Thinkslop: как ИИ незаметно подменяет ваше мышление

Исследование AI in the Wild выходит в Harvard Business Review третий год подряд. В этом году команда проанализировала 12 637 реальных кейсов использования генеративного ИИ – на порядок больше, чем в предыдущих выпусках. База собрана из почти 50 000 записей с Reddit, Quora, LinkedIn, TikTok и YouTube за период с марта 2025 по февраль 2026 года.

Главный вывод исследования – не о том, что люди делают с ИИ. А о том, что они перестают делать сами.

Самый популярный кейс – не рабочий

Топ-5 применений ИИ в 2026 году выглядит неожиданно для тех, кто следит за корпоративной повесткой:

1. Терапия и эмоциональная поддержка – 11% датасета (рост с 5% годом ранее)
2. Устранение неисправностей (troubleshooting)
3. Развлечение и абсурд
4. Фанфикшен и сторителлинг
5. Техническое использование ПО (был за пределами топ-100 в 2025)

63 из 100 самых популярных кейсов связаны с работой или применимы и дома, и на работе. Но самый быстрорастущий сегмент – эмоциональный. Люди дают чат-ботам имена, приписывают им пол, переживают горе при обновлении модели или потере истории чатов.

Исследователи отмечают важный нюанс: люди часто используют ИИ как инструмент подготовки к человеческому общению. Проговорить аргумент перед разговором с руководителем. Отрепетировать сложный фидбек. Продумать реакцию на конфликт. Это ближе к зеркалу, чем к собеседнику.

Стоит задержаться на этом наблюдении. Оно объясняет, почему тренд на эмоциональное использование ИИ растёт, а не падает – и почему это необязательно плохо. Но дальше начинается проблема.

Thinkslop: четыре признака

Исследователи вводят концепцию, которую стоит запомнить: thinkslop. По аналогии с slop (мусорный контент, сгенерированный ИИ), thinkslop – это мышление, которое выглядит качественно, но за которым нет когнитивной работы автора.

Как минимум в четверти самых популярных кейсов использования ИИ люди передают модели собственно мышление – анализ, оценку, формулировку суждений.

Авторы выделяют четыре проявления:

Первое – потеря нити намерения. Пользователь начинает взаимодействие с одной целью, но AI-ответ уводит его в сторону. Через три итерации человек уже работает над задачей, которую не ставил. Это особенно опасно для менеджеров, которые приходят к модели за структурированием мыслей – и получают вместо этого чужую структуру, которую принимают за свою.

Второе – аутсорсинг мышления. Вместо «помоги мне сформулировать» – «сформулируй за меня». Разница кажется стилистической, но она принципиальная. В первом случае результат проходит через фильтр вашего опыта и контекста. Во втором – нет.

Третье – отказ от письма. Люди перестают писать самостоятельно – черновики, заметки, письма. Проблема не эстетическая: письмо – это инструмент мышления. Когда вы формулируете мысль словами, вы одновременно проверяете, понимаете ли вы её сами. Когда модель формулирует за вас, эта проверка не происходит.

И четвёртое – ложная интеллектуальная строгость. Длинный, хорошо структурированный AI-ответ создаёт ощущение тщательного анализа. Но модель не анализировала – она предсказала наиболее вероятную последовательность токенов. Цитата из исследования: «ИИ убеждает вас в том, что вы гений, чтобы вы продолжали им пользоваться».

Описать эти признаки несложно. Сложнее обнаружить их в собственной практике: thinkslop выглядит как работа, ощущается как работа – и только через время оказывается пустотой.

ИИ на работе: масштабная посредственность

Рабочее использование ИИ в 2026 году исследователи описывают осторожно: «в основном скромные, неконтроверсионные победы». Тень (shadow usage) остаётся нормой – люди используют ИИ на работе, но не афишируют это.

Три уровня зрелости, которые фиксирует исследование, – и у каждого своя степень честности.

Самый массовый – эффективность. Автоматизация рекрутинга, конспектирование встреч, шаблоны документов. Это работает, экономит время, но не меняет результат.

Следующий уровень – рост: маркетинговые кампании с заявленным подъёмом 20–30%. Здесь уже интереснее, но данные часто неверифицированы. Исследователи не подтверждают эти цифры – фиксируют, что пользователи их заявляют.

И наконец, трансформация – единичные случаи, в основном в малом бизнесе. Одна из цитат: «Я по сути заменил целую аналитическую функцию. Стало ли лучше? Нет». Честность этой фразы стоит всех маркетинговых кейсов вместе взятых.

Это согласуется с тем, что мы видели в Microsoft WTI 2026: только 19% сотрудников находятся в зоне Frontier – там, где и человек, и организация готовы к глубокому использованию ИИ. Остальные 81% либо заблокированы организацией, либо не развили индивидуальные навыки, либо и то и другое.

Проблема не в инструментах. Stanford AI Index показывает: 88% компаний внедрили ИИ, но 62% пользователей застряли на поверхностном уровне. Разрыв между «инструмент есть» и «инструмент работает на результат» – это разрыв навыков.

Что перестало расти

Динамика трендов за три года исследования (2024–2026) фиксирует сдвиг, который легко пропустить за цифрами роста:

• Создание контента – падает с пика. Первый хайп прошёл.
• Техническая помощь – снижение с 21% до 15%.
• Обучение и образование – снижение с 16% до 11%.
• Персональная и профессиональная поддержка – доминирует и растёт.

Это означает конкретную вещь для менеджера: волна «ИИ пишет мне тексты» уходит, а волна «ИИ думает за меня» приходит. И вторая волна значительно опаснее, потому что результат труднее отличить от настоящей работы.

Когда AI генерирует текст, качество заметно. Когда AI генерирует стратегию, оценку рисков или план проекта – качество заметно только тем, кто сам способен это сделать. А если вы перестали тренировать эту способность, потому что «AI справляется» – петля замыкается.

При чём тут аутсорсинг суждений

Исследование HBR подсвечивает проблему, которая хорошо накладывается на критерий Эванса. Эванс разделяет задачу (верифицируемую операцию) и суждение (то, что проверить так же сложно, как выполнить). AI отлично справляется с первым и ненадёжен во втором.

Thinkslop – это когда человек отдаёт AI суждение, а не задачу. И принимает результат без верификации, потому что он выглядит убедительно.

Для менеджера это означает конкретный риск. Если вы просите AI подготовить сводку по проекту из данных Jira – это задача. Результат верифицируется за минуту. Если вы просите AI оценить, стоит ли менять приоритеты спринта – это суждение. Результат может выглядеть правильным, но он лишён контекста, который есть только у вас: политическая ситуация, усталость команды, неозвученные ожидания стейкхолдеров.

Исследователи HBR формулируют парадокс: AI может быть отличным интеллектуальным спарринг-партнёром – но только для тех, кто приходит к нему с собственной позицией. Если позиции нет, спарринга не получается. Получается диктовка.

Диагностика: проверьте себя

Прежде чем предлагать решения – стоит честно определить, насколько проблема thinkslop касается вас лично. Опишите свои последние 5 рабочих взаимодействий с ИИ и получите диагностику: где вы делегировали рутину, а где – собственное мышление.

Замените примеры на свои реальные кейсы – результат будет значительно полезнее. Похожую самодиагностику, но в другом формате, мы уже проводили в статье 9 вопросов к себе: вы используете AI или AI – вас?

Что с этим делать менеджеру

Исследование HBR не предлагает отказываться от ИИ – и это было бы глупо при 900 млн пользователей ChatGPT и 750 млн Gemini. Вместо этого стоит зафиксировать три принципа, которые отделяют продуктивное использование от thinkslop.

Первый – приходить с позицией. Перед тем как открыть чат, сформулировать – хотя бы устно – свой предварительный ответ. Если ответа нет, значит, задача требует вашего мышления, а не AI. Используйте модель для проверки и дополнения, но не для генерации позиции с нуля.

Второй – верифицировать суждения. Если AI предлагает оценку, решение или приоритизацию – задайте себе вопрос: могу ли я проверить это за минуту, не обладая тем же контекстом? Если нет – результат требует вашей экспертной оценки.

Третий – сохранять письмо. Продолжать формулировать ключевые мысли самостоятельно – хотя бы черновики, хотя бы заметки. Передавать AI редактуру и структурирование, но не генерацию мыслей. Это инвестиция в качество собственного мышления.

Парадокс, который фиксирует это исследование: инструмент, спроектированный для усиления мышления, при пассивном использовании ослабляет его. Те же авторы говорят: при активном использовании – с чёткой задачей, собственной позицией и критической оценкой результата – AI становится тем самым интеллектуальным спарринг-партнёром, которого сложно найти в реальном окружении.

Разница между этими двумя режимами определяется одним: навыком формулировать точную задачу, сохранять контроль над процессом мышления и критически оценивать результат. Вопрос не в том, пользуетесь ли вы ИИ. Вопрос в том, как давно вы проверяли – думаете ли вы ещё самостоятельно.

Читайте также

Почему ИИ-пилоты на заводе умирают между демо и цехом

Поглотить, перестроить, разрушить: три фазы AI в компании

Задача vs профессия: что на самом деле автоматизирует ИИ

$700 млрд на ИИ: гонка, которую нельзя остановить