В 2005 году в фристайл-турнире по шахматам, где разрешено играть с движками, выиграли двое любителей. Не гроссмейстеры с суперкомпьютерами, а два парня с тремя ноутбуками и рейтингом ниже мастерского. Их секрет — не игра, а процесс. Они выстроили способ договариваться между собой и тремя движками так, чтобы интерпретировать выдачу, ловить расхождения и выбирать лучший ход быстрее, чем гроссмейстер успевал переспросить программу.
Через двенадцать лет, в 2017, Каспаров (признан иноагентом) сформулировал из этого правило:
Слабый игрок + машина + лучший процесс > сильный игрок + машина + худший процесс. И сильнее, чем очень мощная машина сама по себе.
Тут же добавил про себя: «Я очень хороший шахматист. Но не очень хороший оператор. Это разные навыки».
В 2017 это звучало как экзотика из мира фристайл-шахмат. Сейчас кажется описанием половины моей рабочей недели.
В современных шахматах формула уже не работает. Движки стали настолько сильны, что человеческое вмешательство дает отрицательную отдачу: если сегодня переопределить ход Stockfish, ты почти наверняка ошибся. Человек в цикле, когда-то главное стратегическое преимущество центавров, превратился в обузу.
То есть формула умерла в той самой точке, где она родилась: на шахматной доске. Машина просто перестала нуждаться в подсказке.
Но за пределами доски, там где задачи открытые и нет единственно правильного хода, формула, кажется, только начинает работать.
Я регулярно вижу одну и ту же сцену. Новичок с хорошим процессом работы с Клодом закрывает задачи, на которых сеньор без процесса буксует. Не потому что джуниор умнее, а потому что он не конкурирует с машиной, а управляет ей. У него нет экспертного «я лучше знаю» — он смотрит, работает или нет. Если не работает, он итерирует, если работает, закрывает задачу и идет дальше.
Сеньор в это же время спорит с моделью. У него действительно глубокое понимание предмета, и каждое неточное место в выдаче его раздражает. Он начинает чинить. Потом чинить починку. Потом объяснять модели, почему она не права. К моменту, когда у него готов идеальный ответ, джуниор уже выкатил три неидеальных и собрал по ним обратную связь.
Я знаю, что описываю несимметричные кейсы. У сеньора в среднем все равно получится лучше на сложных задачах, на пограничных случаях, там, где модель ошибается тонко. Но усредненно по потоку джуниор с процессом обгоняет.
Шахматы с ИИ-напарником (centaur chess, как их назвали) намекают на точку, после которой глубина начинает мешать. Эксперт начинает конкурировать с инструментом вместо того, чтобы им управлять. Это про устройство навыка, не про характер и мотивацию.
Каспаров в той же мысли подчеркивает, что оператор все равно должен быть приличным игроком, decent player. То есть экспертиза не становится ненужной, она становится не главной. Появляется отдельное измерение, которое раньше было невидимым, потому что не с чем было его сравнивать.
Я бы назвал это измерение операторством. Умение выстроить интерфейс между собой и машиной так, чтобы на выходе получалось лучше, чем у каждого по отдельности. Это про процесс принятия решений. Когда доверять выдаче, когда перепроверять, когда гонять через второй инструмент, когда остановиться и подумать руками. Когда написать промпт длиннее, а когда короче. Когда тащить контекст в каждый чат, а когда стартовать заново. Когда поставить агента в петлю, а когда просто открыть Notion и подумать.
Все это отдельный навык, и он плохо коррелирует с глубиной знания предмета.
Исследование Stanford и Carnegie Mellon от ноября 2025 измеряет ровно это в другой формулировке: гибридные команды человек+ИИ обходят полностью автономных агентов на 68,7%. Автономные агенты без человеческого направления слишком быстро ломаются. То есть формула Каспарова в более общем виде — про работу с любой мощной системой, не только с шахматной программой.
Меня в этой истории зацепляет не сама формула, а то, что она вылезла из узкой области и стала общей. Шахматы — закрытая задача с одним правильным ответом, и там она в итоге уперлась в потолок мощности машины. Открытые задачи, где правильных ответов несколько и качество субъективно, устроены иначе. Там процесс масштабируется лучше, чем экспертиза, и в обозримом будущем не уперся ни во что.
Вопросы, которые из этого торчат и на которые у меня нет хороших ответов:
— Как учить операторству. На каком материале, через какие скиллы. Можно ли учить напрямую или это строго про практику с реальными задачами и тысячи часов выдачи под глазами.
— Нужно ли учить, если через 3-5 лет агенты сами смогут быть операторами агентов. Имеет ли смысл становиться оператором операторов или это уже мета-уровень для специалистов по ИИ.
— Что говорить студентам, которые приходят за экспертизой. Как обосновывать, что стоит докапывать предмет, если оператор бьет эксперта в долгосроке по производительности.
— Может проще не учиться оператору, а арендовать ИИ-эксперта или купить готовый продукт у того, кто этот навык уже выстроил.
Мой рабочий ответ на четвертый вопрос — нет, не проще. Потому что оператор работает на стыке твоей задачи и машины, а арендованный эксперт работает на стыке своей задачи и машины. Стыки разные, и снаружи это плохо склеивается. Но я в этом ответе уверен наполовину.
И возвращаясь к промптингу из прошлого эссе. Промптинг — это язык, на котором ты разговариваешь с машиной. Операторство — это процесс, в который встроен этот разговор.Промптинг — это CEFR Можно знать язык на C2 и быть слабым оператором, и наоборот. Это разные слои, и измерять их одной шкалой не получится.
Пока я наблюдаю, что вторая шкала важнее первой. Но возможно, это потому что про первую все уже более-менее понятно, а вторую только начинают замечать.