Метод и машина

Что в научной конференции стоит автоматизировать, а что нельзя отдавать алгоритму?

⚙️ Когда мы начали разрабатывать приложение для сопровождения научных конференций, стало понятно, насколько много организационной работы скрывается за привычной процедурой приёма статей.

Материалы поступают, распределяются по секциям, проходят проверки, возвращаются авторам на доработку. Появляются новые версии файлов, меняются статусы, приближаются сроки. И всё это необходимо отслеживать.

Значительную часть такой работы можно автоматизировать. Но не всю.

🛠 В нашем проекте мы разделили процесс на операции, которые должна выполнять система, и решения, которые остаются за организаторами конференции.

Что можно поручить программе?

Вести единый реестр материалов, сохранять версии статей и историю изменений, проверять наличие обязательных элементов оформления, отслеживать сроки и готовить данные для протоколов и сборника.

Это не требует научного суждения. Зато уменьшает объём повторяющихся действий и помогает не терять информацию между этапами.

А где автоматизация должна остановиться?

Например, программа может обнаружить отсутствие ссылки на источник или несоответствие требованиям оформления. Но это ещё не означает, что она способна оценить научную состоятельность статьи.

Решение о принятии, отклонении, необходимости доработки или дополнительной экспертизы должно оставаться за ответственным специалистом.

🔎 Здесь обнаружилась ещё одна важная особенность: недостаточно автоматизировать отдельные операции. Нужно правильно распределить полномочия.

Секретарь конференции, секретарь секции и председатель решают разные задачи. Поэтому система должна не просто показывать очередную кнопку, а учитывать, кто имеет право выполнить конкретное действие.

Сейчас приложение ещё разрабатывается и проходит испытания. Говорить о полном внедрении и измеренной экономии времени преждевременно.

📌 Главный вывод из этого проекта: автоматизация научной конференции — не попытка заменить организаторов алгоритмом. Это способ освободить их от технической рутины и сделать экспертные решения более управляемыми и прослеживаемыми.

Как я без IT-бэкграунда автоматизировал публикацию канала — и что осталось за человеком?

⚙️ Когда начал регулярно публиковать материалы в этом канале, обнаружилась довольно простая проблема: готовый и утверждённый текст приходилось вручную переносить в MAX, восстанавливать оформление, прикреплять изображение и проверять результат.

Решил попробовать автоматизировать эти операции. При этом я не программист и раньше не занимался разработкой подобных интеграций.

Вместо написания кода начал с постановки задачи: нужна единая очередь материалов, проверка готовности, передача текста и карточки без потери оформления, а также фиксация результата публикации.

🛠 С помощью ИИ собрали рабочую связку Google Sheets, Apps Script, Yandex Cloud и MAX API.

С первого раза ничего не заработало. Сначала возникла проблема с SSL-сертификатом при прямом подключении к MAX. Пришлось изменить архитектуру. Затем столкнулись с недоступностью технических журналов и организовали другой способ получения событий.

20 октября система впервые опубликовала реальный пост. Но уже после публикации обнаружилась ошибка: заголовок потерял жирное выделение. Исправили существующее сообщение и добавили предварительную проверку оформления.

🔎 23 октября через тот же контур вышел следующий материал — уже с подтверждённой разметкой текста и изображением.

Что получилось практически? Теперь я работаю с единой очередью: выбираю утверждённый материал, запускаю публикацию одной командой, а система передаёт текст и карточку, сохраняет ссылку и регистрирует результат.

Повторяющихся ручных операций стало меньше. Точную экономию времени пока не измерял.

Но главное — что осталось за человеком.

Выбор темы, проверка фактов, утверждение текста и визуала, решение о допустимости публикации. Даже финальный запуск выполняется вручную.

ИИ помог мне создать работающий инструмент без профессиональных навыков программирования. Но автоматизировано выполнение операции, а не принятие ответственного решения.

Можно ли поручить LLM подготовку инженерной лекции?

⚙️ При подготовке инженерной лекции ИИ может сделать очень многое: предложить структуру, помочь переработать текст, найти варианты визуализации, объяснить формулу или собрать черновик интерактивной модели.

🔎 Но довольно быстро возникает другой вопрос: можно ли преподавателю просто принять полученный материал и идти с ним в аудиторию?

В одной из последних лекций по трению и изнашиванию мне пришлось отдельно проверять не только текст, но и то, что именно доказывает каждый рисунок.

Например, хорошая экспериментальная визуализация реальных микроконтактов была получена не для пары «колесо–рельс», а в модельной системе: шероховатая полимерная сфера — стеклянная поверхность.

Для объяснения физики контакта такой материал полезен. Но если показать его студентам как непосредственное доказательство процессов в контакте «колесо–рельс», смысл уже будет другим.

⚠️ То же самое относится к формулам, нормативам и интерактивным моделям. Красивая анимация ещё не становится расчётной моделью. Старая цифра из методички не становится действующим нормативом. А подходящая по смыслу научная иллюстрация не обязательно описывает именно тот объект, о котором идёт речь на лекции.

📌 Поэтому моя рабочая схема сейчас выглядит примерно так:

источник → что он действительно показывает → где применим → как объяснить студенту → что обязательно оговорить

ИИ здесь заметно ускоряет подготовку. Но преподавателю остаётся работа, которую нельзя заменить красивым черновиком: проверить предметный смысл и не дать учебному упрощению превратиться в фактическую ошибку.

👤 Именно поэтому я бы не поручил LLM «сделать инженерную лекцию». Я бы поручил ему помочь её собрать — при условии, что преподаватель остаётся редактором и предметным экспертом.