Как работать с ИИ: перестать мыслить по-старому

Старые ограничения, которые уже не работают

Раньше меня ограничивали вполне рациональные аргументы: дорого, сложно, нужна команда разработчиков, недостаточно технических знаний, уйдут годы.

Это не были отговорки. Каждый такой аргумент когда-то честно описывал цену идеи: чтобы проверить гипотезу, нужно было нанять людей, оплатить разработку и ждать результата месяцами. Отказаться заранее было разумным решением.

Теперь многие из этих ограничений исчезли. Можно создавать продукты, проверять гипотезы и разрабатывать сложные системы без огромных бюджетов и команд.

Но технологии изменились быстрее, чем моё мышление. Я до сих пор иногда оцениваю идеи через старые ограничения.

В этом и есть ловушка. Ограничение исчезло во внешнем мире, но осталось внутри как фильтр. Идея отсеивается ещё до того, как её кто-то проверил, и отсеивается по цене, которой уже нет.

История Джорджа Данцига: две задачи на доске

Феликс Ризеберг, руководитель инженерной команды в Anthropic, вспоминает историю математика Джорджа Данцига. Ризеберг руководил разработкой Claude.ai, Cowork и Claude Code Desktop, а эту историю привёл в эссе «How to be more ambitious: A tutorial for humans with models» («Как стать амбициознее: руководство для людей, работающих с моделями»), опубликованном в его блоге 13 октября 2026 года.

В 1939 году Данциг опоздал на занятие, увидел на доске две задачи и принял их за домашнее задание. Решил обе. Позже выяснилось, что это были известные нерешённые задачи статистики.

Подробности известны из первых уст. В интервью журналу The College Mathematics Journal (1986) Данциг рассказал, что это случилось в первый год его учёбы в Беркли, на занятии статистика Ежи Неймана (Jerzy Neyman; не путать с Джоном фон Нейманом). Задачи показались ему «немного сложнее обычного», и он даже извинился перед преподавателем, что так долго делал домашнюю работу. Примерно через шесть недель Нейман в воскресенье утром пришёл к нему домой с готовым введением к статье по одному из решений.

Сам Данциг описал этот момент так:

«the problems on the blackboard that I had solved thinking they were homework were in fact two famous unsolved problems in statistics. That was the first inkling I had that there was anything special about them».

Перевод: «задачи на доске, которые я решил, думая, что это домашнее задание, на самом деле оказались двумя известными нерешёнными задачами статистики. Тогда я впервые заподозрил, что в них было что-то особенное».

Он просто не знал, что они считаются нерешёнными.

Дальше история стала вполне академической. Через год Нейман принял эти два решения как диссертацию Данцига. Одно решение вышло статьёй в журнале The Annals of Mathematical Statistics в 1940 году. Второе опубликовали только в 1951-м: другой математик, Абрахам Вальд, независимо получил тот же результат, и они выпустили совместную статью.

Важное уточнение. В пересказах эта история обросла выдумками: экзамен вместо домашнего задания, три уравнения вместо двух задач, уравнение, которое математики якобы не могли решить со времён Эйнштейна. Сайт проверки фактов Snopes разбирает эти версии и уточняет, что точнее говорить не о «неразрешимых задачах», а о недоказанных утверждениях статистики, для которых Данциг нашёл доказательства. Я опираюсь на рассказ самого Данцига.

Что предлагает Ризеберг

Ризеберг предлагает подходить к ИИ именно с таким мышлением. Не начинать с мыслей о том, почему идея слишком сложная, дорогая или невозможная. А ставить амбициозную задачу и искать способ её решить.

В его эссе история Данцига стоит в списке приёмов под заголовком «Accomplish hard things by believing them to be possible» — «Делать трудное, веря, что это возможно». Объяснение, зачем это нужно сейчас, он даёт в конце текста:

«Self-efficacy isn't a new problem, but it is a more powerful one now. In a world where our abilities make leaps every couple of weeks, we need techniques that allow us to do things we didn't really consider or believe possible».

Перевод: «Самоэффективность (вера в собственные силы) — не новая проблема, но сейчас она стала острее. В мире, где наши возможности делают скачок каждые несколько недель, нужны приёмы, которые позволяют делать то, что мы раньше всерьёз не рассматривали или не считали возможным».

Практические советы в эссе конкретные. Ризеберг предлагает смотреть на цель за задачей: спрашивать себя, что должно произойти дальше. Ставить нарочито высокую планку: если нужна загрузка сайта за 5 секунд вместо 10, просить 200 миллисекунд. Давать модели сырые данные, а не готовый пересказ. И отдельно предупреждает: «Do not ask the model to judge itself» — «не просите модель оценивать саму себя»; результат должен проверять кто-то или что-то со стороны.

Есть у него и честная оговорка про пределы: по его словам, команда «Claude, go make money» («Claude, иди заработай денег») в 2026 году сама по себе для большинства компаний не работает. Амбиция не отменяет того, что задачу всё равно нужно правильно поставить.

Как проверить идею, а не отбросить её заранее

Конечно, ИИ может не справиться. Но теперь проверить это гораздо проще, быстрее и дешевле.

Ниже — порядок, который я предлагаю для такой проверки. Это рекомендации, а не готовый рецепт: шаги зависят от задачи, данных и того, что вам можно передавать в ИИ.

1. Назвать ограничение вслух. Выпишите, почему идея кажется невозможной: дорого, сложно, нет команды, не хватает знаний, долго. Затем спросите себя по каждому пункту: это ограничение действует сегодня или я помню его по прошлому опыту?
2. Поднять задачу на уровень выше. Вместо «сделай отчёт» сформулируйте результат, ради которого отчёт нужен. Это совет Ризеберга: думать о цели за целью, а не только о ближайшем действии.
3. Поставить планку выше, чем кажется разумным. Амбициозная формулировка не гарантирует результат, но показывает, где на самом деле проходит предел, а не где вы его предполагали.
4. Дать ИИ исходный материал. Чем ближе данные к первоисточнику — выгрузки, документы, реальные обращения клиентов, — тем меньше ответ зависит от ваших прежних допущений. Перед этим проверьте, какие данные можно передавать.
5. Заранее решить, как проверять результат. Определите внешний критерий: цифра в системе аналитики, мнение специалиста, тест на реальных пользователях. Не просите модель оценить собственную работу.
6. Ограничить цену попытки. Задайте себе рамку: сколько времени и денег вы готовы потратить на проверку и при каком результате остановитесь. Тогда неудача станет ответом на вопрос, а не потерей.

Смысл этих шагов не в том, чтобы верить, что всё получится. Смысл в том, чтобы отказ от идеи принимался после проверки, а не вместо неё.

Где этот подход не работает

У истории Данцига есть деталь, которую легко пропустить. Он не был случайным человеком у доски: он учился в аспирантуре у Неймана, и задачи показались ему лишь «немного сложнее обычного». Незнание о том, что задача «нерешаемая», помогло ему не сдаться. Но решал он их всё равно знаниями и работой.

С ИИ так же. Смелая постановка задачи не заменяет понимания предмета, проверки фактов и ответственности за результат. Если идея связана с деньгами клиентов, персональными данными или юридическими рисками, амбиция должна идти вместе с внешней проверкой, а не вместо неё.

Есть и обратная сторона. Старые ограничения исчезли не все. Где-то по-прежнему нужны специалисты, бюджет и время. Задача не в том, чтобы игнорировать любые ограничения, а в том, чтобы отличать действующие от тех, что остались только в привычке.

Мой главный вывод

Мой главный вывод: технологии уже расширили границы возможного. Теперь нужно догнать их собственным мышлением.

И я сама пока этому учусь.