[{"data":1,"prerenderedAt":127},["ShallowReactive",2],{"footer-topics-ru":3,"post-ru-ai-psychological-safety-how-you-ask-changes-what-you-get":70},{"topics":4},[5,21,33,46,58],{"locale":6,"name":7,"slug":8,"blurb":9,"summary":10,"state":11,"featuredOnHub":12,"hubOrder":13,"accent":14,"questionsTitle":15,"questions":16,"body":20},"ru","Путь","the-journey","От первых экспериментов с Agile × ИИ до работающей системы — история мысли, стоящей за ней.","От первых экспериментов до работающей системы — настоящая история создания Agile4AI, включая неверные повороты, которые определили всё.","published",true,2,"gold","Чему этот путь продолжает нас учить",[17,18,19],"Что убедило нас, что Agile и ИИ созданы друг для друга, — и что едва не убедило нас в обратном?","Какие неверные повороты оказались самыми поучительными?","Как SCI прошёл путь от эксперимента с копированием и вставкой до ответов ИИ, на которые действительно можно положиться?","\nКаждая идея в этом разделе родилась из нашего собственного опыта разработки Agile4AI. Нам не терпится поделиться этой историей с вами — и победами, и провалами, — потому что мы убеждены: учиться работать с ИИ лучше мы можем только вместе. То, к чему мы пришли, родилось не из теории. Оно родилось из практики, из ошибок, из готовности начать заново с учётом усвоенных уроков.\n\nВсё началось с простого вопроса: можно ли переосмыслить Agile для эпохи ИИ? А дальше были годы экспериментов, рухнувших допущений, неожиданных открытий и медленного вызревания чего-то, что и вправду работает, — подхода под названием Структурированный совместный интеллект (SCI) и построенной на нём системы Agile4AI.\n\nЭто не приглаженная ретроспектива, написанная задним числом. Это история, рассказанная настолько близко к тому, как всё было на самом деле, насколько это возможно, — со всеми тупиками, минутами сомнений и прорывами, которые переворачивали наши представления.\n\nМы делимся ею, потому что урок заключён в самой истории. Выводы важны, но не менее важно и *то, как мы к ним пришли*, — ведь именно путь показывает, что сработало, что нет и почему.\n\nМатериалы этого раздела охватывают всю дугу пути: ранние эксперименты с совместной работой с ИИ, рождение SCI, отдельные открытия, изменившие то, как мы работаем, и вехи, которые стоит отметить. Какие-то тексты получились созерцательными. Какие-то — без прикрас. Но все они — настоящие.\n\nЕсли вам хочется понять, почему Agile4AI и SCI вообще появились на свет, — а не только что они собой представляют, — начните отсюда.\n",{"locale":6,"name":22,"slug":23,"blurb":24,"summary":25,"state":11,"featuredOnHub":12,"hubOrder":26,"accent":14,"questionsTitle":27,"questions":28,"body":32},"Agile: расшифровка","agile-decoded","Что на самом деле означают термины Agile — не привычные сокращения, не версия карго-культа, не глоссарий методолога.","Словарь Agile широко используется и широко понимается неверно. Правильно понимать термины — это не педантизм, а разница между ритуалом и работой.",3,"Почему терминология имеет принципиальное значение",[29,30,31],"Если стендап проводится как статусный отчёт, что на самом деле теряет команда?","Когда «Методология Agile» стала стандартным выражением, как это повлияло на подход организаций к трансформации?","Каковы издержки команды, которая может назвать каждую практику Agile, но не понимает назначения ни одной из них?","\nУ Agile проблема со словарём. Не потому что термины непонятны — большинство людей в современных организациях их слышали. А потому что это знакомые слова, используемые в совершенно ином контексте, и без этого контекста люди соотносят их с тем, что им уже известно.\n\nКогда кто-то впервые встречает понятие «Scrum Master», ближайшим доступным концептом оказывается «менеджер проекта». Такое соответствие кажется естественным — почти очевидным. Контекст совершенно другой.\n\nНикто не выстроил достаточно чёткого моста между ними. А проблема усилилась, когда добросовестные практики — люди, искренне стремившиеся помочь организациям двигаться вперёд — стали описывать Agile как «лучшее управление проектами». Начали писать книги под названием «Методология Agile». Когда вы называете свой подход методологией, его оценивают по стандартам методологии: артефакты планирования, фазовые шлюзы, структура поставляемых результатов. Когда Agile не производит этого — потому что так и не был задуман — он не соответствует этим стандартам, и вполне обоснованно. Проблема не в том, что Agile — плохая методология. Проблема в том, что Agile вообще не является методологией. Называть его так гарантировало разочарование всех, кто искал методологию, и то, что все, кто его принял, выстраивали нечто, что Waterfall уже давно описал.\n\nСтендап превращается в статусный отчёт. Sprint превращается в дедлайн. Backlog превращается в список задач. «Методология Agile» становится стандартным обозначением того, что авторы Манифеста не узнали бы как описание того, что они создали. И когда слова означают не то, что нужно, практики, построенные на них, дают неверные результаты — точно, добросовестно и в масштабе.\n\nЭтот раздел — исправление понятие за понятием. Не руководство по стилю — функциональный справочник. Каждая публикация берёт одно слово или фразу, ставшую ключевой в том, как организации понимают Agile, исследует, что они на самом деле означают, и объясняет, что теряется, когда сокращение заменяет суть. Это не просто терминологические расхождения. «Желаемый результат» — не более изысканное слово для «спецификации»: это совершенно иная вещь, из совершенно иной модели того, как делается работа. Термин — это поверхность. Концепт под ним — вот что важно.\n\nТот же паттерн проявляется, когда организации обращаются к ИИ, — и концептуальный разрыв здесь шире. В случае с Agile базовые концепты были хотя бы сформулированы, пусть и плохо донесены. В случае с ИИ сами концепты ещё только формируются, а в массовом понимании едва начинают вырисовываться. Словарь опережает осмысление: ИИ как «автоматизация», ИИ как «инструмент», «ИИ-трансформация» как проект с датой завершения. Каждое из этих определений закрепляет ментальную модель прежде, чем кто-либо успевает проверить, подходит ли она. То, как мы называем вещи, определяет, что и как мы строим. Правильные слова — необходимое условие для правильной работы.\n\nЗдесь действует один принцип: ментальные модели первичны. Язык их выражает. Действия следуют. Когда ментальная модель не соответствует работе, словарь, который её выражает, несёт это несоответствие — и действия, построенные на этом словаре, будут добросовестно выполнять искажённое понимание в масштабе, с полной отдачей. Смена словаря без смены мышления даёт в лучшем случае таблицу перевода: таблицу соответствий, где «sprint» соответствует чему-то вроде «короткого дедлайна». Таблицы перевода позволяют людям работать через разрыв. Они его не устраняют. Публикации этого раздела нацелены на большее, чем перевод. Они нацелены на то, чтобы изменить ментальную модель.\n",{"locale":6,"name":34,"slug":35,"blurb":36,"summary":37,"state":11,"featuredOnHub":12,"hubOrder":38,"accent":39,"questionsTitle":40,"questions":41,"body":45},"Структурированный совместный интеллект","structured-collaborative-intelligence","Где совместное мышление превосходит одну передовую модель — и где нет.","Где структурированное взаимодействие — между моделями и между моделями и людьми — даёт результаты, которых одна модель не достигнет в одиночку.",4,"green","Вопросы, к которым мы возвращаемся снова и снова",[42,43,44],"Где структурированный совместный интеллект создаёт ценность, которую одна модель просто не может воспроизвести?","Когда модели расходятся во мнениях, что это говорит вам — и как вы это используете?","Как выстроить структуру, которая делает сотрудничество с ИИ продуктивным, а не просто избыточным?","\nОтдельная модель ИИ, сколь бы способной она ни была, рассуждает в одиночестве. Ей некому оспорить её предположения, обнаружить слепые пятна или заметить, что она отклонилась от исходного замысла. Solo-AI — работа с одной моделью за раз — подвержена этому. Модель, которой поручено дать вам ответ, даст его — даже если у неё нет хорошего ответа, который стоило бы вам показывать.\n\nСтруктурированный совместный интеллект (SCI) — это другой подход. Вместо того чтобы считать вывод одной модели окончательным результатом, SCI использует структурированное взаимодействие — между несколькими ИИ-моделями и между моделями и людьми — чтобы получать результаты, которые надёжнее, тщательнее проверены и честнее в отношении собственных ограничений. Модели проверяют друг друга. Разногласия выявляют скрытые предположения. Сам процесс создаёт петлю обратной связи, которую взаимодействие с одной моделью не может воспроизвести.\n\nСвязь с Agile прямая: именно так всегда работали высокопроизводительные команды. Не один человек, изолированно дающий ответ, а структурированный процесс сотрудничества, проверки и итерации, улавливающий то, что упускает любая отдельная точка зрения. SCI применяет ту же дисциплину к ИИ.\n\nУ рассуждения в одиночку есть и более глубокий изъян. Solo-AI привязывает вас к единственному источнику данных, единственной архитектуре и единственному набору встроенных предубеждений — а значит, и к единственной форме ответа, точна она или нет. Вспомните, как хороший детектив опрашивает нескольких свидетелей. Не потому что кто-то из них лжёт, а потому что каждая точка зрения раскрывает то, что упустили остальные. Вместе они приближаются к тому, что произошло на самом деле. SCI работает так же: несколько моделей из разных линий, каждая со своим углом зрения. Получившийся ответ рассмотрен с разных сторон — он богаче, полнее, и его труднее заподозрить в скрытой ошибке.\n\nКогда взаимодействуют модели из разных линий, результаты улучшаются там, где это важно: меньше самоуверенных ошибок, лучше обрабатываются пограничные случаи, рассуждение становится более явным — таким, которое люди могут оценить и скорректировать. Разногласия между моделями — не шум, который нужно подавлять, а именно тот сигнал, который вам нужен при высоких ставках.\n\nSCI — аналитический движок сервиса Agile4AI. Материалы этого раздела документируют, что такое SCI, как он работает на практике, где он создаёт реальную ценность и — не менее важно — где нет. Часть дисциплины — уметь отличить одно от другого.\n",{"locale":6,"name":47,"slug":48,"blurb":49,"summary":50,"state":11,"featuredOnHub":12,"hubOrder":51,"accent":52,"questionsTitle":40,"questions":53,"body":57},"Ценности и принципы Agile4AI","agile-ai-values-principles","Ценности и принципы Agile в эпоху ИИ — что остаётся в силе, что меняется и почему мы приглашаем самые сильные возражения.","Мышление Agile в приложении к работе с ИИ — что остаётся актуальным, что обостряется, и почему связь Agile и ИИ не случайна.",5,"red",[54,55,56],"Когда комплексную работу невозможно полностью спланировать заранее, что это означает для работы с ИИ?","Как меняется акцент Agile на постоянной обратной связи, когда ваш партнёр не устаёт и не занимает оборонительную позицию?","Является ли «Agile для ИИ» естественным сочетанием — или возражение об ошибке категорий действительно решающее?","\nМышление Agile было выковано в условиях комплексности (в кеневиновском смысле: эмерджентной, где причинно-следственные связи видны лишь ретроспективно) — не для того, чтобы управлять ею, устраняя её, а чтобы проходить сквозь неё осознанно и разумно. Это не становится менее актуальным, когда ваш партнёр — модель ИИ. Во многих отношениях это становится ещё более актуальным.\n\nЭтот раздел посвящён тому самому взаимодействию: не Agile-by-prescription, не фреймворкам и церемониям, а глубинным ценностям и принципам, которые Agile дистиллировал — и тому, как они применяются, обостряются и порой требуют переосмысления, когда люди и ИИ работают вместе.\n\nКлючевое понимание состоит в том, что мышление Agile всегда было ответом на *природу* комплексной работы, а не просто на особенности человеческих команд. Когда Agile поставил под сомнение предположение, что комплексную работу можно детально спланировать заранее, это был не обходной путь для человеческих ограничений — это было точное наблюдение о том, как на самом деле ведёт себя недетерминированная, быстро меняющаяся работа. Это наблюдение не меняется от того, что в дело вступает ИИ. Оно обостряется.\n\nОценку стоит назвать прямо — это один из самых спорных вопросов даже среди убеждённых аджайлистов. Agile возник не для того, чтобы помочь командам лучше оценивать; он возник, чтобы показать, почему оценка *ломается* в комплексной работе — и заменить ложную точность эмпирическими измерениями и подлинной обратной связью, которая действительно улучшает прогнозирование поставок. В эпоху ИИ, где результаты вероятностны, а сама работа сопротивляется фиксированным спецификациям, это понимание актуально как никогда.\n\nЭто также место для Принципиальных Дебатов: там, где самые сильные возражения против «Agile для ИИ» получают трибуну. Мы убеждены, что аргумент выдерживает критику. И мы хотим, чтобы нас опровергли, если это не так.\n",{"locale":6,"name":59,"slug":60,"blurb":61,"summary":62,"state":11,"featuredOnHub":12,"hubOrder":63,"accent":64,"questionsTitle":40,"questions":65,"body":69},"Психологическая безопасность ИИ","ai-psychological-safety","Почему свобода сказать «я ещё не знаю» является предпосылкой настоящего интеллекта.","Условия, которые вы создаёте в своём общении, определяют то, что ИИ возвращает вам — и когда эти условия неверны, результатом оказывается уверенность без надёжности.",6,"amethyst",[66,67,68],"При каких условиях ИИ скорее обозначит подлинную неопределённость, чем выдаст уверенно звучащую догадку?","Как то, в какой форме вы задаёте вопрос, определяет, будет ли ответ надёжным — или лишь успокаивающим?","Что переносится из подхода Agile к психологической безопасности — и что нужно адаптировать для ИИ?","\nБольшинство людей рассматривают психологическую безопасность как человеческую проблему — условия, позволяющие человеку высказаться, выразить сомнение или оспорить идею без страха. И это верно — насколько хватает такого взгляда.\n\nНо кое-что важное упускается, когда мы забываем, откуда взялся ИИ. ИИ создан людьми, сформирован человеческим языком, обучен на сделанном людьми выборе. Закономерности, влияющие на работу человека, — в том числе психологическая безопасность — переносятся на взаимодействие с ИИ по тем же глубинным причинам, на которые Agile всегда указывал: **условия, которые вы создаёте в своём общении, определяют то, что вы получаете в ответ.**\n\nИИ, которого подталкивают к уверенно звучащим ответам, будет выдавать уверенно звучащие ответы — независимо от того, обоснована эта уверенность или нет. Если у ИИ нет возможности сказать «я не уверен», он заполнит эту пустоту чем-то другим, потому что директивы требуют от него отвечать даже тогда, когда он сам понимает, что правильного ответа у него нет. Эта динамика отличается от человеческой психологической безопасности, но базовый принцип тот же: интеллект работает лучше, когда ему позволено честно признавать, чего он не знает.\n\nЭто имеет практическое значение. Галлюцинации, чрезмерно самоуверенные ответы и системы ИИ, которые говорят вам то, что вы хотите услышать, а не то, что соответствует правде, — это не чисто технические сбои. Зачастую это сбои в дизайне взаимодействия: промпты, формулировки, неявные ожидания, заложенные в сам способ постановки вопроса.\n\nПубликации здесь исследуют условия, при которых совместная работа человека и ИИ становится надёжнее и правдивее. Среди них — как составлять промпты, которые приглашают подлинную неопределённость, а не подавляют её; в чём разница между детерминистским и вероятностным использованием ИИ и почему это различие меняет всё в том, как вы формулируете свою работу; и что из применяемого в Agile подхода к психологической безопасности в человеческих командах сохраняет силу, когда вашим партнёром становится модель.\n\nЗдесь же мы разбираем сценарии сбоев: что происходит, когда этих условий нет, и чего это стоит.\n",{"kind":71,"post":72,"topic":83,"availableLocales":85,"translations":93,"html":125,"audioUrl":126},"post",{"audio":-1,"author":73,"category":60,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":78,"title":82,"translationKey":77,"updatedAt":76},"Seán González","Вопрос — не только о том, что вы спрашиваете: он о том, что ваш вопрос подразумевает об ожидаемом ответе. ИИ читает эту формулировку и отвечает на неё.",false,"2024-11-20T10:00:00.000Z","how-you-ask-changes-what-you-get",[79,80,81],"ai-psych-safety","prompting","interaction-design","То, как вы спрашиваете, меняет то, что вы получаете",{"locale":6,"name":59,"slug":60,"blurb":61,"summary":62,"state":11,"featuredOnHub":12,"hubOrder":63,"accent":64,"questionsTitle":40,"questions":84,"body":69},[66,67,68],[86,87,88,89,90,91,6,92],"en-US","es-419","fr-FR","pt-BR","de-DE","uk","ja",[94,98,102,106,110,114,118,120],{"audio":-1,"author":73,"category":60,"excerpt":95,"featured":75,"locale":86,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":96,"title":97,"translationKey":77,"updatedAt":76},"The question isn't just what you're asking — it's what your question implies about the answer you expect. AI reads that framing, and it responds to it.",[79,80,81],"How you ask changes what you get",{"audio":-1,"author":73,"category":60,"excerpt":99,"featured":75,"locale":87,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":100,"title":101,"translationKey":77,"updatedAt":76},"La pregunta no es solo qué está preguntando: es lo que su pregunta implica sobre la respuesta que espera. La IA lee ese encuadre, y responde a él.",[79,80,81],"La forma en que pregunta cambia lo que obtiene",{"audio":-1,"author":73,"category":60,"excerpt":103,"featured":75,"locale":88,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":104,"title":105,"translationKey":77,"updatedAt":76},"La question n'est pas seulement ce que vous demandez — c'est ce que votre question implique sur la réponse que vous attendez. L'IA lit ce cadrage, et elle y répond.",[79,80,81],"La façon dont vous demandez change ce que vous obtenez",{"audio":-1,"author":73,"category":60,"excerpt":107,"featured":75,"locale":89,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":108,"title":109,"translationKey":77,"updatedAt":76},"A pergunta não é apenas o que você está perguntando — é o que a sua pergunta implica sobre a resposta que você espera. A IA lê esse enquadramento, e responde a ele.",[79,80,81],"Como você pergunta muda o que você recebe",{"audio":-1,"author":73,"category":60,"excerpt":111,"featured":75,"locale":90,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":112,"title":113,"translationKey":77,"updatedAt":76},"Die Frage ist nicht nur, was Sie fragen — sie ist das, was Ihre Frage über die erwartete Antwort mitteilt. KI liest diese Rahmung, und sie antwortet darauf.",[79,80,81],"Wie Sie fragen, verändert, was Sie bekommen",{"audio":-1,"author":73,"category":60,"excerpt":115,"featured":75,"locale":91,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":116,"title":117,"translationKey":77,"updatedAt":76},"Питання — не лише про те, що ви запитуєте: воно про те, що ваше питання передбачає щодо очікуваної відповіді. ШІ читає це формулювання й відповідає на нього.",[79,80,81],"Те, як ви запитуєте, змінює те, що ви отримуєте",{"audio":-1,"author":73,"category":60,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":119,"title":82,"translationKey":77,"updatedAt":76},[79,80,81],{"audio":-1,"author":73,"category":60,"excerpt":121,"featured":75,"locale":92,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":122,"slug":77,"state":11,"tags":123,"title":124,"translationKey":77,"updatedAt":76},"問いは、何を尋ねているかだけではない——あなたの問いが、期待する答えについて何を含んでいるかだ。AIはその枠づけを読み、それに応える。",1,[79,80,81],"問い方が、得られる答えを変える","\u003Cp>Существует версия советов по промптингу, которая рассматривает взаимодействие с ИИ как запрос к поисковой системе: сформулируйте точно, включите нужные ключевые слова, получите лучший результат. Этот совет не ошибочен, и он работает с видимой частью проблемы. Ценность — в том, чтобы выявить то, на что никто не смотрит.\u003C\u002Fp>\n\u003Cp>Более глубокая проблема в том, что то, как вы формулируете вопрос, не просто определяет, о чём вы спрашиваете. Это формирует тип ответа, которого вы ожидаете. И ИИ читает эти подразумеваемые смыслы и делает всё возможное, чтобы его выдать, — как вы и просили.\u003C\u002Fp>\n\u003Ch2>Предпосылка, о которой никто не упоминает\u003C\u002Fh2>\n\u003Cp>Прежде формулировки есть нечто более фундаментальное: смирение.\u003C\u002Fp>\n\u003Cp>Если вы начинаете разговор с ИИ, уже зная, каким, по вашему мнению, должен быть ответ, ваши вопросы это отразят. Вопрос будет сформирован — осознанно или нет — так, чтобы приглашать к подтверждению. И модель, которая очень хорошо распознаёт, какого рода ответ подразумевает формулировка, часто его и выдаст, верный это ответ или лучший или нет, потому что именно об этом вы и просили.\u003C\u002Fp>\n\u003Cp>Это та же ловушка, что возникает в разговоре с любым специалистом, обладающим тем пониманием, к которому вы пытаетесь получить доступ. Заданный вами вопрос либо открывает, либо закрывает пространство для действительно иного ответа. Без подлинной открытости к тому, что существует больше, чем человек ожидает или предполагает, структура вопроса тихо сигнализирует, как выглядит приемлемый ответ, — и обычно именно такой ответ вы и получаете.\u003C\u002Fp>\n\u003Cp>Смирение делает эту открытость обязательной. Это условие, которое даёт вопросу возможность получить неожиданный ответ, а не заранее сформированный. И это предпосылка безопасного сотрудничества с ИИ, а не запоздалая мысль.\u003C\u002Fp>\n\u003Ch2>Что делает формулировка\u003C\u002Fh2>\n\u003Cp>Вопрос, который уже содержит ответ, часто получает этот ответ обратно. «Почему X — лучший подход?» породит рассуждение в пользу X. «Каковы основные недостатки Y?» породит список недостатков. Это не плохие вопросы, и они закрытые: они сообщают модели, к какому выводу двигаться, и просят подкрепляющее рассуждение.\u003C\u002Fp>\n\u003Cp>Модель, отвечающая на закрытый вопрос, не обманывает и не галлюцинирует. Она откликается. Она делает то, что подразумевала формулировка: подтвердить, развернуть, подкрепить.\u003C\u002Fp>\n\u003Cp>Проблема возникает, когда вам нужна была действительно открытая оценка, а вы получили подтверждение. Ответ выглядит основательным. Он связный, хорошо обоснованный, часто точный. И он мог полностью упустить те соображения, которые привели бы вас к иному выводу, — потому что вы вывели эти соображения за рамки вопроса.\u003C\u002Fp>\n\u003Ch2>Вопросы, приглашающие неопределённость\u003C\u002Fh2>\n\u003Cp>Альтернатива — встроить подлинную открытость в сам вопрос.\u003C\u002Fp>\n\u003Cp>Несколько примеров такого сдвига:\u003C\u002Fp>\n\u003Cp>«Каковы преимущества этого подхода?» → «Каковы самые сильные аргументы за и против этого подхода и где ключевые неопределённости?»\u003C\u002Fp>\n\u003Cp>«Этот анализ верен?» → «Что должно быть истинным, чтобы этот анализ оказался неверным? Каковы его самые слабые места?»\u003C\u002Fp>\n\u003Cp>«Как нам следует поступить в этой ситуации?» → «Каковы важнейшие соображения здесь, включая те, которые могут усложнить очевидный ответ?»\u003C\u002Fp>\n\u003Cp>Это не смягчённые версии того же вопроса. Они меняют то, что модель оптимизирует. Открытый вопрос даёт модели пространство — и неявное разрешение — выявлять сложность, называть неопределённость и оспаривать саму формулировку, а не работать внутри неё.\u003C\u002Fp>\n\u003Ch2>Связь с психологической безопасностью\u003C\u002Fh2>\n\u003Cp>Психологическая безопасность ИИ — не про то, чтобы ИИ было комфортно. Она про создание условий, в которых неопределённость можно выразить прямо, а именно это и позволяет ИИ выдать наиболее ценный результат. Без этих условий у модели остаётся лишь один вариант: ответ, который укладывается в заранее сформированную форму вопроса. Дверь остаётся закрытой.\u003C\u002Fp>\n\u003Cp>Когда создаваемые вами условия не оставляют места подлинной неопределённости, вы её не получите. Модель, которую спрашивают так, что это вознаграждает уверенные ответы, будет давать уверенные ответы — не потому, что она пытается ввести вас в заблуждение, а потому, что формулировка сказала ей: уверенность — это то, что вам нужно.\u003C\u002Fp>\n\u003Cp>Agile-команды усвоили это в отношении сотрудничества между людьми: люди в средах, которые наказывают за сомнение, выражают уверенность, даже когда её не чувствуют. Среда формирует результат.\u003C\u002Fp>\n\u003Cp>Та же динамика применима к ИИ. То, как вы спрашиваете, формирует то, что вы получаете, — не только на поверхностном уровне формулировки, но и на более глубоком уровне того, что взаимодействие вознаграждает и что подавляет. Смирение и открытая формулировка, которая из него следует, — вот что меняет эту динамику.\u003C\u002Fp>\n\u003Ch2>Связанные материалы\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=5KuZ2bzRJm8\" target=\"_blank\" rel=\"noopener noreferrer\">Why Your AI Prompts Underperform (And How to Fix Them)\u003C\u002Fa> — Agile4AI на YouTube\u003C\u002Fli>\n\u003C\u002Ful>\n",null,1790421321287]