# Карина Нгуен: Почему гибкие навыки станут основой будущего в эпоху ИИ

Источник: https://www.youtube.com/watch?v=DeskgjrLxxs
Канал: Lenny's Podcast
Опубликовано: 09.02.2025

---

## Карина Нгуен: Почему гибкие навыки станут основой будущего в эпоху ИИ
[[JUMP: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?
[[JUMP: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
[[JUMP:12:49]]

Проектирование функций, таких как Canvas (инструмент для совместной работы в ChatGPT), потребовало тесной интеграции исследователей и инженеров с самого начала.

1.  **Триггеры поведения:** Модель учили понимать намерение пользователя. Например, когда стоит открыть Canvas для итерации над документом, а когда достаточно обычного чат-ответа.
2.  **Автономные правки:** Модели дали «агентские» навыки — способность находить конкретный абзац в документе и редактировать его по запросу пользователя.
3.  **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?
[[JUMP: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
[[JUMP: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.