ОПОЗДАВШИЕ В БУДУЩЕЕ

ЧАСТЬ

I

. ЮРИСТ, КОТОРЫЙ ОПАЗДЫВАЕТ

Глава 1. Профессия, которая считала себя незаменимой

Юристы долго имели основания считать свою профессию защищенной от автоматизации. Машина могла посчитать проценты, найти слово в базе, отсортировать документы, но право казалось слишком контекстным. Одно и то же предложение договора приобретает разный смысл в зависимости от поведения сторон. Показание свидетеля нельзя оценить без понимания мотива, последовательности событий и других доказательств. Судебная позиция — это не сумма норм, а стратегия.

Генеративные модели изменили не природу права, а стоимость предварительной интеллектуальной работы. Они научились быстро работать с естественным языком: выделять тезисы, сравнивать версии, искать противоречия, создавать таблицы, преобразовывать разговор в структуру, предлагать вопросы и гипотезы.

Это не означает, что машина стала адвокатом. Это означает, что один адвокат получил возможность использовать десятки виртуальных помощников для разных операций.

Проблема начинается тогда, когда специалист сравнивает себя не с ИИ, а с другим специалистом, использующим ИИ. Конкурентное преимущество возникает не потому, что второй «умнее». Он просто способен прогнать дело через большее число интеллектуальных фильтров.

Представим 20 томов уголовного дела. Традиционный режим: чтение, пометки, таблица, выписки, сверка показаний, перечитывание протоколов, поиск противоречий. Все это необходимо и никуда не исчезает. Но поверх этой работы можно наложить цифровой слой: автоматически собрать хронологию, извлечь упоминания фамилий и организаций, сравнить суммы, выявить расхождения дат, сгруппировать эпизоды, подготовить перечень вопросов, заставить модель последовательно выступить обвинителем, защитником и критиком обеих версий.

Юрист без ИИ получает одну рабочую неделю. Юрист с хорошо выстроенной системой получает ту же неделю плюс дополнительные циклы проверки.

В этом и состоит угроза опоздания: опыт не обесценивается. Наоборот, он становится еще важнее — но только если соединяется с новым инструментарием.

Глава 2. ИИ как интеллектуальный экзоскелет

Экзоскелет не заменяет человека. Он увеличивает силу движения, которое задает сам человек. Эта метафора точнее всего описывает полезную роль ИИ в профессии.

Слабый сценарий выглядит так: «Напиши иск». Машина создает правдоподобный документ, пользователь бегло его просматривает и отправляет. В таком режиме ИИ становится генератором текста, а юрист постепенно превращается в оператора кнопки.

Сильный сценарий устроен иначе. Юрист формулирует фактическую модель, отделяет доказанные обстоятельства от спорных, задает правовую рамку, указывает ограничения, просит построить несколько конкурирующих версий, затем отдельно — найти слабые места каждой. После этого проверяются нормы, практика, даты, цитаты и только затем формируется документ.

Главное преимущество ИИ — не красивый русский язык. Главное преимущество — дешевизна дополнительной интеллектуальной итерации.

Можно десять раз спросить: «Что я не заметил?» Можно заставить систему перечитать тот же массив только на предмет дат. Потом только на предмет платежей. Потом только на предмет изменения показаний. Потом — с позиции следователя. Потом — с позиции суда. Потом — с позиции человека, который хочет опровергнуть всю конструкцию защиты.

Раньше на такую многоугольную проверку часто не хватало времени команды. Теперь часть ее можно сделать машиной. Но ценность возникает лишь при одном условии: человек понимает, зачем он запускает каждую итерацию и как проверить результат.

Глава 3. Архитектура сильной юридической работы

Работа с ИИ должна начинаться не с промпта, а с архитектуры.

Первый слой — факты. Что мы знаем из первичных документов? Что является утверждением стороны? Что сообщено свидетелем? Что следует из платежа, записи, договора, экспертизы?

Второй слой — происхождение. Откуда появился каждый факт? Можно ли вернуться к первоисточнику? Есть ли подлинник? Сохранилась ли цифровая цепочка происхождения? Кто создал документ и когда?

Третий слой — противоречия. Какие элементы нельзя одновременно признать истинными? Какие даты не сходятся? Где сумма в обвинении отличается от бухгалтерского документа? Где свидетель меняет позицию?

Четвертый слой — правовая квалификация. Какие нормы могут применяться и при каких фактических предпосылках? Какие элементы состава или основания иска нужно доказать?

Пятый слой — процессуальная стратегия. Что необходимо заявить сейчас, а что сохранить для другой стадии? Какой документ потребовать? Какого свидетеля вызвать? Какой вопрос способен изменить доказательственную картину?

ИИ полезен на каждом слое, но итоговый переход между слоями должен контролировать юрист. Самая опасная ошибка — позволить модели смешать факт и правовую оценку так, что гипотеза начнет выглядеть доказанным обстоятельством.

Глава 4. Красная команда: научить машину спорить с вами

Большинство людей используют ИИ как послушного помощника. Юристу гораздо полезнее превратить его в неприятного оппонента.

После подготовки позиции стоит создать «красную команду» — режим, в котором система получает задачу не подтверждать нашу версию, а разрушать ее.

Какие доказательства противоречат позиции? Где причинная связь только предполагается? Как оппонент объяснит тот же документ? Какой вопрос в перекрестном допросе окажется самым неудобным? Какая норма имеет исключение? Что суд может счесть злоупотреблением? Какой факт мы умолчали, потому что он нам не нравится?

У этого метода есть психологическая ценность. Человек склонен защищать собственную гипотезу и искать подтверждения. Машину можно многократно заставлять занимать противоположную сторону без эмоциональной цены конфликта.

Но и здесь необходима дисциплина. «Красная команда» не устанавливает истину. Она расширяет поле возможных атак. Задача человека — проверить, какие из них реально следуют из материалов дела.

Глава 5. Галлюцинация: убедительная ложь как профессиональный риск

Юрист привык относиться к тексту как к носителю авторитетности. Судебный акт оформлен определенным образом. Норма имеет номер. Цитата заключена в кавычки. Генеративная модель умеет воспроизводить внешние признаки достоверности, не имея гарантии достоверности внутри.

Отсюда правило: чем конкретнее юридическая ссылка, тем тщательнее независимая проверка.

Номер дела, дата определения, фамилия судьи, цитата из постановления, пункт нормативного акта — это не готовое знание, а заявка на проверку.

Полезная модель работы:

1. ИИ предлагает направление поиска.

2. Юрист открывает первичный источник.

3. Сверяет текст и контекст.

4. Проверяет актуальность нормы.

5. Проверяет, применимы ли факты дела, на которое ссылается модель, к собственному спору.

Этот процесс медленнее слепого копирования, но все равно быстрее поиска с нуля. И главное — сохраняет профессиональную ответственность там, где ей и место: у человека.

Глава 6. Адвокатская тайна и цифровая осторожность

Любая эффективность перестает иметь значение, если ради нее раскрывается информация доверителя.

Поэтому работа с внешними ИИ-системами требует отдельной гигиены. Нельзя исходить из того, что любой чат автоматически является сейфом. До загрузки материалов необходимо понимать условия сервиса, настройки хранения данных, возможность использования информации для обучения, место обработки, организационные правила фирмы и требования применимого законодательства.

Практический принцип прост: минимизация данных. Если для задачи достаточно обезличенного фрагмента, не загружать весь документ. Если можно заменить фамилии ролями, заменить. Если задача решается без адресов, телефонов, паспортных и банковских данных, удалить их. Если массив особо чувствительный, использовать локальный или специально разрешенный контур.

В 2026 году российское профессиональное сообщество уже обсуждает эту проблему не теоретически. Федеральная палата адвокатов проводила опрос о реальных практиках применения ChatGPT и аналогов, формировала подходы к рискам и публиковала практические материалы по применению ИИ в юридической деятельности. Судебный департамент при Верховном Суде РФ в мае 2026 года запустил пилот применения ИИ в федеральных судах — прежде всего для преобразования аудиозаписей заседаний в текст и поиска других служебных сценариев. То есть вопрос «придет ли ИИ в право» фактически закрыт. Обсуждать нужно правила его присутствия.

Глава 7. Авторство решения остается за человеком

Можно автоматизировать черновик ходатайства. Нельзя автоматизировать ответственность за его подачу.

Можно попросить ИИ предложить стратегию допроса. Нельзя передать ему ощущение момента, когда вопрос лучше не задавать.

Можно просчитать вероятные аргументы суда. Нельзя заменить машиной профессиональную обязанность юриста принять решение в условиях неполной информации.

Поэтому критерий зрелого использования прост: если человек не может объяснить собственными словами, почему вывод верен, он не имеет права выдавать его за профессиональный вывод только потому, что так написала модель.

ЧАСТЬ

II

. РЕБЕНОК, КОТОРЫЙ БУДЕТ ЖИТЬ С ИИ

Глава 8. Запретить невозможно, отдать нельзя

У родителей есть естественная реакция на новую технологию: сначала защитить. Но в случае ИИ полный запрет слишком похож на отказ учить ребенка пользоваться интернетом. Рано или поздно инструмент окажется рядом — в школе, университете, телефоне, работе.

Задача родителя меняется. Нужно не прятать ИИ, а сформировать режим, в котором ребенок остается субъектом обучения.

Ключевой вопрос: после взаимодействия с системой ребенок знает и умеет больше — или просто получил готовый результат?

Если ИИ объяснил непонятную тему несколькими способами, задал вопросы и помог выявить пробел — это усиление обучения. Если написал за ребенка сочинение, которое тот не способен пересказать, — это подмена обучения.

Разница не технологическая. Она педагогическая.

Глава 9. Память — не склад, а внутренняя карта мира

Иногда говорят: зачем запоминать, если все можно спросить? Эта мысль ошибочна уже потому, что проверка внешнего ответа требует внутреннего знания.

Человек без фактической базы хуже замечает невозможное. Если он не представляет последовательность исторических событий, ложная дата не вызывает внутреннего сопротивления. Если не знает примерного масштаба чисел, ошибочная сумма выглядит обычной. Если не держит в памяти понятия, ему трудно увидеть подмену определения.

Память — это не архив. Это сеть связей, на которую цепляется новое знание.

Поэтому ИИ должен помогать памяти работать, а не отменять ее. Хороший сценарий — карточки, интервальное повторение, вопросы без подсказки, восстановление последовательности, пересказ своими словами. Плохой — мгновенно показывать ответ раньше, чем ребенок попытался вспомнить.

Полезное семейное правило: сначала извлечение — потом подсказка.

Глава 10. Продуктивное усилие

Обучение не обязано быть мучительным, но оно требует усилия. Мышца не развивается от наблюдения за тренировкой. Память не укрепляется от чтения правильного ответа. Логика не растет от просмотра готового доказательства.

Исследования ИИ-обучения дают важную двойственную картину. Хорошо спроектированный ИИ-тьютор способен повышать эффективность обучения: в рандомизированном исследовании 2025 года на студентах физики персонализированный ИИ-тьютор дал более высокие учебные результаты за меньшее время, чем сравниваемое активное занятие. Но другие исследования и обзоры предупреждают о когнитивной разгрузке: если модель берет на себя тот самый процесс поиска и рассуждения, который должен выполнять ученик, появляется риск зависимости и поверхностного усвоения.

Следовательно, вопрос не «работает ли ИИ в образовании?». Он работает по-разному в зависимости от дизайна задания.

Глава 11. Семь вопросов критического человека

Ребенка будущего необходимо научить не одному волшебному промпту, а привычке проверять.

Перед ним могут быть семь вопросов:

1. Что именно здесь утверждается?

2. Откуда это известно?

3. Это факт, оценка или предположение?

4. Какие данные могли бы опровергнуть вывод?

5. Есть ли другое объяснение тех же фактов?

6. Можно ли проверить это независимым источником?

7. Что в ответе я не понимаю настолько, чтобы объяснить своими словами?

Эти вопросы полезны и при чтении учебника, и при просмотре видео, и при общении с ИИ. Их сила именно в универсальности.

ЧАСТЬ

III

. КАК МИР УЧИТ ДЕТЕЙ ЖИТЬ С ИИ

Глава 12. Почему международный опыт надо изучать без поклонения

Нет страны, которая уже получила окончательный ответ на вопрос, как воспитывать ребенка в эпоху генеративного ИИ. Технология меняется быстрее школьных программ, а долгосрочные последствия постоянного взаимодействия детей с разговорными моделями еще изучаются.

Поэтому неправильно составлять рейтинг «лучших стран». Полезнее смотреть на разные модели как на большой естественный эксперимент. Одни государства делают ставку на массовое знакомство с ИИ. Другие осторожнее допускают его к ученику, начиная с обучения учителей. Третьи строят национальные рамки безопасности. Некоторые уже успели скорректировать первоначально слишком быстрые реформы.

Для нашей задачи важны не флаги, а педагогические решения.

Глава 13. США: учитель впереди платформы

Американская модель по определению децентрализована: решения сильно зависят от штата, школьного округа и конкретной школы. Поэтому в США нельзя найти одну инструкцию, которая одинаково действует для каждого класса страны.

Но федеральная линия 2025–2026 годов дает несколько принципов, полезных для семьи.

В июле 2025 года Министерство образования США допустило использование федеральных грантов для AI-поддерживаемых учебных материалов, высокоинтенсивного тьюторинга и образовательной навигации, одновременно подчеркнув участие учителей и родителей, защиту данных и ответственное внедрение. В августе 2026 года ведомство выпустило более общую рамку ответственного использования образовательных технологий: сначала определить учебную проблему, затем спросить, кому, когда и на какой срок нужен инструмент, и наконец — какие данные доказывают, что он улучшает обучение.

Этот подход важен своей приземленностью. Технология не получает презумпцию полезности только потому, что она новая.

Для родителей отсюда можно вывести правило: у каждого применения ИИ должна быть учебная цель. «Пусть ребенок поиграет с чат-ботом» — слабая цель. «Пусть научится различать сильный и слабый аргумент» — цель, под которую уже можно проектировать занятие.

Американский Институт образовательных наук отдельно предупреждает о необходимости не заменять ИИ так называемое productive struggle — полезное интеллектуальное усилие ученика. Это особенно близко к нашей концепции: если система выполняет за ребенка необходимую для развития умственную работу, экономия времени становится потерей тренировки.

Глава 14. Китай: возрастная лестница и государственный масштаб

Китай строит внедрение ИИ в школе как последовательную лестницу.

В официальной рамке Министерства образования, опубликованной в конце 2024 года, для младших классов начальной школы акцент сделан на знакомстве с ИИ и интересе к технологии. В старших классах начальной школы и младшей средней школе — на понимании и использовании. В старшей школе — на создании проектов и применении более сложных технологий.

В мае 2026 года Китай представил новые ресурсы AI literacy для четырех ступеней: младшая начальная школа, старшая начальная, младшая средняя и старшая средняя. Для самых маленьких используются истории и наглядные сюжеты, затем простые задачи, дальше — объяснение технических принципов, а в старших классах — междисциплинарные проекты, применение и этические вопросы.

Особенно ценно, что официальный подход не сводит AI literacy к умению формулировать запрос. В него включаются базовые представления о технологии, практическое использование, этика и безопасность.

Для семейной педагогики китайский опыт подсказывает главный принцип: возраст ребенка должен определять не только время у экрана, но и тип интеллектуальной роли ИИ.

Маленькому ребенку не нужен безграничный разговорный агент. Ему нужен взрослый, который использует ИИ за кулисами для создания сказки, игры или упражнения. Подростку уже можно давать модель как оппонента и исследовательского помощника — при условии обучения проверке.

Глава 15. Эстония: думать с ИИ, а не вместо него

Эстонский AI Leap — один из самых интересных проектов для нашей книги именно потому, что страна не обещает, будто нашла окончательную формулу.

Программа стартовала в 2025/26 учебном году с учащихся 10–11 классов и учителей. В 2026/27 году предусмотрено расширение на всю старшую школу и профессиональное образование. Важны три элемента: доступ к современным ИИ-инструментам, отдельная подготовка преподавателей и научный мониторинг того, как технология влияет на учебные процессы.

Формула министра образования Эстонии Кристины Каллас практически совпадает с центральной мыслью этой книги: задача — научиться думать вместе с искусственным интеллектом, а не вместо него.

Еще один принцип эстонской модели — «сначала учитель, потом технология». Не ученик остается один на один с мощным сервисом, а школа создает педагогическую рамку его использования.

Это особенно важно для семьи. Родитель не обязан знать программирование или устройство трансформеров. Но он должен понимать педагогическую цель: когда ИИ объясняет, когда спрашивает, когда спорит, а когда его следует выключить и оставить ребенка один на один с задачей.

Глава 16. Сингапур:

AI

literacy

как часть общей грамотности

В 2026 году Министерство образования Сингапура объявило дальнейшее усиление AI literacy на всем образовательном пути. ИИ-грамотность интегрируется в учебные и внеучебные программы и ресурсы самостоятельного обучения, причем предполагаются возрастные этапы развития навыков.