Изображение создано при помощи нейросети
Цель любой работы с тренером или коучем — способность человека самостоятельно применять полученный навык. В этом помогает скаффолдинг — теория «строительных лесов». Кандидат психологических наук Ольга Абрамова рассказывает, насколько теория применима в технологиях ИИ-коучинга и почему скаффолдинг пока остается человеческой компетенцией.
Ольга Абрамова
Кандидат психологических наук, социальный психолог, антрополог, старший преподаватель Департамента психологии НИУ ВШЭ, коуч со специализацией в инновационном лидерстве в IT, куратор и председатель жюри направления «Психология» во Всероссийском конкурсе исследовательских работ «Высший пилотаж».
В современном мире алгоритмы часто принимают решения за человека: от выбора маршрута до структуры делового письма. В таких условиях снижается степень необходимости тренировать волю и критическое мышление. Состояние растущего делегирования человеком права выбора — в пользу внешних систем — исследователи называют алгоритмическим детерминизмом.
В прошлом выпуске мы разобрали понятие скаффолдинга — концепцию «строительных лесов», возникшую в 1970-х годах прошлого века. Под «строительными лесами» в образовании, обучении, тренировках понимают опору для человека — временную и исчезающую по мере отработки нового навыка.
В спортивной практике этот принцип работает так: тренер чувствует «зону ближайшего развития»* спортсмена и дозирует помощь ровно настолько, чтобы тот делал следующий шаг сам. В спорте такая логика — норма. В лайф- и бизнес-коучинге она приживается медленнее, и причина понятна — каждый раз кажется разумным продлить поддержку, подстраховать, закрепить результат. Истинная задача скаффолдинга — с самого первого сеанса проектировать момент завершения, когда коуч перестает быть опорой, а клиент уходит с готовностью справляться дальше уже без внешних «лесов»**.
Возникает вопрос, какую роль может сыграть искусственный интеллект в методологии скаффолдинга в коучинге? Если ИИ умеет отнимать самостоятельность, можно ли научить его эту самостоятельность возвращать? Десятки стартапов уже предлагают «ИИ-коучей», и стоит разобраться, что они умеют и где проходит граница.
Типичный «ИИ-коуч» устроен просто. Вы описываете языковой модели проблему — она генерирует ответ. Доступно круглосуточно, отвечает мгновенно. Но скаффолдингом это пока не становится — нет контингентности. Скаффолдер постоянно считывает, на каком этапе человек, и даёт ровно столько помощи, сколько нужно сейчас.
Одноагентная модель этих нюансов не видит. Она склонна к крайностям, либо выкладывает готовое решение целиком, лишая тренировки мышления, либо переспрашивает. Ей недостает чувства момента, без которого дозировать поддержку невозможно. Исследование Пассмора и коллег показывает, что уже после одной сессии коуча-человека оценивают выше ИИ-агента по всем ключевым параметрам, от доверия до рождения инсайтов. Объяснение не только в эмпатии — модель выдает ответы, но не выстраивает опору.
Куда интереснее устроены мультиагентные ИИ- системы (МАС). Вместо одного советника работают несколько специализированных агентов, скажем, аналитик, критик, стратег, трекер. Общаются они в первую очередь друг с другом — спорят, возражают, уточняют. Человек наблюдает за дискуссией со стороны. В эксперименте Куан с соавторами система из шести агентов привела к тому, что участники порождали вдвое больше собственных реплик, чем в разговоре с обычным чат-ботом. Менялась роль человека: c одиночным ботом он принимал готовое решение, а в мультиагентной системе координировал спор — соглашался с одним, возражал другому, замечал слабые места в аргументах.
В этом и спрятан обучающий механизм. В наблюдении за тем, как дискутируют разные советники, работает внутренний диалог, человек учится взвешивать, возражать себе, смотреть с разных сторон на проблему. Умение вести такую внутреннюю дискуссию — основа самостоятельности. Система учит способу искать ответы, что близко скаффолдингу***
Более перспективная модель — гибридный интеллект, где каждой стороне достаётся то, что она делает лучше. Рутинную часть поддержки берёт на себя цифровой помощник. Трекер хранит договоренности с клиентом коуча и не дает им раствориться в буднях. Аналитик показывает динамику. Критик задает неудобные вопросы. Человек-коуч остаётся в распознавании настоящих эмоций, в удержании противоречивого жизненного контекста, в этических развилках дискуссии.
Готового цифрового скаффолдера на рынке нет, есть отдельные агенты и конструкторы мультиагентных систем. И главная преграда не техническая, а педагогическая. Мы плохо умеем описать фейдинг (постепенное снятие поддержки) алгоритмически. По какому сигналу система должна снизить помощь? Когда человек сам сформулировал решение? Когда стресс опустился ниже какого-то порога, и какого именно? Живой тренер чувствует этот момент, и перевести это чутье в код — задача, к которой исследователи только подступаются.
Пока скаффолдинг — человеческая компетенция: умение предложить не ответ, а обучающую рамку; заметить, когда человек созрел для самостоятельного шага, и вовремя отойти. Самый сильный момент в этой работе наступает не в финале сессии, а позже, когда спустя полгода клиент пишет, что, попав в сложную ситуацию, сел, разобрал сам, по методике. И получилось! Опора убрана, а здание стоит.
* Понятие «зоны ближайшего развития» введено Л.С. Выготским в 1930-х годах, означает расстояние между задачами, которые человек может решить самостоятельно, и задачами, решаемыми под руководством наставника.
** Подробнее здесь
*** Подробнее можно почитать в статье Ольги Абрамовой здесь
Редактировала Марина Селина
В подписке — дайджест статей и видеолекций, анонсы мероприятий, данные исследований. Обещаем, что будем бережно относиться к вашему времени и присылать материалы раз в месяц.
Спасибо за подписку!
Что-то пошло не так!
