Что отдавать
Научиться раскладывать задачу на части и решать по каждой, кто её делает.
Обычно вопрос звучит так: что ИИ умеет делать. Вопрос неудачный, потому что ответ на него меняется каждые полгода и ничего не говорит про вашу работу.
Рабочий вопрос другой: из чего состоит задача, которая передо мной стоит. Пока вы не ответили на него, отдавать нечего.
Научиться раскладывать свою задачу на части и решать по каждой, кто её делает. Это первый из четырёх навыков, и он определяет всё остальное: неверно отданная задача не спасается ни хорошей формулировкой, ни тщательной проверкой.
Из чего состоит делегирование
Три части, и порядок между ними жёсткий.
Понимание задачи. Что должно получиться, из каких шагов это собирается, как выглядит хороший результат. Звучит банально, но именно здесь ломается большинство попыток. Человек приходит к модели с формулировкой «сделай мне презентацию по продажам», получает нечто среднестатистическое и делает вывод, что инструмент слабый. Модель тут ни при чём: задача не была разобрана до того, как её отдали.
Понимание инструмента. Что эта конкретная система делает хорошо, где у неё потолок, какие данные ей можно показывать. Не устройство модели, а её практические границы.
Разделение работы. Решение по каждому куску: этот беру себе, этот отдаю, над этим работаем вместе. Решение принимается по силе стороны. Принцип «отдам всё, что получится отдать» сюда не годится.
Делегировать можно только то, что вы понимаете сами. Человек, который не разобрал задачу, не отдаёт её машине. Он на неё надеется.
Почему нельзя отдать всё
Соблазн понятный: если модель справляется с куском работы, почему бы не отдать ей соседний. Ограничителя два.
Первый очевидный: качество. Есть куски, где ваша экспертиза даёт результат, который модель не воспроизведёт, потому что у неё нет ни вашего контекста, ни доступа к людям, ни понимания внутренней политики.
Второй менее очевидный и более важный: вы теряете способность проверить. Проверка результата требует того же знания, что и его создание. Отдав целиком задачу, в которой вы не разбираетесь, вы получаете текст, качество которого не можете оценить. Дальше остаётся верить на слово, а мы уже выяснили, чего стоит уверенный тон.
Отсюда практическое правило. Задачи, где под результатом стоит ваша подпись и вы отвечаете за последствия, не уходят целиком. Разбираются на части: механика вниз, суждение остаётся.
Где обычно проходит граница
Ориентир, который у каждого сдвинется под свою работу.
| Хорошо отдаётся | Остаётся за вами |
|---|---|
| перевод, переформатирование, приведение к единому виду | решение, которое вы будете защищать перед людьми |
| первый черновик, с которым дальше работаете вы | оценка, требующая знания контекста внутри компании |
| разбор большого объёма текста на предмет «где тут про X» | выводы, за которые вы отвечаете деньгами или репутацией |
| перебор вариантов, когда их надо много и быстро | всё, где цена незамеченной ошибки высокая |
| объяснение незнакомой вам темы на пальцах | финальный отбор из предложенных вариантов |
Обратите внимание на закономерность. Слева стоит работа, где ошибка видна сразу и стоит переделки. Справа работа, где ошибка уезжает дальше и обнаруживается поздно.
Практика
В прошлом модуле вы выписали пять задач и проставили им режимы. Теперь разберём одну неделю целиком.
Возьмите прошлую рабочую неделю и выпишите, на что реально ушло время. Не план, а факт. Достаточно крупными блоками, десять-пятнадцать строк.
Против каждой строки поставьте одну из трёх пометок: отдаю целиком, делаем вместе, оставляю себе.
Для строк «оставляю себе» допишите причину одним словом: экспертиза, ответственность, конфиденциальность, отношения с людьми.
Возьмите самый крупный блок из «оставляю себе» и разберите его на шаги. Проверьте, действительно ли неделимо всё, или внутри есть механика, которую можно отдать.
В колонке появились все три пометки. Хотя бы один блок, изначально помеченный «оставляю себе», после разбора на шаги распался: часть ушла вниз, суждение осталось. Это и есть настоящий результат упражнения.
Список получается из абстракций: «управление», «коммуникации», «аналитика». Такие строки не делятся и не отдаются, потому что это не задачи, а названия областей. Признак хорошей строки: её можно начать делать прямо сейчас и понятно, когда она закончится.
Самопроверка
Я разобрал задачу, но не понимаю, потянет ли модель конкретный кусок. Что делать?
Проверить на маленьком примере. Понимание инструмента набирается опытом, чтение описаний его не заменяет. Возьмите один типовой случай, дайте его модели и посмотрите на результат: пятнадцать минут дают больше, чем час рассуждений о возможностях.
Если я отдаю первый черновик, а потом всё переписываю, есть ли выигрыш?
Часто есть, и он не в тексте. Чужой черновик показывает структуру задачи и подсвечивает места, которые вы не продумали. Иногда самый полезный черновик это плохой черновик: он быстро объясняет, почему так делать не надо.
Как понять, что я отдал слишком много?
По ощущению от проверки. Когда вы смотрите на результат и не можете сказать, хороший он или нет, граница уже перейдена. Проверка требует того же знания, что и работа.
Обязательно ли раскладывать задачу перед каждым обращением к модели?
Нет. Мелкая обратимая задача этого не требует, там разбор дороже самой работы. Правило включается там, где результат уходит дальше вас: клиенту, руководителю, в публикацию.
Материал основан на курсе AI Fluency: Framework and Foundations. Copyright 2025 Rick Dakan, Joseph Feller, Anthropic PBC, лицензия CC BY-NC-SA 4.0. В основе The AI Fluency Framework авторства Дакана и Феллера, при поддержке Higher Education Authority (Ирландия) через National Forum for the Enhancement of Teaching and Learning. Русская версия и дополнения: JB Solutions, на тех же условиях.