Чтение онлайн

Наш мозг эволюционно ориентирован на минимизацию затрат энергии, а создание новых когнитивных моделей требует от него значительных ресурсов, поэтому мы и предпочитаем использовать уже имеющиеся шаблоны вместо того, чтобы находить новые, нестандартные решения.

2. Фрейминг (или «рамка»): как мы сами себя загоняем в угол

Знаменитая головоломка «девять точек» предлагает соединить девять точек, расположенных в виде квадрата, четырьмя прямыми линиями, не отрывая карандаша от бумаги. Чтобы выполнить эту задачу, необходимо выйти за пределы воображаемого квадрата, который фреймит вас своей структурой – вам нужно буквально «мыслить за рамками». В бизнесе и повседневной жизни мы постоянно сталкиваемся с проблемой узкого фрейминга – мы определяем проблему слишком узко, что автоматически ограничивает пространство возможных решений.

Например, HR-специалист спрашивает: «Какие HR-методики помогут снизить текучку кадров в нашей компании?» – и получает стандартный набор HR-инструментов.

Более продуктивный подход: «Давай рассмотрим текучку кадров не как изолированную HR-проблему, а как симптом более сложной системы взаимодействий в компании. Как эта проблема связана с бизнес-процессами, лидерством, рыночной позицией, технологическими решениями? Какие неочевидные факторы могут влиять на ситуацию?».

Наша профессиональная идентичность определяет то, как мы воспринимаем и формулируем проблемы. Это создаёт эффект линз, через которые мы смотрим на реальность, по сути, отфильтровывая всю информацию, которая не соответствует «рамке» наших профессиональных парадигм.

3. Иллюзия линейности: мир сложнее, чем нам кажется

Линейное мышление – это привычка видеть причинно-следственные связи как простые, прямые и пропорциональные: если А вызывает Б, то удвоение А должно вызвать удвоение Б. Но реальный мир гораздо сложнее. В нём преобладают нелинейные системы с петлями обратной связи, эмерджентными свойствами, пороговыми эффектами и хаотическим поведением.

Если вы просите ИИ: «Составь детальный план проекта на следующие 6 месяцев с чёткими этапами и сроками», вы получаете линейный план, который разбивается о реальность уже на первом шаге.

Более продуктивный подход: «Помоги мне разработать адаптивный подход к планированию проекта, учитывающий его нелинейную природу. Какие ключевые точки принятия решений следует предусмотреть? Какие факторы могут привести к неожиданным поворотам? Как мы можем использовать эмерджентные свойства системы вместо того, чтобы бороться с ними?».

Проблема в том, что наш мозг эволюционно предрасположен к линейным моделям – они для нас привычнее, а потому проще для понимания и прогнозирования. Нелинейность и эмерджентность требуют более сложных когнитивных моделей, которые труднее создавать и поддерживать. Страх неопределённости: комфорт ложной уверенности

1. Избегание когнитивного диссонанса: как мы защищаем свою картину мира

В 1950-х годах психолог Леон Фестингер изучал религиозную группу, которая верила в скорый конец света. Когда предсказанное пророчество не сбылось, многие её члены, вместо того чтобы признать ошибку, ещё сильнее укрепились в своей вере, решив, что их преданность и их молитвы «спасли мир».

Когнитивный диссонанс – это психологический дискомфорт, возникающий при столкновении с информацией, противоречащей нашим убеждениям. И мы готовы на многое, чтобы его избежать – даже на отрицание очевидного. Поэтому когда ИИ предлагает нам идею, противоречащую нашим убеждениям, мы её отвергаем, чтобы не разрушить свои представления.

Допустим, вы спрашиваете: «Почему наша традиционная модель маркетинга перестала работать? Что мы делаем не так?». Система даёт ответ – и вы буквально холкой чувствуете, что он вам не нравится. Почему? Вы найдёте тысячу объяснений! Но ваши объяснения – часть «неработающей модели», которую вы зачем-то принялись защищать.

Более продуктивный подход: «Рассмотрим ситуацию, когда наша традиционная модель маркетинга перестаёт работать не из-за ошибок в её применении, а из-за фундаментального изменения экономической ситуации, потребительского поведения, способов восприятия контента и т. д. Какие противоречия в наших базовых предположениях это может выявить? И как эти противоречия могут стать источником новых идей, а не проблемой, требующей немедленного разрешения?».

Когнитивный диссонанс вызывает мощный психологический дискомфорт, потому что мы бессознательно ассоциируем свою правоту, своё представление о мире с личной безопасностью. И мозг стремится минимизировать эту мнимую угрозу – это, по сути, защитный механизм, направленный лишь на поддержание стабильности наших ментальных моделей.

2. Ложная дихотомия: искусственное упрощение сложного мира

«Ты либо с нами, либо против нас» – классический пример ложной дихотомии, логической ошибки, которая представляет сложную ситуацию как выбор между двумя крайностями, игнорируя множество промежуточных или альтернативных вариантов.

Этот тип мышления особенно распространён в поляризованных дискуссиях – политических, религиозных, этических – где сложные вопросы упрощаются до «за» или «против». Например, вы спрашиваете у ИИ: «Что лучше: создать новый продукт или улучшить существующий?». Имеет ли смысл ждать интересный ответ на такой вопрос?

Более продуктивный подход: «Давай исследуем континуум возможностей между улучшением существующего продукта и созданием нового. Какие гибридные решения могут возникнуть? Какие новые измерения проблемы мы обнаружим, если откажемся от бинарной постановки вопроса?».

Да, бинарное мышление требует меньше когнитивных ресурсов и создаёт иллюзию контроля, но оно значительно обедняет спектр возможных решений.

3. Преждевременная конкретизация: боязнь остаться в неопределённости

Вспомните совещания, на которых команда спешит принять конкретное решение, даже если проблему ещё не разобрали на составные части, чтобы действительно понять, что идёт не так. Или, например, маркетинговую кампанию, которая запускается без глубокого понимания целевой аудитории, просто потому что «надо уже что-то делать».

Преждевременная конкретизация – это стремление как можно быстрее перейти от абстрактного к конкретному, от исследования к реализации, часто пропуская важный этап глубокого понимания проблемы.

Бессмысленно требовать от ИИ конкретные рекомендации об улучшении системы управления проектами, до того, как вы сами разобрались в том, в чём суть проблемы.

Более продуктивный подход: «Давай сначала исследуем различные концептуальные подходы к управлению проектами и посмотрим, как от этого зависят конкретные рекомендации по улучшению. Какие метафоры и модели мы могли бы рассмотреть, чтобы увидеть возможные аналогии? Как изменится наше понимание, если мы будем думать об управлении проектами как, например, о живой системе или о системе коммуникации, а не как о механизме?».