Вы совершенно правы, давайте исправим?

Вы постоянно натыкаетесь на заголовки вроде этих:

• «ИИ увеличивает производительность на 50%»,

• «ИИ заменит X профессий!»,

• «Профессии, которые умрут из-за ИИ!»

Я вижу их повсюду. Это очень хорошо подпитывает ИИ-тревожность (уже классифицированную как отдельный вид), но не имеет никакого практического смысла. Лучшее лекарство от тревоги — понять, что именно нас «заменит», — и нет никаких сомнений: ИИ способен изменить работу любого специалиста — от аналитика до антиквара. Ключевой вопрос остаётся прежним: как работать с ним так, чтобы результат действительно улучшался, а не становился очередной цифровой иллюзией продуктивности?

Внедрять ИИ в работу — это как однажды купить тостер: после пары скептических взглядов понимаешь, что без него теперь никак. Начинал осторожно — сначала с аналитики и инструкций, потом подсел на транскрибацию: за месяц — 46 часов, а ощущение, будто нашёл чит-код к офисной рутине. UX моего рабочего дня изменился радикально. Но предостерегаю: увлекаться вайб-кодингом — коварная штука! Как-то поймал себя на мысли, что пишу код ради процесса, а не ради результата. Чистый dopamine loop. Не повторяйте моих экспериментов — только здоровый AI-энтузиазм!

От AI-оптимизма к AI-реализму

Вследствие начала активного применения AI в работе у меня случался отрицательный рост производительности: по ощущениям — на 20–30% увеличивалось время на любую задачу. Почему? Модель генерирует огромный объём контента, который нужно проверять. А делать это невероятно трудно, потому что контент кажется убедительным. Только прочитав весь массив, под конец понимаешь, что это всё фантазия. Тем печальнее, чем дольше шёл по пути, который “советует” модель: на пятом–шестом витке работы понимаешь, что всё время тратил на отсмотр бредней, которые выглядят как правда, используют слова из правды, но правдой не являются. После нескольких таких случаев начинаешь проверять всё с удвоенной тщательностью.

Что заставляет продолжать? Осознание: работа с LLM — это не опция, а навык выживания.

—

«Ответ на вопрос “заменит ли ИИ человека?” — да, на человека с ИИ».
Герман Греф

—

«Вы абсолютно правы, давайте исправим?»
Как часто вы читали такое? Если это было не единожды, ваш опыт работы с ИИ далёк от идеала. Как говорит один обожаемый мной руководитель кластера AI: «Покажи промпт!».

Это — лучший ответ на заявления вроде «ИИ переоценён и ничего не может». Взаимодействовать с ИИ, не понимая его принципов, — всё равно что готовить, не зная разницы между варкой и жаркой. Это не стратегия, это неэффективность.

Если вы способны представить конечный результат задачи, попытки включить в работу ИИ оправданы: вы сможете дать хорошую инструкцию — промпт. В своей работе часто задаю разработчикам вопрос: «Как вам кажется, за что вам платят деньги?» Редко кто отвечает полно. А ведь платят за создание цифрового продукта. Написание кода человеком — уже сейчас лишь частный случай этого процесса. По данным GitHub, 46% кода создаётся с помощью Copilot 15 миллионами разработчиков. Для Java этот показатель — 61%. При этом 88% сгенерированного кода разработчики принимают и используют.

Так что же ценнее: продуманный промпт или код, который по нему сгенерировали?
Вы видели 3D-принтер, печатающий здания? Чья работа ценнее — принтера или архитектора, который спроектировал сооружение?

ИИ не может реализовать содержательную часть работы человека, но он может усилить или масштабировать часть задач.

—

Саймон Уиллисон (создатель Django Python):
«Использовать LLM для написания кода сложно и неинтуитивно. Требуется значительная работа, чтобы понять все тонкости. Если кто-то говорит, что писать код с LLM легко, они (скорее всего, неумышленно) вводят вас в заблуждение».

Сэм Боуман (Anthropic и профессор NYU):
«Мы построили это, натренировали, но мы не знаем, что оно делает».

—

ИИ — главное слово «искусственный». Он на всё смотрит через матрицу внимания, сформированную в результате вашего промпта. Он не помнит, что было между запросами. Спросите повторно — получите другой ответ.
Качество ответа напрямую зависит от промпта: trash in — trash out.

Всё ваше искусство в управлении вниманием ИИ — в каком порядке и на что обращать его внимание. Гранулярность, формат и качество — вы сами себе ходячая спецификация.

В управлении «контекстным окном» особенно раскрывается экспертиза: человек, точно понимающий содержание задачи, доходит до результата быстрее и элегантнее. Давать ИИ горы контекста всё равно что заливать лобовое стекло водой: видимость только ухудшится.

Если вы раз за разом просите переделывать результат — где-то раньше была ошибка в промпте или стратегии.

Хотите управлять контекстом? Делайте это сами!

• Сохраняйте промежуточные результаты.

• Формируйте точную матрицу внимания.

• Подавайте только необходимый минимум данных.

• Планируйте стратегию промптинга.

• Стремитесь получать результат за 5 ± 2 шага. После десятого шага качество выдачи падает катастрофически.

Вывод: Работа с ИИ — навык. Он не развивается на абстрактных примерах, а оттачивается на решении ваших реальных рабочих задач.
Сейчас я не представляю, как работать без ИИ. Это не просто “автоматизация рутины” (нам нужен новый термин — может, “автогенерация”?). Это возможность обращаться к фундаментальным наукам при решении рабочих вопросов и находить новые смыслы и метрики в своей зоне экспертизы.

Источник: habr.com