Чому інститут, а не ще один курс

Усе робоче життя я була дослідницею, а останні кілька років навчала досліджень продакт-менеджерів, дизайнерів і маркетологів — людей, які не називають себе дослідниками, але щотижня ухвалюють або пропонують рішення на підставі якихось доказів. Мені подобалась ця робота. Я досі її роблю. Але десь по дорозі я помітила, що вчу не тій дефіцитній навичці.

У кімнатах, де я сиділа, доказів було вдосталь. Інтерв'ю, дашборди, експерименти і дедалі частіше — гарно написаний AI-підсумок усіх трьох. Чого в тих кімнатах бракувало — того, що відбувається після того, як докази прийшли: хтось має вирішити, у що вірити, наскільки і що з цим робити. Я бачила, як добре дослідження програє перевазі, озвученій тиждень тому. Бачила, як аналізи замовляють, щоб виправдати вже зроблений вибір. Бачила команди, які називали себе data-driven і щиро так думали, поки дані чекали за дверима.

Нічого з цього не виправити, навчивши більше людей проводити інтерв'ю.

Що подешевшало і що подорожчало

Ось аргумент в одному абзаці. AI різко здешевлює збір і аналіз доказів. Підсумки, кластери, перше кодування, чернетка звіту — ціна прямує до нуля. Коли щось стає настільки дешевим, цінність переходить до того, що лишається дефіцитним. Дефіцитним лишається судження: поставити питання, вирішити, чи заслуговує відповідь на довіру, помітити, чого аналіз не бачить, тримати разом кілька видів доказів із різними способами помилятися — і взяти на себе наслідок.

Capability is not authority. Модель, яка видає відповідь миттєво, не заробила права вирішувати. Це право належить людині, і людина має вміти ним користуватись краще, ніж більшість із нас уміє зараз. Це вся територія Інституту: людське мислення для рішень, які мають значення, у світі, де технологія радо подумає за вас, якщо їй дозволити.

Не віддавай технологіям мислення там, де рішення має значення. Це не гасло проти AI. Це розподіл праці.

Чому слово «інститут»

Курс навчає. Інститут має щось знати — і вміти сказати, звідки знає.

Я обрала це слово свідомо, і воно накладає зобов'язання, яких я збираюсь дотримуватись. Ми робимо власні дослідження, а не лише навчаємо: наше перше дослідження, Хто насправді вирішує, реконструює реальні бізнес-рішення, щоб з'ясувати, коли докази змінюють вибір, якому впливова людина вже віддала перевагу, і що в цей момент насправді робить AI. Ми публікуємо методи, обмеження і пріори до того, як прийдуть дані, щоб ви могли тримати нас за них. Ми кажемо «ми ще не знаємо», коли не знаємо. І оновлюємось публічно, коли помиляємось, бо інституція, яка не може помилитись публічно, не заслуговує на довіру приватно.

Тест, який я прикладаю до всього, що ми робимо, простий: це збільшує суб'єктність людини над рішенням чи тихо її зменшує? Фреймворк, від якого люди почуваються ретельними, не стаючи точнішими, тест не проходить. Інструмент, який замінює судження і називає себе помічником, — теж.

Чим ми не є

Не школою UX-досліджень, хоча дослідження — це те, звідки ми прийшли і звідки починається більша частина нашого навчання. Не анти-AI: ми користуємось ним щодня, і саме дослідження кодується з його допомогою. Не бібліотекою промптів із логотипом. Не брендом селфхелпу з критичного мислення і не консалтингом, переодягненим у дослідницьку інституцію. І не місцем, де кожен продукт залежить від мене. Я засновниця і перший голос, але твердження мають стояти без мого імені, інакше це не твердження.

Що ми будуємо

Насамперед дослідження: як докази, влада і технологія насправді зустрічаються в організаціях — опубліковані відкрито. Навчання, яке починається з конкретного рішення, а не з теорії: один біль, один інструмент мислення, одна річ, якою можна скористатись завтра. Методи і плейбуки, що виживають після зустрічі з реальною компанією. І спільнота людей, які радше знатимуть, як вони вирішують, ніж почують про себе приємне.

Перший плейбук — про дослідження, які ведуть до реальних рішень, — уже вийшов. Перше дослідження зараз у полі.

Ніна Сьомкіна (Nina Somkina) · Founder, Institute for Human Reasoning

Institute for Human Reasoning — дослідницька й освітня організація про те, як люди мислять, оцінюють evidence і лишаються авторами важливих рішень у світі технологій.