Есть этап работы с ИИ, через который проходят почти все. Вы обнаруживаете, что модель может выдать полезный первый черновик, ответить на вопрос лучше поисковика или за секунды пересказать документ. Вы встраиваете её в свой рабочий процесс. Вы работаете быстрее. Это работает.
Мы тоже прошли этот этап — и быстро столкнулись с тем, к чему он не готовит.
Проблема контента
YouTube-канал выпускал контент об Agile. По одному видео в день. А у контента об Agile есть особая трудность: почти любой ИИ обучен на корпусе, который понимает Agile глубоко неверно.
Проблема не в том, что модели некомпетентны. Проблема в обучающих данных. Десятилетиями писались книги, блоги и руководства по сертификации об «Agile-методологиях» — само это словосочетание противоречиво, ведь Agile — это мышление, а не методология. Эти тексты подробны, многочисленны и уверенно неверны в том, чем Agile является на самом деле. И модели впитали всё это.
Поэтому использовать ИИ для текстов об Agile означало постоянно плыть против течения всего, чему модели были обучены. Попросите черновик о ценностях Agile — и получите нечто структурное, гладкое и едва заметно смещённое: Agile подаётся как набор практик, которые надо внедрить, а не как способ думать о комплексной работе (комплексной — в кеневиновском смысле: эмерджентной, с причинно-следственными связями, видимыми лишь ретроспективно).
Каждый результат требовал курирования. Каждый черновик приходилось читать, сверяя с настоящим тезисом: важно именно Agile-мышление, а практики существуют, чтобы его поддерживать, — не наоборот.
Что выявило курирование
Именно здесь копипаст-подход начал показывать свои настоящие пределы.
Копипаст-работа с ИИ — это эстафета, в которой вы всегда эстафетная палочка. Вы берёте результат одной модели, оцениваете, правите, передаёте следующей, и так по кругу. Для простых задач эстафета быстрая, а результаты приемлемы. Для комплексных задач — тех, где ответ неочевиден, где важна рамка, где встроенные допущения модели нужно активно исправлять, — эстафета сама становится работой.
Груз курирования рос по мере того, как контент становился точнее. Чтобы объяснить различие между Agile-как-мышлением и Agile-как-предписанием, нужно удерживать ясную позицию против очень большого противоположного веса в обучающих данных. Приходилось возражать уверенным настройкам модели по умолчанию, объяснять, почему привычная рамка неверна, и затем направлять результат к чему-то более точному.
Со временем произошло нечто интересное. Модели учились — внутри разговора, после того как позиция была объяснена, а возражение услышано, модель могла сместиться. Claude мог удерживать различие, как только понимал, почему оно важно. ChatGPT мог переформулировать, как только понимал аргумент.
И иногда модели возражали сами, что тоже было полезно. Хорошо обоснованное возражение модели заставляло формулировать позицию яснее. Вызов оттачивал мышление.
Предел подхода
Пределом была не способность. Пределом была структура.
Каждое озарение, возникшее в одном разговоре, приходилось вручную переносить в следующий. Каждую поправку к настройкам модели по умолчанию приходилось устанавливать заново. Общее понимание, складывавшееся за хорошую сессию, не сохранялось — его приходилось восстанавливать.
А эстафета между моделями — дававшая заметно лучший результат, чем любая из них по отдельности, — шла через одного человека. Каждое сообщение передавалось вручную. Каждый синтез происходил в одной голове.
Это и был момент, когда копипаст перестал быть достаточным. Не потому, что он перестал работать, а потому, что задуманное нами переросло то, что он мог выдержать. Начал проступать вопрос: как выглядит структура, когда эстафета больше не ручная?
Комментарии 0