Сотрудник средней компании купил подписку на ChatGPT, два дня попробовал, закрыл вкладку и вернулся к привычному Excel. Через полгода его коллега из соседнего отдела показал, как использует «тот же ChatGPT» в связке с Granola, Reclaim и Obsidian. Выглядело это так, будто у него в команде три личных ассистента. Разница оказалась не в способностях к AI: один собрал личный стек и встроил AI в ежедневную рутину, другой попробовал AI как игрушку и бросил. Личная продуктивность с AI — это не «нашёл хороший промпт», а выстроил ежедневную систему, в которой AI снимает пять–десять мелких помех. Тех самых, которые я раньше даже не считал проблемой.

Личный AI держится на связке из трёх–пяти приложений, а не на одном инструменте. Я привыкал к ней две–три недели. Один AI-чат, даже самый умный, не решает задачу «быть моим ассистентом»: он не помнит контекст между сессиями, не лезет в календарь и почту, не умеет действовать сам.

Секретарь — это человек, который знает контекст, помнит предпочтения, умеет промолчать в нужный момент. AI-ассистент 2026 года — это стажёр первого месяца: быстро пишет, но забывает всё между сессиями. Такой стажёр полезен, опасен в самостоятельных решениях и требует постоянного контроля.

И ключевая коррекция ожиданий: медианный пользователь по опросам экономит около получаса в день, а не сорок процентов, как обещают маркетологи. Без выстроенного процесса AI остаётся игрушкой. С процессом он становится рабочим инструментом, который возвращает мне полтора часа продуктивного времени в день — это мой личный результат, выше медианы.

AI И ЛИЧНАЯ ПРОДУКТИВНОСТЬ: КРУГИ ДОВЕРИЯ

Я делю личную продуктивность с AI на три круга доверия. Внутренний круг — то, что работает у меня на машине, офлайн, без облака: черновики, перевод, сортировка заметок, локальные LLM (большие языковые модели) на Mac Studio. Средний круг — то, что ходит в мою почту и календарь через агента, и я доверяю ему часть решений: AI в Gmail расставляет ярлыки, Reclaim защищает в календаре блоки глубокой работы (фокус-блоки) и не даёт встречам их разбивать, Obsidian ведёт заметки.

Внешний круг — «гипервизоры» вроде Recall, которые запоминают всё, что я видел, и подают по запросу. Три круга требуют разного уровня доверия и дают разный выигрыш. Большинство берёт один круг и ждёт, что он закроет все три, а потом разочаровывается: внутренние инструменты не лезут в почту, средние не видят экран, внешние не пишут письма.

Существует устойчивый миф, что «AI-ассистент — это персональный секретарь». У ассистента нет ваших приоритетов, вашего стиля, вашей интуиции — он инструмент, а не замена. Миф завышает ожидания и ведёт к разочарованию. AI-ассистент 2026 года на это не способен: это начинающий сотрудник с амнезией между сменами, который быстро пишет, но забывает всё, что было до обеда. Миф кормит продажи софта и упаковку Apple Intelligence, Microsoft Copilot, Google Gemini в Workspace. На консультациях я вижу обратное: сотрудник покупает подписку, два дня пробует, разочаровывается и отключает.

RECALL: КРАСИВАЯ ИДЕЯ И ЕЁ РЕАЛЬНЫЕ РИСКИ

Windows Recall анонсировали в мае 2024 года, а в публичный релиз он вышел только в апреле 2025 — почти через год после первой премьеры.

Сдвиг случился по понятной причине: на предварительной версии независимый исследователь Кевин Бомонт (Kevin Beaumont) опубликовал разбор в своём блоге, в котором показал, что база со скриншотами хранилась в открытом виде, без шифрования, и к ней можно было подобраться трояном.

После скандала Microsoft переделала Recall. Данные зашифрованы встроенным шифрованием Windows (Device Encryption) или BitLocker — штатным инструментом шифрования диска в Windows. Обработка идёт локально на NPU (нейропроцессор, специализированный чип для AI-вычислений) с мощностью не меньше 40 TOPS (триллион операций в секунду, единица измерения вычислительной мощности), базу нельзя прочитать из другой учётной записи, и — главное — Recall стал opt-in (включается вручную), его больше не активируют по умолчанию. Системные требования: NPU на 40 TOPS, 16 ГБ оперативной памяти, 256 ГБ диска. Такой набор описывает машину класса Copilot+ PC — маркетинговое имя Microsoft для компьютеров с NPU от 40 TOPS и обязательной поддержкой AI-функций Windows.

Я видел Recall в работе. Идея красивая: машина помнит всё, что вы видели, и подаёт по запросу. На практике — две проблемы. Поиск работает по «приблизительному совпадению сцены», и вы получаете десять вариантов одной таблицы, отличить которые на глаз нельзя. Индексируется всё, включая банковскую выписку, пароли в менеджере, переписку в мессенджере. Если забыли отключить Recall перед показом экрана клиенту — у клиента в выдаче появится всё, что вы делали за день. Это не «помощник», это «видеорегистратор жизни». На рабочую машину я бы его не ставил.

APPLE INTELLIGENCE: ТИХАЯ ПОЛЬЗА БЕЗ ВАУ-ЭФФЕКТА

Apple Intelligence выкатывали в 2024–2025 годах двумя волнами. Первая — набор инструментов для письма в Mail, Notes, Pages: переписать вежливее, сократить, сделать резюме, превратить заметки в таблицу. Вторая — Visual Intelligence, Image Playground, Genmoji, переработанная Siri, интеграция с ChatGPT как фолбэком. К лету 2025 года у меня сложилось чёткое мнение: из всего набора живыми и ежедневно полезными остались инструменты для письма и сводки уведомлений. Image Playground я запустил три раза, дальше он мне не понадобился. Genmoji я не отправил ни разу. Siri с LLM под капотом к лету 2025 так и не появилась — это самая заметная нехватка. Самое полезное в Apple Intelligence — тихое. Это сводка стопки уведомлений, когда вечером в пятницу прилетает девяносто пушей, и вы получаете один абзац «важное от босса, отчёт от подрядчика, остальное — рассылки». Это уменьшение помех прямо сейчас, а не «вау-эффект». AI в операционной системе ценен не тем, что удивляет, а тем, что снимает рутину, о которой вы даже не думали.

AI-КАЛЕНДАРЬ: ИНСТРУМЕНТ ЗАЩИТЫ ФОКУСА, А НЕ ПЛАНИРОВАНИЯ

В 2025 году рынок AI-планирования сузился. Clockwise, который четыре года считался стандартом для команд, в марте 2026 закрылся и рекомендовал клиентам переходить на Reclaim.ai. Остались два заметных игрока: Motion и Reclaim.ai. Motion — инструмент управления проектами: вы вносите задачи, дедлайны, приоритеты, и он сам перепланирует календарь, сдвигая встречи под работу. Reclaim.ai — «умный слой над Google Calendar»: он защищает привычки (сон, спорт, блоки глубокой работы), ищет окна под задачи, синхронизируется с командой.

Разница не техническая, а философская: Motion живёт в собственном календаре, Reclaim живёт в вашем Google-календаре. Motion подойдёт тем, кто готов отдать AI контроль над расписанием. Reclaim — тем, кто контроль не отдаёт, но хочет защитить фокус. Я перестал тратить утро понедельника на планирование недели. Это тридцать–сорок минут, которые раньше уходили на то, чтобы вписать встречу с подрядчиком в окно между двумя блоками глубокой работы. Сейчас я говорю Reclaim «у меня шесть часов фокуса в неделю, не разбивай на куски». Он их защищает.

Это и есть тот личный выигрыш, ради которого стоит связываться с AI-календарём: не «AI всё спланировал», а AI закрыл дыры, которые я сам не закрывал.

AI-НОТАТЧИК: БОТ НА ВСТРЕЧЕ ПРОТИВ ВАШИХ КАРАКУЛЕЙ

Существуют две философии AI-нотатчика. Otter.ai запускает в вашу встречу «бота-участника» — он подключается к звонку, записывает, расшифровывает, делает резюме. Преимущество: ничего не делаете, конспект готов. Недостаток: коллеги видят бота, в некоторых компаниях это политически неудобно. Запись идёт через чужой сервер. На конфиденциальных встречах бот — это утечка. Granola работает иначе. Вы сами пишете короткие заметки по ходу встречи — три–четыре слова, ключевые тезисы. После встречи Granola «раскрывает» ваши каракули в полноценные тезисы, добавляет саммари, расставляет action items. Преимущество: конфиденциально (заметки остаются вашими, обработка идёт локально на Mac), бот никому не мешает, вы остаётесь вовлечённым в разговор. Недостаток: писать всё-таки надо, иначе AI не раскроет ваши заметки.

Мой выбор — Granola, и причина не техническая. Когда я на встрече с ботом Otter, я отключаюсь. Через двадцать минут в голове появляется мысль «потом перечитаю расшифровку», и я перестаю слушать. С Granola я остаюсь в разговоре, потому что фиксирую ключевое сам. Это работает как тренировка: формулировать мысль в момент сильнее, чем разбирать расшифровку вечером. Но если у вас пять встреч подряд и писать уже нет сил, Otter снимает нагрузку — за счёт качества присутствия.

РЕАЛЬНАЯ ЭКОНОМИЯ ВРЕМЕНИ ОТ AI

Самая честная цифра, которую я нашёл в 2025 году, — 5,4%. St. Louis Fed в феврале 2025 опубликовал опрос, в котором работники, использующие генеративный AI, сообщили, что сэкономили 5,4% рабочих часов за неделю. Это примерно 2,2 часа из 40-часовой недели. McKinsey 2025 говорит о 1,5% годового прироста производительности от AI — самом сильном с начала эпохи интернета.

Дополнительные сигналы 2024–2025 годов, которые я не считаю ключевыми, но которые подтверждают картину: Asana в State of AI at Work 2024 зафиксировала, что 52% офисных работников используют генеративный AI еженедельно. Slack Workforce Index в июне 2025 зафиксировал рост ежедневных пользователей AI на 233% за полгода.

И тут же — две трети не-менеджеров говорят, что сэкономили меньше двух часов в неделю или вообще ноль. 5,4% в неделю — это 2,2 часа, или около получаса в день для медианного пользователя. Те, кто пользуется AI каждый день, экономят около часа в день — это подгруппа выше медианы. AI не делает вас втрое продуктивнее, как обещают маркетологи. AI делает вас чуть продуктивнее — но только если вы уже выстроили процесс, в который AI встраивается. Мой личный ориентир: ежедневные пользователи AI по данным Slack на 242% чаще встречаются среди высокопродуктивных сотрудников, чем среди низкопродуктивных. Не AI делает их продуктивными — продуктивные раньше подбирают инструменты.

КРУГИ ДОВЕРИЯ В ОДНОЙ ТАБЛИЦЕ

Сведём три круга в одну таблицу: где работает каждое кольцо, что закрывает, какие инструменты к нему относятся.

Критерий «Где живёт» — решающий. Если вы не понимаете, где у AI хранится ваш день, вы не понимаете, кто его читает. В личной продуктивности это политический вопрос, а не технический.

Эта таблица — не догма, а стартовая разметка. С годами вы перепишете её под себя. Принцип простой: если в столбце «Почему» стоит «AI не знает контекст, историю, эмоции» — задача остаётся за вами. Если «AI делает механическую работу» — отдавайте смело. Без таблицы вы отдаёте AI всё подряд и удивляетесь, почему в личной работе хаос.

Ниже семь приёмов, которые я использую сам. Выберите те, что подходят под ваш рабочий день.

1: Утренний разбор почты. AI в Gmail расставляет ярлыки и оставляет мне только то, что требует ответа человека. Я открываю не двести писем, а двенадцать; экономия — тридцать минут в день.

2: «Зеркало для письма». Я пишу письмо, потом прошу AI переписать его в трёх тонах (формальный, тёплый, короткий), беру чужой вариант, а не свой, и правлю обратно под себя. В итоге получается лучше моего черновика, и интонация остаётся.

3: Повестка совещания за пять минут до старта. Я кидаю в чат «у нас встреча через пять минут, тема — X, участники — Y», AI делает повестку с таймингом, я добавляю одно предложение про политический контекст — и встреча идёт быстрее.

4: Расшифровка звонка и action items. После звонка AI вытаскивает из расшифровки список договорённостей с ответственными и сроками, я проверяю, отправляю в командный чат, и к вечеру это уже сделано.

5: «Что я говорил про X месяц назад». AI-поиск по моим заметкам через RAG (Retrieval-Augmented Generation — генерация ответа с поиском по вашей базе), не по тегам, а по смыслу. Я спрашиваю «найди, что я писал про кандидата Иванова», и получаю три цитаты с датами.

6: Защита фокуса. Reclaim блокирует мне двухчасовые куски глубокой работы, никто не может записаться, я не вижу переписки в Slack, и без этого я не вывожу ни одной серьёзной задачи.

7: Вечерний «дайджест». AI собирает мне абзац «что произошло сегодня, что я обещал, что не доделал», я читаю его перед сном, и утром следующего дня вхожу в контекст за минуту.

Это не «AI сделал мою работу». Это AI снял семь мелких помех, каждую из которых я раньше не замечал как проблему. В сумме — около полутора часов в день и более чистая голова.

СПОСОБЫ СОБРАТЬ ЛИЧНЫЙ AI-СТЕК

Ниже — пять способов собрать личный AI-стек, не строя агента с нуля. Варианты идут по уровню технической готовности: от «поставил и забыл» до «собираю сам».

1: «Память + ассистент». Ставите Obsidian (локально) и Claude или ChatGPT с RAG-подключением к своей базе заметок. Агента делать не нужно — достаточно подключить свою папку как контекст.

2: «Календарь + привычки». Берёте Reclaim.ai, подключаете Google Calendar, перечисляете пять привычек (сон, спорт, чтение, обед, фокус), и через неделю настройки работают сами.

3: «Почта + саммари». Включаете AI в Gmail (Gemini) или в Outlook (Copilot), настраиваете «сводку дня» в девять утра, и вы не сортируете почту, а читаете сводку.

4: «Встречи + заметки». Выбираете Granola (если не хотите бота) или Otter (если не пишете сами). Важно — не менять инструмент каждую неделю, а дать одному инструменту накопить историю.

5: «Текст + переписывание». Один AI-чат (Claude, ChatGPT, GigaChat — неважно) как «зеркало для текста», не генератор, а редактор: вы пишете, AI правит, вы правите AI.

Принцип: меньше инструментов, дольше история. Серебряная пуля — не десять AI-приложений, а пять, которые помнят ваш контекст и не сбрасываются каждую неделю.

ОШИБКИ НОВИЧКОВ В ЛИЧНОЙ AI-ПРОДУКТИВНОСТИ

Шесть ошибок, которые я видел у клиентов в личной AI-продуктивности. Проверьте себя по каждой — большинство из них совершает каждый второй, кто пробует AI впервые.

1: Покупка подписки и недельный тест-драйв. Купил Reclaim, попробовал три дня и закрыл. AI-инструмент требует две–три недели притирки, как новый сотрудник.

2: Ожидание, что AI «узнает» вас с нуля. AI вас не узнает, если вы не дали ему материал, а личная база собирается вручную.

3: Использование AI-чат-бота как единственного инструмента. Как я писал выше, одного чата недостаточно для роли ассистента — он не умеет действовать в вашем контексте.

4: Подключение AI ко всему подряд. Когда у вас двенадцать AI-инструментов, ни один не работает — меньше лучше.

5: Слепое доверие черновикам. AI-письмо без редактуры — это и есть тот «workslop» — пустая работа, блестящий текст без содержания, — о котором в сентябре 2025 писал HBR.

6: Отключение собственной памяти. Если вы фиксируете всё в AI, а потом AI сбрасывает контекст, вы не помните ничего. Личная база должна быть у вас в голове и на диске, а AI — это слой поверх неё.

Личный AI — это стажёр первого месяца, который забывает всё между сессиями и не отвечает за последствия. Стажёр не устаёт, не обижается, не спорит, готов работать 24/7 и не просит зарплату. Звучит как мечта. Но у этого стажёра есть три качества, о которых забывают, когда нанимают. Во-первых, он уверенно говорит ерунду: не скажет «я не знаю» в нужном месте, сгенерирует правдоподобный ответ с выдуманными цифрами. Во-вторых, у него нет памяти между сессиями: каждый разговор начинается с чистого листа. В-третьих, он не отвечает за последствия. Если стажёр ошибся — отвечаю я. AI-ошибка — та же моя ошибка. Сформулируйте ему «кто я, что для меня важно, как я принимаю решения» — он будет полезнее. Не сформулируете — останется игрушкой.

AI ДЛЯ ОБУЧЕНИЯ: УСКОРЕНИЕ ПРОЦЕССА, А НЕ ЗАМЕНА

Личное обучение в 2026 году — это связка из двух слоёв: контентного и обучающего. Контентный слой — курсы, книги, лекции, которые вы потребляете. Обучающий слой — AI, который помогает переварить контент: задаёт вопросы, проверяет понимание, даёт задачи, объясняет непонятное. Khan Academy с Khanmigo (запущен в марте 2023, активно развивается) — самый известный пример: GPT работает как персональный репетитор для студента, а не как генератор ответов. Anthropic в Claude добавила Projects и Skills — функции для создания долгосрочных проектов с контекстом и настройки компетенций модели под задачу. С их помощью можно собирать «тьюторов» под конкретные курсы, и рынок таких решений растёт.

В обучении есть второй миф, который я слышу чаще, чем «AI заменит учителя»: «AI помогает учиться». Помогает, если вы сами учитесь. Если вы делегируете AI думать, он отучает думать, и миф особенно опасен в обучении детей и стажёров. Граница проверяется одним вопросом: «вспомните ли вы что-то через неделю, если AI закроют?». Если да — учились. Если нет — взяли чужой навык напрокат, и по окончании проката он забудется.

В январе 2025 года на конференции CHI 2025 опубликовали исследование Ли (Lee), Саркар (Sarkar), Танкелевич (Tankelevitch) и коллег из Microsoft Research и Carnegie Mellon: 319 офисных работников, 936 живых примеров использования генеративного AI в рабочих задачах. Находка парадоксальна: чем выше уверенность пользователя в AI, тем меньше критического мышления он вкладывает в результат. Чем выше уверенность пользователя в самом себе — тем больше критического мышления он применяет. Это структурная проблема дизайна AI-инструментов: они сделаны так, чтобы звучать уверенно. Тон AI — уверенный тон эксперта. Когда ученик работает с AI, он постоянно получает ответы в экспертной интонации, и это снижает его привычку сомневаться, проверять, формулировать собственную позицию. Способность мыслить критически — мышца, которая слабеет без нагрузки. Если ученик привык, что за него думает уверенный голос, его собственная мышца атрофируется. Авторы исследования предлагают три противоядия: встроенные мягкие подсказки — «nudges» (термин поведенческой экономики; здесь: «проверь это», «уточни источник»), позиционирование AI как партнёра, а не заместителя, и тренировочные программы, которые заставляют человека продолжать работать с темой после того, как AI дал ответ.

В июне 2025 года MIT Media Lab опубликовал работу «Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task» («Ваш мозг на ChatGPT: накопление когнитивного долга при использовании AI-ассистента для написания эссе»): 54 участника в возрасте 18–39 лет писали эссе по одному за двадцать минут в трёх режимах (с ChatGPT, с поиском в Google, без инструмента вообще), и на голове у них был EEG-шлем с 32 электродами. Группа с ChatGPT показала наименьшую нейронную активность. Её тексты были «крайне похожи» друг на друга, одинаковые по ритму, без собственного голоса, и два преподавателя английского оценили эти работы как «бездушные».

Когда исследователи поменяли группы местами — те, кто писал с AI, попробовали писать без него, — они почти не помнили, что сами писали. Исследователи называют это «когнитивным долгом» — накоплением долгосрочных когнитивных издержек от чрезмерного доверия к LLM. Вывод для обучения: AI не «учит за вас», он закрывает пробелы в навыке, и навык перестаёт тренироваться — как нога в гипсе, которая забывает, как ходить.

Соберём типовые сценарии обучения с AI в таблицу: где AI помогает навыку, а где его подменяет.

Последний сценарий важен отдельно. AI не знает вашу мотивацию, контекст, карьерные ставки. Он может перечислить, что есть, но «что мне учить» — это решение, в котором ваш контекст важнее списка. Здесь AI — ассистент выбора, а не выборщик.

Khanmigo хорошо работает в двух режимах. Первый — ребёнок, который стесняется спросить учителя: AI-тьютор не осудит, не поставит оценку за вопрос, ребёнок растормаживается. Второй — взрослый, который учит новый предмет и хочет проверить, правильно ли он понял термин: AI-тьютор задаёт уточняющие вопросы, человек формулирует, понимание укрепляется. Khanmigo работает плохо на сложных задачах, где ученик застрял и не знает, в каком направлении копать. В этом случае AI-тьютор задаёт вопрос, ученик не знает, как ответить, и застревает сильнее, чем был. Здесь нужен человек, а не AI. Khanmigo — инструмент, а не учитель, и это надо помнить.

Duolingo Max — платный слой Duolingo, в котором GPT-4 встроен в две функции: «Roleplay» (разговор с AI-персонажем в заданной ситуации — в кафе, в аэропорту, на собеседовании) и «Explain My Answer» (вы пишете фразу, AI объясняет, почему она правильная или нет, и какие есть альтернативы). Идея: вы не зубрите правила, вы практикуете язык в ситуации — на бумаге это лучшее применение AI в обучении, какое я видел. На практике — три оговорки. AI-персонаж слишком вежлив: реальный собеседник в парижском кафе не будет исправлять ваши ошибки с улыбкой, он вас просто не поймёт, и это тоже часть обучения. «Explain My Answer» иногда объясняет неправильно: GPT-4 галлюцинирует грамматические правила, особенно в редких случаях, и без учителя, который проверит, ученик принимает галлюцинацию за истину. Мотивация падает через две–три недели, как и в обычном Duolingo: AI не решает проблему дисциплины, он только расширяет арсенал. Тем не менее я видел взрослых, которые именно через Roleplay наконец начали говорить. Это не «AI-обучение», а «AI-тренажёр», и разница принципиальная.

Граница проверяется одним вопросом: «вспомните ли вы что-то через неделю, если AI закроют?». AI учит, когда задаёт вопросы, на которые ученик не знает ответа, и оставляет время подумать. AI учит, когда показывает собственный ход рассуждений и ученик должен его проверить. AI мешает, когда выдаёт готовый ответ по первому запросу, или резюмирует текст до того, как ученик его прочитал, или отвечает на вопрос «что вы поняли из лекции?» — потому что это единственный момент, в котором ученик сам себе формулирует. Моя формулировка: AI — это зеркало, а не окно. Окно показывает вам мир, зеркало показывает вам вас. Когда вы просите AI объяснить непонятное — это зеркало, вы формулируете. Когда просите «напиши эссе за меня» — это окно, и вы не учитесь. Если хотите учиться — используйте AI как зеркало, чтобы увидеть, что вы сами думаете. Если хотите получить результат без мышления — используйте как окно. Тогда вы учиться не будете.

ПРАВИЛА ОБУЧЕНИЯ С AI

Семь правил обучения с AI, которые я использую. Это мой ежедневный набор.

1: Правило пяти минут. Открыл AI — сначала пять минут сам думаю над задачей, не получается — открыл AI, получается — AI для проверки.

2: Правило своего голоса. Если текст, который я сдал, не звучит как я, я переписываю, и если он звучит как AI, я выбросил урок.

3: Правило недельной проверки. Через неделю после обучения с AI я решаю ту же задачу без него, получилось — учился, не получилось — взял напрокат, без реального освоения материала.

4: Правило вопроса. Если я не могу сформулировать вопрос к AI, значит, я не понял тему. Когда формулирую — формулирую для себя. AI только помогает уточнить.

5: Правило чужого кода. Когда AI выдаёт мне код, я не копирую, а разбираю строка за строкой, потом переписываю с нуля по памяти. Если помню — понял, если нет — нет.

6: Правило спора. Если я согласен с AI без возражений, я не думаю, поэтому намеренно ищу, с чем не согласен, формулирую — и это мышечная работа.

7: Правило закрытого AI. Раз в неделю — день без AI на ту тему, которую учу, и это проверка, что я не подсел на костыль.

ПРИЗНАКИ ТОГО, ЧТО AI В ОБУЧЕНИИ РАБОТАЕТ

Шесть признаков, что AI в обучении работает. Отметьте, сколько из них работает у вас.

1: Через неделю без AI вы решаете задачу, которую неделю назад не решили бы.

2: Вы спорите с AI, и спор идёт в вашу пользу (вы видите аргументы, которых AI не видит).

3: Вы помните, что учили месяц назад, и можете применить.

4: Ваши ошибки стали тоньше — раньше вы не понимали условие, теперь путаете знак.

5: Вам интересно задавать AI вопросы, а не получать ответы.

6: Вы используете AI, чтобы объяснить другому (эффект «учёбы через преподавание»).

Если хотя бы три из шести работают — обучение работает. Если ни одного — вы играете в обучение, а не учитесь, и это честный аудит, который я провожу с клиентами раз в месяц.

AI в обучении — это как тренажёр в зале. Беговая дорожка не бежит за вас — вы бежите по ней. Если вы встали на дорожку и смотрите сериал, дорожка не помогает. Если встали и бежите — помогает. Дорожка не заменяет бег, она даёт вам поверхность, на которой бег возможен в любую погоду. Так же и AI: он даёт среду, в которой обучение возможно без учителя, 24/7, без стеснения. Но если вы не работаете, обучения не происходит.

AI В ПЕРЕГОВОРАХ: ПОМОЩНИК ПОДГОТОВКИ, НЕ УЧАСТНИК ЗА СТОЛОМ

Переговоры в 2026 году — область, где AI сильно помогает на этапе подготовки и категорически не годится в самом процессе. Harvard Program on Negotiation в 2025 году выпустил материал «From Agent to Advisor: How AI Is Transforming Negotiation» («От агента к советнику: как AI меняет переговоры»), в котором прямо предупреждает: AI — отличный советчик, плохой переговорщик. Причина: переговоры — это отношения, контекст, эмоции, власть. AI не знает, что ваш босс не любит слово «компромисс». AI не знает, что клиент дважды задерживал платежи и потому сейчас настроен жёстко. AI не знает, что именно этот поставщик — последний на рынке, и блефовать нельзя. AI может подготовить материал, но не может его использовать. И это не маркетинговая правда, а наблюдение из практики: AI-советчик в переговорах полезен именно тем, что не знает вашего контекста и заставляет вас его проговорить.

МИФ ОБ ЭКОНОМИИ ВРЕМЕНИ ОТ AI-ЧЕРНОВИКА

И наконец, третий миф, который я разбираю у клиентов на консультациях: «AI-черновик экономит время». Экономит на написании, но добавляет на правку. Иногда AI-черновик дольше, чем пустой лист, если вы знаете, что хотите сказать. Этот миф ядовит в переговорах, потому что обесценивает самое ценное — ваш голос. Черновик, написанный AI, — это симуляция вашего голоса, скроенная по среднему из миллионов похожих текстов. В переписке с подрядчиком это терпимо: если ваш стиль не считывается, контракт всё равно работает. В переговорах по зарплате, в конфликте с руководителем, в просьбе к подчинённому — ваш голос решает. Фраза «я считаю, что мы можем лучше» звучит по-разному, если это говорите вы на встрече с подчинённым, и если это говорит LLM под вашим именем.

AI-КОУЧ И РОЛЕВЫЕ ИГРЫ: ТРЕНИРОВКА ВМЕСТО ЗАМЕНЫ

В марте 2026 года на AI Negotiation Summit (площадка MIT, организатор — Program on Negotiation при Harvard Law School) Самюэль Диннар (Samuel Dinnar, Harvard Negotiation Project) и Лоуренс Сасскинд (Lawrence Susskind, MIT) представили AI-коуча, который они используют в курсах многосторонних переговоров. Архитектура сознательно обратная: коуч не выдаёт скриптов и не учит «говори вот это», а задаёт вопросы. AI-коуч спрашивает студентов: «Что вы думаете делать дальше?», «Почему, по-вашему, та группа достигла консенсуса, а ваша — нет?». Цель — заставить студента самого сформулировать свою стратегию, и результат, по словам Диннара, — студенты начинают вырабатывать «свою личную теорию практики». AI-коуч в этой версии — не заместитель преподавателя, а его усилитель. Это самый чистый пример того, как AI в переговорах может работать правильно: как спарринг-партнёр, а не как решатель.

Один из самых интересных проектов на том же summit — NegotiAge, исследующая AI-ролевые игры для ухаживающих родственников. В работе, опубликованной в Innovation in Aging в декабре 2023, команда из Northwestern University под руководством Алейн Муравски (Alaine Murawski) и Ли А. Линдквист (Lee A. Lindquist), вместе с переговорщиком Джин Бретт (Jeanne Brett) из Kellogg School of Management, создала AI-тренажёр для членов семьи, которые ухаживают за пожилыми родственниками с деменцией и ведут переговоры с врачами, другими родственниками, страховыми компаниями по вопросам ухода. Сценарии — реальные: договориться с братом о плане ухода за матерью с деменцией, обсудить с врачом смену лекарства, выбить из страховой дополнительную процедуру. Ухаживающие родственники репетировали эти разговоры с AI-аватарами на платформе IAGO (Interactive Arbitration Guide Online), которые воспроизводят эмоционально нагруженные реакции реальных оппонентов.

В пилотном исследовании, опубликованном в Innovation in Aging в декабре 2023 (n=12 family caregivers из Иллинойса, Флориды, Нью-Йорка и Калифорнии), программа показала работоспособность и удобство использования. Ухаживающие родственники репетировали сценарии по семь минут, и обратная связь оказалась достаточно ценной, чтобы Northwestern запустил полномасштабное исследование по методологии MOST (Murawski, Ramirez-Zohfeld, Schierer, Ramirez, Mell, Brett, Lindquist). Долгосрочные данные о переносе навыков в реальную жизнь — задача 2026–2027 годов.

Этот проект перевернул моё отношение к AI в переговорах. До NegotiAge я считал, что AI-ролевые игры — развлечение для тех, у кого много свободного времени. Теперь я вижу три слоя. Ухаживающие родственники — люди с дефицитом времени, денег и сил, и если у них получилось, значит, инструмент реально встроился в жизнь. AI оказался полезен не как «переговорщик за меня», а как безопасное пространство для прогона сценария, в котором цена ошибки — отношения с братом. Так AI в переговорах перестаёт быть игрушкой и становится тренажёром для тех, кому нечего терять.

СТИЛЬ «ДОМИНАНТНЫЙ ПЛЮС ТЁПЛЫЙ»: КАК AI МЕНЯЕТ МАНЕРУ

На том же AI Negotiation Summit Джунед Курхан (Jooned Kurhan, MIT) поделился наблюдением из своего исследования. Когда AI-боты в переговорах были настроены на «доминантный + тёплый» стиль, они побеждали. Когда стиль был просто «доминантный» — боты проигрывали, потому что оппоненты уходили из-за стола. В отдельном исследовании AI давал подсказки в чате участникам, ведущим переговоры о покупке стола. Те, кого AI вёл к тёплому и доминантному стилю, забирали больше ценности, причём эффект был сильнее у тех, кто от природы холоден. Эта находка ломает стереотип «хороший переговорщик — жёсткий переговорщик», и стереотип неверен по двум причинам: слишком жёсткие оппоненты уходят со стола, и вы остаётесь без сделки. Тёплый стиль — не слабость, а навык, который AI умеет подсказывать прямо во время переговоров. Я не призываю «быть тёплым» в переговорах, я призываю замечать, когда вы сжимаетесь в жёсткость от стресса, и в этот момент иметь AI-подсказку, которая вернёт вас в доминантно-тёплый режим: это не манипуляция, а профессиональный навык. У пилота есть автопилот, и это не значит, что он не умеет летать.

ДЕЛЕГИРОВАНИЕ, КОТОРОЕ СТИРАЕТ СОБСТВЕННЫЙ ГОЛОС

Джонатан Грэтч (Jonathan Gratch, USC) на AI Negotiation Summit 2025 показал результаты тревожного исследования. Когда человек поручает AI вести переговоры от своего имени, он одобряет менее этичное поведение, чем если бы вёл переговоры сам, и это согласуется с прошлыми исследованиями о моральной отстранённости при переговорах через агента. В переговорах, где многое завязано на отношения и долгосрочные ставки, это рискованно вдвойне: делегируя AI, вы отдаёте ему и контроль над тем, как вас воспринимают, а восприятие — актив, который восстанавливается годами и теряется за минуту.

Второй риск — лингвистический. Живар Соурати (Zhivar Sourati, USC) проанализировал лингвистические характеристики онлайн-текста (Reddit, локальные новости, arXiv) до и после релиза ChatGPT в 2022 году. По мере того как всё больше авторов прогоняли текст через ChatGPT, лингвистическое разнообразие резко упало: LLM стирает демографические и личностные различия — наш уникальный «почерк» в тексте. Переговоры, в которых обе стороны пишут через LLM, превращаются в разговор двух усреднённых голосов, который становится «более пресным, менее креативным и менее продуктивным».

СЦЕНАРИИ ПЕРЕГОВОРОВ В ОДНОЙ ТАБЛИЦЕ

Соберём типовые сценарии переговоров с AI в таблицу: «AI помогает в реальном времени» против «AI помогает в подготовке, но вредит в реальном времени».

Эта таблица — не догма, а первая прикидка, которую читатель должен переделать под себя. Принцип раздела: если в разговоре ставка — отношения, AI в реальном времени мешает. Если ставка — структура, AI в реальном времени помогает.

СПОСОБЫ AI-ПОДГОТОВКИ К СЛОЖНОМУ РАЗГОВОРУ

Семь способов AI-подготовки к сложному разговору, которые я использую. Каждый из них проверен на моих собственных встречах.

1: Проиграть оппонента. Я говорю AI: «Представь, что ты — мой подрядчик, который сорвал сроки, мы встречаемся через час», репетирую пятнадцать минут и вижу свои слабые места.

2: Разобрать BATNA (Best Alternative to a Negotiated Agreement — лучший альтернативный вариант, если сделка сорвётся). Прошу AI помочь сформулировать мой лучший запасной план, и это даёт уверенность и заземляет.

3: Проверить тон письма. Письмо клиенту после встречи отправляю черновиком в AI с вопросом «где агрессивно, где пассивно-агрессивно, где неуверенно» — и редактирую.

4: Определить границы уступок. Прошу AI помочь сформулировать три вещи, на которые я не соглашусь, даже если мне их предложат, и это страховка от уступок прямо в разговоре.

5: Найти аргументы, которые я не вижу. AI читает мою позицию и говорит, какие контраргументы могут прийти с другой стороны, а я готовлюсь к ним.

6: Перевести эмоции в слова. Если я злюсь на подрядчика, прошу AI помочь сформулировать, что именно меня злит, без обвинений, и это снижает градус прямо в разговоре.

7: Провести разбор после разговора. Расшифровка → AI находит паттерны («вы два раза извинились, хотя не за что», «вы согласились на скидку, которую не планировали»). Это калибрует поведение точнее, чем любая самооценка на эмоциях.

AI КАК ТРЕНАЖЁР, А НЕ ИГРОК ЗА СТОЛОМ

AI в переговорах — это тренажёр для пилота. Лётный тренажёр не летает за пилота, он воспроизводит сценарии — отказ двигателя, шторм, конфликт с диспетчером — и даёт пилоту прожить их в безопасности. Пилот выходит из тренажёра с мышечной памятью, но без иллюзии, что он уже «отлетал» тысячу часов. AI в переговорах работает так же: он даёт вам безопасную среду, чтобы прогнать разговор с боссом, клиентом, подрядчиком до того, как вы в него вступите. Встреча после AI-репетиции — не столько переговоры, сколько выход из тренажёра в реальную кабину.

Но если вы откроете AI в момент реального разговора — вы не пилот, а пассажир, и кресло пилота остаётся пустым. Самолёт, может, и долетит, но кресло, на которое вы сели, вы не контролируете. Тренажёр учит взлёту и посадке, а не самому перелёту — и в этом его сила.

Ваш голос в переговорах — отпечаток пальца. Его нельзя подделать, можно только потерять. AI-черновик письма — это как надеть чужой пиджак: со стороны похоже, но при встрече видно, что не сходится по фигуре, и получатель чувствует фальшь, даже если не может её описать. Когда все пишут через LLM, речь усредняется, уникальность исчезает, разговор становится «пресным» — это показывает и исследование USC выше. В переговорах уникальность — актив, потому что клиент выбирает вас не за «правильный ответ», а за ваш способ думать, говорить, реагировать. AI-черновик лишает вас этого актива. Используйте AI для подготовки, а не для подмены.

РЕЗЮМЕ

Личный AI — связка, а не ассистент. Осмысленный стек строится вокруг трёх-пяти инструментов в трёх кругах доверия: внутреннее кольцо на вашей машине, среднее в почте и календаре, внешнее в операционной системе. Каждый круг требует своего уровня доверия и даёт свой выигрыш. У AI-ассистента нет ваших приоритетов, стиля, интуиции.

AI в обучении работает как зеркало: учит, когда задаёт вопросы и оставляет время подумать, и мешает, когда выдаёт готовые ответы. Помогает, если вы сами учитесь. Делегирование AI думать отучает думать. Граница проверяется одним вопросом: что я вспомню через неделю без AI.

AI в переговорах — тренер за кулисами, не игрок на сцене. Ускоряет подготовку, рискованно подсказывает прямо во время переговоров, никогда не должен вести переговоры сам. Делегирование стирает ваш собственный голос, который в переговорах — актив. AI-черновик экономит на написании, но добавляет на правку, и в переговорах цена ошибки — отношения, а не формат письма.

AI-ассистент 2026 года — джуниор с амнезией между сменами: быстро пишет, но забывает всё, что было до обеда. Осмысленный личный стек строится вокруг связки инструментов и регулярного пересмотра, а не вокруг одного идеального чата. Выигрыш — в возвращённом времени, но он появляется только при выстроенном процессе, а не в первый день.

Когда личный текстовый стек собран и AI возвращает мне полтора часа в день (мой личный результат), естественный следующий шаг — расширить палитру за пределы текста. Картинки, звук, видео, код — для каждой задачи есть своя модель, и у каждой свои сильные стороны и свои ограничения. Следующая глава — про специальные модели, которые берут на себя эти задачи: как они устроены, где их уместно подключать к вашему стеку и почему «текстовая» и «картиночная» модель работают как один инструментарий с разной геометрией входа и выхода. Если эта глава была про то, как встроить AI в ежедневную рутину, то следующая — про то, какие инструменты выбрать для задач, которые текстом не решаются.