Студенты бизнес-школы Wharton создали свои стартапы за четыре дня, используя ИИ-инструменты. Никто из них не умел программировать, но все имели практический опыт менеджмента. Этого оказалось достаточно, чтобы за пару дней продвинуться дальше, чем такие же студенты без ИИ за семестр. Встает вопрос: какие навыки делают такое ускорение возможным?

Подробнее о решениях той же проблемы ускорения, но на уровне команд и компаний — см. в статье Алексея Мы внедрили ИИ, но времени у нас не прибавилось. Что делать?

TL;DR

• Делегирование задач ИИ — это менеджерский, а не технический навык. Формула из трёх переменных помогает рационально оценить, когда делегировать выгодно.
• Принятые в вашей области документы и правила делегирования (PRD, шот-листы, спецификации) отлично работают как промпты — они решают ту же задачу: передать замысел из головы в действия.
• Программисты стали первыми, чья работа сместилась от исполнения к менеджменту ИИ-агентов. Та же трансформация ждёт другие профессии.
• «Мягкие» навыки — формулирование задач, оценка качества, обратная связь — оказались решающими при работе с ИИ.

Кому будет полезно

• Менеджерам и лидерам — если вы хотите понять, как ваш управленческий опыт конвертируется в преимущество при работе с ИИ-агентами.
• Специалистам и экспертам — если вы ищете рациональный подход к тому, какие задачи делегировать ИИ, а какие оставить себе.

Пересказ

1. MBA-студенты создали стартапы за четыре дня

В рамках экспериментального курса в бизнес-школе Уортона (University of Pennsylvania) студенты программы Executive MBA использовали Claude Code, Google Antigravity, ChatGPT и Gemini для создания стартапов с нуля за четыре дня. Большинство из них никогда не программировали. Тем не менее, по оценке Итана Моллика, преподающего предпринимательство полтора десятилетия, они продвинулись на порядок дальше, чем обычные студенты за целый семестр.

Прототипы были не просто макетами экранов — в большинстве из них работала ключевая функция. Идеи были разнообразнее обычного, а анализ рынка — неожиданно глубоким. Это ещё не были работающие стартапы или полноценные продукты (за парой исключений), но студенты сэкономили месяцы работы и огромные деньги по сравнению с традиционным процессом.

ИИ также изменил саму динамику стартапа. Поскольку создание нового прототипа не стоило почти ничего — «просто скажи ИИ, что ты хочешь» — стоимость пивота резко упала. Студенты могли параллельно исследовать несколько направлений, не привязываясь к первоначальной идее. Автор признаёт, что успех был не результатом его преподавания: хорошего фреймворка для преподавания этих инструментов ещё не существует, и студенты во многом разобрались сами.

2. Формула делегирования: когда отдавать задачу ИИ

Для начала — три определяющих свойства ИИ.

• Из-за непредсказуемых возможностей ИИ (Jagged Frontier) невозможно заранее знать, с какими сложными задачами он справится, а с какими нет.
• ИИ быстр: он выдаёт за минуты то, что человеку стоило бы часов работы (правда, эти минуты не включают постановку и «приемку» задачи).
• ИИ дёшев (относительно зарплаты профессионала) и не возражает, если вы генерируете множество версий и выбрасываете большинство.

Из этих трёх свойств вытекает, что решение делегировать зависит от трёх переменных. Время выполнения без ИИ — сколько часов задача заняла бы у человека. Вероятность успеха — насколько вероятно, что ИИ с первой попытки выдаст приемлемый результат. Время работы с ИИ — сколько времени уходит на составление промпта с нужным контекстом, ожидание ИИ и проверку результата.

Логика проста: вы обмениваете полное выполнение задачи вручную на многократную «оплату» циклов работы с ИИ, пока результат не окажется приемлемым («оплата» включает промптинг и проверку). Чем выше Вероятность успеха, тем меньше циклов нужно, и тем выгоднее делегирование. Например, если задача занимает у вас час, а проверка результата ИИ — полчаса, делегировать выгодно только при Вероятности успеха, близкой к 100%. Но если ручная работа занимает 10 часов, несколько часов на циклическую работу с ИИ вполне оправданы.

Эту формулу подтверждает бенчмарк GDPval от OpenAI — одно из самых важных исследований ИИ и реальной работы за 2025 год. В нём опытные эксперты из разных областей (финансы, медицина, госуправление) соревновались с ИИ, а другая группа экспертов выступала судьями. Время выполнения без ИИ составляло в среднем 7 часов. Время работы с ИИ — около часа на проверку плюс время на промпт.

Когда GDPval только вышел в сентябре 2025, судьи чаще отдавали победу людям. Но с выходом GPT-5.2 баланс сместился: модели GPT-5.2 Thinking и Pro сравнялись с экспертами или превзошли их в среднем в 72% случаев. При таких параметрах экономия составляла в среднем 3 часа на семичасовую задачу: провальные попытки стоили дополнительного времени (вы потратили время на промпт и проверку впустую!), но успешные с лихвой компенсировали это.

3. Как сдвинуть формулу, чтобы выиграть время

Формулу делегирования можно улучшить тремя способами.

1. Давать более чёткие инструкции — это увеличивает Вероятность успеха.
2. Развивать навыки оценки и обратной связи — это снижает количество итераций до приемлемого результата.
3. Упрощать проверку результатов — это снижает Время работы с ИИ.

Когда не важно соблюдение 100% конкретных требований, современные ИИ-модели справляются впечатляюще. Например, Claude Code создал полноценную приключенческую игру в стиле Sierra — с графикой, парсером и головоломками — по одному промпту. Два дополнительных промпта для тестирования и деплоя — и игра доступна онлайн. Но это сработало именно потому, что автору было не важно, какая именно игра получится, — ИИ мог импровизировать.

Реальная работа устроена иначе: у вас есть конкретное видение результата. Именно для этого задолго до ИИ каждая профессия изобрела свои форматы передачи замысла: PRD (техзадание) в разработке, шот-листы в кинопроизводстве, design intent documents в архитектуре, спецификации в консалтинге. Все эти документы прекрасно работают как промпты для ИИ — причём ИИ способен обработать даже многостраничные инструкции. Они работают потому, что решают одну и ту же задачу: перенести то, что у вас в голове, в чужие действия.

Если всё это прописано, ИИ, как и человек, справится гораздо лучше. А пока вы формулируете эти инструкции, вы, по сути, заново изобретаете менеджмент.

4. Программисты первыми превратились в менеджеров

Ведущие разработчики в крупнейших ИИ-лабораториях всё чаще замечают, что их работа сместилась от написания кода к менеджменту ИИ-агентов. Программирование стало первой профессией, ощутившей эту трансформацию, — благодаря чётко верифицируемым результатам («код либо работает, либо нет»), ИИ-инструменты для разработки созрели раньше остальных. Но это только начало: та же трансформация ждёт и другие профессии.

Необходимые навыки для работы с агентами — это, по сути, базовые управленческие навыки: умение объяснить задачу, дать эффективную обратную связь и спроектировать способ оценки результата. Во многих отношениях это проще, чем придумывать хитрые промпты, — больше похоже на работу с людьми.

При этом ИИ переворачивает привычное уравнение менеджмента. Раньше делегирование объяснялось нехваткой ресурсов: вы не можете сделать всё сами, а таланты дороги и ограничены. Теперь «таланты» дёшевы и неограничены. Дефицитным стало другое — умение точно сформулировать, что именно нужно.

5. Почему «мягкие» навыки оказались решающими

MBA-студенты Итана Моллика преуспели не потому, что разбирались в ИИ, — они не были техническими экспертами. Они преуспели, потому что годами тренировались формулировать проблемы в своих областях, определять критерии «готово» и замечать, когда финансовая модель или медицинский отчёт «не сходятся». Специализированные профессиональные фреймворки, усвоенные на курсах и на рабочих местах, стали их промптами.

Навыки, которые принято считать «мягкими» — делегирование, оценка качества, формулирование задач — оказались ключевыми. Студенты разобрались за четыре дня — не потому, что были «AI natives», а потому, что уже умели управлять. Весь их управленческий опыт, как оказалось, случайно готовил их именно к этому моменту.

Цитаты

• «ИИ уменьшил стоимость пивота: вы просто говорите ИИ, что хотите изменить»
• «Навыки, которые так часто считают "мягкими", на деле оказались самыми сложными»
• «Раньше делегирование было необходимо из-за дефицита кадров. Теперь уравнение менеджмента изменилось, "кадры" дёшевы, и их много. Дефицитом стало знание того, что именно попросить»

Примеры и кейсы

• Стартап за 4 дня. Студенты Executive MBA без опыта программирования создали рабочие прототипы с помощью Claude Code, Antigravity, ChatGPT и Gemini. Результат на порядок превзошёл то, что обычно достигается за целый семестр.
• Бенчмарк GDPval. Эксперты тратили на задачи 7 часов, GPT-5.2 Thinking сравнялась с ними или превзошла в 72% случаев. Экономия — в среднем 3 часа на задачу при цикле проверки около часа.
• Приключенческая игра за один промпт. Claude Code создал полноценную игру в стиле Sierra — с графикой, парсером и головоломками — по одному промпту. Два дополнительных промпта для тестирования и деплоя — игра доступна онлайн.

Ошибки и грабли

• Делегирование без проверки. Если Вероятность успеха невысока, а проверка результата занимает почти столько же, сколько выполнение задачи вручную, — делегирование может стоить дороже, чем сделать самому.
• Ожидание того, что ИИ угадает требования. ИИ прекрасно импровизирует и дает достойный результат на свое усмотрение. Но реальная работа требует соответствия конкретному замыслу — и здесь без структурированных инструкций (PRD, спецификации) качество падает.
• Из-за непредсказуемых возможностей ИИ (Jagged Frontier) не стоит полагаться на то, что ИИ одинаково хорош во всех задачах, даже схожих.

Что можно сделать уже сегодня

1. Перед решением следующей задачи оцените три переменные: Время выполнения без ИИ, Вероятность успеха, Время работы с ИИ. Делегируйте, только если математика сходится.
2. Выделите задачи, где ИИ может свободно импровизировать (генерация идей, прототипирование), и задачи, требующие строгих инструкций (финальный отчёт, код в продакшен).
3. Для второго типа задач используйте профессиональные форматы документации (PRD, спецификации, чек-листы) вместо свободных промптов — они уже содержат структуру для эффективного делегирования.
4. Определите для своих задач: что значит «готово», какие промежуточные результаты нужны, что проверить перед сдачей.
5. Развивайте навыки оценки и обратной связи — это снижает количество итераций с ИИ и экономит время.

Заключение

Главная мысль Итана Моллика: менеджмент — это суперсила в эпоху ИИ-агентов. Не потому, что ИИ нужно «управлять» в техническом смысле, а потому, что навыки делегирования — формулирование задач, оценка результатов, обратная связь — оказались именно тем, что нужно для работы с ИИ.

Формула из трёх переменных (Время выполнения без ИИ, Вероятность успеха, Время работы с ИИ) даёт рациональную основу для принятия решений.

Самый разумный первый шаг — перестать думать о работе с ИИ как о техническом навыке и начать думать о нём как о менеджменте.

• Читать оригинальную статью Ethan Mollick
• Подписаться на телеграм-канал AIDEA, чтобы не пропустить другие материалы о лучших практиках применения ИИ в организациях и для повышения личной эффективности.