Эксперт по инновациям Джереми Атли в рамках проекта EO делится методикой интеграции генеративного искусственного интеллекта в творческие и рабочие процессы. Проводя параллели между историческими лидерами и современными технологиями, он объясняет, как ментальный сдвиг в восприятии ИИ способен кардинально повысить личную и командную продуктивность. На основе исследований Стэнфордского университета автор раскрывает причины возникновения «разрыва в реализации» технологий и предлагает практические упражнения для раскрытия творческого потенциала.
🛁 От Черчилля до Пало-Альто: новая эра персональных ассистентов 0:00
История инноваций, согласно известному выражению, традиционно разворачивается в трех пространствах: в постели, в автобусе и в ванне. Именно в моменты, когда мозг переключается с рабочих задач на посторонние действия, человека чаще всего посещают лучшие идеи. Джереми Атли приводит в пример Уинстона Черчилля, который мог диктовать текст государственного обращения своему ассистенту, находясь прямо в ванне. Долгое время подобный уровень контекстуального понимания и делегирования задач оставался исключительной привилегией высших руководителей.
Однако сегодня, по словам эксперта, даже самый обычный житель Пало-Альто имеет доступ к возможностям, сопоставимым с ресурсами Черчилля. Технологии позволяют каждому специалисту получить цифрового ассистента, способного перенимать голос, контекст и намерения пользователя для выполнения сложнейших текстовых и аналитических задач.
📚 Парадокс книги о ритейле перед эпохой интернета 1:20
Джереми Атли на протяжении 15 лет преподает на стыке креативности, инноваций, предпринимательства и искусственного интеллекта в Стэнфордском университете. В сферу его актуальных интересов входит обучение нетехнических специалистов методам эффективной коллаборации с большими языковыми моделями. В соавторстве со своим партнером Перри Клейбондом Атли выпустил книгу Idea Flow, ставшую каноническим трудом по генерации идей и прототипированию.
Издание вышло ровно за месяц до релиза ChatGPT. Атли сравнивает этот тайминг с публикацией лучшего учебника по розничной торговле накануне создания интернета. Вместо запланированного мирового турне в поддержку книги автор принял решение вернуться к роли исследователя, чтобы детально изучить влияние генеративного ИИ на способность отдельных сотрудников и целых организаций решать нестандартные задачи.
🤖 Мета-подход: как заставить ИИ обучать человека 2:59
В отличие от классического программного обеспечения, генеративные модели обладают уникальной способностью к самоанализу и обучению пользователя работе с самим собой. Программы вроде Excel или PowerPoint не могут научить человека эффективно использовать свои функции, тогда как ИИ способен на это при правильном формулировании запроса.
Джереми Атли рекомендует использовать следующий практический алгоритм взаимодействия с моделью:
- Задать ИИ роль эксперта по искусственному интеллекту.
- Попросить модель провести консультацию для выявления зон максимальной оптимизации в повседневной жизни.
- Поручить ИИ задавать вопросы строго по одному, собирая контекст о рабочих процессах, обязанностях, ключевых показателях эффективности (KPI) и целях пользователя.
- Запросить у модели две очевидные и две неочевидные рекомендации по внедрению ИИ-инструментов в практику на основе собранных данных.
Подобный диалог, как утверждает исследователь, становится одним из самых продуктивных опытов для нетехнических специалистов благодаря способности ИИ критически оценивать собственные алгоритмы.
🏞️ Кейс Службы национальных парков: 7000 сэкономленных дней 4:19
Возможности ИИ доступны сотрудникам без глубоких технических навыков, если им предоставлена базовая методологическая подготовка. В качестве примера Атли приводит свой опыт проведения двухчасового Zoom-тренинга для 60 рейнджеров и управляющих объектами Службы национальных парков США. Главный принцип, который эксперт транслирует на подобных сессиях — фокусироваться на наиболее рутинных и неприятных аспектах работы.
Адам Раймер, сотрудник национального парка Глен-Каньон, применил этот подход к процессу оформления документов для замены ковровой плитки, который обычно занимал у него от 2 до 3 дней. Используя подсказки Атли, Раймер совершил следующие действия:
- Сформулировал задачу для ИИ на естественном языке, описав требования к техническому заданию.
- За 45 минут создал специализированный инструмент для автоматического формирования заявлений.
- Оптимизировал составление ежедневных отчетов о проделанной работе.
Созданный инструмент распространился среди сотрудников других парков ведомства, общее число которых составляет около 430. По официальным оценкам Службы национальных парков, решение, разработанное рейнджером менее чем за час, сэкономит организации порядка 7000 дней человеческого труда в текущем году.
📉 «Разрыв в реализации» и падение креативности 5:52
Несмотря на колоссальный потенциал автоматизации, бизнес-сообщество сталкивается с феноменом, который Джереми Атли называет «разрывом в реализации» (realization gap). Согласно известным ему статистическим данным, применение ИИ способно увеличить скорость выполнения задач на 25%, объемы выработки — на 12%, а качественные показатели — на 40%. Тем не менее, в реальности менее 10% работающих профессионалов извлекают из технологий значимую выгоду для своей продуктивности.
Более того, исследования, проведенные командой Атли в США и Европе, зафиксировали неожиданный тренд: в большинстве случаев ИИ не повышал, а снижал уровень креативности участников экспериментов. Детальный анализ поведения испытуемых показал, что ключевое различие крылось в ментальной установке людей по отношению к технологии.
🤝 Инструмент против коллеги: ментальный сдвиг 6:59
По наблюдениям исследователей, уступающие в продуктивности сотрудники воспринимают ИИ как обычный статичный инструмент, в то время как наиболее эффективные специалисты относятся к нему как к полноценному коллеге по команде. Данное различие кардинально меняет реакцию на получение посредственных результатов от языковой модели.
Взаимодействие в рамках этих двух парадигм строится следующим образом:
- Подход «ИИ как инструмент»: столкнувшись со средним по качеству результатом, пользователь либо пытается доработать его вручную, либо разочаровывается в возможностях модели.
- Подход «ИИ как коллега»: при получении неудовлетворительного ответа специалист применяет методы коучинга, наставничества и обратной связи, помогая модели исправить ошибки.
Эффективная совместная работа подразумевает смену ролей, при которой человек перестает быть единственным источником вопросов. Атли рекомендует просить ИИ формулировать встречные вопросы (например: «Какую информацию мне нужно предоставить, чтобы получить наилучший ответ?»). Модели также можно использовать для симуляции сложных переговоров, создания психологических профилей оппонентов и проведения ролевых игр с последующим разбором ошибок.
🎨 Дисциплина вдохновения и входящие данные 9:24
По мнению Джереми Атли, каждый человек обладает врожденным творческим потенциалом, который часто остается скрытым. Совместно с многократным лауреатом премии «Грэмми», хип-хоп исполнителем LRA, Атли вел курс для студентов магистратуры Стэнфорда. Когда перед будущими бизнес-лидерами встала задача найти источники вдохновения в реальном мире, музыкант сформулировал ключевой тезис: «Вдохновение — это дисциплина».
Наиболее креативные люди жестко контролируют качество информации, которую они потребляют, поскольку входящие данные напрямую определяют результаты их мышления. Этот принцип полностью применим и к работе с нейросетями. Поскольку все пользователи имеют одинаковый доступ к стандартным интерфейсам ChatGPT, уникальность и ценность финального результата зависят исключительно от того, какой уникальный опыт, контекст и стороннее вдохновение человек привносит в модель в качестве основы для генерации.
🧠 Новое определение креативности в эпоху ИИ 11:08
Рассуждая о сути творчества, Джереми Атли приводит определение, сформулированное ученицей седьмого класса из Огайо: «Креативность — это способность делать больше, чем первое, что приходит тебе в голову». Эта формулировка точно описывает борьбу с глубинными когнитивными искажениями человеческого разума — функциональной фиксированностью и эффектом установки (Einstellung effect). Люди склонны фиксироваться на первых жизнеспособных решениях и удовлетворяться ими, что Герберт Саймон назвал феномен «удовлетворенности» (satisficing).
В эпоху ИИ достижение базового уровня «достаточно хорошего» результата стало тривиальной задачей. Однако для создания выдающихся, конкурентоспособных продуктов исследователи рекомендуют заставлять модель генерировать большие объемы вариантов и вариаций, что требует времени на последующий анализ и фильтрацию. Суть креативности не изменилась, но способность человека достигать творческого состояния теперь зависит от его целей и умения взаимодействовать со сложными программными партнерами. Создателям контента не следует опасаться ИИ; им необходимо глубоко погрузиться в технологию, изменив формулировку с «я использую ИИ» на «я работаю вместе с ИИ».
