Мне кажется, вы обманываете себя насчёт ИИ

Louwrentius выдвигает два тезиса и в постскриптуме, добавленном после треда на Hacker News, формулирует их предельно прямо, потому что по существу почти никто не высказался. Первый: ваше ощущение возросшей продуктивности от ИИ может быть ошибочным, и проверить это у вас нет никакой возможности. Второй: даже если прирост есть, инструмент может не стоить своих реальных денег, когда вендоры перестанут его субсидировать. Раздел об экстерналиях, закрывающий публикацию, автор прямо обозначил как собственную предвзятость, а не как часть аргументации.

Опорой служит цитата Фейнмана из его речи 1974 года перед выпускниками Калтеха о культе карго в науке: первый принцип - не обманывать самого себя, а одурачить себя проще всего. Мысль Louwrentius в том, что сохранять такую честность перед собой здесь исключительно трудно: инструменты кажутся невероятно мощными, а работа с LLM ощущается более продуктивной прямо в процессе.

Почему это нельзя проверить

Структурный аргумент краток и не зависит от каких-либо исследований. Вернуться в прошлое и сделать ту же задачу без инструмента невозможно, поэтому нет альтернативного сценария (counterfactual) для сравнения. Эксперименты проводят слепыми или двойными слепыми именно затем, чтобы исключить подобную предвзятость из результатов, а ослепить самого себя относительно инструмента, которым активно пользуешься, технически невозможно. Именно поэтому автора не трогают личные отзывы, включая рассказы о приложениях, которые без ИИ никогда не были бы созданы: подобные отзывы - ровно то, ради исключения чего и существует научный метод.

Единственное измерение, на которое он опирается, - исследование METR с опытными разработчиками. В нём участники были уверены, что с ИИ справились быстрее, а по замерам вышло примерно на 19% медленнее. В постскриптуме он аккуратен с этими данными, и эта аккуратность показательна. Он признаёт февральское обновление METR 2026 года, где прирост продуктивности всё же обнаружили, и приводит оговорки самих авторов: участникам заплатили заметно меньше, плюс они столкнулись с разработчиками, которые вообще не хотели писать код без ИИ. Из исходного исследования он берёт не направление эффекта, а разрыв между тем, что разработчики думали, и тем, что показали замеры. Они измеримо обманывали самих себя - именно в этом и состоял тезис, и последующее обновление его не опровергает.

Одно популярное доказательство он отвергает наотрез. Массовые увольнения под предлогом внедрения ИИ не доказывают рост продуктивности; сам Сэм Олтмен назвал многие из них "AI washing". По мнению автора, это обычная коррекция после избыточного найма в стагнирующей экономике, причём часть увольнений затевается ради освобождения бюджета на покупку ИИ-ресурсов - людей увольняют из страха отстать, финансируя технологию, которая, возможно, так никогда их и не заменит.

Цена, которую вы не платите

Второй тезис касается того, что произойдёт, когда закончатся субсидии. Со ссылкой на материал TechSpot он отмечает: подписка за $200 начинает приносить вендору убыток при использовании примерно на 11%, а полная её выгрузка потребила бы токенов по ценам API ориентировочно на $14 000. Его вопрос: будет ли ощущаемый прирост продуктивности казаться оправданным, если платить за него не $200, а $2000 в месяц? Ставка в $200 достаточно мала, чтобы мало кто задавал вопросы; эти вопросы, по его мнению, просто откладывают на потом.

Открыто заявленная предвзятость

Последний раздел явно помечен как его собственная предвзятость по отношению к ИИ - структурная вежливость, которую остальная часть статьи вполне заслуживает. Он ИИ-скептик, на которого повлияли материалы Эда Зитрона (Ed Zitron), и ожидает, что у ИИ-индустрии закончатся деньги и её просто отключат. Его возражение оптимистам упирается в арифметику: инвестирован почти триллион долларов, но откуда возьмутся деньги, чтобы его вернуть? Если гиперскейлер поглотит лабораторию передового уровня, экономика не изменится - она просто перейдёт на более крупный баланс.

Затем он перечисляет экстерналии, на которые не может закрыть глаза: энергопотребление на фоне изменения климата, навязывание дата-центров бедным сообществам, масштабное присвоение материалов, защищённых авторским правом, замусоривание интернета (enshittification и "enslopification"), скупка памяти, взвинчивающая цены. Его вывод: инструмент нельзя отделить от этих последствий, поэтому он не пользуется ИИ по морально-этическим соображениям.

В строгом смысле этот раздел не подкрепляет два основных тезиса, да ему это и не нужно. Аргумент о продуктивности держится на том, способны ли вы объективно оценить собственный опыт, а аргумент о стоимости - на арифметике субсидий. Он вынес этику в конец и назвал её предвзятостью, а не стал смешивать с логикой рассуждений, что в этом жанре встречается нечасто.

В постскриптуме зафиксировано то, что произошло дальше: комментарии на HN были преимущественно пренебрежительными и не по существу, и никто не предложил ничего, кроме очередных личных историй - то есть ровно того класса свидетельств, который статья отвергает.

Где это находится на карте

В кластере скептицизма этого хранилища заметка занимает эпистемологическую позицию, а не инженерную или экономическую. anti-llm-discourse систематизирует этот кластер; позиция louwrentius объединяет экономическую ячейку (аргумент о субсидиях из того же семейства, что и у Зитрона) и более узкую тему, для которой на карте ещё нет отдельного места: утверждение о том, что субъективная оценка собственной продуктивности не может считаться валидным доказательством эффективности используемого инструмента.

У сбоя самооценки в хранилище уже есть эмпирический аналог. cognitive-debt - тот же самый разрыв, измеренный не по скорости, а по пониманию: в MIT выяснили, что 83% авторов текстов с помощью LLM не смогли процитировать ни строчки из только что написанного, а рандомизированное исследование Anthropic показало, что инженеры с ИИ заканчивали работу с той же скоростью, но с заметно худшим пониманием сделанного при последующей проверке. dont-outsource-learning собирает схожие исследования и добавляет наблюдение: разделение определялось внутренней установкой, а не доступом к инструменту. Во всех этих случаях результат выглядит хорошо, но оценка человеком собственного состояния ошибочна - это тот же тезис louwrentius, только со стороны процесса обучения.

Что касается денег, local-ai-is-not-opus - это взгляд практика на то же опасение со стороны того, кто инструментами пользуется: Алекс Эллис (Alex Ellis) указывает на переход Copilot от фиксированной цены к оплате за токены и на лимит Uber в $1500 на разработчика на инструмент как на доказательство того, что субсидирование реально прямо сейчас, а завтра его никто не обещает. Из практически идентичного понимания экономики он делает противоположный практический вывод: покупать собственное железо, а не отказываться от использования.

Статья: louwrentius.com, вместе с тредом на HN, вызвавшим появление постскриптума.