Когда ИИ перестаёт быть отдельным сервисом и становится рабочим процессом?
Сегодня на научно-методическом семинаре я показывал несколько своих рабочих кейсов с ИИ: инженерную задачу с машинным обучением, обработку эксперимента, подготовку научных и учебных материалов, разработку цифрового приложения.
Задачи разные. Но при подготовке семинара я заметил, что рабочая схема почти везде одна и та же.
ИИ становится действительно полезен не тогда, когда я получаю хороший ответ на один запрос, а когда он встраивается в управляемый процесс.
Например, уже недостаточно написать: «проанализируй данные», «подготовь лекцию» или «сделай приложение».
Работа начинает выглядеть иначе:
задача → требования → работа с ИИ → проверка → корректировка → следующий шаг.
И именно этап проверки здесь принципиален.
В инженерной задаче нужно проверить, правильно ли вообще поставлена цель модели.
При обработке эксперимента — не только получить расчёт, но и убедиться, что выбранный метод применим и результат имеет физический смысл.
При подготовке учебного материала — проверить не только текст, но и то, действительно ли он помогает объяснить предмет.
При разработке приложения — отличить технически работающую функцию от решения, которое корректно с точки зрения реального процесса.
Получается, что предметный специалист постепенно начинает управлять не отдельными ответами нейросети, а циклом работы с ней.
И здесь меняется сама роль человека.
ИИ может предложить вариант, написать код, обработать данные, собрать черновик или быстро перестроить решение после замечаний.
Но человек по-прежнему должен определить:
— какую задачу мы вообще решаем;
— по каким признакам считаем результат правильным;
— где нужно остановиться и перепроверить;
— какой результат допустимо использовать дальше.
Поэтому для меня главный навык работы с ИИ всё меньше похож на умение писать хорошие промпты. Гораздо важнее уметь построить процесс, в котором результат ИИ можно проверить.
На следующем семинаре мы как раз попробуем перейти от обсуждения таких кейсов к практической работе с реальными задачами.
Сегодня на научно-методическом семинаре я показывал несколько своих рабочих кейсов с ИИ: инженерную задачу с машинным обучением, обработку эксперимента, подготовку научных и учебных материалов, разработку цифрового приложения.
Задачи разные. Но при подготовке семинара я заметил, что рабочая схема почти везде одна и та же.
ИИ становится действительно полезен не тогда, когда я получаю хороший ответ на один запрос, а когда он встраивается в управляемый процесс.
Например, уже недостаточно написать: «проанализируй данные», «подготовь лекцию» или «сделай приложение».
Работа начинает выглядеть иначе:
задача → требования → работа с ИИ → проверка → корректировка → следующий шаг.
И именно этап проверки здесь принципиален.
В инженерной задаче нужно проверить, правильно ли вообще поставлена цель модели.
При обработке эксперимента — не только получить расчёт, но и убедиться, что выбранный метод применим и результат имеет физический смысл.
При подготовке учебного материала — проверить не только текст, но и то, действительно ли он помогает объяснить предмет.
При разработке приложения — отличить технически работающую функцию от решения, которое корректно с точки зрения реального процесса.
Получается, что предметный специалист постепенно начинает управлять не отдельными ответами нейросети, а циклом работы с ней.
И здесь меняется сама роль человека.
ИИ может предложить вариант, написать код, обработать данные, собрать черновик или быстро перестроить решение после замечаний.
Но человек по-прежнему должен определить:
— какую задачу мы вообще решаем;
— по каким признакам считаем результат правильным;
— где нужно остановиться и перепроверить;
— какой результат допустимо использовать дальше.
Поэтому для меня главный навык работы с ИИ всё меньше похож на умение писать хорошие промпты. Гораздо важнее уметь построить процесс, в котором результат ИИ можно проверить.
На следующем семинаре мы как раз попробуем перейти от обсуждения таких кейсов к практической работе с реальными задачами.
Просмотры: 29