При работе с современными ИИ-инструментами одного хорошего запроса уже недостаточно. Такие системы могут читать файлы, изучать проекты, запускать команды, работать с таблицами и базами данных, искать информацию и проверять собственный результат.
Поэтому итог зависит сразу от пяти элементов:
РЕЗУЛЬТАТ = МОДЕЛЬ × КОНТЕКСТ × ИНСТРУМЕНТЫ × ПРОЦЕСС × ПРОВЕРКА
1. МОДЕЛЬ: подходит ли она для задачи
Разные модели хорошо справляются с разной работой. Для сокращения документа, поиска информации или типовой правки часто достаточно быстрой модели. Для стратегии, программирования, сложного анализа и задач с большим количеством условий нужна модель, способная дольше рассуждать и последовательно проверять свои решения. Самые дорогие модели стоит подключать к тем этапам, где действительно требуется их глубина. Остальные операции можно выполнять быстрее и дешевле.
2. КОНТЕКСТ: какую информацию видит модель
Контекст включает ваш запрос, историю диалога, прикреплённые файлы, инструкции и результаты предыдущих действий. Большое контекстное окно позволяет загрузить много информации. Пользу определяет качество отбора. Каждый лишний документ, старое сообщение и устаревшее решение занимают место и отвлекают модель от текущей задачи. В длинных сессиях противоречий становится больше, поэтому результат постепенно ухудшается.
Перед началом работы полезно дать модели: точную цель, нужные файлы, важные ограничения, уже принятые решения, список того, что нельзя менять, понятные критерии готовности.
3. ИНСТРУМЕНТЫ: что модель может сделать сама
В обычном чате модель в основном формирует ответ. В рабочей среде она может открыть документы, изменить код, обработать таблицу, обратиться к базе данных, запустить тесты и проверить созданный файл. Одна и та же модель показывает разный результат в зависимости от доступных ей действий. Например, без доступа к системе тестирования модель может только предположить, что программа работает. С доступом она запустит проверку, увидит ошибку и внесёт исправления. Поэтому перед задачей важно проверить, есть ли у ИИ нужные файлы, программы, разрешения и способы проверки.
4. ПРОЦЕСС: как построена работа
Сложную задачу лучше проводить через несколько последовательных этапов: изучить материалы → предложить решение → выполнить → проверить → исправить. Частая ошибка состоит в том, что исследование, планирование, реализацию и проверку помещают в один большой запрос. В такой ситуации модель может принять слабое решение в самом начале и использовать его на всех следующих этапах. Контрольные точки снижают этот риск. Для крупных задач полезно поручать финальную проверку другой модели или запускать отдельную сессию без истории предыдущей работы.
5. ПРОВЕРКА: по каким признакам задача считается выполненной
Формулировка «сделай хорошо» оставляет модели слишком много свободы. Для кода критериями могут быть успешные тесты, работающая сборка и сохранение текущей логики системы. Для аналитики нужны проверенные источники, правила расчёта и контрольные примеры. Для текста важны аудитория, структура, объём, фактическая точность и соответствие стилю компании. Чем точнее описана проверка, тем проще модели довести работу до нужного состояния.
Частые ошибки даже у опытных пользователей:
➡️ загружать весь проект без указания нужных файлов;
➡️ продолжать одну сессию после нескольких смен задачи;
➡️ использовать одну модель для всех этапов;
➡️ давать доступ к инструментам без понятных границ;
➡️ принимать первый результат без отдельной проверки;
➡️ оставлять модели право самой определять, когда работа закончена.
Простой способ повысить качество — это перед запуском любой крупной задачи напишите короткий рабочий бриф:
➡️ Какой результат нужен?
➡️ Какие материалы нужно использовать?
➡️ Какие ограничения важно соблюдать?
➡️ Что запрещено менять?
➡️ Как проверить готовый результат?
➡️ А затем попросите модель пройти полный цикл: изучить, выполнить, проверить и исправить.
💬 Канал о том, как ИИ меняет людей, процессы и технологии