Карина Нгуен: Почему гибкие навыки станут основой будущего в эпоху ИИ 0:00
Развитие искусственного интеллекта меняет правила игры для продуктовых команд: от «написания спецификаций» мы переходим к «обучению моделей на основе желаемого результата». Карина Нгуен, исследователь OpenAI, работавшая над такими проектами, как Canvas, o1 и инструментами Claude в Anthropic, считает, что в мире, где технические навыки (кодинг, дизайн, письмо) становятся доступными ИИ, на первый план выходят soft skills: креативность, стратегическое мышление, умение слушать пользователя и навыки управления проектами.
🧠 Обучение моделей: Искусство или наука? 6:14
По словам Нгуен, отладка моделей во многом похожа на классическую отладку программного обеспечения, но с гораздо большей долей неопределенности.
- Проблема «физического воплощения»: В Anthropic при обучении Claude 3 исследователи столкнулись с курьезным случаем: модель, обученная «знать», что у неё нет физического тела, впадала в ступор, когда ей давали задачу «установить будильник», так как это предполагало физическое действие.
- Синтетические данные: Вопреки расхожему мнению, что мы «исчерпали данные» в интернете, Нгуен утверждает, что масштабирование происходит через синтетическую генерацию задач. Модели учатся не просто предсказывать следующее слово, а моделировать структуру знаний.
- Оценка эффективности (Evals): Вместо классических PRD (Product Requirement Documents) команды все чаще фокусируются на создании надежных оценок — наборов данных, которые определяют «идеальное поведение» модели.
🚀 От чат-бота к агенту: Опыт Canvas и задач 12:49
Проектирование функций, таких как Canvas (инструмент для совместной работы в ChatGPT), потребовало тесной интеграции исследователей и инженеров с самого начала.
- Триггеры поведения: Модель учили понимать намерение пользователя. Например, когда стоит открыть Canvas для итерации над документом, а когда достаточно обычного чат-ответа.
- Автономные правки: Модели дали «агентские» навыки — способность находить конкретный абзац в документе и редактировать его по запросу пользователя.
- Критический анализ: С помощью модели o1 система учится не просто создавать текст, но и комментировать его, имитируя качественную обратную связь от редактора.
💡 Будущее работы: Что строить сегодня? 35:38
Нгуен полагает, что следующие три года пройдут под знаком радикального снижения стоимости интеллектуальных операций.
- Роль менеджера: Исследователь подчеркивает, что развитие ИИ сегодня ограничено не мощностью компьютеров, а эффективностью управления исследованиями — распределением вычислительных ресурсов на самые перспективные направления.
- Soft Skills — новый стандарт: Креативность, эмпатия и способность синтезировать информацию из разных источников (пользовательские отзывы, метрики, рыночные тренды) станут самыми дефицитными навыками.
- Прототипирование: Сегодня продуктовые команды используют промптинг как быстрый способ прототипирования новых идей, что значительно ускоряет инновационный цикл.
⚖️ Сравнение культур: Anthropic vs OpenAI 53:38
Нгуен, поработавшая в обеих компаниях, отмечает, что они скорее похожи, чем различны, но есть важные нюансы:
- Anthropic: Нгуен характеризует подход как более «крафтовый», с глубоким вниманием к личности модели (образ «библиотекаря» Claude) и очень жесткой приоритизацией задач.
- OpenAI: Культура более инновационная, склонная к риску и «bottom-up» идеям, где сотрудники имеют больше свободы для создания новых форм взаимодействия с ИИ.
Нгуен также прокомментировала запуск агента Operator — это решение, способное выполнять задачи в виртуальном браузере (например, заказ книги), что требует решения сложнейших задач по безопасности и доверию пользователя при передаче данных.
