По мере выхода на плато эффективности работы с нейросетями (в моей деятельности) возник ряд мыслей, которые проще выгрузить из себя, чем продолжать обдумывать.
Не погружаясь в детали (пока), расклад в моей работе сейчас такой:
1️⃣ Вся подготовка от «разрозненные сырые исходники» до «подготовленный к работе исходный текст» автоматизирована.
2️⃣ Все финальные картинки / графика могут быть созданы без людей на уровне, на котором «нейронность» не будет бросаться в глаза.
3️⃣ Вся алгоритмическая работа вида «заполните шаблоны, чтобы вставить в систему» автоматизирована.
4️⃣ Кастомные интерактивы, которые ранее занимали 3-5-7 дней + правки, можно навайбкодить на достаточном уровне качества за час-другой.
и даже 5️⃣ Черновая работа с текстом введений, уроков, примеров, тестов и заключений при наличии настроенных правил обработки и нужного контекста выдаёт приемлемый результат.
То есть, на LLM легко можно делегировать условные первые 80% трудоёмкости работы по Парето.
А вот далее мы утыкаемся в последние 20%, они же «последняя миля». Даже в две:
Предпоследняя миля контента. Без личного доредачивания даже приемлемый черновик от нейронки останется нейрослопом.
Это неинтересно. Это «кодирование информации в буквах»: написано примерно правильно и примерно по теме, но не то. Оставлять так нельзя, хотя бы из соображения «если никто не удосужился это написать — почему кто-то должен это читать?»
Последняя миля вёрстки. Выдача LLM — это исходные файлы: текст, изображения, папки с кодом. В текущей парадигме eLearning и EdTech их нужно «сверстать в конструкторе» или «выложить на платформу».
И вот эта часть пока ещё никак не автоматизируется. Ты ОБЯЗАН руками засунуть материал и руками же его там настроить.
Что здесь не так
Если доделывать контент кажется естественным ограничением — профессионал на то и профессионал, что пока ещё может улучшить результат нейросети, — то вот часть про вёрстку вымораживает очень сильно.
Все этапы работы над контентом «до» ускорены многократно. Этап личной доработки — это всё ещё «необходимый этап для улучшения результата». Но сразу после них следует пещерное «вот тебе дубина, иди работай».
Разгон теряется, накопленный потенциал скорости — тормозится, и всё потому, что на последней миле надо приземлить ракету и пройти пешком болото с крокодилами.
Надо с этим что-то делать, а что — непонятно. Точнее, понятно, но потребует времени.
Как будто бы даже просто генератор SCORM-курсов из навайбкоденных лонгридов с интерактивами и тестами будет сделать быстрее, чем найти / создать «идеальный» конструктор с сопоставимо быстрым воркфлоу.
Да, пока что они будут «одноразовые». Но кто знает, какими станут методы сохранения контекста и удержания единства визуального стиля в LLM через 3-6-9 месяцев.
〰️〰️〰️
🤔 — фига тебя жмыхнуло
😐 — идеальный конструктор есть, это же %вставьте_свой%
🗿 — промптирую в бесплатном GPT, не понимаю суть вопроса
#elearning #edtech #медиа #инновации