Що залишається від навичок, коли асистент зникає? Серія рандомізованих контрольованих експериментів, опублікована на arXiv у квітні, дає одну з перших причинно-наслідкових відповідей: навчання з AI-асистентом знижує наполегливість і погіршує самостійну продуктивність — навіть у такому базовому завданні, як обчислення дробів. Дослідження підписали Grace Liu (Carnegie Mellon), Brian Christian і Tsvetomira Dumbalska (Oxford), Michiel A. Bakker (MIT) та Rachit Dubey (UCLA) — Christian є автором The Alignment Problem.
Протокол
Дослідники загалом залучили 1 222 учасники, випадково розподілені між трьома експериментами. У головному експерименті учасники розв’язували 12 задач на дроби — з асистентом на базі GPT-5 або без нього — а потім усі проходили однаковий фінальний тест із 3 завдань без допомоги, маючи в будь-який момент кнопку «пропустити» для відмови від завдання. У реплікаційному дослідженні (667 учасників) дизайн був жорсткішим завдяки попередньому тесту, а третій експеримент переніс той самий протокол на завдання з розуміння тексту.
Результати
Різниця виявилася чіткою. На фінальному тесті без AI в основному експерименті група, яка раніше працювала з асистентом, виконала правильно 57 % завдань проти 73 % у групи, що тренувалася самостійно; частка відмов майже подвоїлася — з 11 % до 20 %. Реплікація підтвердила ефект, хоча й слабший (71 % проти 77 %), а тест на розуміння тексту його теж засвідчив (76 % проти 89 %, причому відмов було у вісім разів більше). І все це — після приблизно десяти хвилин взаємодії: допомога не просто перенесла компетенцію в інструмент, а й підірвала саму готовність докладати зусиль. Автори трактують це як форму умовного навчання: AI привчає до миттєвої відповіді й позбавляє досвіду подолання складності.
Що дослідження доводить — і чого не доводить
Сила результату — у дизайні: випадковий розподіл дозволяє робити причинно-наслідкові висновки, тоді як більшість робіт про пов’язану з AI «атрофію когнітивних навичок» спираються на кореляції або самооцінки. Водночас обмеження також очевидні. Це preprint, який ще не пройшов peer review. Завдання залишаються вузькими — дроби та короткі тексти для читання, горизонт вимірювання є негайним, протестовано лише одну модель, а в реплікації з більш суворим протоколом ефект помітно слабшає. Дослідження показує механізм, а не загальний закон.
Чому цей результат важливий
Втім, сам механізм має значення далеко за межами лабораторії. В освіті він підтверджує сценарій, якого побоюються викладачі: інструмент покращує негайний результат, але поступово еродує здатність працювати без нього. В бізнесі, де асистенти часто впроваджуються як інструменти неформального навчання, це означає, що продуктивність із допомогою AI може бути оманливим індикатором реальної компетентності команд. А для розробників асистентів це аргумент на користь поки що рідкісних дизайнерських рішень: навмисних «тертьових» елементів, режимів навчання, у яких AI підказує, але не розв’язує завдання. Питання вже не в тому, чи допомагає асистент — допомагає — а в тому, що він залишає після себе, коли його вимикають.