Эволюция искусственного интеллекта: откуда берется дефицит мотивации
Кратко
-
Большинство людей уже активно применяют ИИ и высоко оценивают персональный опыт, однако общество в целом относится к технологии с настороженностью, опасаясь за рабочие места, безопасность и уровень доверия.
-
Традиционные концепции интеграции технологий (TAM, UTAUT, TPB, VAM) связывают готовность использовать инновации главным образом с их практической отдачей, но этот критерий не проясняет природу массовой тревоги.
-
Гораздо более точным и прямым индикатором готовности внедрять ИИ выступает внутренняя мотивация, базирующаяся на трех фундаментальных потребностях: автономии, профессиональной компетентности и социальной причастности.
-
Агрессивная цифровизация способна ущемлять эти потребности, поэтому процесс интеграции искусственного интеллекта необходимо выстраивать так, чтобы минимизировать страх совершить ошибку.
Искусственный интеллект и общественное сознание
Начнем с того, что сегодня об искусственном интеллекте осведомлены практически все, за исключением незначительной погрешности, обусловленной возрастом, географией или уровнем благосостояния. Точную статистику назвать сложно, но в рамках репрезентативных выборок в России, США или странах Европы этот показатель приближается к абсолютным значениям. Тем не менее простая осведомленность кардинально отличается от практического опыта: по оптимистичным прогнозам, доля тех, кто хотя бы единожды прибегал к помощи ИИ, достигает 78%.
Следующий важный аспект — субъективная оценка полезности подобных контактов. Стоит отметить, что в академических теориях воспринимаемая результативность считается главным драйвером использования технологий, к чему мы еще вернемся. В целом царит мнение, что имеющиеся инструменты достаточно совершенны. Неудивительно, что более 80% респондентов (83%) отзываются о своем опыте взаимодействия с нейросетями исключительно в позитивном ключе.
Совершенно закономерно, что специалисты из цифровых сфер — в первую очередь IT-отрасли и финансового сектора — проявляют максимальную открытость к освоению подобных инструментов.
С другой стороны, социологические исследования демонстрируют заметную социальную тревожность в отношении ИИ. Масштабный опрос How People Around the World View AI, охвативший 25 государств, показал, что опасения по поводу интеграции нейросетей в повседневность перевешивают позитивные ожидания. Наиболее ярко это выражено в США, Италии, Австралии, Бразилии и Греции, где около половины взрослого населения испытывают скорее беспокойство, чем воодушевление. В среднем по выборке 34% опрошенных встревожены экспансией ИИ сильнее, чем вдохновлены, 42% занимают нейтральную позицию, и лишь 16% смотрят на развитие технологий с оптимизмом.
Доклад Trust and Artificial Intelligence at a Crossroads подтверждает эту тенденцию: глобальное неприятие инноваций доминирует над энтузиазмом. В частности, американцы выступают против дальнейшего распространения ИИ более чем в два раза чаще, чем поддерживают его.
Согласно результатам Bentley-Gallup Business in Society Survey: 2025 Report, главной угрозой по-прежнему считается риск потерять работу. Особую настороженность вызывает передача алгоритмам полномочий в сфере занятости, личной безопасности и здравоохранения. Для рабочей среды это критически важно: зоны наибольшей чувствительности — рекрутинг, оценка эффективности персонала и безопасность — характеризуются минимальным уровнем доверия.
Концепции принятия искусственного интеллекта
Главный парадокс текущей ситуации заключается в том, что доказанная эффективность ИИ не стимулирует общественный энтузиазм. При этом классические теоретические модели рассматривают именно полезность как ключевой драйвер использования новых технологий.
К примеру, модель TAM (Technology Acceptance Model) объясняет намерение прибегнуть к технологии через два убеждения: воспринимаемую полезность (perceived usefulness) и воспринимаемую простоту применения (perceived ease of use). Согласно TAM, процесс адаптации проходит три стадии: внешние триггеры (интерфейс, дизайн) вызывают когнитивный отклик, формирующий эмоциональную реакцию (отношение к инновации и намерение действовать), которая и определяет итоговое поведение. В среднем модель описывает примерно 40% вариативности принятия технологий, причем воспринимаемая полезность выступает мощнейшим предиктором с размером эффекта (effect size) 0,6. Дальнейшие модификации — TAM2 и TAM3 — охватывают уже 60% дисперсии, вводя множество дополнительных переменных: социальные нормы, профессиональный статус, соответствие рабочим задачам, самоэффективность и компьютерную тревожность. Тем не менее основополагающим фактором в них неизменно остается воспринимаемая полезность.
Наряду с TAM широко известна Универсальная теория принятия и использования технологий (UTAUT). Она объединяет восемь концепций и оперирует четырьмя конструктами: ожидаемой результативностью (performance expectancy), ожидаемыми усилиями (effort expectancy), социальным влиянием (social influence) и условиями среды (facilitating conditions). В качестве модераторов здесь выступают половозрастные характеристики, опыт и степень добровольности использования. И в этой структуре ожидаемая эффективность сохраняет статус доминирующего фактора.
И TAM, и UTAUT изначально затачивались под инновации, призванные повышать продуктивность. Однако и в более широких парадигмах, таких как теория запланированного поведения (TPB) или ценностно-ориентированная модель принятия (VAM), полезность остается ключевым рычагом изменения привычек. Так, TPB базируется на концепции рационального действия, где поведение выстраивается как цепочка логичных шагов, которым предшествует намерение. Последнее формируется под влиянием личного отношения (ожидания выгоды), субъективных норм (социального одобрения) и контроля над собственными действиями. Модель VAM появилась как ответ на ограниченность TAM, упускающей из виду внешние факторы. Базируясь на анализе затрат и выгод, она удерживает технические параметры, дополняя их фактором удовольствия (enjoyment) и воспринимаемых издержек (perceived fee). Итоговое решение принимается через призму воспринимаемой ценности. VAM успешно применялась для изучения IPTV, мобильных транзакций и IoT-экосистем.
Роль внутренней мотивации во взаимодействии с ИИ
Если чистая продуктивность не способна гарантировать массовое принятие искусственного интеллекта, то что же служит подлинным стимулом? Многочисленные исследования показывают, что самым мощным предиктором намерения задействовать, например, ChatGPT выступает внутренняя мотивация. Она воздействует на поведение напрямую, минуя те когнитивные фильтры, на которых строятся классические теории. Согласно теории самодетерминации (Self-Determination Theory), внутренняя мотивация (intrinsic motivation) подразумевает вовлеченность в деятельность ради нее самой — благодаря подлинному интересу, удовольствию и эмоциональному отклику, а не ради материальных бонусов или внешнего принуждения.
В свою очередь, этот вид мотивации опирается на три базовые психологические потребности: автономию (autonomy), компетентность (competence) и принадлежность к сообществу (relatedness). Масштабное исследование с участием 8806 респондентов из шести государств продемонстрировало, что ощущение компетентности и связанности с другими позитивно коррелирует с благожелательным отношением к ИИ, тогда как фрустрация любой из этих потребностей усиливает негатив. Работы 2024–2025 годов, проведенные среди студентов, подтверждают аналогичную структуру применительно к ChatGPT: удовлетворение потребностей в автономии, мастерстве и социальной включенности подстегивает внутреннюю мотивацию и степень удовлетворенности, что напрямую отражается на учебной вовлеченности.
Между базовыми потребностями человека и искусственным интеллектом существует глубокая двусторонняя связь. Интеграция нейросетей в бизнес-процессы может как поддерживать развитие сотрудников, так и разрушать их автономию и уверенность в собственных силах. Когда специалисты чувствуют обесценивание собственного опыта, неудовлетворенность трансформируется в «тревогу замещения» (AI replacement anxiety). Более того, избыточно интенсивное использование ИИ порой приводит к выгоранию внутренней мотивации. Иными словами, все зависит от архитектуры взаимодействия и контекста внедрения технологий.
Практический вывод для бизнеса очевиден: процесс цифровой трансформации необходимо проектировать как увлекательный и безопасный опыт, где допустимо ошибаться, а не ограничиваться сухим обучением и раздачей доступов. Исследователям же следует рассматривать внутреннюю мотивацию в качестве самостоятельного конструкта, оценивать реальное качество результатов и расширять выборки за счет действующих сотрудников, а не ограничиваться студенческой аудиторией.
Заключение
Очевидный разрыв между позитивной личной оценкой ИИ и общим скептическим настроем общества с трудом поддается объяснению через классические концепции. Модели TAM, UTAUT, TPB и VAM ставят во главу угла практическую отдачу и полезность — подход, прекрасно работающий на уровне отдельного индивида, но не объясняющий, почему общество в массе своей не спешит восторженно принимать технологическую экспансию.
Более целостное понимание дает теория самодетерминации: внутренняя мотивация, питаемая потребностями в автономии, компетентности и сопричастности, влияет на намерение использовать ИИ напрямую. При этом сам искусственный интеллект способен как укреплять эти потребности, так и подрывать их, порождая тревогу перед будущим и снижая вовлеченность при неудачном внедрении.
Главный практический урок заключается в смещении фокуса с демонстрации технологической мощи на качество пользовательского опыта. Внедрение ИИ должно оставлять людям ощущение личного контроля, профессионального роста и социальной связи, а не просто снабжать их более производительным инструментом. Для научного сообщества это означает необходимость измерять внутреннюю мотивацию как независимый фактор и верифицировать гипотезы в реальных рабочих коллективах.
Рекомендуемая литература
-
Pew Research Center. How People Around the World View AI (2025)
-
Pew Research Center. How the U.S. Public and AI Experts View Artificial Intelligence
-
Bentley University & Gallup. Bentley-Gallup Business in Society Survey: 2025 Report
-
Ipsos & Google. Our Life with AI: From Innovation to Application
-
Stanford HAI. AI Index Report 2025 — Chapter 8: Public Opinion
-
Marikyan D., Papagiannidis S. Technology Acceptance Model: A review
-
King W. R., He J. A meta-analysis of the technology acceptance model
Похожие статьи
Почему ИИ никогда не пройдут тест Тьюринга в Tinder: изнанка дейтинг-аутстаффа
Как эксперимент по внедрению человеческих клеток в мозг мышей изменил ход науки
Пружинка Слинки: простая игрушка со сложной физикой
Почему нельзя просто загрузить данные с фитнес-браслета в нейросеть для оценки здоровья
Один бильярдный шар теоретически способен произвести любое вычисление
Снятся ли трехмерному андроиду четырехмерные овцы?
Энергия на тысячу лет: как работают ядерные реакторы IV поколения