Перерыв на техобслуживание Традиционный отдых от телеги на две недели! Ведите себя хорошо, следите за духовкой, я в вас верю!

Эффект Барнума (эффект Форера) - мы принимаем общее описание, подходящее множеству людей, за точную характеристику себя. На этом построены почти все гороскопы Например, "Вы внимательны к деталям, но иногда допускаете ошибки. Цените команду, хотя некоторые задачи предпочитаете решать самостоятельно" Эффект Бенджамина Франклина - оказав человеку услугу, мы можем начать относиться к нему лучше. Связано с тем, что мы подстраиваем отношение под собственный поступок - если я ему помог, значит, человек мне нравится Например, помог коллеге разобраться с багом, объяснил пару вещей. Да вроде он нормальный парень Эффект Дидро - покупка новой вещи может запустить цепочку других покупок. Старые вещи рядом с ней начинают казаться неподходящими Например, купил новый монитор. Теперь нужна видеокарта помощнее, новый компьютер и стол побольше, да и стул давно хотел поменять Эффект Розенталя (эффект Пигмалиона) - наши ожидания могут влиять на поведение другого и помогать этим ожиданиям сбываться Например, тимлид считает джуна перспективным: дает интересные задачи, помогает и подробно разбирает его код. Джун быстро растет. «Я сразу знал, что из него будет толк!" Кстати, работает и в обратную сторону Эффект Стрейзанд - попытка скрыть или удалить информацию привлекает к ней еще больше внимания Например, на демонстрации разработчик старательно обходил одну кнопку. Теперь все хотят узнать, что будет, если её нажать Про другие эффекты и законы писал раньше

Когнитивные ловушки при использовании ИИ Я собираю исследования и статьи про то, как нейросети влияют на нас (часть 1, часть 2 и часть 3). Вот очередная подборка свежих исследований. Как обычно, все становится еще хуже. 1. Antropic - Как помощь ИИ влияет на формирование навыков программирования (январь 2026) Дали изучить новую питон библиотеку начинающим разработчикам. Половина изучала сама, вторая половина с помощью ИИ Результаты: - Группа с ИИ закончила приблизительно на 2 минуты быстрее, но это разница статистически незначима - В тесте на понимание материала группа с ИИ набрала в среднем 50% против 67% у группы без ИИ - Наибольший разрыв выявился на вопросах по отладке и поиске ошибок. То есть те, кто изучал с ИИ не смогли понять почему код работает неправильно Вывод Антропиков "Когнитивное усилие важно для формирования мастерства". И сноска, что этот эксперимент отличается от агентных продуктов типа Claude Code 2. NEJM AI - Смещение понимания при диагностике с помощью нейросетей (апрель 2026) Врачам провели 20-часовый курс по ИИ грамотности, рассказывали чему можно добверять, чему нет и так далее. Затем одним давали правильные подсказки в ChatGPT, а другим ответы с намеренно внесенными ошибками в половине случаев. При этом врачи могли консультироваться с ИИ по желанию или сами все делать Результат: - Группа с ошибочными подсказками показала точность диагностики 73.3% , в контрольной группе 84.9% То есть людям специально сказали, что не доверяйте ответам ИИ и критически их оценивайте, но склонность полагаться на автоматизированный вывод от этого не исчезла 3. ScienceDirect - Чрезмерная зависимость от ИИ (октябрь 2026) Была гипотеза, что "нужно просто показывать, как ИИ думает, тогда люди смогут проверить и найти ошибку". Провели три исследования в разных областях Результат обратный. Видимость рассуждений усиливала сверхдоверие, а не снижала его. Само присутствие "объяснения" воспринималось как сигнал компетенции ИИ и люди принимали ответы чаще, чем когда объяснений не было 4. Garude - Анализ рисков утраты технических компетенций (июнь 2026) Ключевые выводы из нее: - Deskilling - эрозия базовых технических способностей из-за повторной делегации ИИ - Cognitive passivity - отказ от активного алгоритмического мышления - Silent unlearning - незаметная потеря компетенций, особенно у опытных разработчиков - Misleading sense of competence - иллюзия компетентности из-за того, что код «работает» 5. Smartbear - Парадокс уверенности в ИИ-код (сентябрь 2026) SmartBear опросила почти 1 500 практиков и руководителей, преимущественно из США и Великобритании. Среди результатов: - 46% команд выпускали ИИ-код, который ломался в продакшене. При этом 69% этих же команд уверены, что ИИ-код работает как задумано - 47% сталкивались с инцидентом, связанным с ИИ, который не смогли полностью объяснить. Только половина команд может полностью отследить вывод ИИ для аудита - 55% сообщили о проблемах качества за последний год, связанных с тем, что разработка опережала тестирование - 96% команд тестируют или уже используют ИИ-агентов, но только 34% имеют специальные инструменты для надзора за их работой - Среди руководителей в ИИ-коде уверены 73%, а среди практиков 52% 6. Checksum - Состояние ИИ-кода в 2026 году (июль 2026) Опросили 105 инженерных руководителей: - 78,1% доверяют ИИ-коду больше, чем год назад - 61% сообщили об инциденте в продакшене из-за ИИ-кода за последние 90 дней - 74,3% откатывали ИИ-код, потому что тот провалился так, как юнит-тесты не поймали - 64,8% говорят, что на ревью ИИ-кода уходит больше времени, чем на проверку кода, написанного людьми - 45,7% столкнулись с ростом нагрузки на поддержку из-за проблем с ИИ-кодом - 42,9% теряли время инженеров на переделку после сбоев ИИ-кода - 28,6% говорят, что самые опытные инженеры теперь больше времени тратят на ревью, чем на написание кода Прямая цитата CEO Checksum: «Команды страдают не потому, что слишком доверяют ИИ, а потому, что нынешний стек верификации не был рассчитан на такой масштаб выпуска ИИ-кода» Ну и вывод: Мы тупеем. ИИ забирает у нас работу, а вместе с ней и навыки думать, проверять и замечать ошибки. И остановить этот процесс мы уже не сможем Хорошего дня!