Когнитивный долг в работе в эпоху ИИ

Представьте ситуацию: вы получаете презентацию из 20 слайдов, встреча с клиентом через час. На семнадцатом слайде расчёт, чтобы проверить который, нужно было бы потратить целый день. Можно перенести встречу и потратить этот день, а можно решить, что проверка стоит дороже, чем цена возможной ошибки, риск невелик, и идти с тем, что есть. Это решение принимают ежедневно тысячи руководителей, и у него есть точное имя - когнитивный долг.

Когнитивный долг - это разрыв между уровнем понимания результата, которым вы реально располагаете, и уровнем понимания, необходимым для взятой на себя ответственности. Встретил статью про него на Хабре, понял, что сам сталкиваюсь с когнитивным долгом каждый день и решил сделать саммари с ключевыми идеями. В оригинальной статье есть все ссылки на источники, которые тут будут упоминаться, поэтому если вам они нужны, рекомендую обратиться к оригиналу.

Про когнитивный долг в 2026 году говорят много.

• Thoughtworks Technology Radar в апреле 2026 года включил когнитивный долг в категорию Caution: практика, которую стоит применять с осторожностью.
• Исследовательница Маргарет-Энн Стори разводит смежные понятия: когнитивный долг кода она отличает от технического долга и от долга замысла, разрыва между тем, что автор хотел сказать кодом, и тем, что там реально написано.
• Экономист Шучен Мэн описывает похожую идею иначе: запас непроверенных интеллектуальных обязательств, который копится, пока никто не потребовал его закрыть.

Сам термин родился раньше эпохи ИИ: в 2015 году его предложили Натали Марчант и Роберт Говард из Королевского колледжа Лондона, изучая болезнь Альцгеймера, только там речь шла о цене, которую мозг платит за компенсацию утраченных функций.

Экономисты Майкл Дженсен и Уильям Меклинг ещё в 1995 году сформулировали, почему этот долг вообще возникает: знание нельзя бесплатно передать между людьми, поэтому у организации есть выбор из двух вариантов: либо тащить знание к тому, кто принимает решение, либо отдавать право решения тому, кто знанием уже владеет. Оба пути стоят денег и времени, и оба оставляют зазор. Роберт Грант описывает фирму как механизм интеграции распределённого знания: само по себе оно рассеяно по сотрудникам и подразделениям, и это не проблема. Проблема начинается, когда организация теряет способность это знание восстановить, проверить или применить в нужный момент.

Здесь и разворачивается главный тезис: делегирование всегда было покупкой в долг, а не изобретением последних лет:

• Начальник не пересчитывает вычисления сотрудника заново, потому что тогда его собственная должность теряет смысл.
• Архитектор не читает построчно каждый сервис в системе, иначе перестаёт быть архитектором и превращается во второго разработчика.
• Партнёр консалтинговой фирмы не строит своими руками каждую финансовую модель, которую подписывает клиенту.

Если заставить любого из них закрыть этот долг до нуля, вся организация вокруг них теряет экономический смысл: зачем нанимать команду, если руководитель всё равно делает всю работу сам.

Отсюда вопрос смещается. Не “берём ли мы долг” (берём всегда), а “сколько его накопилось” и “достаточно ли мы контролируем риск, который он создаёт”. Требуемый уровень понимания растёт вместе с последствиями ошибки, её необратимостью, новизной задачи, сложностью и непрозрачностью самого расчёта. Контролируемое понимание, то, что реально доступно в моменте решения, складывается из другого набора: собственного понимания темы, воспроизводимости расчётов, качества источников, документации и пройденных проверок. Долг равен разнице между первым требованием и вторым запасом.

Управляемый пример такого баланса - это обычный финансовый аудит. Партнёр не повторяет все процедуры за младшими сотрудниками: он полагается на математически рассчитанную выборку, которая зависит от риска бизнеса, качества внутренних контролей и внешних свидетельств. При выполнении этих условий долг может быть практически нулевым, даже если ни одну строчку отчёта партнёр лично не проверял. Это не значит, что проверки не было, значит, что проверка была спроектирована так, чтобы закрыть разрыв понимания без ручного повторения всей работы.

Та же логика лежит в основе рутинных управленческих решений, которые редко называют своими именами. Приёмка результата от подрядчика работает по той же схеме: решение принимается при заведомо неполной проверке, заказчик не пересобирает систему заново, он проверяет контрольные точки и полагается на репутацию и договор. Статус-отчёт от проектной команды принимается без пересчёта каждой цифры внутри. Согласование сметы утверждается на основании того, что расчёт похож на прошлые и прошёл через нужные подписи. Везде идёт одна и та же сделка: часть понимания меняется на скорость, и вопрос лишь в том, какова цена ошибки, если долг вдруг не оплатится.

ИИ не создал этот механизм, но резко изменил три его параметра.

• Во-первых, скорость: результат теперь появляется быстрее, чем успевает сложиться понимание, и разрыв образуется почти мгновенно, там, где раньше на его накопление уходили недели работы.
• Во-вторых, локализацию знания: в цепочке партнёр, аналитик, модель понимающего человека может не найтись вовсе, знание рассеивается между промптом и выдачей, и восстановить его некому.
• В-третьих, роль самого менеджера: теперь любой сотрудник, работающий с виртуальным джуниором в виде языковой модели, обязан ставить задачу, задавать границы, проверять результат и в итоге подписываться под ним лично, как раньше подписывался только руководитель за подчинённого.

Похожий разрыв, только в другой оптике, разбирает другая статья на Хабре: языковая модель за минуты рисует убедительную архитектуру предприятия, требования к ERP или структуру исследования, но это может быть лишь нарисованный очаг из “Золотого ключика”, убедительная поверхность без предметной конструкции за ней. Понятие “остаток на складе” в реальном проекте распадается на цепочку: остаток, доступный остаток, зарезервированный, заблокированный, партия, место хранения, обеспеченность. Если языковая модель нарисовала красивую схему, но эту цепочку не построила, заказчик получает не аналитику, а холст, за которым может не быть ничего. Чем убедительнее артефакт, тем меньше у заказчика вопросов к тому, что за ним стоит, а значит тем выше риск принять на себя долг, о существовании которого никто даже не спросил.

Третья грань той же истории поднимает вопрос о том, кто вообще может держать этот долг. Управляющий партнёр SENSE Дмитрий Фырнин формулирует границу автоматизации именно через ответственность: ИИ можно передать рутину и даже сложную аналитическую работу, но нельзя передать роль конечного ответственного звена процесса, потому что без владельца процесса начинается хаос. Языковая модель остаётся статистическим предсказателем, склонным к галлюцинациям, и требует контроля человека, поэтому прибыльных компаний под управлением одного ИИ не существует. По той же причине бухгалтерию и юридический отдел не заменяют целиком: там решение требует держателя ответственности, а не только генератора черновиков.

Возвращаясь к аналитику с двадцатью слайдами: вопрос никогда не звучал как “доверяете вы ему или нет”. Он звучал как “сколько долга вы уже набрали к этой встрече” и “достаточно ли вы контролируете риск того, что семнадцатый слайд окажется неверным”. Это те же два вопроса, которые теперь встают перед каждым, кто подписывает результат работы виртуального джуниора, так и не увидев его расчётов.