ИИ по-человечески: Практическое руководство для новичков

Марк Тьюрин

ИИ по-человечески: Практическое руководство для новичков

От магии к рабочему инструменту

Во введении мы задали практическую оптику: начинать стоит не с вопроса «что умеет ИИ?», а с вопроса «какой фрагмент моей работы можно передать ему без потери смысла?». Проверим этот подход не на эффектной демонстрации, а на письме, которое почти каждый координатор получает в понедельник утром.

В 9:17 Алина уже открыла третье окно переписки. Она координировала онлайн-курсы из Екатеринбурга и начинала рабочий день с одного и того же набора сообщений: где найти запись занятия, можно ли перенести дедлайн, когда откроется следующий модуль, как восстановить доступ и что делать, если не получается подключиться к встрече.

На каждый вопрос у неё был заготовлен ответ, но заготовки постепенно разрастались. В одном письме нужно было добавить ссылку на запись, в другом — напомнить о сроке доступа, в третьем — предупредить, что перенос возможен только при обращении до определённой даты. Содержание повторялось, а формулировки приходилось подбирать заново, чтобы письмо не звучало холодно и не превращалось в длинную инструкцию.

Алина скопировала очередной текст в чат с ИИ и написала:

«Сократи письмо до пяти предложений. Сохрани доброжелательный тон. Не меняй сроки, условия и порядок действий».

Через несколько секунд она получила три варианта. Один был нейтральным, второй — чуть теплее, третий подходил для короткого сообщения. Все выглядели аккуратнее исходника. Алина выбрала второй, заменила имя слушателя, проверила ссылку и отправила письмо.

За следующие сорок минут она подготовила ещё восемь похожих ответов. Впервые за долгое время утренний поток писем не выглядел бесконечным. ИИ не придумал за неё учебную программу, не провёл занятие и не принял ни одного сложного решения. Он сделал то, что обычно отнимало у неё драгоценные минуты: убрал лишнее, сохранил структуру и предложил готовую формулировку.

«Вот оно, — подумала Алина. — Наконец-то помощник, который действительно экономит время».

Маленькая потеря смысла

В 11:26 пришло сообщение от слушательницы:

«Но вы же писали, что в моей ситуации можно оформить паузу. Почему теперь говорится только о продлении доступа?»

Алина открыла отправленное письмо. Оно выглядело безупречно:

«Здравствуйте! Запись занятия доступна до 30 июня. Если у вас возникнут вопросы, напишите нам, и мы поможем».

Проблема была не в том, что текст звучал плохо. Проблема была в том, чего в нём больше не осталось. В исходной версии содержалось важное исключение: если слушатель не успевает пройти модуль по уважительной причине, он может обратиться до окончания доступа, а команда отдельно проверит возможность паузы. ИИ сократил письмо вместе с этим условием.

Алина нашла исходник и показала его Марине, руководителю команды.

«Какой факт исчез?» — спросила Марина.

«Про паузу».

«А кто должен был проверить, что он не исчез?»

Алина посмотрела на экран. Ответ напрашивался: она. Но именно это было неприятно. Из-за однообразия переписки она начала принимать аккуратность текста за доказательство его правильности.

«Если ответ окажется неверным, кто это обнаружит?» — продолжила Марина.

«Наверное, слушатель».

«Тогда это не проверка. Это ожидание, что ошибка сама вернётся к нам вместе с жалобой».

С этого момента Алина перестала считать ИИ готовым сотрудником. Он оказался полезным инструментом, но инструментом с особым свойством: его ответы нередко выглядели более уверенными, чем позволяли исходные данные.

Четыре операции, в которых ИИ особенно полезен

ИИ хорошо работает там, где нужно выполнить понятную операцию с текстом, идеями или уже собранной информацией. Новичку полезно различать четыре типа такой работы.

Создать черновик

Можно попросить ИИ подготовить план письма, список вопросов к встрече, несколько вариантов заголовка, структуру инструкции, черновик объявления или сценарий разговора.

Например, Алина пишет:

«Подготовь три варианта сообщения слушателю, который не может найти запись занятия. Тон спокойный и доброжелательный. В сообщении должны быть ссылка на раздел с записями, просьба проверить вход под тем же адресом и предложение обратиться в поддержку, если доступ не восстановится».

Здесь ИИ не нужно знать скрытые обстоятельства. Его задача — собрать текст из заданных элементов. Человек всё равно проверит ссылку, название раздела и соответствие инструкции реальному процессу, но начало работы уже будет сделано.

Создание черновика особенно полезно, когда пустой экран тормозит сильнее, чем сама задача. Человеку легче отредактировать три варианта, чем с нуля подобрать тон и порядок фраз.

Но способность создать текст не означает способность создать достоверный факт. Если попросить ИИ самостоятельно назвать причину сбоя, условия возврата или срок обработки заявки, не передав ему подтверждённые сведения, он может заполнить пробел правдоподобной выдумкой.

Преобразовать готовое

Это как раз была главная удача Алины. ИИ может сокращать текст, упрощать его, выстраивать в структуру, переводить в деловой или разговорный стиль, превращать длинное объяснение в список действий, выделять вопросы и переносить содержание в другой формат.

Исходные данные здесь уже существуют. Значит, у человека появляется вполне определённая задача: проверить, не изменился ли смысл при преобразовании.

Для этого недостаточно спросить: «Ну как, нормально?» Нужны конкретные контрольные точки. Например:

«Сохрани все даты, суммы, условия, исключения и последовательность действий. Не добавляй новых сведений. После сокращённой версии отдельно перечисли, какие факты ты сохранил».

Такой запрос не делает ИИ безошибочным, но заставляет его работать в заданных рамках, а человеку даёт удобную форму проверки. Если в исходнике было пять условий, а в результате перечислены только четыре, это заметнее.

Сравнить варианты

ИИ может сопоставить две версии письма, два плана недели, два описания процесса, несколько предложений или два списка требований. Он быстро показывает, где изменились формулировки, что добавилось, что исчезло и какие пункты встречаются только в одном варианте.

Алина использовала эту возможность, когда команда обновляла правила участия в курсе. Она дала ИИ старую и новую версии и попросила:

«Сравни документы по пунктам. Не оценивай, какая версия лучше. Покажи только добавленные, удалённые и изменённые условия. Отдельно выдели даты, ограничения и исключения».

Это значительно ускорило редактуру. Но результат всё равно оставался сравнением, а не официальным толкованием правил. ИИ мог не заметить, что одна фраза формально осталась прежней, но в новом контексте стала означать другое. Поэтому сравнение помогало найти места для проверки, а не заменяло саму проверку.

Объяснить сложное

ИИ удобен как собеседник для первого разбора незнакомой темы. Он может объяснить термин простыми словами, привести пример, разложить процесс на этапы, сопоставить два подхода и подготовить вопросы к специалисту.

У Ильи, мастера по ремонту техники, был похожий опыт. Клиент прислал фотографию панели прибора и сообщение об ошибке. Илья попросил ИИ перечислить возможные причины и составить порядок первичной диагностики.

Получился полезный список: проверить модель, сверить код ошибки с инструкцией, осмотреть соединения, уточнить, появляется ли проблема сразу после включения или после нагрева. Илья использовал этот список как набор гипотез и вопросов.

Он не стал воспринимать ответ как диагноз. Точную модель проверил по маркировке, электрическую часть осматривал по своей рабочей процедуре, а опасные действия исключил вовсе. ИИ помог не пропустить очевидную версию, но не видел прибор, не измерял напряжение и не отвечал за безопасность.

Объяснение полезно, когда нужно быстрее войти в тему. Оно становится опасным, когда гладкий рассказ принимают за подтверждённое заключение.

Гипотеза может звучать уверенно

Главная ловушка для новичка состоит не в очевидной нелепости. Нелепый ответ легко отбросить. Гораздо труднее распознать ответ, который написан уверенно, последовательно и точно подходит по тону.

ИИ может предложить:

«Вероятнее всего, платёж не прошёл из-за ограничения банка».

Но из самого запроса это может быть неизвестно. Причиной мог быть неверный реквизит, технический сбой, превышение лимита, истёкший срок ссылки на оплату или ошибка в учётной системе. Пока никто не проверил журнал операции и данные платежа, эта фраза остаётся предположением.

То же происходит с вопросами о документах, договорах, возвратах, налогах, здоровье, характеристиках товара и правилах организации. Если исходные факты неполны, ИИ может достроить цепочку. Он не всегда сообщает: «Данных недостаточно, поэтому я предполагаю». Иногда он просто выбирает наиболее похожее продолжение.

Полезная рабочая привычка — разделять ответ на три слоя. Что непосредственно следует из предоставленного текста? Что является предположением? Что нужно проверить по источнику, документу, журналу операции или у специалиста?

Для этого можно использовать короткую реплику:

«Отдели подтверждённые факты от предположений. Не заполняй пропуски догадками. Если данных недостаточно, перечисли, каких именно сведений не хватает и где их можно проверить».

Такой запрос не превращает ИИ в экспертную систему. Он лишь снижает риск незаметно смешать факты с догадками.

Четыре уровня участия человека

Чтобы понять, какую часть задачи допустимо передать ИИ, Алина стала раскладывать работу на четыре уровня. Эта схема помогла ей заменить общий вопрос «можно ли использовать ИИ?» более точным: «какую именно роль он выполняет и где должен остаться человек?»

Первый уровень — постановка задачи.

Человек определяет, зачем нужен результат, кто его получит, какие условия нельзя нарушить и что будет считаться хорошим ответом. ИИ может помочь уточнить формулировку, но не знает цель сам по себе.

«Напиши письмо» — слабая постановка. Непонятно, кому оно адресовано, что должен сделать получатель, какие сведения обязательны и чего обещать нельзя.

«Подготовь короткий ответ слушателю, который не нашёл запись. Укажи путь к разделу, не обещай восстановление доступа без проверки и попроси сообщить, если после входа запись не отображается» — уже рабочая задача.

Второй уровень — проверка результата.

Здесь человек сопоставляет ответ с исходными данными и критериями. Он проверяет даты, суммы, ссылки, имена, условия, исключения, порядок действий и тон. Для разных задач нужны разные способы проверки: письмо можно сравнить с шаблоном, расчёт — с формулой и исходными числами, инструкцию — с действующим процессом, техническую рекомендацию — с руководством и требованиями безопасности.

Третий уровень — решение.

Даже хороший черновик ещё не решает, что делать дальше. Нужно выбрать: отправлять письмо или сначала уточнить сведения, принять предложение или отклонить его, предоставить скидку или отказать, перенести срок или оставить его прежним.

ИИ может сравнить варианты и показать возможные последствия, но решение связано с приоритетами команды, полномочиями сотрудника и конкретными обстоятельствами. Эти вещи не всегда содержатся в тексте запроса.

Четвёртый уровень — ответственность.

Если сообщение ушло не тому получателю, клиенту пообещали невозможное, деньги перечислили неверно или человек получил опасный совет, последствия не принимает на себя чат. Их разбирает сотрудник, руководитель, организация или специалист, допустивший ошибку.

Ответственность нельзя передать ИИ вместе с задачей. Можно поручить ему часть операции, но нельзя передать право отвечать за последствия.

Чем отличаются две почти одинаковые просьбы

Представим два запроса.

Первый:

«Сократи уведомление для участников курса до трёх предложений. Занятие перенесено с 12 на 13 апреля, начало в 19:00, ссылка останется прежней. Не меняй дату, время и ссылку».

Это задача с высокой пользой, низким риском и хорошей доступностью исходных данных. Все сведения даны, ошибку легко заметить и исправить до отправки, а последствия ограничены возможным неудобством. ИИ может подготовить черновик. Человеку останется проверить три обязательных факта и отправить сообщение.

Второй:

«Напиши клиенту короткий ответ: он просит вернуть оплату за оставшиеся занятия, но мы хотим отказать».

Внешне операция та же: написать короткое письмо. Но риск совсем другой. Нужно знать условия договора, дату оплаты, факт начала обучения, состав услуги, внутренние правила, историю переписки и обстоятельства обращения. Кроме того, ответ может затронуть деньги, репутацию команды и правовую позицию организации.

Если этих данных нет, ИИ не должен самостоятельно достраивать отказ. Даже когда все сведения переданы, итоговый текст должен пройти проверку человека, который понимает полномочия команды и применимые правила. ИИ здесь может помочь собрать факты, сравнить варианты формулировок и сделать письмо спокойнее. Но он не должен становиться тем, кто принимает решение о возврате.

Матрица для выбора задачи

Алина записала на отдельном листе три измерения: пользу, риск и доступность исходных данных.

Польза отвечает на вопрос, сколько времени или усилий экономит ИИ и улучшает ли он результат. Низкая польза — это экономия нескольких минут, когда тот же результат почти так же легко получить вручную. Высокая — регулярная экономия времени и сокращение повторной работы.

Риск показывает цену ошибки. В одном случае её можно спокойно заметить и исправить до отправки. В другом ошибка затрагивает деньги, здоровье, безопасность, доступ к услуге, отношения с клиентом или репутацию команды.

Доступность данных показывает, есть ли у человека и у ИИ необходимые исходные сведения. Важно, чтобы они были не только собраны, но и актуальны, понятны, непротиворечивы и разрешены к использованию в выбранном рабочем инструменте. Если фактов не хватает, источники неясны или устарели, доступность данных низкая. Если всё нужное собрано, проверено и передано без существенных пробелов, она высокая.

Из этой матрицы получается простой ориентир для первой задачи: высокая польза, низкий риск и высокая доступность данных. Это безопасная площадка для знакомства с ИИ.

Если польза высокая, а риск тоже высок, ИИ можно использовать как помощника на подготовительном этапе, но не как финального исполнителя.

Если риск низкий, но данных мало, сначала нужно собрать факты. ИИ может помочь составить список вопросов, но не должен отвечать вместо отсутствующей информации.

Если данных достаточно, но задача почти не экономит время, внедрение может не окупиться. Не всякая возможность требует нового рабочего процесса.

Рабочий маршрут Алины

После разговора с Мариной Алина не отказалась от ИИ. Она изменила границы его применения.

Она выбрала повторяющиеся ответы на вопросы о доступе к занятиям. Это была задача с понятными исходниками: утверждёнными правилами, готовыми ссылками и стандартными действиями. Риск сохранялся, но его можно было снизить проверкой.

Сначала Алина убрала из примеров персональные данные. Вместо фамилий, номеров телефонов, адресов электронной почты, платёжных сведений и подробностей личных обстоятельств она использовала обозначения: [имя], [ссылка], [название курса], [срок доступа]. Для самой операции не нужны были реальные сведения, поэтому передавать их в рабочий инструмент не имело смысла.

Затем она подготовила ограничивающий запрос:

«Сократи текст до 500 знаков. Сохрани все даты, сроки, ссылки, условия, исключения и следующий шаг для получателя. Ничего не добавляй от себя. Если текст нельзя сократить без потери смысла, сообщи об этом. После версии письма перечисли сохранённые обязательные факты».

Алина не отправляла результат автоматически. Она проверяла пять пунктов: правильный адресат, срок, ссылку, условие или исключение и конкретное действие получателя. Если какой-то пункт исчезал, она возвращалась к исходнику и меняла запрос.

Критерий качества тоже был конкретным. Хорошим считался не просто красивый текст, а сообщение, в котором сохранены все обязательные сведения, нет новых обещаний, получателю ясно, что делать дальше, а сама редактура занимает не больше двух минут.

Через неделю Алина сравнила несколько показателей: сколько времени уходило на письмо раньше, сколько — после внедрения, как часто ей приходилось исправлять результат и какие ошибки повторялись. ИИ действительно экономил время, но только потому, что его задача была узкой, исходные данные — подготовленными, а финальная проверка — встроенной в процесс.

Марина отдельно уточнила:

«Ты вставляешь в чат реальные переписки?»

«Нет, заменяю имена и контакты, убираю платёжные и личные сведения, оставляю только содержание, необходимое для текста».

«А если в письме есть медицинская причина пропуска?»

«Не передаю подробность. Пишу: [уважительная причина], если она вообще нужна для формулировки».

Это была не осторожность ради осторожности. Чем меньше лишних данных передаётся инструменту, тем меньше потенциальный ущерб при ошибке в обращении с информацией. В рабочей практике в России также нужно учитывать внутренние правила организации и требования к обработке персональных данных. Если неясно, можно ли загружать конкретный материал, его лучше обезличить или согласовать способ использования с ответственным сотрудником.

Что поручать, а что оставлять под контролем

Когда задача кажется подходящей, но решение неочевидно, полезно применять правило «если — то».

Если ИИ меняет форму уже проверенного текста, а ошибку легко заметить до отправки, ему можно поручить черновик, сокращение, упрощение или несколько вариантов формулировки.

Если нужно сравнить материалы, попросите его перечислить различия, но не принимать решение за вас.

Если исходных данных не хватает, используйте ИИ для составления списка уточняющих вопросов, а не для заполнения пробелов догадками.

Если результат затрагивает деньги, здоровье, безопасность, права, доступ к услуге или репутацию, оставляйте у человека постановку задачи, проверку, решение и ответственность. ИИ может подготовить черновик или перечень вопросов для специалиста.

Если действие необратимо или его дорого исправлять, финальный шаг должен выполнять человек: отправлять официальный ответ, переводить деньги, изменять условия договора, публиковать важное сообщение, назначать лечение, удалять данные или принимать кадровое решение.

Без профессионального контроля не стоит поручать ИИ финальную медицинскую рекомендацию, диагноз или назначение; юридическое заключение, позицию по спору или трактовку договора; налоговый расчёт и решение о платеже; инвестиционную или кредитную рекомендацию; решение о найме, увольнении, наказании или отказе человеку в услуге; действия, связанные с информационной безопасностью и персональными данными.

Это не означает, что ИИ бесполезен в таких областях. Он может объяснить термин, собрать вопросы к врачу или юристу, привести документ к ясной структуре, сравнить редакции и найти пропуски в черновике. Граница проходит там, где результат превращается в обязательное решение или конкретное действие с последствиями.

Небольшая проверка реальности

Выберите одну повторяющуюся задачу из своей недели. Не самую престижную и не самую сложную, а ту, которую приходится выполнять снова и снова: отвечать на типовое письмо, превращать заметки в план, сокращать объявление, разбирать список вопросов или объяснять коллеге процедуру.

Опишите эту задачу одним предложением. Затем определите, какую операцию должен выполнить ИИ — создать, преобразовать, сравнить или объяснить, — какие сведения обязательны для результата, какие факты нельзя менять или додумывать, что будет считаться ошибкой, кто и как проверит итог и что произойдёт, если ошибка всё же попадёт к получателю.

После этого оцените задачу по трём шкалам: польза, риск, доступность данных. Если получилось «польза высокая, риск низкий, данные доступны», это хороший кандидат для первого эксперимента. Если риск высок или данных не хватает, не отказывайтесь от ИИ целиком. Сузьте его роль: пусть он составит черновик, список вопросов или несколько вариантов, но не финальный ответ.

Алина начала именно с сокращения переписки не потому, что это была самая важная часть её работы. Напротив, её легко было проверить, а последствия ошибки можно было остановить до отправки. Сначала она дала ИИ право ускорять формулировки и только потом стала решать, где ему можно помогать с более сложными материалами.

Первый безопасный опыт с ИИ начинается не с впечатляющего запроса, а с правильно выбранной границы. Инструмент становится рабочим, когда человек заранее знает, что именно ему поручает, какие данные предоставляет, как проверяет результат и какое решение оставляет за собой.

Теперь у Алины были подходящая задача, критерий качества и понимание границ. Но даже безопасная задача может дать слабый результат, если первое обращение к ИИ слишком расплывчато: тогда инструмент начинает угадывать цель, аудиторию и ограничения. Следующий шаг — научиться начинать разговор так, чтобы не заставлять его угадывать.

Первый разговор без угадываний

Как только ИИ превращается в рабочий инструмент, обнаруживается первая практическая трудность: вместе с поручением машине нельзя передать ответственность. Человек по-прежнему решает, чего хочет добиться, какие данные вправе сообщить и как проверит результат. Но сначала ему нужно научиться формулировать задачу так, чтобы модели не приходилось угадывать половину условий.

В конце рабочего дня Алина открыла чат и написала: «Напиши письмо студенту, который недоволен курсом».

Через несколько секунд появился аккуратный текст. В нём были обращение, сочувствие, обещание разобраться и вежливое завершение. Письмо звучало так, будто его подготовила служба поддержки крупной образовательной компании. Только отправлять его было нельзя.

Студент не просил «разобраться». Он ждал ответа о пропущенном дедлайне, а Алина имела право предложить лишь одно продление — до конкретной даты. В сгенерированном тексте не было ни срока, ни вариантов действий, ни ответа на главный вопрос: что именно студент должен сделать после прочтения.

Алина не сделала ничего глупого. Она сформулировала просьбу примерно так, как сказала бы коллеге, который уже знает всю ситуацию. Коллега увидел бы переписку, вспомнил правила курса и понял, какого результата ждут. Модель ничего этого не знала. Она получила несколько слов и сама достроила типовой сценарий.

Мифы, которые удорожают первый опыт

Миф первый: чем короче вопрос, тем лучше

Короткий запрос хорош, если задача действительно проста, а цена промаха невелика. Например: «Предложи десять заголовков для заметки о подготовке к экзамену». Здесь понятны и действие, и формат, а варианты можно быстро отсеять.

Но просьба «напиши письмо» не описывает задачу. Это лишь название операции. Неясно, кому писать, зачем, какой факт сообщить, какого действия ждать от получателя, что нельзя обещать и сколько текста понадобится.

Модель не останавливается перед пробелом. Она заполняет его распространённым вариантом. Поэтому короткий запрос часто даёт не ошибочный, а усреднённый ответ. Он может быть гладким, доброжелательным и совершенно непригодным для конкретной ситуации.

Миф второй: хороший запрос должен быть огромным

Сама по себе длина не делает задание подробным. В текст можно добавить много истории, эмоций и пожеланий, но не указать ни одного проверяемого результата.

Например, человек пишет: «Сделай письмо очень тёплым, человечным, профессиональным, но не сухим, убедительным, но не давящим, чтобы клиент понял нашу позицию, почувствовал заботу и захотел продолжить сотрудничество». В этой формулировке много прилагательных и почти нет наблюдаемых критериев. Что значит «почувствовал заботу»? Какое действие должен совершить клиент? Что считать слишком давящим?

Рабочий запрос может быть коротким, если в нём есть нужные компоненты. И наоборот, длинная формулировка может скрывать отсутствие цели.