Современные генеративные технологии кардинально меняют подход к человеческому труду и творчеству, превращая искусственный интеллект из сложного технического инструмента в повседневного партнера. В видеоролике на канале EO адъюнкт-профессор Стэнфордского университета Джереми Атли (Jeremy Utley) делится практическими методиками преодоления «разрыва в реализации» потенциала нейросетей. Эксперт объясняет, как правильная психологическая установка и нестандартные сценарии взаимодействия с большими языковыми моделями позволяют кратно повысить личную и командную продуктивность.
🏛️ От Уинстона Черчилля до Кремниевой долины: новая эпоха персональных ассистентов 0:00
Исторически лучшие идеи приходят к людям в моменты, когда они отвлечены от непосредственной работы, — во время отдыха в постели, поездки в автобусе или приема ванны. Джереми Атли приводит в пример Уинстона Черчилля, который мог позволить себе сидеть в ванне и диктовать текст государственного обращения своей ассистентке, находившейся в другой комнате. Помощница прекрасно понимала контекст, голос и намерения британского премьер-министра, помогая ему формулировать мысли точнее и лаконичнее. По словам эксперта, раньше подобная роскошь была доступна лишь единичным лидерам, однако сегодня благодаря технологиям ситуация кардинально изменилась.
Как утверждает Джереми Атли, в настоящее время даже самый бедный житель Пало-Альто может обладать тем, что когда-то было исключительной привилегией Черчилля, — персональным ассистентом, способным улавливать контекст, тон и намерения пользователя. Технически это стало абсолютно возможным для каждого. Сам Джереми Атли на протяжении последних 15 лет преподает в Стэнфордском университете на стыке креативности, инноваций, предпринимательства, а теперь и искусственного интеллекта. Его ключевой фокус сегодня направлен на то, чтобы помочь технически не подкованным специалистам научиться эффективно сотрудничать с генеративным ИИ.
За месяц до публичного релиза ChatGPT Джереми Атли в соавторстве со своим партнером Перри Клейбондом выпустил книгу «Idea Flow», ставшую каноническим трудом по генерации идей и прототипированию. По признанию автора, выход книги прямо перед взрывом технологий ИИ напоминал написание лучшего учебника по розничной торговле накануне появления интернета. Осознав масштаб технологического сдвига, Атли решил не отправляться в мировое турне, а снова сесть за парту в качестве студента, чтобы исследовать влияние ИИ на способность людей и организаций решать сложные задачи.
🛠️ Метод «ИИ для ИИ»: как заставить нейросеть обучать саму себя 2:59
Большинство традиционных цифровых инструментов не способны самостоятельно обучать пользователя работе с ними: Microsoft Excel не объяснит, как строить сложные таблицы, а PowerPoint не научит дизайну презентаций. Однако искусственный интеллект обладает уникальной способностью оценивать собственную работу и помогать человеку формулировать запросы к самому себе. Джереми Атли предлагает использовать метод «ИИ для ИИ», превращая языковую модель в персонального консультанта по оптимизации рабочих процессов.
Для реализации этой стратегии на практике эксперт рекомендует использовать пошаговый алгоритм взаимодействия с любой выбранной языковой моделью:
- Активация роли эксперта. Начните диалог с четкого позиционирования ИИ: «Привет, ты эксперт в области искусственного интеллекта. Мне нужна твоя помощь и консультация, чтобы понять, где я могу максимально эффективно использовать ИИ в своей жизни».
- Запуск интервью. Передайте инициативу нейросети, запретив ей выдавать готовые решения сразу: «Как эксперт по ИИ, пожалуйста, задавай мне вопросы по одному за раз».
- Сбор контекста. Позвольте модели опрашивать вас до тех пор, пока у нее не появится исчерпывающая информация о ваших ежедневных рабочих процессах, обязанностях, ключевых показателях эффективности (KPI) и целях.
- Получение рекомендаций. После завершения опроса запросите у модели финальный отчет. По инструкции Атли, модель должна предоставить две очевидные и две неочевидные рекомендации по интеграции ИИ в вашу конкретную деятельность.
По заверению Джереми Атли, такой подход приводит к одной из самых глубоких и содержательных бесед, которые пользователь когда-либо вел, поскольку ИИ великолепно анализирует контекст и свои собственные возможности.
🌲 Кейс Службы национальных парков: 7000 сэкономленных дней 4:19
Практическая польза от внедрения генеративного ИИ доступна сотрудникам без какого-либо технического бэкграунда, если им предоставить базовые навыки работы с технологией. В качестве примера Джереми Атли описывает свой опыт проведения двухчасового тренинга через Zoom для 60 сотрудников Службы национальных парков США, среди которых были рейнджеры отдаленных районов и менеджеры по эксплуатации объектов. Главный совет, который эксперт дал участникам, — сфокусироваться на тех рутинных частях работы, которые они ненавидят больше всего.
Один из участников сессии, Адам Раймер из Национальной зоны отдыха Глен-Каньон, рассказал, что больше всего страдал от бумажной волокиты: замена ковровой плитки в гостевом доме требовала заполнения документов, на что уходило от двух до трех дней. Адам решил проверить, сможет ли ИИ взять на себя эту рутину.
Результаты этого эксперимента оказались впечатляющими:
- Время на разработку: Адам потратил всего 45 минут, используя обычный человеческий язык, чтобы создать специализированный инструмент автоматизации документов.
- Экономия автора: Созданное решение полностью избавило сотрудника от необходимости тратить по два дня на составление технических заданий и заявлений.
- Масштабирование: Коллеги Адама получили доступ к его инструменту и распространили его по всей системе, включающей около 430 национальных парков США.
- Общий эффект: По официальным оценкам Службы национальных парков, этот простой инструмент, созданный нелинейным сотрудником за три четверти часа, сэкономит ведомству более 7000 дней человеческого труда за текущий год.
👥 Смена парадигмы: почему ИИ — это коллега, а не инструмент 5:52
Согласно исследованиям, с которыми знаком Джереми Атли, интеграция искусственного интеллекта позволяет сотрудникам выполнять задачи на 25% быстрее, увеличивать объем выполняемой работы на 12% и повышать ее качество на 40%. Несмотря на столь привлекательную статистику, существует серьезная проблема, которую эксперт называет «разрывом в реализации» (realization gap): менее 10% работающих профессионалов сегодня получают реальную выгоду от использования ИИ.
Исследования, проведенные командой Атли в Европе и США, выявили парадоксальный факт: в большинстве случаев использование ИИ не сделало людей более креативными, а некоторых даже лишило творческого потенциала. Детальный анализ данных показал, что ключевое различие крылось в психологическом отношении сотрудников к технологии. Джереми Атли разделяет пользователей на две категории:
- Отстающие (underperformers). Они относятся к ИИ исключительно как к техническому инструменту. Получая посредственный результат, они либо пытаются исправить его вручную, либо разочаровываются и заявляют, что нейросеть не способна решить поставленную задачу.
- Лидеры (outperformers). Они воспринимают ИИ как полноценного коллегу по команде (teammate). Смена этой внутренней установки полностью меняет характер взаимодействия и итоговые результаты.
По мнению Атли, если ваш живой коллега предоставляет вам некачественно выполненную работу, вы не выбрасываете ее в корзину, а даете ему обратную связь, наставляете его и помогаете улучшить результат. Точно так же успешные пользователи ИИ выступают в роли тренеров: они дают детальный фидбек, коучат модель и заставляют её задавать встречные вопросы. Вместо того чтобы занимать позицию «я спрашиваю — ИИ отвечает», они просят модель предложить 10 вопросов по теме или уточнить, какая информация ей необходима для генерации идеального ответа.
🎭 Практический тренинг: ролевые игры и психологические профили с ИИ 8:33
Одним из наиболее эффективных методов применения ИИ в качестве коллеги эксперт считает проведение специализированных поведенческих тренировок, или «дриллов» (drills). Современные большие языковые модели позволяют детально моделировать сложные социальные взаимодействия, например, предстоящий тяжелый разговор с коллегой по работе.
Джереми Атли описывает пошаговый процесс организации такого психологического тренинга:
- Интервьюирование. Пользователь просит ИИ провести опрос о характере, привычках и особенностях человека, с которым предстоит диалог.
- Профилирование. На основе ответов пользователя нейросеть составляет подробный психологический профиль оппонента.
- Симуляция. ИИ полностью погружается в роль этого коллеги и начинает вести с пользователем интерактивный диалог в режиме реального времени.
- Разбор полетов. По окончании ролевой игры модель выходит из образа и предоставляет детальную обратную связь с точки зрения воображаемого оппонента, оценивая выбранные подходы и аргументы пользователя.
Как утверждает Атли, подобные сценарии доступны уже сегодня, и студенты его курсов регулярно открывают для себя такие варианты применения нейросетей, о которых сам профессор раньше даже не задумывался.
🎨 Дисциплина вдохновения: что определяет качество результата 9:37
Джереми Атли признается, что долгое время не считал себя творческим человеком, однако опыт работы в Институте дизайна Стэнфорда (d.school) убедил его в том, что каждый человек обладает скрытым творческим потенциалом. Ключевая сложность заключается в умении этот потенциал разблокировать.
Во время ведения одного из университетских курсов совместно с многократным лауреатом премии «Грэмми», хип-хоп исполнителем LRA, студентам бизнес-школы было дано задание найти источники вдохновения в окружающем мире. Заметив растерянность будущих предпринимателей, музыкант произнес фразу, ставшую для Атли откровением: «Вдохновение — это дисциплина». По мнению Джереми Атли, самые креативные люди на планете крайне дисциплинированно относятся к тому, чем они наполняют свой разум, поскольку понимание входящих потоков информации напрямую определяет качество их собственных идей.
Этот же принцип применим и к работе с технологиями. Джереми Атли подчеркивает, что у каждого человека в мире есть одинаковый доступ к одной и той же базовой версии ChatGPT. Разница в результатах определяется не алгоритмами, а тем, что именно пользователь привносит в модель со своей стороны. Качественный, отличающийся от других результат рождается на стыке техники промптинга, личного жизненного опыта, уникальной перспективы и того вдохновения, которое человек почерпнул из внешнего мира.
💡 Переосмысление креативности в эпоху автоматизации 11:08
Джереми Атли делится своим любимым определением творчества, которое сформулировала обычная семиклассница из Огайо во время школьного опроса: «Креативность — это делать больше, чем первое, что приходит в голову». По словам эксперта, эта простая мысль бьет точно в цель, описывая глубокое когнитивное искажение, свойственное человеческой природе.
В научном сообществе данное явление известно под разными терминами:
- Функциональная закрепленность (functional fixedness) — склонность использовать предметы и концепции только привычным способом.
- Эффект установки (Einstellung effect) — фиксация на первом найденном решении и слепота по отношению к другим альтернативам.
- Удовлетворенность малым (satisficing) — термин Герберта Саймона, описывающий склонность человека останавливаться, как только достигается уровень «достаточно хорошо».
По мнению эксперта, базовое определение креативности не меняется с приходом искусственного интеллекта, однако технологии смещают акценты. В эпоху ИИ достичь уровня «достаточно хорошо» стало проще, чем когда-либо в истории. Если же целью пользователя является создание выдающегося, мирового продукта, ему необходимо осознанно заставлять модель генерировать огромный объем и вариативность идей. Отбор, фильтрация и обработка этих вариантов требуют времени и вовлеченности.
В заключение Джереми Атли призывает создателей контента и специалистов не бояться автоматизации, а смело погружаться в работу с новыми инструментами. Единственным правильным ответом на вопрос о том, как использовать ИИ, по его мнению, должна стать фраза: «Я не использую ИИ — я с ним работаю».
