитие ИИ, сегодня такой тип мышления – не просто базовый soft skill управленца, а конкурентное преимущество.

Проверьте свой уровень критического мышления. Тест на критическое мышление Лорен Старки, стандартизированный в русскоязычной адаптации Е. Луценко. 

При чем тут когнитивные искажения? 

До 1970-х годов в экономике и менеджменте доминировала идея о «рациональном человеке», который взвешивает все «за» и «против», оценивает вероятности и выбирает оптимальный вариант.

Когда психологи Даниэль Канеман и Амос Тверски начали системно изучать, как люди принимают решения в условиях неопределенности, результаты их исследований удивили. Оказалось, что мозг использует упрощенные правила – эвристики, которые могут приводить к ошибкам, то есть когнитивным искажениям.

Природу этих искажений помог понять Канеман, сформулировавший модель двух систем мышления. Интуитивная система (1) работает без усилий и опирается на ассоциации и эмоции, при этом аналитическая система (2) включается, когда нужно посчитать, сравнить или проверить аргументы. Впоследствии эти исследования легли в основу поведенческой экономики.

Именно критическое мышление помогает отслеживать когнитивные искажения, подключать аналитическую систему и замедлять принятие важных решений: ему необходимо время на проверку данных, контраргументы и альтернативные сценарии.

Примеры когнитивных искажений 

В условиях дефицита времени и информации большинство бизнес-решений принимаются интуитивно, что экономит ресурсы мозга, но повышает риск когнитивных искажений. Проверьте себя. 

• Эффект якоря. Первая цифра или информация становится «якорем», относительно которого оцениваются все последующие данные. Например, в продажах первая озвученная цена, даже если она завышена, задает уровень, в бюджетировании «пляшут» от прошлогодних данных.

• Предвзятость подтверждения. Управленец ищет и замечает информацию, подтверждающую собственную гипотезу, и игнорирует то, что ей противоречит. Так, предприниматель может быть убежден, что новый продукт «выстрелит», основываясь на своей «боли», а не маркетинговых исследованиях или потребностях клиентов. Или фокусируется только на позитивных отзывах клиентов, не принимая во внимание критику. 

• Эффект доступности. Вероятность события оценивается по кейсам «на слуху». Например, после громкого провала стартапа в определенной нише инвесторы переоценивают риски и начинают считать весь сегмент убыточным, хотя аналитика и статистика говорят об обратном.

• Неприятие потерь. Психологически потери ощущаются острее, чем выигрыши. Люди склонны избегать рисков и цепляться за убыточные проекты. Казалось бы, «лошадь сдохла – слезь», но бизнес продолжает финансировать провальный продукт, так как в него уже вложено много денег и времени. 

• Ошибка планирования. Сроки и бюджеты оцениваются по «идеальному» сценарию, а не реальному положению дел. Так, разработка нового продукта по плану должна занять шесть месяцев, а по факту – год. 

• Иллюзия контроля. Люди склонны переоценивать собственное влияние на результат и недооценивать роль внешних факторов. Например, руководитель уверен, что успешные продажи зависят лишь от сильного продукта и команды, и игнорирует изменения рынка и действия конкурентов.

Получается, когнитивные искажения что-то вроде «заводских настроек», а критическое бизнес-мышление – прошивка, которая помогает не путать энтузиазм с потребностью рынка. Хорошая новость в том, что критическое мышление – навык, который можно прокачать. 

Как прокачать критическое мышление 

Скорость принятия решений часто мешает увидеть альтернативу, особенно если решение сложное или имеет высокую цену ошибки. Критическое мышление начинается там, где управленец умеет остановиться и сказать: «А что, если я ошибаюсь?».

Чтобы развить навык критического мышления, начните отделять факты от интерпретаций. Собственники малого и среднего бизнеса нередко грешат тем, что считают себя «играющим тренером», который уж точно знает рынок. Подменять анализ собственным опытом – опасная иллюзия. Рынок сегодня уже не тот, что вчера, поэтому решения стоит принимать на основе цифр и проверки гипотез. Смотрите на любую ситуацию с трех сторон: что знаете точно, что предполагаете и чего не знаете. Это помогает заметить слабые места.

Константин Янчицкий, руководитель предприятия:

– Я использую ИИ как источник информации для принятия решений, но не доверяю ему полностью, так как прекрасно понимаю, как построены алгоритмы. Я за то, чтобы внимательно проанализировать и изучить вопрос, получить альтернативные варианты. Так что в принятии решений доверяю только себе. 

Но, например, с подбором цветов и рекомендациями по дизайну нейросеть справилась отлично. Поэтому этот вариант использования ИИ я принял. Есть сферы деятельности, в которых ИИ работает эффективно и помогает решать прикладные задачи: мне нравятся ролики, созданные ИИ, реклама, решение разных инженерных задач, программирование. Но в любом случае нужен контроль со стороны людей, которые его используют.

Мне кажется, что пока развитие ИИ находится на начальной стадии и многие люди преувеличивают его возможности. А вот когда он себя осознает… Это может стать проблемой для человека. Надеюсь, это произойдет нескоро…

Как руководителю проверять собственные решения и замечать слабые места в своих гипотезах:

1. Полезная управленческая привычка – «шатать идею», чтобы найти ее слабые места. Возьмите одно из своих убеждений, например «клиенты не готовы платить больше», и:

• найдите три аргумента против этого убеждения;

• подберите три примера компаний-конкурентов, которые повысили цены. Насколько при этом изменилась их ценность для клиента, ассортимент, сервис, объем продаж и коммуникация;

• сформулируйте альтернативную гипотезу.

1. Если вы запускаете новый продукт, спросите себя: «Что должно пойти не так, чтобы продукт не взлетел?». Для более глубокого погружения в тему привлеките команду и назначьте не только «адвоката», но и «прокурора». Попросите участников назвать минимум два аргумента против и объяснить логику решения, а не только вывод.

2. Проверьте себя на «влюбленность» в идею. Когда руководитель слишком рано эмоционально привязывается к проекту, он начинает защищать не бизнес-решение, а собственное эго. Спорьте с идеями, а не с людьми.

3. Анализ чужих ошибок формирует «превентивное мышление». Выберите компанию из вашей отрасли, которая потерпела фиаско, и проанализируйте, какие решения и когнитивные искажения управленцев могли привести к такому результату. Изучите доступные факты: бизнес-модель, спрос, конкуренцию, финансирование и продукт.

4. Отлично работает метод «пяти почему». Если продажи упали, спросите: почему упали продажи, почему клиенты стали реже покупать, почему снизился поток заявок, почему перестала работать реклама, почему изменилось поведение целевой аудитории. Часто на пятом вопросе выясняется, что проблема не в продажах, а в продукте, позиционировании или канале привлечения.

5. Прекрасно подходит метод «премортем», позволяющий заранее выявить возможные проблемы. Во время аналитической сессии команда как будто заглядывает в будущее и моделирует ситуацию неудачи проекта. Суть техники – найти уязвимости и включить критическое мышление до того, как ошибки станут реальными.

Метод «Премортем» 

1. Определите проект. Коротко зафиксируйте цель, сроки, бюджет, команду и критерий успеха конкретного проекта. 

2. Сформулируйте сценарий неудачи. Например: «Представьте, что прошел год, проект завершен и не взлетел. Что пошло не так?» 

3. Дайте людям молча подумать. Каждый участник в течение 5-10 минут самостоятельно записывает возможные причины. 

4. Соберите причины. По очереди участники называют свои версии, которые фиксируются на доске или в документе. 

5. Сгруппируйте риски по темам. Объедините похожие причины в кластеры: люди и команда, продукт и технологии, рынок, операционные процессы, деньги, правовые риски. Найдите повторяющиеся паттерны. 

6. Оцените приоритет рисков. Для каждого кластера оцените вероятность и влияние, затем выберите 3-5 самых критичных.

7. Продумайте план Б для ключевых рисков. Ответьте на два вопроса: что сделать, чтобы риск не реализовался, и что делать, если это все же произошло? 

8. Назначьте владельцев «тревожной кнопки». У каждого риска должен быть ответственный человек (в IT это, например, менеджер проекта или владелец продукта) и ранние признаки, по которым вы поймете, что проблема обозначилась.

Как проверить ИИ 

«Галлюцинирующий» ИИ все еще остается «черным ящиком», так как часто выдает рекомендацию, но не может внятно объяснить, почему тот или иной вариант лучше. Тем не менее ИИ – отличный ассистент. Он помогает собрать основной массив информации, дополнив которую и применив критическое мышление, уже можно принимать решение.

1. Запросите одну и ту же информацию у трех разных ИИ-моделей. Если все три дают разные ответы, то какая-то нейросеть точно врет. Если две модели совпадают и дают одинаковые ответы, это все равно не подтверждает факт полностью. Они могут воспроизводить одну и ту же распространенную ошибку. Подтверждением служит первичный, надежный и актуальный источник. Важно использовать полностью идентичный промт для всех моделей.

2. Попросите ИИ указать конкретные источники. Насторожитесь, если чат не указывает ссылку на источник или ссылки ведут на несуществующие страницы или общие домены. Проверьте источник вручную. 

3. Возьмите только что полученный ответ ИИ и сделайте из него задание: «Подтверди, что… а далее его же ответ». Например, сеть пишет: «снижение цен на 15% увеличивает оборот на 25%». Ваш запрос: «подтверди, что снижение цен на 15% увеличивает оборот на 25%». Если алгоритм начинает предлагать другие ответы, это верный знак, что первоначальный вариант был ошибочным.

4. Задайте ИИ контраргументирующий вопрос, чтобы проверить на абсурд. Например, «Представь, что этот вывод неверен. Какие аргументы это подтверждают?»

5. Можно попробовать добавить в промт текст: «отвечай, только если уверен, при неопределенности говори об этом». Пользователи пишут, что такая приписка меняет поведение модели, «но это не точно». 

Яна Стомма, собственник ООО «Эрго Солюшенс»: 

– Мы любим «кормить» чат базами данных аналитики, если знаем, что где-то закрались ошибки. Но и здесь ИИ находит их не все. Бывает, что чат начинает строить теории и придумывать того, что нет. В итоге приходится корректировать промт, пока не находится то, что необходимо. То, что ИИ не живой человек, в разработке очень сильно чувствуется. Так что в нашем случае алгоритм подходит для поиска информации, сбора аналитики и структурирования данных. Для принятия бизнес-решений ИИ не используем. У нас свои мозги, сильная команда. 

CRAAP-тест

Этот метод оценки достоверности источников информации изначально использовался в академической среде для оценки источников при написании научных работ. Сегодня тест применим и в бизнесе, в том числе для проверки данных, которые генерирует ИИ.

Аббревиатура CRAAP расшифровывается как:

• Currency (Актуальность). Когда информация была опубликована или обновлена?

• Relevance (Релевантность). Насколько информация соответствует задаче? Кто целевая аудитория источника?

• Authority (Авторитетность). Кто автор или источник? Какие у него полномочия или квалификация?

• Accuracy (Точность). Подкреплена ли информация доказательствами? Можно ли ее проверить в других источниках?

• Purpose (Цель). Зачем создана эта информация: чтобы проинформировать, продать, убедить или развлечь?