Теория организации · Цикл «Система коллективного целеполагания»
Роль ИИ в коллективном целеполагании
Шесть статей этого цикла были посвящены архитектуре, где центральное место занимает человек и его цели. ИИ в этой архитектуре не появлялся. Это не случайно. В системе коллективного целеполагания интеллектуальный слой играет важную, но строго ограниченную роль: не управлять, а помогать. Не заменять человеческие решения, а делать их более информированными.
Эта статья завершает архитектурную часть цикла, вводя ИИ не как центральную идею, а как вспомогательный механизм. ИИ здесь — компонент системы, а не её основание. Если завтра вместо современных LLM появится совершенно другая технология, теория практически не изменится — изменится только реализация интеллектуального помощника.
Главный принцип. ИИ не принимает политические или организационные решения. Все решения о целях, приоритетах и стратегии принимаются людьми через коллективные процедуры. ИИ — интеллектуальная поддержка этих процедур, а не их замена.
1. Искушение алгоритмическим управлением
В 2020-е годы получила распространение идея «алгоритмического управления» — передачи организационных функций автоматизированным системам. Платформы типа Uber стали моделью: распределение заказов, ценообразование, оценка водителей — всё автоматизировано.
Перенос этой модели на коллективное целеполагание кажется естественным. Но он основан на заблуждении: что цели организации могут быть заданы извне — кем-то, кто стоит «над» коллективом. В системе коллективного целеполагания цели не задаются — они вырабатываются. И вырабатываются людьми.
Уточнение. ИИ может инициировать обсуждение новой цели: обнаруживать проблемы, выявлять узкие места, предлагать отказаться от старых целей, указывать на неочевидные связи. Но он не может самостоятельно принять решение о её постановке. Цель, рождённая объективными материальными противоречиями, осознаётся классом (коллективом) и формулируется людьми. ИИ может участвовать в обнаружении противоречий — но не в их политической оценке.
Кроме того, критерии эффективности — предмет политического спора, а не математической оптимизации. Что считать успехом: количество участников, глубину усвоения теории, количество акций? Каждый выбор несёт идеологическую нагрузку.
2. Интеллектуальный слой платформы
Чтобы избежать неверных обобщений, будем говорить не об «ИИ во́обще», а об интеллектуальном слое платформы, включающем разные технологии: LLM для анализа текста, графовые алгоритмы для поиска структур, рекомендательные системы, оптимизационные модели, машинное обучение для прогнозирования, экспертные правила для проверки.
В системе коллективного целеполагания можно выделить десять функций интеллектуального слоя.
Первая: поиск совпадений. В системе с тысячами целей участники могут не знать о близких или пересекающихся целях. ИИ находит совпадения: цели с похожими формулировками, требующие одних компетенций, которые могут быть объединены.
Вторая: выявление дублирования. Две цели преследуют один результат, но расходуют ресурсы независимо. ИИ предлагает координацию.
Третья: предложение декомпозиции. Для абстрактной цели ИИ предлагает типовые варианты конкретизации на основе аналогичных целей в прошлом. Решение о принятии — за людьми.
Четвёртая: поиск компетенций. Анализ требований задачи и профилей участников; поиск недостающих компетенций в графе.
Пятая: восстановление контекста. Для нового участника — сжатая история решений по цели: как возникла, какие варианты отвергнуты, почему приняты те или иные решения.
Шестая: моделирование сценариев. «Что произойдёт, если выбрать этот путь?» ИИ моделирует последствия разных стратегий: «если вариант А — понадобится 18 человек, 6 месяцев, возникнет нехватка дизайнеров. Если вариант Б — ресурсов меньше, но сроки длиннее». Это не принятие решения, а поддержка решения.
Седьмая: анализ рисков. ИИ предупреждает: для достижения цели отсутствуют две критические компетенции; сроки пересекаются с другой целью того же коллектива; ресурсы недостаточны.
Восьмая: обнаружение конфликтов целей. Не только дублирование, но ситуации, когда две цели взаимно исключают друг друга или конкурируют за одни и те же ограниченные ресурсы.
Девятая: обучение участников. На основе истории графа ИИ рекомендует литературу, показывает похожие проекты, объясняет предыдущие решения, находит наставников среди участников с релевантным опытом.
Десятая: извлечение закономерностей. Анализ истории: большинство успешных проектов проходили через одинаковую последовательность этапов; типовые причины срыва сроков; оптимальный размер группы для разных типов целей.
Десять функций интеллектуального слоя:
1. Поиск совпадающих целей — экономия усилий
2. Выявление дублирования — экономия ресурсов
3. Декомпозиция — экономия времени
4. Поиск компетенций — экономия поиска
5. Контекст — экономия обучения
6. Моделирование сценариев — экономия ошибок
7. Анализ рисков — экономия потерь
8. Обнаружение конфликтов — экономия координации
9. Обучение — экономия развития
10. Закономерности — экономия незнания
Все десять — экономия. Ни одна — не замена человеческого решения.
3. Чего ИИ не может и не должен делать
Определив, что ИИ может, важно определить границы. Они вытекают не из технологических ограничений, а из принципиальных соображений.
ИИ не может определять приоритеты. Приоритет — политическое решение, отражающее понимание исторического момента. Оно требует классовой оценки, а не вычислительной оптимизации.
ИИ не может назначать участников на задачи. Назначение — акт доверия. Оно предполагает учёт мотивации, совместимости, личных обстоятельств — того, что не сводится к данным профиля. ИИ может предложить кандидатов — решение остаётся за коллективом.
ИИ не может оценивать результаты. Оценка зависит от критериев, устанавливаемых коллективно. ИИ предоставляет данные — суждение выносят люди.
ИИ не может блокировать цели. Если цель кажется ИИ нереалистичной, он предупреждает — но не запрещает. Право на ошибку — фундаментальный принцип.
Между формальным и политическим — промежуточный слой. В первой версии статьи граница проводилась слишком жёстко: «формальное → ИИ, политическое → человек». На практике множество решений находятся между этими полюсами. ИИ может моделировать последствия, прогнозировать вероятности, оценивать риски — это не принятие решения, а его подготовка. Граница не абсолютна, а диалектична: ИИ становится частью практики, практика меняет сознание людей, люди меняют способы использования ИИ.
4. ИИ и коллективный интеллект
Коллективный интеллект — не сумма индивидуальных интеллектов, а способность организации обрабатывать информацию, принимать решения и накапливать знание. В системе коллективного целеполагания он складывается из трёх компонентов.
Люди — носители опыта, интуиции, политического чутья. Принимают решения. Но — уточнение, важное для марксизма: субъектом является не «коллектив вообще», а организованный класс, осознающий своё место в системе производственных отношений.
Граф целей — структура, фиксирующая историю деятельности. Внешняя память коллектива, не зависящая от смены участников.
ИИ — инструмент обработки этой памяти. Видит паттерны, корреляции, неочевидные связи.
Взаимодействие этих компонентов порождает эффект, недостижимый по отдельности. Люди ставят цели — ИИ проверяет совместимость — граф фиксирует результат. Люди принимают решения — ИИ моделирует последствия — граф сохраняет для будущих участников.
Для марксизма этот процесс — часть общественной практики. ИИ не просто «помощник» — он становится элементом практики, изменяющим её характер. Как использование машин меняло организацию труда в XIX веке, так использование интеллектуального слоя меняет организацию коллективной деятельности сегодня. Но эта трансформация не нейтральна: ИИ, обученный на данных капиталистического общества, неизбежно воспроизводит его идеологию. LLM не существуют «над обществом» — они продукты конкретного способа производства.
5. Объяснимость и её конкретное содержание
Принцип «все действия ИИ должны быть объяснимы» — правилен, но недостаточен. Что именно означает объяснение в системе коллективного целеполагания?
«ИИ рекомендует объединить цели А и Б, потому что: совпадают 83% ключевых понятий; используются одинаковые компетенции; различаются только сроки реализации; объединение высвободит 15% ресурсов». Вот это — настоящая объяснимость. Не утверждение, а развёрнутое обоснование, которое коллектив может проверить, оспорить или принять.
Кроме того, объяснимость должна быть многоуровневой: для разных участников — разный уровень детализации. Координатору нужны метрики и обоснования. Участнику на задаче — достаточно знать, почему рекомендация релевантна именно ему.
6. Риски: отчуждение, приватность, идеология
Концентрация информации о деятельности тысяч людей в одной системе создаёт риски, которые необходимо осознавать архитектурно.
Риск отчуждения. Марксизм описывает, как созданные человеком силы становятся самостоятельными и начинают господствовать над ним: товар, капитал, государство. Граф целей и ИИ могут пройти тот же путь. Если участники начинают мыслить только через систему, если граф воспринимается как внешняя сила, а не как продукт коллективной деятельности, — возникает новая форма отчуждения. Архитектура должна предотвращать это: граф — инструмент, а не субъект; ИИ — помощник, а не руководитель. Но одних архитектурных средств недостаточно — требуется политическое сознание коллектива, использующего систему.
Приватность vs коллективная память. В первой версии статьи были сформулированы два принципа: «история участия человека принадлежит ему» и «граф хранит коллективную память». Но они входят в противоречие: если человек удаляет свою историю, что происходит с памятью коллектива? Цели, в которых он участвовал, теряют часть контекста. Решения, которые он инициировал, лишаются автора. Это не технический, а политический вопрос — и он должен решаться коллективно: общедоступная анонимизированная история vs полное удаление vs частичное сокрытие.
Идеологическая обусловленность. Современные LLM обучаются на данных, созданных внутри капиталистического общества. Они неизбежно воспроизводят определённую идеологию: рыночную рациональность, индивидуализм, технократический подход. Интеллектуальный слой платформы должен быть настроен с учётом этого — или обучен на альтернативных данных. В противном случае ИИ будет незаметно воспроизводить буржуазные представления о том, что такое «эффективная организация».
Четыре красные линии. ИИ не определяет приоритеты. ИИ не назначает участников. ИИ не оценивает результаты. ИИ не блокирует цели. Любое отклонение от этих принципов ведёт не к повышению эффективности, а к новой форме отчуждения.
7. Техническая архитектура
С точки зрения технической архитектуры, интеллектуальный слой реализуется как набор сервисов, каждый из которых отвечает за одну из описанных выше функций. Ядро — графовая база данных, хранящая все цели, задачи, участников и связи. ИИ-модули подключаются к ней как внутренние сервисы, не имеющие прав на запись — только на чтение и предложение.
Каждое предложение ИИ фиксируется как событие в истории цели. Участники видят: «ИИ предлагает объединить цель А с целью Б на основании 70% совпадения формулировок — подробнее: ...». Они принимают, отклоняют или откладывают. Решение фиксируется как действие людей.
Такая архитектура гарантирует: ИИ всегда остаётся инструментом, а не субъектом. Он может быть отключён, заменён или модифицирован без изменения фундаментальных принципов системы.
Материал подготовлен на основе проекта «Цифровая система коллективного целеполагания» (CAOS). ThinkRed, 12 июля 2026. Редакция 2: доработана с учётом замечаний.
*ThinkRed*