Скептик в команде: как тренировать оспаривание ИИ

В исследовании американских бухгалтеров, которое мы разбирали в прошлой части серии, есть формулировка, которую я не могу выбросить из головы: у специалистов недостаточно прочного фундамента, «чтобы оспорить бота». Не «чтобы проверить бота», не «чтобы найти ошибку» – именно оспорить. Глагол из словаря спора, а не аудита.

Рядом стоит цифра: 48% профессионалов боятся, что ИИ негативно влияет на развитие их самостоятельного суждения. Полкоманды живёт с ощущением, что их профессиональное чутьё атрофируется, – и почти нигде это ощущение не превращено в тренировку.

Между страхом и навыком – пустота, которую эта статья и заполняет. Скептицизм по отношению к выхлопу ИИ не черта характера и не должность в штатном расписании. Это тренируемый навык, и тренировать его можно на уровне команды.

Сначала отграничение, иначе получится каша. Мы уже писали про журнал исправлений – процессуальную практику проверки отчётов агента: каждое утверждение подтверждается источником или отзывается. И про цикл возражений – технику, когда один агент спорит с самим собой до исчерпания аргументов. Оба инструмента процессные: они встроены в документ, в промпт, в конвейер. Эта статья про другое – про момент, когда процесса рядом нет. Созвон, где кто-то зачитывает уверенный вывод из ИИ, и решение принимается за следующие пять минут. Здесь работает только рефлекс живого человека: «стоп, а откуда это следует?». Вот его и надо тренировать.

Почему рефлекс не появляется сам

Механика у проблемы социальная, а не технологическая. Выхлоп ИИ уверенный по построению – модель генерирует наиболее правдоподобный текст, а правдоподобие и обоснованность выглядят одинаково. Возражать уверенному тексту социально дорого: вы выглядите занудой на фоне того, кто «принёс готовый ответ». В большинстве команд молчаливое принятие – стратегия с наименьшей личной ценой.

Отсюда наблюдение, которое вы, скорее всего, узнаёте: в команде обычно есть один признанный скептик, и качество решений держится на нём. Архитектура с единой точкой отказа. Скептик уходит в отпуск – и средняя убедительность принимаемых решений незаметно падает. Задача тренировки – передать его функцию всем: сделать сомнение по существу распределённым навыком команды, а не личной ролью одного человека.

Третья причина – из наших данных. В исследовании устойчивости моделей к давлению (июль 2026) мы проверяли, как модели держат правильный ответ, когда их переубеждают без новых фактов. Одно лишь «ты уверен?» меняло верный ответ на неверный в 8% прогонов на задачах с верным исходным ответом. Перенос на людей осторожный, но практический вывод симметричен: и слепое доверие, и беспредметное сомнение одинаково портят решения. Оспаривание работает только когда оно по существу – источник, данные, выборка. Тренировать надо именно предметное сомнение, иначе вместо скептиков вырастут тормоза.

Практика первая: красная команда

Базовое упражнение, с которого стоит начать. На любое ревью важного артефакта, подготовленного с помощью ИИ, назначается красная команда – один или два человека с явной ролью: до принятия найти одно конкретное слабое место, где вывод не следует из данных, риск не имеет владельца или метрика неизмерима.

Ключевых условия два. Роль ротируется – каждый в команде проходит её регулярно, потому что цель не качество одного ревью, а тренировка взгляда. И роль защищена: красная команда не оправдывается за «замедляет», её работа и есть замедление там, где цена ошибки выше цены пяти минут спора. Без второго условия первое бессмысленно – люди перестают играть роль, за которую получают тычки.

Практика вторая: правило трёх оспариваний

Для решений с высокой ценой ошибки – релиз, контракт, публичное обязательство – работает простое правило: перед принятием любого ИИ-обоснованного решения должно прозвучать три предметных оспаривания трёх разных типов: откуда данные, что если наоборот, кто владеет риском.

Три – число операционное. Одно оспаривание легко снять отговоркой, два – «мы взвесили», три заставляют составить список и по нему пройтись. Важный побочный эффект: правило легализует сомнение вслух. Когда три оспаривания – норма процесса, вопрос «а откуда это следует?» перестаёт быть выпадом против автора и становится строкой чек-листа.

Практика третья: разбор пропусков на ретро

Тренировка без обратной связи – чтение. Нужен механизм, который фиксирует момент, когда команда приняла выхлоп без проверки и зря. Один слот на каждом ретро: случай недели – где уверенный вывод ИИ прошёл без оспаривания и что это стоило.

Формат разбора важнее наказания. Вопрос не «кто виноват, что не проверили», а «по какому признаку можно было заподозрить проблему заранее». Так каждый пропуск превращается в пополнение личной статистики команды – ровно тот механизм, который делает журнал исправлений мощным инструментом в руках одного человека, только распределённый на всех.

Отдельно калибруйте перегибы. Если на ретро выясняется, что каждый черновик проходит три круга спора – это тоже находка: оспаривание стоит дороже, чем экономит, и его область применения надо сузить. Практичная граница – цена ошибки: полная проверка для дорогих решений, выборочная для остальных.

Упражнение в миниатюре

Ниже – прогон «красной команды», который можно запустить прямо сейчас, без подготовки и команды. В промпте дан план, который выглядит солидно: цель, метрики, риски, сроки. В нём спрятаны слабые места ровно тех типов, что встречаются в живых ИИ-планах. Модель играет красную команду и должна оспорить план по существу.

Модели выбраны по нашим описаниям моделей: GPT-5.6 Sol по описаниям ловит нестыковки в цифрах – а в этом плане надо проверять метрики, бюджет и сроки, Kimi K3 сильна в аналитике и доступна из России напрямую. В ответе смотрите, найдёт ли модель все три слабых места и – главное – как формулирует претензии: со ссылкой на строки плана или общими словами про «риски есть всегда». Второе – как раз пример беспредметного сомнения, которое мы тренировать не хотим.

Если хотите повторить упражнение с командой на следующем созвоне – не показывайте им ответ модели. Дайте план, десять минут, попросите каждый найти одно слабое место. Потом сравните с разбором. Пункты, которые команда пропустила, а модель нашла, покажут, какие типы ошибок вы пока не замечаете.

Что получится через квартал

Ожидание от регулярных упражнений скромное и проверяемое. На созвонах появляется вопрос «откуда это следует» без неловкой паузы. Слабые места уверенных планов начинают ловить до принятия, а не после инцидента. На ретро появляется статистика пропусков, по которой видно, где именно команда систематически доверяет больше, чем стоит.

Ничего экзотического в этом графике нет – так любая команда тренировала любые навыки, от код-ревью до демо. Единственное, что добавила эпоха ИИ: объект тренировки стал убедительнее. Уверенный, правдоподобный, гладкий выхлоп встречает меньше сопротивления, чем черновик стажёра, – и поэтому тренировка сомнения из полезной привычки превратилась в условие выживания команды в целом.

Это последняя часть серии о команде после ИИ: с вопроса о ёмкости через риск ухода среднего звена и симуляционное обучение к рефлексу оспаривания. Четыре разных инструмента, одна мысль: ИИ меняет не только работу, но и то, как команда учится, держится и решает. Организации, которые тренируют это, покупают не лицензии, а способность ими пользоваться.

Другие части серии

Часть 1

Вопрос ёмкости: куда деть время, которое освободил ИИ

Часть 2

Уйдут первыми: главный кадровый риск ИИ – это мидлы

Часть 3

Симуляции вместо осмоса: как учить суждению в эпоху ИИ