Пока все вокруг меряются "промтами", важно разделять две истории: скилл-ап команды и внедрение автономных ИИ-агентов.
Скилл-ап — люди учатся формулировать запросы, критиковать ответы и вписывать их в реальный флоу.
ИИ-агент — робот-коллега: сам берёт задачу из бэка, зовёт нужный сервис, принимает решение и присылает отчёт, без участия человека в каждом шаге.
Сегодня про первое: где буксует рост навыков и почему "выдать всем ChatGPT" ещё не стратегия
1. Промт ≠ навык
Запрос хорош ровно до момента валидации ответа. В 99 % случаев ИИ отвечает как уверенный джун: структурно, очень полно, но с галлюцинациями. Проверять факты и дообучать под задачу придётся вам, поэтому делайте те задачи, где сможете проверить качество ответа самостоятельно.
2. Экспериментам нет места в плане
Горящие дедлайны выдавливают R&D-активности: "поиграемся позже" превращается в "не внедрили никогда". Привычку пробовать ИИ надо растить. Общая база знаний + чужой опыт помогут — смотрите больше рилзов, не шутка :)
3. Техограничения гасят мотивацию
VPN, лимиты токенов, комплаенс — любой стоп-фактор убивает драйв. На старте хватит одного общего аккаунта ChatGPT, но быстро станет тесно. И это мы ещё не трогали тему безопасности данных.
4. Страх первых шагов
Сложнее всего — сделать первые задачи. Провалы неприятны, зато первый сэкономленный час бодрит на ура. Начинать внедрять ИИ лучше через внутренних энтузиастов: их успехи заставят остальных завидовать и, в идеале, подключаться. Дальше всё решит ваша корп.культура.
5. Грязные данные → грязные ответы
Без базовой гигиены любых датасетов промтинг бьётся о стену разочарования. Надо учиться чистить CSV и XLSX до подачи в модель. Мы начали с генерации картинок, потом перешли к внутрянке — КП, доки и прочие less-pain-задачи.
---
Совет, который мне никто не дал на старте, а зря: Не знаете как сделать, что спросить — попросите chatgpt вам помочь. Он составит и хороший промт, и подскажет, куда смотреть на узкие места (и на всякий случай будьте вежливы, вдруг, все-таки ИИ захватят мир) 🤖