Поручи это ИИ

Поручи это ИИ

Введение

Вы уже умеете пользоваться ИИ. Этого мало

В конце июля 2026 года ВЦИОМ опубликовал исследование о том, как российские интернет-пользователи работают с нейросетями. Цифры там любопытны уже потому, что спорят с привычной картинкой «большинство ещё только присматривается»: за последний год к нейросетям обращались 78 процентов опрошенных интернет-пользователей, а 58 процентов делают это не реже раза в неделю. Для этой книги важнее другая часть исследования. Среди тех, кто пока не пользуется нейросетями, 44 процента не видят для себя подходящих задач, ещё 36 процентов говорят, что недостаточно знают о возможностях технологии.

Вот это место мне кажется куда интереснее споров о том, какая модель сегодня сильнее. У человека может быть доступ к хорошему ИИ, он может знать, где находится строка ввода, регулярно просить что-то написать или объяснить — и всё равно почти не использовать инструмент в работе и быту. Навык начинается раньше запроса: сначала надо заметить кусок работы, который можно поручить машине, не отдавая ей решение целиком.

В обычном дне таких мест полно. Человек просит нейросеть составить поздравление, а потом сорок минут вручную сводит два коммерческих предложения в таблицу; исправляет с её помощью письмо, но сам читает двадцатистраничный договор в поисках одного изменившегося пункта; обсуждает фильм на вечер и тут же открывает восемь вкладок, чтобы сравнить четыре ноутбука. Мы быстро привыкаем к инструменту в одном сценарии и перестаём видеть его за пределами этого сценария. Электронная таблица для одного человека остаётся калькулятором с клеточками, для другого становится моделью бизнеса. С нейросетями происходит то же самое, только быстрее: технология меняется по месяцам, привычка пользователя — заметно медленнее.

Первые разговоры с ИИ почти у всех похожи. Мы задаём вопросы, ответы на которые примерно знаем, пробуем тексты, просим объяснить сложное простыми словами, проверяем, умеет ли модель шутить. Потом закрепляются два-три удачных сценария, и на этом многие останавливаются. Само по себе это нормально. Если инструмент экономит десять минут в день на переписке, он уже приносит пользу. Проблема начинается, когда человек хочет большего и вместо собственной работы начинает изучать «лучшие промты», роли, шаблоны и секретные конструкции. Они могут помогать, но довольно часто маскируют более раннюю беду: задача ещё не разобрана.

Нельзя написать хороший запрос на «выбрать мне оборудование», пока не определено, что именно сравнивается, какие ограничения обязательны и что придётся проверять после ответа. Просьба «разобраться с договором» тоже слишком велика, пока слово «разобраться» не распалось на нормальные действия: найти изменение условий, проверить сроки, выписать обязанности, сопоставить документ с перепиской, подготовить вопросы юристу. Если совсем коротко, моя формула такова: «Не учись писать промты. Учись ставить задачи».

Я особенно хорошо вижу это в инженерной и технологической работе. Между исходными данными и решением почти всегда лежит механика, которую никто не фотографирует для отчёта: собрать документы, привести показатели к одному виду, найти расхождения, проверить единицы измерения, понять, чего не хватает, задать поставщику вопросы. Само решение может занять десять минут, а подготовка — два часа; и когда часть этих двух часов удаётся снять без потери контроля, мне трудно считать ручную трудоёмкость самостоятельной добродетелью (хотя к знакомому способу работать люди привязываются сильнее, чем любят признавать).

При этом я не предлагаю встраивать ИИ во всё подряд. Бывает быстрее сделать самому, позвонить человеку или открыть калькулятор. Есть работа, через которую специалисту полезно пройти собственными руками, потому что там формируется навык. И есть решения, где машина может подготовить материал, но не должна становиться последней инстанцией. Нам придётся учиться различать эти случаи — без восторга перед технологией и без демонстративного недоверия к ней.

Если после книги останется одна привычка, мне достаточно. Перед длинным документом, таблицей, незнакомой темой, выбором, черновиком или задачей, которую вы делаете впервые, должен возникать короткий вопрос: «Что из этого я могу поручить ИИ?» Иногда честнее ответить: ничего — здесь быстрее подумать самому, позвонить человеку или просто открыть калькулятор.

Глава 1

Перестаньте изучать возможности нейросети

Любая попытка освоить нейросеть через список функций быстро превращается в каталог, который невозможно удержать в голове. Тексты, картинки, таблицы, анализ, поиск, перевод, код, презентации, документы, голос, видео — перечень растёт быстрее, чем человек успевает встроить хотя бы два пункта в свою жизнь. В итоге он прочитал про десятки возможностей и продолжает делать примерно то же, что делал неделю назад.

Я бы вообще начал с запрета: на несколько дней перестаньте интересоваться тем, что умеет ИИ, и посмотрите на то, что делаете вы. Перестановка кажется мелкой, но направление мысли меняется полностью — вместо поиска применения новой функции появляется уже существующая работа, которую всё равно придётся выполнить, и вопрос о том, можно ли снять с себя её часть без потери качества.

Представим обычное утро человека, который не занимается искусственным интеллектом профессионально. В почте лежит документ от подрядчика. В мессенджере — длинная переписка, где вчера обсуждали перенос срока. Нужно ответить клиенту, сверить две версии сметы и подобрать три варианта оборудования к пятничной встрече. Вечером ещё надо решить, какой тариф связи взять родителям, потому что старый подорожал. Ни один из этих пунктов не называется «поработать с нейросетью». И это хорошо. Нормальная жизнь не обязана формулировать задачи под инструмент.

Теперь посмотрим не на названия дел, а на действия внутри них. Документ надо прочитать не весь одинаково внимательно: нужно найти изменённые условия и понять, где от вас требуется решение. В переписке важна не вся вчерашняя болтовня, а хронология обещаний по сроку. Два файла сметы нужно привести к сопоставимому виду и увидеть расхождения. В оборудовании — сначала определить критерии, затем собрать характеристики. В тарифах — отделить рекламные слова от параметров, которые действительно важны конкретным людям.

В этот момент у нейросети возникает работа. Не потому, что мы вспомнили очередную её функцию, а потому, что обнаружили операции с информацией.

Для меня это главный способ распознавания. Не спрашивать «какие задачи подходят ИИ», а всматриваться в собственную работу до уровня глаголов. Я ищу отличие. Я свожу данные. Я пытаюсь понять сложный текст. Я сравниваю варианты. Я вытаскиваю из большого объёма нужные фрагменты. Я хочу увидеть пробелы. Я превращаю сырой материал в структуру. Я готовлюсь к разговору, в котором не хочу забыть важное.

Такие действия повторяются в профессиях, которые внешне не похожи друг на друга. Технолог сводит спецификации сырья, юрист сопоставляет редакции документа, руководитель вынимает решения из протоколов, преподаватель приводит в порядок материалы к занятию, предприниматель сравнивает предложения поставщиков, человек дома читает инструкцию к технике. Содержание разное, операция часто одна.

Полезно один раз посмотреть на собственный день именно в таком масштабе. Не «утром занимался документами», а что фактически происходило в течение часа. Открыл письмо, нашёл вложение, сравнил цену с прошлой, полез в старую переписку, чтобы вспомнить, почему поставщик менял условия, перенёс три значения в свою таблицу, заметил, что одно число дано в другой единице, пересчитал, написал вопрос. В календаре это один пункт. Для головы — цепочка небольших переключений, каждое из которых само по себе несложно, но вместе они съедают внимание.

На таких переключениях ИИ часто окупается лучше, чем на эффектных задачах. От него не требуется придумать стратегию компании или решить за специалиста, какой материал выбрать. Достаточно, чтобы он убрал часть ходьбы между файлами. В этом мало футуризма, зато много реальной экономии времени.

Поэтому я осторожно отношусь к книгам и курсам, построенным вокруг сотен сценариев. Они дают ощущение богатства: вот ещё двадцать способов, вот ещё сорок, вот тысяча готовых запросов. Но готовый список всегда заканчивается раньше, чем жизнь. Завтра у вас появится задача, которой в нём нет, и если вы не научились видеть операцию под её бытовым названием, снова придётся искать чужой шаблон.

Возражение здесь очевидно: чтобы заметить работу для ИИ, всё-таки надо понимать, на что он способен. Конечно. Человеку, который считает нейросеть только генератором текста, трудно догадаться показать ей фотографию или файл. Но для практики не требуется энциклопедия возможностей. Достаточно знать несколько классов работы, а дальше связывать их со своими делами.

И тут важно не впасть в другую крайность. Нейросеть не делает задачу подходящей только потому, что технически способна что-то выполнить. Я видел, как люди тратят по пятнадцать минут на подготовку запроса, чтобы получить то, что сами написали бы за три. В этом нет катастрофы, если человек экспериментирует и учится. Но как рабочая привычка это странно: инструмент должен сокращать трение, а не создавать церемонию вокруг каждого действия.

Хороший кандидат на передачу машине обычно выдаёт себя не названием, а трением. Вы несколько раз копируете одно и то же. Долго листаете файл в поисках одинаковых полей. Переписываете данные из письма в таблицу. Читаете пять похожих описаний и ловите себя на том, что уже не помните первое. Пытаетесь начать незнакомое дело и тратите полчаса только на то, чтобы понять последовательность шагов. Это не научная классификация; это бытовые признаки того, что работа просит другого инструмента.

Есть ещё один тест — налог на внимание. Сколько раз в задаче приходится переключаться между источниками и держать в голове промежуточные данные? Когда налог низок, человек часто быстрее справится сам; когда высок — ценность помощи растёт. Не потому, что ИИ умнее специалиста, а потому, что он может удержать на столе больше промежуточного материала одновременно и вернуть его в удобной форме.

Но даже это не формула. Допустим, вам прислали две короткие спецификации на одну страницу. Формально это сравнение документов. Если вы профессионал и за минуту видите нужные строки, зачем устраивать отдельный сеанс работы с ИИ? С другой стороны, если спецификаций пятнадцать и у каждого поставщика свои названия параметров, ручной способ начинает есть время без всякой пользы для качества решения.

Полезна и инженерная проверка: где именно находится ценность человеческой работы? Если ценность в том, что вы знаете, какой показатель критичен для продукта, оставьте это себе. Если ценность в том, что вы можете механически перенести пятнадцать значений в таблицу, тут защищать особо нечего. Если от опыта зависит интерпретация отклонения, интерпретируйте сами. Если перед интерпретацией надо собрать одинаковые данные из десяти файлов, это уже хороший кусок для машины.

Такой взгляд иногда неприятен. Мы привыкли считать частью профессионализма всё, что много лет делали вручную. Человек может даже гордиться тем, как быстро сверяет таблицы или находит нужный пункт в документе. Потом появляется инструмент, который делает подготовительную часть быстрее, и возникает ощущение, будто у профессии отнимают кусок.

Чаще инструмент отнимает у профессии не саму профессию, а привычную трудоёмкость. Я бы не доверил нейросети решение о запуске продукта только потому, что она красиво разобрала спецификации. Но если она за несколько минут собрала исходные показатели, которые раньше приходилось переносить руками, у специалиста осталось больше внимания на то место, где ошибка действительно дорого стоит.

То же дома. Вы выбираете страховой полис, поездку, тариф, курс обучения. Решение зависит от вашей жизни, риска, денег, планов. Машина этого не проживёт. Зато она может помочь привести условия к одной форме, подсветить отсутствующие данные и подготовить вопросы. В итоге человек думает не меньше — он меньше тратится на то, что мышлению предшествует.

Есть простой эксперимент, который хорошо работает именно потому, что не требует учить новые слова. Один день не спрашивайте себя, чем вам может помочь ИИ. Просто замечайте моменты, когда вы вручную что-то ищете, переносите, сопоставляете, сокращаете, структурируете или пытаетесь понять чужой сложный материал. Ничего не автоматизируйте специально. Только замечайте.

К вечеру список обычно получается интереснее любой статьи «двадцать способов использовать нейросети». Потому что это уже не чужие способы. Это ваша работа.

Глава 2

Задача почти всегда больше запроса

Фраза «подбери мне ноутбук» звучит как задача только до первого нормального уточнения. Для чего ноутбук? Какой бюджет? В каком городе покупать? Допустима ли доставка? Нужна ли дискретная видеокарта? Важен ли вес? Какие программы будут использоваться? Насколько критичен экран? Можно ли взять прошлое поколение, если оно дешевле?

Можно засунуть всё это в один большой запрос. Пользователь подробно опишет требования, нейросеть выдаст несколько вариантов, и на экране возникнет приятное ощущение завершённости. Оно обманчиво. До покупки ещё далеко.