ИИ-ассистенты стремительно вошли в работу и учёбу, но вокруг них много мифов: одни считают их всемогущими, другие — бесполезной игрушкой. Правда посередине. Этот курс даст вам реалистичную картину: за какие задачи ИИ берётся уверенно, где работает «на троечку», а куда его лучше не пускать без присмотра.
Как работает ИИ-ассистент — в двух словах
Большая языковая модель не ищет ответы в базе данных. Она обучена на огромных массивах текста предсказывать, какое слово вероятнее всего идёт следующим. Из этого рождается и главная сила (модель «читала» невероятно много и умеет связывать идеи), и главная слабость (она может правдоподобно продолжить текст даже там, где не знает правильного ответа).
Подробнее об устройстве моделей — в курсе «Как устроены большие языковые модели». Здесь важно запомнить одно: ИИ не «знает» факты, он их «воспроизводит по памяти» — иногда с ошибками.
Что ИИ делает хорошо
- Письмо и редактура. Черновики писем, статей, описаний товаров; упрощение запутанного текста; изменение тональности («перепиши формально → дружелюбно»).
- Объяснение и обучение. Модель может объяснить одну и ту же вещь пятью способами: для ребёнка, для новичка, для эксперта, на примерах, по шагам.
- Работа с текстами. Реферирование длинных документов, перевод, извлечение главных тезисов, сравнение позиций нескольких текстов.
- Программирование. Написание кода, объяснение чужого кода, поиск ошибок, написание тестов и документации — одна из самых сильных сторон.
- Генерация идей. Мозговой штурм вариантов названия, плана, структуры — 20 идей за минуту, из которых 2–3 обычно стоящие.
- Рутинная обработка. Приведение данных к формату, составление таблиц, черновиков регламентов.
Где ИИ ошибается
- Галлюцинации. Модель может уверенно придумать несуществующий закон, статью, статистику или ссылку. Чем специфичнее вопрос, тем выше риск.
- Точные вычисления и цифры. Арифметика «в уме», точные даты, номера документов, тонкая работа с таблицами чисел — требует проверки. Для надёжных вычислений просите модель написать и запустить код, а не считать в тексте.
- Свежая информация. Знания модели ограничены датой обучения. Сегодняшние курсы валют, новости и цены без доступа к интернету ей неизвестны.
- Длинные многоступенчатые рассуждения. Чем длиннее цепочка логики, тем выше шанс, что на каком-то шаге модель свернёт не туда.
- Понимание вашего контекста. Модель не знает ваших обстоятельств, клиентов и внутренних договорённостей, пока вы о них не расскажете.
Правило «пилот, а не автопилот»
Самая полезная ментальная модель: ИИ — это способный стажёр с энциклопедическими знаниями, но без чувства ответственности. Он быстро сделает 80% работы, но финальную проверку и решение оставляет вам.
Практические правила:
- Разделяйте задачи на «низкий риск» и «высокий риск». Черновик поздравления можно не проверять слово в слово; юридический аргумент или статистику для отчёта — обязательно.
- Просите источники и проверяйте их. Если ответ строится на факте — найдите подтверждение independently: в первоисточнике, базе данных, официальном документе.
- Задавайте уточняющие вопросы модели. «Насколько ты уверен?», «Какие есть контраргументы?», «Где здесь может быть ошибка?» — модель неплохо умеет сомневаться, если её об этом попросить.
- Не давайте конфиденциальное без необходимости. Подробнее — в курсе о приватности и данных.
Ключевые выводы
- ИИ силён в тексте, коде, объяснениях и идеях; слаб в точных фактах, свежих данных и длинных безошибочных рассуждениях.
- Галлюцинации — не сбой, а свойство: модель всегда «знает ответ», даже когда его не существует.
- Работайте по принципу «пилот, а не автопилот»: ИИ делает черновик, человек принимает решение.
- Риск задачи определяет глубину проверки: чем важнее решение, тем внимательнее проверяйте факты.
Что дальше
Пройдите туториал «Как выбрать модель под задачу», чтобы понимать разницу между быстрыми и мощными моделями, и курс о галлюцинациях — там подробно разобрано, как ловить ошибки моделей до того, как они попадут в вашу работу.