# Джереми Атли: «Если общение с ИИ кажется магией — вы делаете это неправильно»

Источник: https://www.youtube.com/watch?v=_8Q-8ovEuFQ
Канал: Stanford Graduate School of Business
Опубликовано: 19.03.2024

---

В эпоху бурного развития технологий искусственный интеллект (ИИ) часто воспринимается либо как пугающая угроза, либо как магическая «волшебная кнопка». Однако секрет эффективного взаимодействия с большими языковыми моделями (LLM) кроется не в поиске идеального запроса, а в переходе от транзакционного общения к полноценному диалогу.

В новом выпуске подкаста «Think Fast, Talk Smart» Мэтт Абрахамс обсуждает с экспертами Стенфордского университета — Джереми Атли и Кианом Гохаром — результаты их масштабного исследования о том, как ИИ влияет на командную креативность и почему лучшие результаты часто сопряжены с самым тяжелым трудом [0:28].

## 🧪 Эксперимент: ИИ против человека в решении бизнес-задач
[[JUMP:01:08]]

Киан Гохар и Джереми Атли провели масштабное слепое исследование с участием сотен профессионалов из компаний США и Европы [2:14]. Целью было выяснить, как доступ к ChatGPT влияет на качество идей при решении реальных организационных проблем.

Условия исследования были следующими:

*   Участников разделили на две группы: одна решала бизнес-задачи традиционным способом, вторая имела доступ к ChatGPT [2:28].
*   Задачи были реальными «болями» организаций, а не гипотетическими кейсами.
*   Результаты оценивались руководителями компаний вслепую по шкале от A (великолепно) до D (не стоит внимания) [2:42].
*   Ученые также замеряли эмоциональный настрой участников до и после сессий [3:10].

Результаты оказались парадоксальными: команды, показавшие наилучшие результаты с ИИ, чувствовали себя более истощенными и менее удовлетворенными, чем те, кто провалил задание [4:30].

## 🧠 Парадокс «Магии против Труда»
[[JUMP:03:36]]

Джереми Атли утверждает, что большинство команд используют ИИ неправильно, рассматривая его как «оракула» или поисковую систему [4:02]. Такой подход дает иллюзию легкости, но ведет к посредственным результатам.

Основные выводы по итогам исследования:

*   **Ловушка магического мышления:** Команды, ожидающие «суперспособностей» по нажатию кнопки, получают средние идеи (уровня B+), радуются мнимой легкости и прекращают работу [6:29].
*   **ИИ как собеседник:** Команды-лидеры относятся к ИИ как к партнеру по диалогу. Это требует «перепрошивки» мозга и изменения привычного рабочего процесса, что физически утомляет [5:36].
*   **Математика посредственности:** По словам Киана Гохара, LLM математически спроектированы так, чтобы выдавать наиболее вероятный (а значит, усредненный и типичный) ответ [7:38]. Чтобы выйти за рамки шаблона, необходимо заставлять систему сомневаться и уточнять данные.

## 🛠 Методология FIXIT: Пять шагов к качественным идеям
[[JUMP:08:16]]

Для систематизации работы с ИИ авторы разработали фреймворк FIXIT, который помогает командам «турбочарджить» процесс сотрудничества [8:16].

1.  **F — Focused problem (Фокусировка):** Нельзя просить ИИ «решить всё». Нужно давать узкие, конкретные задачи. Вместо общего вопроса о рекомендациях, лучше попросить ИИ задать вам уточняющие вопросы, чтобы он сам понял контекст [8:43].
2.  **I — Ideate individually (Индивидуальное мышление):** Исследования показывают, что лучший мозговой штурм — это чередование личных размышлений и групповой работы. Прежде чем идти к ИИ, нужно сформулировать собственную позицию [9:09].
3.  **X — Context (Контекст):** ИИ критически нуждается в фоновых данных. Атли рекомендует загружать в чат досье или документы по проекту [9:48]. «Хаки» для контекста: попросите ChatGPT провести с вами интервью, чтобы он сам вытянул из вас нужные детали проблемы [10:27].
4.  **I — Interactive conversation (Интерактивный диалог):** Никогда не берите первый ответ. Нужно просить еще 10 вариантов, затем еще 10, анализировать, почему понравились конкретные пункты, и использовать их как «принципы дизайна» для следующей итерации [11:17].
5.  **T — Team incubation (Командная инкубация):** Идеи, сгенерированные с ИИ, нужно возвращать в команду для создания прототипов. Ни человек, ни ИИ не могут заранее знать, какое решение сработает на практике без экспериментов [12:11].

## 🗣 Искусство разговора с машиной
[[JUMP:12:37]]

Киан Гохар предлагает изменить технический подход к взаимодействию с моделями, чтобы разрушить барьер «поисковой строки» [13:55].

Его рекомендации включают:

*   **Использование мобильного приложения:** Переход от браузера к телефону меняет паттерн поведения. Мы привыкли переписываться и говорить по телефону более неформально и открыто, чем печатать в строке поиска [13:30].
*   **Голосовой ввод («Voice vomit»):** Вместо тщательного подбора слов для промпта, лучше наговорить мысли аудиосообщением. ИИ отлично расшифровывает поток сознания и вычленяет из него суть [14:49].
*   **Метод нескольких мнений:** Разные модели (ChatGPT, Claude, Bing) имеют свои «характеры». Гохар советует брать ответ одной модели и просить другую модель раскритиковать его [16:23].

Пример из практики Атли: после звонка он надиктовывает ChatGPT черновик письма команде, а затем просит ИИ: «Представь, что ты занятой профессионал. Почему ты НЕ станешь читать это письмо?» [17:27]. ИИ честно отвечает, что текст слишком длинный, после чего сам его сокращает.

## 🚀 С чего начать новичку?
[[JUMP:18:06]]

Для тех, кто еще не освоил ИИ, Джереми Атли предлагает простое упражнение для получения «персонального откровения» [19:21]:

1. Выберите глубоко личное, эмоциональное решение, которое вы сейчас принимаете (то, о чем вы обычно советуетесь с супругом или другом) [18:57].
2. Напишите ИИ: «Я пытаюсь принять такое-то решение. Прежде чем давать совет, задай мне 4 уточняющих вопроса» [19:09].
3. Это запустит «снежный ком» понимания возможностей технологии.

Киан Гохар подчеркивает, что в основе любой успешной коммуникации — будь то с человеком или с машиной — лежат три ингредиента: умение слушать контекст, глубокое знание аудитории и четкое понимание конечной цели (того, как люди должны себя чувствовать после вашего сообщения) [21:47].