Интегрированный фреймворк трансформационного обучения в эпоху взаимодействия человека и ИИ
Классический подход (ADDIE, SAM, Bloom's Taxonomy) проектирует только когнитивное и деятельностное измерения. Это работало в парадигме «передача информации от эксперта к новичку» — но она сталкивается с системными ограничениями:
Симптом: Обученные не применяют
Корень: Не проработан эмоциональный слой
Симптом: Откат к старым паттернам
Корень: Не проработан соматический слой
Симптом: Стыд → сокрытие → отсев
Корень: Не проработан социальный слой
Симптом: Не могут учиться дальше
Корень: Не передана внутренняя опора
Симптом: Не масштабируется
Корень: Нет проектирования экосистемы
Симптом: Нет интеграции в работу
Корень: Не спроектированы циклы практики
Появление генеративного AI создаёт принципиально новую ситуацию:
Не замена учителя, а новый тип агента, способного продолжать поддержку после формального обучения
Без доверия человек не использует AI или использует неэффективно (перепроверяет каждый ответ, не делегирует)
Возможность «передать» знания AI-агенту через структурированные артефакты (guides, prompts, knowledge bases)
Обучение работе с AI требует изменения идентичности, привычек, способа мышления — не просто новых знаний
Статистика контекста: По различным оценкам, 70-95% enterprise AI pilots не достигают целей внедрения. Основная причина — не технологии, а люди: страх, недоверие, неготовность менять способ работы.
Фреймворк интегрирует три крупных потока
Вклад: механизм передачи от внешней опоры к внутренней
Вклад: многомерная архитектура, целостность личности
Вклад: цель развития автономии, метанаблюдение
Внешне опосредованное действие постепенно становится внутренним умственным актом. Цель — формирование внутренней способности ориентироваться, а не зависимость от эксперта.
Человек — не только когнитивная машина. Обучение затрагивает мышление, эмоции, тело, социальные связи. Игнорирование любого слоя создаёт системные поломки.
Отношения (к себе, к другим, к AI) — не «мягкий навык», а инфраструктура с конкретными параметрами. Доверие можно проектировать, измерять, ремонтировать.
Знания, оставшиеся только в голове человека, — уязвимы и не масштабируются. Обучение должно проектировать передачу в артефакты, команду, AI-агентов.
Фреймворк работает со всеми измерениями развития человека
Функция: Ясная ментальная модель
Решения: 1-3 принципа, decision trees, границы применимости
Функция: Превращение понимания в действие
Решения: Симуляции, циклы try→feedback→adjust, критерии успеха
Функция: Мотивация, устойчивость к фрустрации
Решения: Связь с личным смыслом, нормализация трудностей, «безопасная борьба»
Функция: Управление энергией и вниманием
Решения: Устойчивый темп, проектирование восстановления, embodied practice
Функция: Поддержка через связь
Решения: Peer feedback, «другие тоже борются», communities of practice
Функция: Формирование «внутреннего учителя»
Решения: Ясное намерение, явные границы (no shame/burnout), exit quality > completion
Функция: Масштабирование в экосистему
Решения: Формализация tacit→explicit, артефакты для AI-агентов, передача команде
Седьмой слой представляет принципиальную новизну
«Учебники», которые AI подгружает и использует для продолжения помощи человеку после формального обучения:
Как человек и AI работают вместе:
Как знания распространяются за пределы индивида:
Человек выходит с:
Доверие — проектируемая инфраструктура с конкретными параметрами, которую можно измерять и ремонтировать
Ты ≠ твоя ошибка. Можно не знать.
Правду можно сказать без расправы.
Сделал или передоговорил заранее.
Ясно, кто что решает.
Разбираем, а не воюем.
«Не можем» + честный план.
Признал → исправил → изменил.
Ошибаться можно, скрывать — нет.
Видим сигналы до пожара.
Низкое доверие = дорого (контроль, согласования, страховки)
Высокое доверие = дешевле координация, быстрее решения, устойчивее в кризис
Каждый верхний слой опирается на нижние. Нельзя выстроить «внутреннего учителя» (6), если человек выгорел (4) или стыдится спрашивать (5).
Trust Infrastructure пронизывает все слои:
| Cognitive | Доверие к модели, к источнику знания |
| Activity | Безопасность ошибки в практике |
| Emotional | Право на фрустрацию без стыда |
| Somatic | Право на паузу, на «не сейчас» |
| Social | Peer trust, психологическая безопасность группы |
| Holistic | Доверие к себе, внутренняя опора |
| Ecosystem | Доверие к AI-агенту, к системе |
Принцип: Доверие к AI нельзя «установить» лекцией. Оно выращивается через понимание границ AI, практику с обратной связью, эмоциональную готовность к ошибкам AI и накопление успешного опыта.
Что НЕ должно усиливаться
«Все уже поняли, а ты...»
«Это сложно для всех, давай разберём»
«Просто надо больше стараться»
«Отдохни, завтра продолжим свежими»
«Главное — закончить курс»
«Цель — способность учиться дальше»
Моральная девальвация за ошибку
Причины обсуждать можно; разрушать достоинство — нельзя
«AI всё сделает за вас»
Честные границы + план развития
Красная линия:
Легитимно: «Ресурса нет — выбираем из вариантов»
Нелегитимно: «Сделайте как мы хотим, иначе...»Обучение не должно использовать ультиматумы, стыд, шантаж — даже для «благих целей».
| Emotional | Участники открыто признают сложности |
| Somatic | Нет burnout после интенсивов |
| Social | Peer discussions активны, вопросы задаются |
| Holistic | После обучения продолжают учиться сами |
| Ecosystem | Знания появляются в prompts/guides/agent configs |
| Trust | Scope применения AI растёт, не сужается |
Понимание, качество практики, энергия, ресурс
Изменилось ли поведение, удерживается ли навык
Выросло ли доверие к себе и к AI, есть ли автономность, нет ли негативного следа
Обучение сотрудников работе с AI
Где нужна трансформация идентичности
Где нет «правильных ответов»
Где когнитивного недостаточно
Где нужна длительная поддержка
Цель — не сертификат, а «внутренний учитель»: способность человека продолжать учиться, адаптироваться и развиваться в партнёрстве с AI и сообществом.
