С чего начать
Перестать работать с ИИ одним способом из трёх и научиться выбирать режим под задачу.
Большинство людей знакомятся с ИИ одинаково. Открывают чат, задают вопрос, получают ответ. Иногда полезный, иногда мимо. Через неделю складывается мнение: игрушка любопытная, в работе толку мало.
Дело редко бывает в модели. Человек застрял в одном способе работы из трёх, причём в самом узком.
Разобраться, какими тремя способами вообще можно работать с ИИ, и научиться определять, какой подходит конкретной задаче. Это фундамент курса: следующие модули разбирают навыки, которые внутри разных режимов работают по-разному.
Что значит уметь работать с ИИ
Определение, на котором стоит весь курс: работать с ИИ результативно, экономно, этично и безопасно. Четыре слова, и каждое несёт вес.
Результативно значит получать нужное, и качество результата вы можете обосновать. Экономно значит не тратить час на задачу, которая руками делается за десять минут. Этично значит честно говорить, где в вашей работе участвовала машина. Безопасно значит понимать, какие данные уходят наружу и что с ними будет дальше.
Обратите внимание, чего в этом определении нет. Знания устройства нейросетей. Списка волшебных фраз для промптов. Умение работать с ИИ ближе к умению работать с человеком, которому вы поручаете задачу. Устройство его головы вас не занимает. Занимает другое: насколько внятно вы объяснили задачу и насколько внимательно проверили результат.
Три режима
Способов взаимодействия три, и отличаются они тем, сколько решений вы отдаёте машине.
Вы даёте инструкцию, модель её выполняет. Решения принимаете вы, машина исполняет. Перевести текст, привести таблицу к единому формату, написать письмо по вашим тезисам. Самый предсказуемый режим и самый безопасный: результат не подошёл, вы просто переделали.
Вы работаете вместе. Модель предлагает, вы отбираете и правите, она развивает выбранное. Разобрать причины падения маржи, придумать структуру документа, найти дыры в собственной аргументации. Здесь появляется ценность, которой не даёт первый режим: машина показывает варианты, до которых вы не додумались, а вы отбираете годные.
Вы настраиваете модель работать за вас. Вместо конкретной задачи задаются правила: что она знает, как себя ведёт, к каким файлам и сервисам имеет доступ. Дальше она действует сама. Помощник, который читает почту и готовит ответы. Скрипт, который каждое утро собирает отчёт.
Разница между режимами это разница в цене ошибки. В автоматизации плохой результат виден сразу и стоит переделки. В усилении ошибка уезжает в вашу же логику незаметно, потому что чужая мысль легко становится своей. В агентном режиме модель действует без вашего взгляда на каждый шаг, и ошибка успевает размножиться, пока вы о ней не знаете.
Режим выбирается по цене ошибки. Удобство тут плохой советчик: чем дороже стоит неверный результат, тем меньше решений отдаётся машине.
Почему модель уверенно говорит неправду
Короткая врезка про устройство, без которой третий модуль не встанет на место.
Языковая модель не хранит факты и не ищет их. Она предсказывает продолжение текста, опираясь на закономерности из огромного объёма прочитанного при обучении. Отсюда три свойства, с которыми придётся жить.
Выдумывание. Модель уверенно назовёт несуществующий закон, выдумает цитату или сошлётся на статью, которой нет. Тон при этом ровно такой же, как при верном ответе. Уверенность в голосе с правильностью не связана.
Отсечка знаний. Модель обучена на данных до определённой даты. Всё, что произошло позже, для неё не существует, пока вы сами это не дали или у неё нет доступа к поиску.
Окно контекста. Разговор помещается в ограниченный объём. Когда он переполняется, начало вытесняется, и модель забывает договорённости из первого сообщения.
Практический вывод простой. Всё, что модель утверждает как факт с числом, датой или ссылкой, проверяется в первоисточнике. Всегда. Даже когда звучит убедительно, особенно когда звучит убедительно.
Что дальше
Четыре навыка, по теме на каждый. Рамка называется 4D по первым буквам английских названий, её авторы Рик Дакан и Джозеф Феллер.
| Навык | О чём |
|---|---|
| Делегирование | что отдавать машине, что оставлять себе |
| Постановка задачи | как объяснить, чтобы получить нужное |
| Проверка | как увидеть, что результат негодный |
| Добросовестность | чем вы отвечаете за работу, сделанную с ИИ |
Все четыре навыка работают во всех трёх режимах, но по-разному. Проверка в автоматизации это взгляд на результат. Проверка в агентном режиме это заранее выстроенные ограничения, потому что смотреть на каждый шаг вы уже не будете.
Практика
Дальше курс идёт на ваших задачах. Учебные примеры дают ощущение понятности, ваш собственный файл даёт результат, который завтра пойдёт в работу.
Выпишите пять задач, которые реально занимают ваше рабочее время. Формулировка конкретная: «каждый понедельник свожу отчёт по продажам из трёх выгрузок». Слово «аналитика» задачей не считается.
Напротив каждой поставьте режим: автоматизация, усиление или агентность.
Для каждой ответьте одним предложением, что произойдёт, если результат окажется неверным и вы этого не заметите.
В списке есть задачи хотя бы двух разных режимов. Когда все пять попали в автоматизацию, вы описали задачи слишком мелко: поднимитесь на уровень выше, к тому, ради чего эти действия делаются.
Список пригодится в следующем модуле: там мы будем решать, какие из этих задач вообще стоит отдавать машине.
Самопроверка
Чем усиление отличается от автоматизации, если в обоих случаях я пишу запрос?
Тем, кто принимает решения. В автоматизации решение уже принято вами, и модель его исполняет. В усилении решения ещё нет, вы ищете его вместе: модель приносит варианты, вы отбираете.
Почему нельзя всегда работать в самом мощном режиме?
Цена ошибки растёт вместе с самостоятельностью машины. Агентный режим оправдан там, где вы заранее выстроили ограничения и понимаете, что произойдёт при сбое.
Модель ответила уверенно и подробно. Насколько это признак правильного ответа?
Никак не признак. Уверенность тона и правильность содержания в языковой модели не связаны. Числа, даты, названия документов и ссылки проверяются независимо от того, как звучал ответ.
Я работаю в очень узкой области, модель про неё почти ничего не знает.
Скорее всего, знает меньше вас, и это нормально. В узкой области ценность появляется в режиме усиления: ваша экспертиза отбирает годное, модель ускоряет перебор вариантов.
Материал основан на курсе AI Fluency: Framework and Foundations. Copyright 2025 Rick Dakan, Joseph Feller, Anthropic PBC. Материал распространяется по лицензии CC BY-NC-SA 4.0. Курс опирается на The AI Fluency Framework авторства Дакана и Феллера, создан при поддержке Higher Education Authority (Ирландия) через National Forum for the Enhancement of Teaching and Learning. Русская версия и дополнения: JB Solutions, распространяются по той же лицензии.