Главное про AI - Вадим Жартун

И это без учёта того, что живой оператор устаёт к концу смены, отвечает клиентам раздражённо и через две недели увольняется. AI не устаёт, не обижается, не уходит — и за счёт этого выдерживает длинную смену стабильно. Когда цена ошибки низкая, типовой вопрос по статусу заказа, AI-ошибка дешевле человеческой, и не потому что AI «лучше», а потому что усталый человек хуже, чем среднестатистическая машина.

Дело Mata v. Avianca, разобранное ниже в этой книге, — там же и штраф. Здесь мы используем его как пример другого края шкалы: цена AI-ошибки в тысячи раз выше цены человеческой ошибки, потому что у человеческой ошибки другой вес.

КРИТЕРИЙ «ТРЁХ R»: ГДЕ ДОПУСТИМА ОШИБКА AI

Критерий «трёх R» я использую на консультациях по внедрению AI в поддержку — он работает в командах, выдерживает проверку практикой.

1: Repetition — задача повторяется много раз с низкой вариативностью (статус заказа, перевод типового договора, классификация входящего письма).

2: Risk — цена ошибки низкая (клиент получит «не тот» ответ, но это не убьёт его и не разорит компанию).

3: Reversibility — ошибку можно быстро отменить (отправить заново, перезвонить, повторить операцию).

Если все три «да» — отдавайте задачу AI, не думайте. Если хотя бы одно «нет» — человек нужен в контуре.

Юридический кейс с выдуманными прецедентами (разбирается ниже в этой книге) провалил фильтр по риску и обратимости: цена ошибки высокая, и хотя отозвать поданный иск формально можно, репутационные и юридические последствия отзыва стоят дороже, чем экономия на AI. Оператор Klarna проходил все три формально, но компания недооценила reputational risk, который проявился позже, когда клиенты стали жаловаться на качество обслуживания в сложных случаях.

СВОДНАЯ ТАБЛИЦА ДОПУСТИМЫХ AI-ОШИБОК

В этой таблице — восемь типовых офисных задач с указанием типа ошибки у AI, цены ошибки и того, кто в итоге дешевле. Логика простая: в первых пяти строках AI дешевле, в последних трёх — человек. Граница проходит там, где появляется цена штрафа, жизни или репутации, и эту границу не сдвигает ни одна новая версия модели.

В верхней половине AI-ошибка стоит минуты работы и легко откатывается. В нижней половине цена ошибки измеряется в штрафах, судебных санкциях и жизнях, и AI в этих строках остаётся только в режиме помощника под контролем человека.

ЭФФЕКТИВНАЯ КОМАНДА ИЗ ЧЕЛОВЕКА И AI

Врач с AI-ассистентом ставит диагноз точнее, чем врач без ассистента, и точнее, чем AI сам по себе. Юрист с AI-инструментом для проверки контрактов закрывает в три-четыре раза больше сделок в квартал, чем юрист без инструмента, и при этом не пропускает критичных рисков, которые AI бы пропустил без юридического контекста. Дизайнер с генератором референсов перебирает пятьдесят концепций за час вместо пяти за день и отбирает из них одну, опираясь на свой вкус, который AI не воспроизводит. Это не фантазии — это уже работающие модели, и их число растёт каждый квартал.

«Человек плюс AI» — третий путь, который упускается в споре «AI заменит человека или нет». У человека и AI разные сильные стороны. AI сильнее в обработке большого корпуса, человек сильнее в интерпретации результата в конкретном контексте. AI сильнее в скорости, человек — в оценке последствий. Связка побеждает, когда человек не отдаёт AI всю задачу, а разделяет её: AI делает то, что у него получается лучше, человек делает то, что у него получается лучше, и интерфейс между ними — это редактура и принятие решения.

ТАНДЕМ ЧЕЛОВЕКА И AI: МАММОГРАФИЯ, ЮРИСПРУДЕНЦИЯ, ДИЗАЙН

В октябре 2019 года команда NYU Langone опубликовала в Nature исследование на девяти миллионах маммограмм: AI-модель и группа рентгенологов работали по отдельности и в связке. AI находит паттерны, которые врач не видит. Врач находит паттерны, которые AI не видит. В связке точность выше, чем у каждого по отдельности. Это не «AI помогает врачу», это «AI и врач видят разное». Команда Providence назвала это «второй парой глаз, которая не устаёт» — не заменой пары глаз, а парой глаз. Связка — это не про «AI делает, человек проверяет», это про то, что оба видят то, что другой пропускает. Именно поэтому профессия рентгенолога не вымерла, а изменилась: рентгенолог стал арбитром между двумя системами восприятия. Полевые данные по Швеции (MASAI, 105 934 женщины) уже разбирались в разделе 3 — там же подробно о росте находок на 29% и сокращении нагрузки на рентгенолога на 44%.

В августе 2025 года Thomson Reuters выпустил CoCounsel Legal и «финальную» версию Westlaw. AI-ассистент в платформе ищет прецеденты по естественному языку (находит релевантные за секунды, не за часы), готовит черновик юридического меморандума, делает claims explorer. Но финальный продукт — иск, договор, заключение — подписывает юрист. Платформа не заменяет юриста, а сокращает research-фазу с трёх-четырёх часов до двадцати-тридцати минут. Юрист получает не «готовый ответ», а «первый проход», который он критически правит. Это и есть centaur-модель: человек ставит вопрос, AI делает черновой обзор, человек верифицирует прецеденты, добавляет контекст, формулирует позицию. Без AI юрист потратит день на research. Без юриста AI выдаст работу уровня стажёра без понимания контекста. С обоими — работу уровня сеньор-юриста за то же время.

Figma в апреле 2025 года опубликовала отчёт «AI in Design»: 88% опрошенных дизайнеров используют AI-инструменты, но только 27% готовы отдать им финальный продукт без правок. Основной паттерн — AI как генератор вариантов, человек как арбитр. Дизайнер формулирует задачу («нужна плашка в корпоративных цветах для трёх аудиторий»), AI выдаёт тридцать-пятьдесят вариантов за минуту, дизайнер выбирает два-три, дорабатывает, и только потом пускает в продакшн. Nielsen Norman Group в мае 2025 зафиксировали: AI-инструменты дизайна «всё ещё не там», где их обещали, но они полезны на конкретной фазе — research, поиск референсов, проверка альтернатив. Дизайнер, который работает с AI как с помощником, делает за день работу недели. Дизайнер, который ждёт, что AI сделает макет «и так сойдёт», получает стоковую картинку, которую отличит любой клиент. Разница между «дизайнер с AI» и «дизайнер без AI» измеряется не часами, а тем, насколько продукт выглядит своим.

ШАХМАТНЫЙ КЕНТАВР КАСПАРОВА: УРОК 1998 ГОДА

В 1997 году Гарри Каспаров (Garry Kasparov) проиграл матч Deep Blue. Год спустя он организовал первый в истории «Advanced Chess» (его ещё называют centaur-chess, или «шахматы с усилением», — формат, где у каждого игрока