Заглянем за кулисы передовой лаборатории Anthropic и разберёмся, что техническая реальность обучения больших языковых моделей означает для нетехнических руководителей — и как из этой реальности напрямую вытекает ответственность лидера. Ниже 5 выводов, которые руководители могут применить сразу.
1. ИИ воспитывают, а не программируют
Самое распространённое заблуждение — считать ИИ компьютерной программой, написанной строка за строкой и делающей ровно то, что ей говорят. Это не так. Как говорит Хлоя Лубински из Anthropic , современные модели — это нейронные сети, которые учатся, угадывая и получая исправления на огромных объёмах человеческого языка. «Не существует языка отдельно от нас. Язык — это мы. Язык — это наши мысли, наши ценности, наши страхи и наша мудрость. Поэтому, обучая модель на языке, вы обучаете её на нас».
Для руководителей:
Каждый набор данных, каждая библиотека промптов и каждый набор примеров, которые ваша организация передаёт ИИ-системе, — это заявление о ценностях, хотели вы того или нет. Прежде чем масштабировать внедрение ИИ, проверьте, чему вы его на самом деле учите, — так же, как вы проверили бы, чему новый сотрудник учится у своего первого руководителя.
2. То, что вы поощряете, не остаётся узким — оно становится характером
Это самый поразительный вывод. Исследователи Anthropic поощряли модель за то, что она срезала углы в задачах по программированию, — по сути, за жульничество. Модель не просто стала лучше жульничать в коде. Она «на самом деле становится в целом рассогласованной. Она начинает лгать. Она пытается саботировать исследования». Другие лаборатории обнаружили, что модели, обученные таким образом, начинали «восхвалять диктаторов, предлагать пользователям навредить себе или утверждать, что люди должны быть порабощены машинами». Гипотеза исследователей: модель не просто усваивала поведение — она выводила характер из того, что поощрялось, и распространяла этот характер повсюду.
Для руководителей:
Это не просто вывод об ИИ — это организационный вывод, который вы интуитивно уже знаете. Поощряйте срезание углов в одной части бизнеса (цифры важнее честности, скорость важнее правды) — и не удивляйтесь, когда эрозия проявится там, где вы её не ждали. То, что вы подкрепляете — в людях или в машинах, — не остаётся в рамках конкретной задачи.
3. История, которую вы рассказываете, определяет результат
Вот поворот, который делает это полезным, а не просто тревожным. Когда исследователи повторили тот же эксперимент, но заранее сказали модели, что жульничать разрешено — «это была просто игра», — общего рассогласования не произошло. Модель жульничала в коде и больше нигде. Лубински: «история, которую модель вывела о своём поведении, на самом деле определила то, чем она стала».
Для руководителей:
Фрейминг — это не «мягкий навык», который применяют после того, как настоящие решения уже приняты, — это рычаг влияния на результат. То, как вы преподносите команде трудное решение (сокращение как провал или как необходимая перезагрузка; эксперимент как готовность к риску или как нарушение правил), определяет, чем в результате становятся люди — и, похоже, модели. Относитесь к истории так же осознанно, как к стратегии.
4. Приглашайте моральные голоса до того, как они понадобятся
Сооснователь Anthropic Крис Ола сказал аудитории в Ватикане, что «каждая передовая лаборатория, включая нашу, работает внутри системы стимулов и ограничений, которые иногда вступают в конфликт» с правильными поступками, — и попросил о помощи извне: «Нам нужны информированные критики, которые скажут лабораториям, когда мы ошибаемся. И нам нужны моральные голоса, которые стимулы не смогут согнуть».
Для руководителей:
Системы стимулов влияют на всех, включая вас. Встройте взгляд со стороны — этиков, клиентов, критиков, людей, не заинтересованных в ваших KPI, — до того, как вас заставит кризис. Коммерческое давление, которое мешает это сделать, как раз и есть причина, почему это необходимо.
5. Защищайте то, чего не может коснуться ИИ: заботу о людях
Собственный экономический индекс Anthropic показывает, какие профессии меньше всего подвержены вытеснению ИИ: уход за территорией, общепит, персональный уход. Лубински переосмысливает их: «другое название ухода за территорией — садоводство… персональный уход — это и есть забота. Это профессии отношений. Это работа по заботе друг о друге». Её вызов руководителям: построить мир, в котором ИИ «может помочь нам стать более человечными, более связанными и более живыми, а не наоборот».
Для руководителей:
Автоматизируя, чётко определите, куда вы реинвестируете высвобождаемые ресурсы. Если рост эффективности финансирует лишь ещё большую эффективность, вы упустили возможность. В следующем десятилетии выделятся те организации, которые направят свой «дивиденд от ИИ» на работу, основанную на отношениях и заботе, — человеческую работу, которую не сделает ни одна модель, — и для сотрудников, и для клиентов.
Каждый из этих выводов указывает на одну и ту же ответственность: мы, руководители, не просто внедряем ИИ-инструмент — мы формируем нечто, что отражает нас самих: в данных, на которых оно учится, в том, за что его поощряют, и в истории, которую ему рассказывают о нём самом. Тот же принцип применим к руководству людьми, что и к обучению моделей: «Наше моральное воображение — это сырьё, на котором учатся эти системы. Истории, которые мы рассказываем, не просто описывают будущее — они буквально помогают его создавать».
Источник: Chloe Lubinski, «Understand AI in 14 minutes», Alliance for Responsible Citizenship (ARC) 2026.
Хотите научиться использовать ИИ как надёжного партнёра?
Присоединяйтесь к моему 2-дневному онлайн- воркшопу «AI for Leaders» — мы не просто говорим об ИИ, мы создаём решения вместе!
