惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
V
V2EX
V
Visual Studio Blog
博客园_首页
Last Week in AI
Last Week in AI
Apple Machine Learning Research
Apple Machine Learning Research
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
S
SegmentFault 最新的问题
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Martin Fowler
Martin Fowler
Recent Announcements
Recent Announcements
J
Java Code Geeks
月光博客
月光博客
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
F
Fortinet All Blogs
P
Privacy & Cybersecurity Law Blog
C
CERT Recently Published Vulnerability Notes
C
CXSECURITY Database RSS Feed - CXSecurity.com
B
Blog RSS Feed
S
Schneier on Security
酷 壳 – CoolShell
酷 壳 – CoolShell
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
W
WeLiveSecurity
A
Arctic Wolf
U
Unit 42
博客园 - 司徒正美
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
有赞技术团队
有赞技术团队
Recorded Future
Recorded Future
Engineering at Meta
Engineering at Meta
Google DeepMind News
Google DeepMind News
大猫的无限游戏
大猫的无限游戏
Microsoft Security Blog
Microsoft Security Blog
Hacker News: Ask HN
Hacker News: Ask HN
量子位
B
Blog
T
The Exploit Database - CXSecurity.com
C
Cisco Blogs
博客园 - 三生石上(FineUI控件)
H
Help Net Security
博客园 - 叶小钗
C
Cyber Attacks, Cyber Crime and Cyber Security
L
LINUX DO - 热门话题
Hugging Face - Blog
Hugging Face - Blog
Google DeepMind News
Google DeepMind News
小众软件
小众软件
雷峰网
雷峰网
TaoSecurity Blog
TaoSecurity Blog
Schneier on Security
Schneier on Security

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Ловушка невозвратных затрат: как мозг доплачивает нам за бесполезные страдания
la__vita__fe · 2026-05-14 · via Все публикации подряд на Хабре

Ловушка невозвратных затрат: как мозг доплачивает нам за бесполезные страдания

Время на прочтение16 мин

Охват и читатели0

Вы купили онлайн-курс по Rust, но на третьем модуле поняли — не отзывается, мотивации нет, залипаете в чужих туториалах вместо своего материала. Но все равно продолжаете смотреть. Каждый вечер. Через силу. Если бы курс был подарен, закрыли бы вкладку через неделю.

Этот механизм работает у нас, у мышей в лабиринте или крыс в лаборатории. Он опирается на молекулярную цепочку с участием ацетилхолина и дофамина в прилежащем ядре, программируется в детстве и обходится бизнесу по подписке в миллиарды. В последние годы наука переписала то, что мы знали о ловушке невозвратных затрат — и заодно показала, что выходить из неё всегда — не лучший совет.

Разбираемся с последними исследованиями по теме: что не так с объяснением из учебника, где живёт эта ловушка физически, у кого настроена тоньше, и почему MoviePass обанкротилась именно потому, что её бизнес-модель работала слишком хорошо.

Учебник врёт

В стандартном курсе по поведенческой экономике картинка обычно такая: люди иррациональны, потому что плохо считают; менеджеры дожимают убыточные проекты, потому что не могут признать ошибку; лекарство — критическое мышление, математическая грамотность и рефлексия.

Все три части этой картинки в последнее десятилетие несколько пошатнулись.

Классика не реплицируется чисто. Канонический эксперимент — Барри Стоу, 1976[1]. Сценарий менеджерской дилеммы: вы CFO большой компании, пять лет назад выделили десять миллионов одному из двух R&D-направлений. Сейчас ясно, что выбор оказался провальным: программа приносит убытки, а альтернативная — наоборот, вышла в плюс. На столе ещё двадцать миллионов, и распорядиться ими можно как угодно.

В оригинале участники, которые сами приняли первое решение, заметно охотнее вкладывались в провальный проект, чем те, кто пришёл «извне» — то есть унаследовал чужой выбор. Это и есть эскалация обязательств: признать собственную ошибку — больно, проще «дожать».

Работа Стоу — одна из самых цитируемых по теме. В 2021 году Михал Бялек с коллегами (Economics and Business Review)[2] повторили её на польской выборке — 365 человек. Эффекта не обнаружили. Личная ответственность за первое решение не влияла на распределение средств. Люди давали больше проекту, который шёл лучше.

Дополнительно авторы проверили две классические защиты от когнитивных искажений: числовую грамотность и склонность к рефлексивному мышлению. Ни одна, ни другая с эскалацией обязательств не коррелировали.

Это не значит, что эффект Стоу — артефакт. Это значит, что эффект более контекстно-зависимый, чем учат и распространённый тезис «у умных ловушка слабее» — не установленный факт, а удобная гипотеза. 

Соман (2001)[3] утверждал: ловушка невозвратных затрат сильнее работает с деньгами, чем со временем. Логика опиралась на ментальный учёт — деньги мы умеем учитывать, у нас в голове есть пусть кривая, но бухгалтерия. Время — нет, поэтому потерянные часы мы себе прощаем легче.

Николай Петров с командой (2023, International Review of Social Psychology)[4] провели репликацию на 821 участнике:

  • В одной части эксперимента разница между деньгами и временем подтвердилась, но в полтора раза слабее оригинала.

  • В другой — не подтвердилась вообще. Время цепляло участников ровно так же, как деньги.

  • А в расширении, где специально вводили «учёт времени по-денежному» (то есть тот самый механизм, который, по Соману, должен был усилить ловушку), — никакого усиления не произошло.

Индустрия тайм-трекеров, KPI и Toggl-отчётов построена на гипотезе «сделаем время как деньги — и человек начнёт его беречь». Но похоже, время цепляет нас и без изощренного учёта, просто иначе.

Дейкстра и Хун (2019)[5] дали к этому объяснение. В четырёх экспериментах они показали: ловушку запускает не сбой расчёта, а интегральный негативный аффект — конкретное чувство потери уже вложенного. Не плохое настроение вообще, а реакция именно на этот сценарий.

Когда участников просили обосновать решение вслух, прежде чем зафиксировать, эффект ловушки слабел. Перевод эмоционального в вербальное забирает у эмоции часть власти.

Когда им давали побочную задачу, мешая думать, связь между аффектом и ловушкой усиливалась. У префронтальной коры есть власть над эмоциональным решением, но её надо запускать намеренно. По умолчанию она не участвует.

Из этого получается рабочий лайфхак: проговорить вслух «если бы у меня сейчас не было этой инвестиции — я бы её сделал?». Это не магическое заклинание, а способ перевести решение из эмоционального регистра в вербально-аналитический. Из «больно отпускать» — в «логично или нет».

Если ловушка работает не от плохой арифметики, а от эмоций — она должна быть глубже коры. И тогда, например, мыши могли бы попадаться так же.

И они попадаются.

Мыши не лгут — но только в зоне ожидания

В 2018 году группа Дэвида Редиша из Миннесоты опубликовала в Science работу[6], которая многим коллегам не понравилась. Ловушку невозвратных затрат они показали у мышей, крыс и людей в одной и той же экспериментальной парадигме. И точно указали, в какой момент принятия решения она включается.

Эксперимент назывался Restaurant Row. Голодная мышь бегала по круговому лабиринту с четырьмя «ресторанами». В каждом — пища одного определённого вкуса. У каждой мыши свои предпочтения — кому-то банан вкуснее, кому-то виноград, у каждой индивидуальный порог «готова ждать ради этого вкуса столько-то секунд». Эти пороги авторы аккуратно измеряли заранее, и они оказались устойчивыми день ото дня — у мышей оказались свои кулинарные привычки.

При входе в ресторан мышь слышала звуковой сигнал. Высота тона кодировала цену — сколько нужно подождать, чтобы получить порцию. Узнав цену, мышь решала: заходить в этот ресторан или бежать к следующему. Это первичный выбор — между альтернативами.

Если мышь заходила, начинался отсчёт. Она могла развернуться и уйти в любой момент. Это вторичное решение — отказываться или нет от того, во что уже вложилась.

В точно таких же условиях в эксперименте участвовали крысы.

За людьми наблюдали в процессе работы за компьютером, в так называемой Web-Surf Task. Им предлагали подписаться на видео определённого жанра (котики, танцы, велосипеды, пейзажи) и подождать, пока оно загрузится; чем длиннее «загрузка», тем выше цена. И снова две зоны: сначала — решить, открывать ли видео этого жанра вообще. Потом — оставаться ли, пока загрузка ещё идёт.

Тридцать две мыши тренировались в задаче по нескольку месяцев. Крысы — несколько недель. Люди проходили за один сеанс. И вот что увидели исследователи.

В первой зоне — где принимается решение «заходить ли вообще» — sunk cost не работает. Ни у мышей, ни у крыс, ни у людей. Сколько бы времени ни было потрачено в общем сеансе, сколько бы ни стоило предложение — никакого влияния на готовность зайти. Все решали рационально, исходя из ожидаемой пользы.

Во второй зоне — где принимается решение «уйти ли отсюда, пока ещё не поздно» — sunk cost работает у всех. Чем дольше мышь прождала, тем меньше она готова уйти, даже если в расчёте уход выгоднее ожидания. То же у крыс и у людей. Эффект устойчивый: у крыс F = 33,93, p < 0,0001, у людей — на той же стороне с похожей силой.[6]

Это, на мой взгляд, главный неочевидный факт во всей литературе по теме. Ловушка живёт не в принятии решений вообще, а в той системе, которая управляет выходом из уже начатого. Когда мы решаем «начинать ли», мы рациональны. Когда решаем «бросать ли» — нет.

Возвращаясь к курсу по Rust. Когда его покупали, это было рационально: оценили программу, отзывы, цену, перспективы. Когда сегодня вечером решаем, открывать ли третий модуль, — работает уже другая система. Та же, что у мыши, которая четырнадцатую секунду ждет в ресторане банан.

Один штрих, который вернётся в финале и изменит мораль. Эффект сильнее в скудной среде: когда награды в задаче мало, мыши держатся за начатое сильнее[6]. Это адаптивно — в саванне с ненадёжным ресурсом бросать почти готовую охоту дороже.

Если ловушка живёт в системе «отказа от уже начатого» — что в ней устроено так, что отказ становится дорогим? Где мозг ведёт счёт уже вложенного?

Ответ нашли в прошлом году. И он связан с двумя самыми известными нейромедиаторами.

Дофаминовый заложник

Феномен, о котором будем говорить ниже, в строгом смысле — не sunk cost fallacy, а её ближайший родственник: оправдание усилия (effort justification). Мозг физически наделяет повышенной ценностью награду, доставшуюся тяжелее. Это не в полной мере идентичные явления, но топка у них одна. Если усилие повышает ценность, у мозга нет способа быть рациональным в вопросе «бросать ли»: каждое усилие в его учётной системе — не потеря, а прибавка к ожидаемой ценности.

Группа Нира Эшеля (Nature, 2025)[7] показала как именно это работает на молекулярном уровне.

Мышь учат тыкать носом в порт за сахарозой. В разных сессиях меняется «цена» порции: 1, 5, 10, 21, 46 тыков. Награда одна и та же. Меняется только усилие. В прилежащем ядре мыши установлены оптические сенсоры GRAB DA (на дофамин) и GRAB ACh (на ацетилхолин).

Главный результат: чем выше требуемое усилие, тем больше дофамина мозг выбрасывает в момент получения награды. На FR46 пик отчётливо выше, чем на FR1.

Долгое время предполагалось, что выбросом дофамина в прилежащем ядре управляют с тел дофаминовых нейронов в среднем мозге (VTA). На срезах мозга, in vitro, давно показали другое: ацетилхолин может запускать выброс дофамина прямо у аксона, минуя клеточное тело. Десятилетиями этот эффект пытались поймать в живой ткани и не могли — пока не догадались посмотреть в условиях высокого усилия.

Сенсоры показали: ацетилхолин выбрасывается примерно за 400 миллисекунд до дофамина. Сначала ACh — потом DA.

Дальше — серия выключений, чтобы доказать причинность.

У одной группы мышей выключили способность холинергических нейронов выбрасывать ацетилхолин. Разницы между FR1 и FR46 в дофаминовом ответе больше не стало.

Другой группе мышей в прилежащее ядро вводили DHβE — антагонист никотиновых рецепторов. Мыши не стали ленивыми вообще. На FR1, где почти нет усилия, они работали как обычно. На FR46, где усилие у предела возможностей, тоже работали. Сломались средние режимы — FR10 и FR21, где надбавка «за труд» делает разницу. Там мыши заметно меньше зарабатывали.

Исследователи не разрушили мотивацию в принципе. Они вынули из неё одну конкретную составляющую — ту, что превращает усилие в дополнительную ценность награды.

Молекулярная цепочка получается такая. Когда мышь сильнее работает, холинергические интернейроны в прилежащем ядре активизируются и выбрасывают ацетилхолин, который садится на никотиновые рецепторы, расположенные на дофаминовых аксонах, и заставляет их при следующем сигнале о награде выбросить больше дофамина.

Усилие — это не только потраченная энергия. Это еще и инструкция: «обработай следующую награду как более ценную».

Один штрих. Никотиновые рецепторы, через которые работает эта система, — те же самые, на которые действует никотин из сигарет. Авторы предполагают, что модели никотиновой зависимости придётся пересматривать. Если канал, наделяющий ценностью «тяжелее заработанное», и канал, который захватывает курильщик, — один и тот же, никотиновая зависимость становится паразитированием на системе вознаграждения за усилие.

Зачем это эволюции. Если вы добываете еду в среде, где она ненадёжна (а это норма), нужен механизм, удерживающий в задаче, когда первые попытки не сработали. Усилие как сигнал «не сдавайся, ты уже близко» — простая и работающая стратегия. Авторы проводят линию от муравьёв до людей: эффект сохраняется слишком широко, чтобы быть случайностью[7]. Цена его утраты выше цены ошибочного упорства.

Вспомните мышей в скудной среде из прошлой главы — это та же история. В дефиците надбавка адаптивна. В нашей биологии нет переключателя «среда стала изобильной — выключайся», поэтому система продолжает работать на провальных стартапах, в выматывающих отношениях и на курсе по Rust, который не зашёл.

И теперь становится ясно, почему работает совет Дейкстры[5] из первой главы. Проговаривание вопроса — это попытка вынуть решение из системы вознаграждения и переложить его в вербальное рассуждение. Эмоциональная надбавка за усилие никуда не девается, но она перестаёт быть единственным источником сигнала.

Итак, у нас есть универсальный механизм. Он работает у мышей и у людей, опирается на никотиновые рецепторы в прилежащем ядре и заставляет ценить выше то, что досталось тяжело. Работает у всех. Но не у всех одинаково.

Объяснение последних лет звучит неожиданно. Дело не в характере, не в IQ, не в текущей зарплате. Дело в том, как мы росли.

Эхо детства

В 2023 году журнал Psychology & Marketing опубликовал исследования (Джхан, Ли, Парк и соавторы)[8], которые делают вывод: подверженность ловушке у взрослого человека предсказывается тем, в каком достатке он рос в детстве, но не тем, сколько он зарабатывает сейчас.

Дизайн стандартный: пилот плюс три эксперимента, разные сценарии, фиксация детского социально-экономического статуса (SES) до 12 лет, параллельный замер текущего дохода. Дальше — задачи на ловушку: бросить скучный фильм, за который заплатил; продолжать ли держать проигрышную инвестицию и т.п. 

Результат повторился во всех замерах. Чем беднее в детстве — тем сильнее держатся за уже вложенное. Текущий доход на результат не повлиял[8].

Промежуточная переменная, через которую это работает, — воспринимаемая расточительность отказа от уже вложенного. У людей с бедным детством бросить начатое субъективно ощущается как «выбросить впустую» в большей степени. Они не хуже считают. Они хуже переносят это конкретное чувство.

Важная деталь, которая в работе выглядит техническим уточнением. Эффект работал только тогда, когда инвестиция была денежной. Если в сценарии были вложены время или усилия — разницы между «выросшими в бедности» и «выросшими в достатке» не было. Программа из детства настроена не на любую потерю. Она настроена на потерю денег.

Это согласуется с эволюционной рамкой uncertainty management Амира с коллегами (2018)[9]: дети, выросшие в среде ресурсного дефицита, развивают преференции, минимизирующие downside-издержки неопределённости — большую риск-аверсию, склонность к гарантированным исходам, недоверие к будущим выгодам. 

В среде, где ресурсов мало, ошибочная трата дороже ошибочного недоинвестирования. Стратегия запечатывается рано и продолжает работать дальше — в том числе когда контекст давно изменился.

Соберём промежуточный итог. Универсальный нейрохимический механизм живёт в системе «выхода из уже начатого». Эта система калибруется в детстве.

Это неудобный вывод, но из него выходит одна неожиданно полезная вещь.

Ловушка невозвратных затрат — не всегда ловушка. Студенты, выросшие в бедности, реже бросают университет, потому что «уже заплатили за обучение». Та же программа, которая мешает вовремя выйти из плохой инвестиции, помогает дотянуть тяжёлый, но полезный курс. То же чувство удерживает в трудном проекте, который становится диссертацией. Или работающим бизнесом. Или сохранённым браком.

Мы вернёмся к этой мысли в финале.

Возраст лечит — но только от своих ошибок

Над возрастными различиями в ловушке невозвратных затрат много лет работает группа Джонелл Строу (JoNell Strough). В 2016 году они опубликовали ключевую работу: на репрезентативной американской выборке проверили, кто легче бросает провальный план — и что вообще можно сделать, чтобы людям это давалось проще[10].

Участникам разных возрастов показывали сценарий: некий план уже выполнен наполовину, уже понятно, что он неудачный. Готовы ли вы его отменить? Перед вопросом людей случайно разделили на три группы. Первой — давали инструкцию: «напишите о своих мыслях и чувствах в этой ситуации». Второй: «напишите, как можно улучшить ситуацию, чтобы план всё-таки удался». Третья была контрольной, без вмешательства.

Группа «мысли и чувства» отменяла план чаще двух остальных. Группа «как улучшить» — не отличалась от контрольной.

То есть инструкция, которую любая нормальная книга по продуктивности назвала бы «правильной» («не сдавайся, подумай, как это вытащить»), не помогает. А инструкция, которую большинство людей считают расплывчатой и бесполезной («посиди и подумай о своих чувствах»), — помогает.

Но это нелогично только на первый взгляд. Просьба «подумайте, как улучшить» не выключает эмоциональную систему — она её подкармливает. Чтобы ответить, мозг должен вообразить, как план всё-таки удаётся. Визуализация воображаемого успеха — топливо для «ещё немножко продержаться».

Просьба «подумайте о чувствах» переводит решение в вербальный регистр. Это та же логика, что у Дейкстры[5] в первой главе, только через эмоциональную рефлексию вместо аналитической. Оба приёма приостанавливают автоматизм и дают префронтальной коре время оценить ситуацию.

Возраст в работе действует устойчиво: чем старше — тем легче бросить. Молодые чаще, чем пожилые, спонтанно генерируют сценарии «как оно всё-таки удастся»[10]. Они не глупее, а просто более склонны генерировать сценарии светлого будущего. Пожилые меньше уговаривают себя.

В 2023 году те же авторы опубликовали тезисы — на репрезентативной выборке N = 1075, средний возраст 53 года. Дизайн похож, но с одним нюансом: половина участников принимала решения о собственном проваливающемся проекте, половина — о проекте близкого человека (любимого, ребёнка, родителя)[11].

Для собственных проектов всё повторилось. Чем старше человек, тем легче он решает остановиться.

Для проектов «за близкого» возрастное преимущество исчезает. Все возрасты оказались одинаково пристрастны.

Эта деталь хорошо ложится на всё предыдущее. Когда люди решают за себя, ловушка для денег работает сильнее, чем для времени — это стандартная картина. Когда решают за близкого, мозг перестаёт разбирать, во что именно мы вложились. Он просто не хочет терять.

Бизнес продаёт нам наше прошлое

В 2017 году MoviePass, американский агрегатор кинопоказов по подписке, без анонса уронил месячный тариф с $50 до $9,95. Минус 80%. Серверы лежали несколько часов — за сутки подписку купило больше людей, чем за всю предыдущую историю компании.

Команда экономистов и исследователей информационных систем — Минюэ Чжан, Джесси Бокштедт, Тинтин Сон и Сюань Вэй — опубликовала работу, в которой использовала это событие как естественный эксперимент[12]. Метод — difference-in-differences: сравниваешь динамику затронутой части рынка с незатронутой, до и после события, и смотришь разницу. Стандартный инструмент в эконометрике.

Тестируемая гипотеза: если ловушка невозвратных затрат — это про размер уже потраченных денег (как часто пишут), то снижение подписки в пять раз должно ослабить ловушку. Подписчики MoviePass должны были начать меньше ходить в кино. 

В реальности произошло обратное. За шесть месяцев после снижения цены сборы среднего фильма в США выросли на 12–35%. Подписчики MoviePass стали ходить в кино заметно чаще, чем до изменения.

Логика «меньше уплачено — слабее ловушка» оказалась неправильной. Парадокс объяснился, когда исследователи посмотрели на состав новой аудитории.

Пока подписка стоила пятьдесят долларов, её покупали в основном киноманы — те, кому кино важно само по себе. Когда цена упала до десятки, на её пришли люди чувствительные к цене. Условные «надо выжать максимум за свои деньги».

Эта аудитория не так сильно любит кино, но сильно боится переплатить. Не использовать подписку до конца для них расточительство. Тот самый медиатор из главы про детство[8].

Авторы посмотрели, какие фильмы выиграли больше всего. По наивной логике — все. По факту — нишевые качественные фильмы выросли сильнее блокбастеров[12]. Подписчик с активированной программой быстро посмотрит крупные премьеры, а потом пойдёт на артхаус и документалистику. Лучше нишевый фильм, чем непросмотренный сеанс из абонемента.

Дешёвая подписка с такой аудиторией случайно оказалась идеальным дистрибутором для длинного хвоста контента. Иногда выгоднее держать цену высокой именно потому, что низкая привлечёт «выжимателей», которые могут стоить больше, чем приносят.

MoviePass через два года обанкротилась. Не потому, что бизнес-модель не работала. Потому, что работала слишком хорошо: кинотеатрам приходилось отдавать заметно больше, чем компания собирала с подписок. Кейс стал учебной иллюстрацией того, что грамотно настроенная подписка делает с потребителем — и что «грамотно настроенная» не равно «прибыльная».

Как быть и что делать

Из всего разобранного следуют три практических приёма. Каждый адресует конкретный участок механики ловушки. Никаких «ставьте чёткие цели» и «осознавайте свои финансы».

1. Переведите решение в слова[5]. Конкретная формулировка:

«Если бы у меня не было этой инвестиции — я бы её сделал прямо сегодня?»

Это не риторика, а принудительный перевод эмоционального решения в аналитический регистр. CRT и числовая грамотность сами по себе ловушку не убирают (Бялек[2]), потому что они описывают, что у вас в голове, а не что вы с этим делаете. Вопрос запускает рассуждение там, где обычно работает аффект.

Важно: техника не работает под когнитивной нагрузкой[5]. В спешке, усталости или в чате с человеком, который вас торопит, эмоциональная реакция перебивает вербальную. Время — союзник.

2. Спросите о чувствах, а не об улучшениях[10]. Контринтуитивный момент: вопрос «как мне это вытянуть?» — главный двигатель ловушки. Замените на:

«Что я сейчас чувствую по поводу этой ситуации? Если бы прошлого не было — я бы этого вообще хотел?»

Звучит расплывчато, на курсах личной эффективности высмеют. И именно он в эксперименте снижал готовность держаться за провальный план[10]. А «подумайте, как улучшить» — не снижал.

3. Осознайте программу из детства[8]. Если вы росли в семье, где «нельзя выбрасывать», «надо доедать», «деньги на дороге не валяются» — нынешнее «жалко бросить» это не моральный вывод, а life-history strategy. Программа, прошитая до открытия первого банковского счёта.

Назвать её не значит отключить. Но осознание ослабляет автоматизм: вы перестаёте принимать сигнал «бросать жалко» за вывод и начинаете воспринимать его как симптом. Это уже большой шаг.

Если в проекте инвестированы деньги, особенно крупные, и решение принимается быстро — стоит быть к себе внимательнее обычного.

Все три приёма приостанавливают автоматизм системы «выхода» и привлекают к задаче префронтальную кору. Ловушка работает на автомате, контрприём — заставить себя думать вслух.

Но остается один вопрос: если ловушку можно ослаблять — стоит ли это делать всегда?

Это не баг, а фича

В предыдущей главе мы разобрали три способа ослабить ловушку невозвратных затрат. Все они опираются на хорошие исследования и работают. Теперь, когда инструмент уже в кармане, имеет смысл предложить странную вещь: пользоваться им осторожно.

Эффект Touponse[7] — усилия физически усиливают дофаминовый отклик — эволюционно сохранён в широком диапазоне видов. Но эволюция не сохраняет дорогостоящие механизмы случайно.

Как именно эта схема помогала выжить — понятно из главы про мышей в скудной среде. Мозг — не калькулятор будущей выгоды, а машина по защите инвестиций в условиях дефицита. Бросать всё при первой трудности — стратегия, при которой умирают от голода в десяти шагах от куста ягод. Упорствовать там, где не надо, — стратегия дорогая, но не настолько опасная. Эволюция выбрала вторую и не оснастила её переключателем «среда стала изобильной — выключайся».

Поэтому наша ловушка невозвратных затрат — это древний регламент саванны, продолжающий работать в мире Netflix, MoviePass и кредитных карт. Иногда регламент применим, часто — не очень.

И вот тот факт из главы про детство, к которому я обещала вернуться в конце. Та же программа, которая мешает выйти из плохой инвестиции, помогает дотянуть обучение до диплома. И у кого-то она работает прямо сейчас, во время чтения этого абзаца.

Лекарства от неё нет. Есть временное решение в виде префронтальной коры — три приёма из предыдущей главы. Но префронтальная кора стоит ресурсов, а саванна работает бесплатно. По умолчанию мы не в саванне, вот только саванна по-прежнему в нас.

Правильный навык — это не «всегда выходить из невозвратных затрат», а различать. Мы упорствуем, потому что ситуация того стоит? Или потому что мозг применяет древний регламент к чему-то, что в нынешней реальности не работает?

И вернёмся к курсу из первого абзаца. Если вы пошли в него, потому что планируете пилить системные тулзы и язык объективно даёт преимущество в вашей нише, — терпите следующий модуль, дофамин подъедет. Если вы взяли курс «потому что Rust сейчас модный», а сами хотели писать на Python — закрывайте вкладку. Деньги уже потеряны, а вечера ещё можно сберечь.


Список источников:

  1. Staw B. M. (1976). Knee-deep in the big muddy: A study of escalating commitment to a chosen course of action. Organizational Behavior and Human Performance, 16(1), 27–44.

  2. Białek M., Węgrzyn M. & Meyers E. (2021). Escalation of commitment is independent of numeracy and cognitive reflection: A pre-registered replication of Staw (1976). Economics and Business Review.

  3. Soman D. (2001). The mental accounting of sunk time costs: Why time is not like money. Journal of Behavioral Decision Making, 14(3), 169–185.

  4. Petrov N. B., Chan Y. K. M., Lau J. H. F., et al. (2023). Replication and extension of Soman (2001): The mental accounting of sunk time costs. International Review of Social Psychology.

  5. Dijkstra K. A. & Hong Y. Y. (2019). The feeling of throwing good money after bad: The role of affective reaction in the sunk-cost fallacy. PLOS ONE, 14(1).

  6. Sweis B. M., Abram S. V., Schmidt B. J., Seeland K. D., MacDonald A. W., Thomas M. J. & Redish A. D. (2018). Sensitivity to "sunk costs" in mice, rats, and humans. Science, 361(6398), 178–181.

  7. Touponse G. C., Pomrenze M. B., Yassine K., et al. (2026). Cholinergic modulation of dopamine release drives effortful behaviour. Nature.

  8. Jhang J., Lee J., Park J., Lee D.C. & Kim J. (2022). The impact of childhood environments on the sunk-cost fallacy. Psychology & Marketing, 40(3), 531-541.

  9. Amir D., Jordan M. R. & Rand D. G. (2018). An uncertainty management perspective on long-run impacts of adversity: The influence of childhood socioeconomic status on risk, time, and social preferences. Journal of Experimental Social Psychology, 79, 217–226.

  10. Strough J., Bruine de Bruin W., Parker A. M., Lemaster P., Pichayayothin N. & Delaney R. (2016). Hour glass half full or half empty? Future time perspective and preoccupation with negative events across the life span. Psychology and Aging, 31(6), 558-573. 

  11. Strough J., Bruine de Bruin W. & Parker A. M. (2023). Age differences in sunk cost decisions for oneself versus a loved one. Innovation in Aging.

  12. Zhang M., Bockstedt J., Song T. & Wei X. (2025). Sunk cost fallacy, price adjustment, and subscription services for information goods. Journal of the Association for Information Systems, 26(2), 543-574.