КЕЙС. Когнитивный партнер на ChatGPT: бизнес-инструмент и инструмент развития в одном флаконе. Часть 2 (Часть 1 тут)

3. Джун идет к эксперту добывать реальную работу
Не спрашивать в лоб про компетенции, а вытаскивать эпизоды: что происходило, какую задачу человек решал, что заметил, между чем выбирал, почему сделал именно так, что отличало хороший результат от плохого.

💻 А дальше начинается собственно когнитивный партнер.

Работа идет в отдельном чате без памяти и персонализации.

4. Сначала Base
Первым загружается базовый промпт — Base.
Это не «сделай мне таксономию». Это правила, как башка машины должна работать внутри проекта.

Там зашита эпистемическая дисциплина: как обращаться с фактами и интерпретациями, как работать с противоречиями, гипотезами и пробелами, чего не считать доказательством, где нельзя сглаживать неопределенность.
Плюс есть кастомные куски под клиента, которые уже под NDA.

Зачем все это?

Чтобы ChatGPT не делал то, что умеет делать по умолчанию очень убедительно:
быстро собирать правдоподобную историю из неполных данных.

5. Потом джун загружает интервью и первый рабочий промпт
Из транскрипта машина собирает первую рабочую Модель реальности. Но не в формате summary.
Она должна:
▪️вытащить утверждения, которые действительно способны изменить наше понимание работы;
▪️показать, какие части модели уже подтверждены данными, а где есть пробелы;
построить несколько конкурирующих гипотез;
▪️для каждой показать, что ее поддерживает, что ей противоречит и какое есть альтернативное объяснение;
▪️после этого обновить рабочую модель и предложить, у кого и что лучше спросить дальше.

То есть результатом анализа становится не «мы поняли человека».
Результатом становится:
вот наша текущая версия реальности, вот на чем она держится, вот где она может быть неправильной и вот какой следующий ход даст нам больше всего информации.

6. Дальше добавляем контекст
В тот же диалог можно добавлять новые интервью, комментарии сотрудников, ответы экспертов и документы. Base не позволяет автоматически считать мнение руководителя фактом только потому, что это руководитель, а официальный документ — истиной только потому, что на нем логотип компании.

Если источники расходятся, машина должна не примирить их красивым текстом, а сохранить конфликт и обновить модель с учетом новой неопределенности.
Постепенно вместо кучи интервью, презентаций и мнений появляется достаточно прозрачная рабочая модель компании, если брать в фокус то, что нужно для нашей цели.

7. И только потом есть финальный промпт
Он работает уже на накопленном контексте и собирает финальный артефакт по нужной структуре, сохраняя происхождение выводов и степень их подтвержденности.

🧙‍♀️После этого можно запускать сеньора.
Он ковыряет не сто транскриптов и документов, а уже собранную модель, спорные места и рабочие гипотезы.

Технически далог ссылкой можно передать мне или внутреннему эксперту и продолжить там же: спорить с моделью, приносить новые данные, пересобирать решения.

То есть дорогая экспертная мощность включается не на всю работу, а именно там, где нужно экспертное суждение.

8. И вишенка на торте: три режима
В Base я делаю три режима.
Во всех сохраняются одни и те же правила работы с доказательствами, гипотезами, противоречиями и пробелами. Меняется то, как результат выдается человеку.

▪️Дефолт — нормальный полноценный ответ плюс необходимая аргументация.
▪️Рабочий — минимум текста: что мы знаем, где критический пробел и какой следующий ход делать.
▪️Обучающий — больше объяснений: почему машина пришла к такому выводу, на чем держится гипотеза, какие есть альтернативы, что пользователь мог не заметить и где можно было лучше вмешаться в разговор.

Переключать режимы можно в любой момент.
Потому что одна и та же когнитивная система иногда должна помогать человеку работать, иногда учиться, а иногда — просто не мешать.

Вот тогда она одновременно становится и бизнес-инструментом, и инструментом развития.

Я сейчас смотрю на такие задачи примерно так.

Если в компании есть:
▪️повторяющийся класс сложных задач;
▪️сильный эксперт и/или уже существующая методология;
▪️менее опытная команда, которую надо быстро подтянуть;
▪️работа, которую нельзя нормально пояснить одним регламентом;
▪️задача не только получить результат сейчас, но и повысить самостоятельность людей,

то нужна не библиотека из 100 промптов.

Нужно вытащить наружу архитектуру экспертного мышления и спроектировать от нее когнитивного партнера.

После трех таких кейсов я, конечно, подумала: «Наверное, я изобрела велосипед» — и пошла искать референсы в индустрии.

Пока кажется, что не велосипед, а локальная адаптация нескольких очень сильных трендов.

Об этом следующий пост.