Мясные прокси: что оставить себе

В начале августа разработчик Никлас Грун написал у себя в блоге запись «Don't be a meat proxy». Он устал от коллег, которые пересылают ему ответы нейросети, не читая, и назвал их meat proxy — мясной прокси. Дословно у него это звучит так: «мне не нужен мясной прокси посередине». Прослойка между чат-ботом и другим человеком. Запись подняли на Hacker News, там она собрала больше семисот комментариев, дальше разошлась по соцсетям, и за две недели слово стало ругательством.

За термином нет ни исследования, ни статистики. Это сленг трёхнедельной давности от раздражённого инженера. Но слово попало в реальный механизм, и разбирать стоит механизм.

Почему прокси убирают первым

Убирают не потому, что ИИ умнее. Арифметика простая: если между входом и выходом вы ничего не добавили, вы не звено, вы задержка. В бережливом производстве для этого есть слово «потеря» — операция, за которую заказчик не платит, потому что она не меняет продукт. Тот, кому вы пересылаете ответ, откроет ту же модель сам и получит то же самое на минуту раньше.

Мясной прокси описывает позицию в цепочке создания ценности. В неё попадает и специалист, и директор.

Рисунок 1. Между входом и выходом: либо вы что-то добавили, либо вы задержка в цепочке.

Добавленная ценность, когда текст пишет модель, складывается из четырёх вещей, и ни одну модель не приносит с собой. Первая — постановка задачи. Модель отвечает на заданный вопрос, а не на нужный, и разница между ними и есть работа. «Сделай презентацию по итогам квартала» и «сделай презентацию, которая должна убедить совет директоров не резать бюджет на автоматизацию, потому что эффект придёт на втором году» — два разных задания, и второе никогда не появится само.

Вторая вещь, контекст и ограничения, это всё, чего нет в открытых источниках: как принято у вас, кто читатель, что было в прошлый раз, чего нельзя. Пустоту модель заполняет средним по интернету, а среднее по интернету и есть то, за что перестанут платить.

Третье — приёмка, и её пропускают чаще всего. Проверять надо не орфографию, а связки: сходятся ли цифры между разделами, нет ли противоречия с тем, что вы говорили в прошлом месяце, не выпал ли из ответа неудобный вариант.

Насколько это не формальность, я убедился на своём проекте. Разбирая с агентом план внедрения одного из своих проектов, я провёл шесть раундов уточняющих и проверочных вопросов. Первый вопрос нашёл семь пропусков. Второй показал, что критериев приёмки в плане нет ни у одного пункта: план говорил, что делать, и нигде не говорил, как мы поймём, что это сделано. Модель при этом была самая передовая, Fable 5 в режиме максимальных рассуждений. Пропусти я эти шесть раундов, план ушёл бы дальше по цепочке в том же виде, и я был бы ровно тем прокси, о котором идёт речь.

И ответственность. У отправленного письма и выданного поручения есть последствия, отвечать за них человеку. Модель ответственность не принимает, и это устройство мира, а не техническое ограничение. Уберите эти четыре вещи, и от вас останется кнопка «переслать». Она автоматизируется без остатка.

Правило 70/30

Семьдесят процентов работы у меня уходят ассистенту: сбор материала, черновик, варианты формулировок, вычитка, рутина и оппонирование, когда я прошу разобрать мою же позицию на прочность. Тридцать остаются мне: продумать задачу, задать ограничения и контекст, направить, проверить, решить и отвечать за решение.

Считаю я не минуты и не строки. Считаю, кто держит рамку задачи: кто её ставит, кто задаёт границы и кто за неё отвечает.

Рисунок 2. Правило 70/30: семьдесят процентов ассистенту, тридцать — доля, на которой вы продолжаете расти.

На письме с поручением граница видна лучше всего. Форма уходит машине: структура, тон, варианты финальной фразы, проверка на двусмысленность. У вас остаётся то, чего в модели нет, — кому адресовано, что этот человек уже знает, какой у него был прошлый провал по теме, что считается выполнением и к какому числу. Проверка простая: уберите из письма всё, что дописали руками, и посмотрите, останется ли поручение исполнимым. Обычно не остаётся.

С управленческим решением сложнее, потому что модель охотно берёт на себя лишнее. Перебор вариантов, поиск прецедентов, разбор рисков, роль оппонента — всё это её работа. Ваша — критерии выбора и вес каждого. Критерии не делегируются. Модель предложит свои, они будут разумными, и они будут не ваши. Если вы не можете назвать критерий вслух до того, как увидели варианты, вы не выбираете, а соглашаетесь.

Второй вопрос к плану вскрыл именно это. Отсутствие критериев приёмки — незакрытая часть моей работы, и модель её за меня не сделает: она не знает, что для меня «сделано».

Второе дно тридцати процентов

Раньше я обосновывал эти тридцать процентов качеством и рисками. Кто-то должен продумать, задать рамки, проверить и решить, иначе выйдет быстро и мимо.

Теперь я вижу у правила второе дно. Тридцать процентов — ещё и доля, на которой вы продолжаете расти.

За собой я заметил это не сразу. Формулирую позицию или решение, прошу разобрать, где логика провисает и что скажет оппонент. Спорю, переписываю, разбираю ещё раз. Те шесть раундов по плану — из этой же серии, и один из них целиком ушёл на мои ответы: вопросы задавал агент, отвечал я. От каждого такого прохода остаётся не текст, остаётся способ. Через несколько месяцев я поймал себя на том, что структура аргумента приходит сразу, а не восстанавливается задним числом. Утверждать, что у меня изменилось мышление, не стану: этого я не мерил. Другой стала форма, в которой появляется мысль.

В третьем издании «ИИ. С неба на землю» тридцать процентов описаны как «продумать, задать направление и ограничения, контролировать, принять финальное решение». Обучения там нет, и то, что я пишу сейчас, добавляет к правилу пятый элемент.

Хотя сам механизм в книге уже есть, только на уровне компании. Там сказано: «Компетенции деградируют не потому, что люди глупеют, а потому, что перестают тренироваться: решение готовит машина». Я писал это про организации, которые перекладывают решения на советников целиком. Теперь вижу, что фраза целиком переносится на одного человека, и на себя в том числе.

Механизм придумал не я. В педагогике модель, где ученик работает вместе с мастером и перенимает не ответы, а способ, называется когнитивным ученичеством; её описали Аллан Коллинз, Джон Сили Браун и Сьюзан Ньюман в конце восьмидесятых [1]. Там поддержку постепенно снимают, передавая ученику всё больше ответственности [2]. Без этой фазы ученик остаётся зависимым от помощи, и про неё обычно забывают.

С другой стороны к тому же выводу пришли психологи Элизабет и Роберт Бьорк с идеей полезных трудностей [3]. Условия, при которых результат улучшается быстро, часто не дают удержать навык надолго; условия, замедляющие видимый прогресс, работают на перенос. То, что делает работу приятнее сегодня, нередко бьёт по качеству через год.

Обе работы про людей, которые учатся у людей. Перенос на работу с языковой моделью делаю я, и это моя гипотеза, а не установленный факт. Проверял я её на одном человеке, на себе.

Три условия, без которых это не работает

«Сделай за меня» и «сделай со мной» дают разный исход. В первом случае вы получаете текст, во втором платите вниманием и забираете способ. Один и тот же час с ассистентом в этих режимах кончается по-разному, а по отчёту об использовании их не различить.

Форма запроса идёт вторым условием. «Улучши мой текст» тренирует умение нравиться модели: она охотно отполирует слабую логику, если попросить. Тренажёром работает «сломай мой аргумент». Наводящий вопрос запускает поддакивание, и вы получаете эхо вместо разбора.

Третье условие, та самая фаза «а теперь сам». Если поддержка не снимается никогда, партнёрство становится зависимостью: постоянная помощь навык замещает. Ни одно из трёх условий не включается само, каждое требует вашего решения.

На уровне компании то же самое, только заметнее

В книге я разбираю случай, где сотрудники освоили корпоративного чат-бота и перестали думать. Гость задаёт вопрос, сотрудник спрашивает бота, пересказывает ответ. Сервис при этом не просел: отвечать стали быстрее и грамотнее прежнего. Через год выяснилось, что нестандартный вопрос обрабатывать некому — люди на местах разучились, а бот таких вопросов не понимает.

Со стороны это выглядит как успешное внедрение. Скорость растёт, жалобы падают, эффект в отчёте есть. Провал приходит оттуда, где никто не мерил.

Ошибка та же, что и в приёмке работы у агента. Пока критериев нет, «готово» в отчёте значит одно: он закончил печатать. Отчёт о работе принимают вместо результата, и на уровне компании это тянется годами.

Решая, что отдать ассистенту в процессе, спрашивайте про скорость и сразу следом: кто через год сможет это проверить. Нет ответа — под автоматизацию попала ваша экспертиза, а не операция.

Цена, которую я не прячу

Партнёрство не быстрее делегирования, оно дороже.

Тренировка и экономия берут из одного кармана, из вашего внимания. Я писал раньше, что ИИ переносит внимание с задач, где ошибка дешёвая, на задачи, где она дорогая. Добавлю то, чего в той рамке не хватало: освобождённое внимание не перераспределяется само. Часть его должна возвращаться в ваши тридцать процентов.

Про отрасль я эту сделку уже описывал: если ИИ забирает работу младшего инженера, откуда через десять лет возьмётся старший, способный его верифицировать. «Мы рискуем выиграть три года производительности и проиграть поколение экспертизы». С отдельным руководителем сделка та же, только быстрее и незаметнее: год производительности в обмен на собственную экспертизу.

Проценты не сдают решением. Никто не говорит себе: отдам-ка я своё развитие. Их сдают по частям, и «сегодня некогда вникать, возьму как есть» в каждом отдельном случае выбор правильный, а на горизонте года проигрышный. Обратная связь приходит с задержкой: отданные тридцать процентов какое-то время не портят результат вообще. Сигнал о том, что вы перестали расти, придёт не завтра, а когда что-то нужно будет сделать без ассистента.

Как проверить себя

Ощущению «я же вникаю» верить нельзя. Изнутри понимание и его иллюзия ощущаются одинаково, обоими способами получается ясность.

Поэтому проверка нужна внешняя. Раз в квартал берите задачу того же класса, что обычно делаете с ассистентом, и делайте её без него. Вопрос не «хорошо ли получилось». Вопрос — пришла ли структура сама.

Между кварталами работают четыре ошибки, которые я разбирал отдельно. Принять поддакивание за проверку. Задать наводящий вопрос и получить подтверждение того, что сам подсказал. Спросить без критерия. Не заметить, что отвечать нечем. Корень у них общий: вопрос без основания, форма есть, опоры под ней нет.

Два случая видно сразу. Модель на любой ваш материал отвечает «да, всё отлично» — это не похвала, а некорректная настройка. Или вы заметили ошибку и просите подтвердить у того же инструмента, который её породил. Оба выглядят как проверка и проверкой не являются.

Больше остального меня тревожит третье. Каждый раз я ловлю модель не потому, что вопрос был хорош, а потому, что знаю предмет лучше неё. Уберите этот слой, и вопрос останется без арбитра: ответ будет выглядеть проверкой, а проверить проверку станет некому.

Обе крайности дорогие

Отсюда легко вычитать «поменьше пользуйтесь ИИ», и это неверно. Кто ИИ избегает, тот проигрывает в скорости и качестве уже сегодня. Инструмент никто не отберёт, он будет у всех, всё среднестатистическое возьмёт на себя машина, и стоить будет только то, что вы добавляете сверху.

Так что крайности две, и обе дорогие. Не подходить к инструменту — терять в скорости сейчас. Отдать ему всё — проиграть себя через год. Первое оставляет вас субъектом, второе делает интерфейсом, а интерфейс оптимизируют.

Чего я не утверждаю

Что ИИ меняет мышление. Мышление я не мерил, наблюдал форму, в которой приходит мысль.

Что партнёрство эффективнее делегирования. Оно дороже по вниманию, и это не фигура речи.

Что так у всех. Один человек, одна роль, один набор задач и никакого замера. Это разбор механизма, а не исследование.

Источники

Первоисточник термина: Niklas Gruhn. Don't be a meat proxy. Запись в блоге gruhn.me от 03.08.2026.

Цитаты про деградацию компетенций и про поколение экспертизы — «Искусственный интеллект. С неба на землю», 3-е издание. Кейс с шестью раундами, четыре ошибки и тесты на имитацию проверки разобраны в статье «Техника вопросов к ИИ: форма и среда».

1. Collins A., Brown J. S., Newman S. E. Cognitive apprenticeship: Teaching the crafts of reading, writing, and mathematics // Knowing, Learning, and Instruction / ed. L. B. Resnick. Hillsdale: Erlbaum, 1989. P. 453–494.

2. Collins A., Brown J. S., Holum A. Cognitive apprenticeship: Making thinking visible // American Educator. 1991. Winter. Термин «подмостки» введён ранее: Wood D., Bruner J. S., Ross G. The role of tutoring in problem solving // Journal of Child Psychology and Psychiatry. 1976. Vol. 17. P. 89–100.

3. Bjork E. L., Bjork R. A. Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning // Psychology and the Real World. New York: Worth Publishers, 2011. Ch. 5. P. 56–64.