За два года внедрений у нас ни один проект с нейросетями не встал из-за того, что модель не потянула. Зато компании теряют месяцы, потому что человек не смог объяснить машине, чего хочет, не проверил результат или на вопрос «что сломалось» ответил «не работает» вместо того, чтобы открыть журнал.
Об этом наш выпуск на канале: смотреть разбор на YouTube. Ниже практическая версия: четыре навыка, без которых любой проект с ИИ превращается в дорогую игрушку, и как проверить себя по каждому.
Технология больше не тормозит
Два года назад внедрение выглядело так: неделями подбираешь запросы, а модель путается на третьем шаге. Половину результата переделываешь руками, и это было честное ограничение.
Сейчас агент сам читает код проекта, пишет новый, запускает его и исправляет свои ошибки. Агент это нейросеть, которой разрешили действовать: не отвечать текстом, а нажимать кнопки за вас. Наш ИИ-ассистент-менеджер ставится по инструкции за два-три часа и дальше круглосуточно ведёт диалоги с клиентами, ставит задачи команде и готовит коммерческие предложения.
Порог технологии упал. Порог мышления остался там же, где был.
Где проекты ломаются на самом деле
Три точки отказа мы видим снова и снова.
Эксплуатация. В нашей Академии есть задание: поставить систему на свой сервер так, чтобы она пережила перезагрузку. Звучит просто, но на нём заваливается большинство: ключи доступа лежат в открытом виде, сервис после перезагрузки не поднимается, а на вопрос «что сломалось» человек отвечает «не работает» вместо того, чтобы открыть журнал. Журнал это дневник системы: она записывает каждый свой шаг, и там всегда видно, где она споткнулась.
Постановка задачи. «Сделай мне бота для продаж» это не задача, это желание, и на такую формулировку агент выдаёт кашу. Задача звучит так: заявка с сайта попадает в базу клиентов, менеджер получает уведомление в Telegram за тридцать секунд, отчёт владельцу приходит в девять утра. Такую цепочку тот же агент выполняет блестяще.
Приёмка. Агент иногда говорит «готово, должно работать», ничего не проверив. Тот, кто верит на слово, получает систему, которая падает в пятницу вечером. Тот, кто просит «покажи вывод, покажи журнал», получает систему, которая месяцами живёт без его участия.
Один и тот же агент, разные люди. Разница не в технологии, а в голове того, кто формулирует. Модель подбирает слова к тому, что вы уже увидели и назвали, а без этого выдаёт среднее по интернету; хорошо это объясняет лекция Питерсона о чужих словах.
Четыре навыка
1. Декомпозиция. Разбить «хочу ИИ в бизнесе» на шаги с понятным входом и выходом. Раньше это делал за вас программист, поэтому у многих руководителей этот навык просто спит.
*Проверка себя:* можете ли вы описать процесс так, чтобы у каждого шага было «что на входе» и «что на выходе»?
2. Критерий готовности до старта. Одной фразой записать, что значит «готово». Без этого вы примете красивую имитацию.
*Проверка себя:* есть ли у задачи цифра или факт, по которому видно, что она сделана?
3. Здоровое недоверие. К модели, к себе и к фразе «должно работать». Проверять фактом: тестовой заявкой, скриншотом, записью в журнале. Это скучно ровно до первого сбоя на живом клиенте.
*Проверка себя:* когда вам в последний раз сказали «готово», вы посмотрели результат или поверили?
4. Причина, а не симптом. «Бот молчит» это симптом. Забитый диск или просроченный ключ это причина. Лечится только причина.
*Проверка себя:* ваша первая реакция на сбой «не работает» или «где упало»?
И бонус, который мы используем каждый день: запросы наговариваем голосом. Говорить в три-четыре раза быстрее, чем печатать, а когда инструмент работает со скоростью машины, ваша скорость постановки задачи становится скоростью всей системы.
Почему предприниматель обгоняет программиста
У предпринимателя мышление владельца процесса: он знает, где теряются деньги и что значит «работает». У разработчика привычка ждать техническое задание, а его теперь никто не пишет, потому что писать его стало вашей работой.
Показательный пример: встреча с производственной компанией длилась 52 минуты. Сделку двигала не нейросеть, а вопросы: кто принимает решение, где теряются деньги, что показать живьём прямо сейчас. Работу потом сделает ИИ, но услышать, какую именно работу надо сделать, пока умеет только человек.
Что из этого следует
Модели будут становиться сильнее, а значит цена головы того, кто ими управляет, будет расти. Компании разделятся не на внедривших и не внедривших, а на тех, у кого есть такие люди, и тех, кто купил подписку и разочаровался.
Хорошая новость: голова, в отличие от модели, прокачивается за недели настоящей практики.
С чего начать прямо сейчас:
- Проверить готовность своего проекта. Заберите чек-лист «12 вопросов перед внедрением ИИ» в нашем боте: если честно ответить на все двенадцать, сразу видно, окупится проект или его рано начинать.
- Прокачать четыре навыка на практике. В бесплатной Академии Solaris лежат инструкции, чек-листы приёмки и записи реальных встреч с клиентами, а лучших выпускников мы берём на оплачиваемые проекты.
- Получить готовый результат. Мы внедряем ИИ по одному процессу и замеряем его до и после.
Полная версия нашей позиции с историей двух лет внедрений лежит в статье «ИИ-внедрения упираются в людей, а не в технологию».
Частые вопросы
Почему проекты с ИИ не дают результата, если модели уже сильные?
Потому что узкое место сместилось с технологии на людей: размытая постановка задачи, отсутствие критерия готовности, приёмка на слово и привычка лечить симптом вместо причины.
Какие навыки нужны, чтобы внедрять ИИ?
Декомпозиция процесса на шаги, критерий готовности до старта, проверка результата фактом и поиск причины сбоя, а не симптома. Ни один из них не требует диплома программиста.
Как правильно поставить задачу ИИ-агенту?
Описать цепочку шагов с входом и выходом и одну проверяемую цифру результата. Например: заявка попадает в базу, менеджер получает уведомление за 30 секунд, отчёт владельцу приходит в 9:00.
Что проверить перед тем, как принять работу агента?
Вывод команды, запись в журнале, тестовую заявку или скриншот. Фразу «должно работать» не принимать без факта.
Почему предприниматель часто внедряет ИИ быстрее разработчика?
Он мыслит как владелец процесса: знает, где теряются деньги и что считать результатом. Техническое задание, которое раньше писал кто-то другой, теперь приходится формулировать самому, и у предпринимателя этот навык уже есть.