ИИ как страховка от ошибок
Заменить человека машиной сложнее, чем усилить его. ИИ тоже ошибается, хотя и по-другому. Но он может быть эффективен в поиске ошибок, допущенных людьми. И вы уже сегодня можете создать заслон для своих промахов.
Просыпаясь в ночи от кошмара, когда ИИ забирает нашу работу, мы представляем, что на нашем месте сидит другой, только лучше. Обоснован ли страх? Аналитики цепляются за отличия между людьми и ИИ — мол, мы будем работать над задачами, что не под силу машине. Но полезно посмотреть и на наше сходство.
Давным-давно программисты мечтали уметь доказывать, что в программе нет ошибок. ИИ — в каком-то смысле прямая противоположность такому подходу. Он сложный, он обучен на данных, где наука бывает рядом с магией, правда с ложью — и даже разработчики не всегда понимают, как LLM формируют ответы.
Что из этого следует?
Что ИИ еще долго будет допускать ошибки. Где-то меньше, потому что его «база знаний» шире, а где-то и больше, потому что стремление «сделать умнее» иногда ведет в тупик. А значит, выгода от внедрения ИИ зависит не только от разницы в стоимости труда людей и машины, но и от того, какие ошибки он допускает и как часто.
Чтобы гарантировать качество, надо будет накопить статистику о профиле ошибок LLM. А значит, к ответам модели придется присматриваться не один месяц или даже год. Очередное обновление алгоритмов LLM может изменить характер ответов LLM и статистику придется собирать заново. Это может затянуть внедрение ИИ на годы всюду, где ошибки имеют значение.
Но есть класс задач, где ИИ может приносить пользу прямо сегодня. И это не та работа, которую раньше выполняли люди. ИИ может проверять для вас работу и искать ошибки там, где раньше никаких проверок не было.
Главное, чтобы заботливые менеджеры не сотворили из этого KPI для сотрудников.
Два простых бытовых примера.
(1) Надо было выбрать косметику, в которой я не разбирался.
– Спросил у ChatGPT совета, разобрался и заказал.
– Попросил советы по применению косметики и, чтобы показать Чату свой финальный выбор, отправил ему скриншот заказа.
– По ответу тут же понял, что одну позицию я выбрал ошибочно. И фото товара, и наименование очень похожи (первые пять слов совпадают, отличия в шестом).
– Я быстро отменил часть заказа и перезаказал.
Мог ли я сам обнаружить ошибку и быть внимательней? Мог. Но по названию я разницу не почувствовал, а значит, пришлось бы внимательно и напряженно вычитывать детали просто на всякий случай. А Чат обнаружил мгновенно.
(2) Заказывал запчасти для автомобиля для планового ТО.
Выслал Чату список работ и комплектующих от автосервиса, и корзину с уже подобранными вариантами. Он подстраховал сразу в трех местах:
а) увидел, что замена свечей есть в работах, но их нет в закупке,
б) увидел, что наименование ремня отличается одной буквой, попросил фото для анализа, нашел доказательства, что это обновленная совместимая модель,
в) засомневался, что работа примерно на 15 тысяч рублей нужна. Дал список признаков в поведении машины, которые говорят о необходимости работы. Признаков не было, я посоветовался, и работу отменили.
Таким образом, участие ИИ в приемке ваших или чужих работ позволит чаще выявлять ошибки. Ошибки, исправленные на ранней стадии, обходятся на порядок или два дешевле ошибок, выявленных в процессе эксплуатации. А это прямая экономия денег или времени.
***
Уже сегодня вы можете встроить поиск ошибок во многие свои задачи по работе или в быту:
а) подумайте, где вы можете ошибиться? Вы или другие люди, если вы принимаете у них работу. Не только в работе с техническими системами, но и с людьми — иногда письмо с незамеченной фамильярностью или многозначной шуткой может разрушить отношения;
б) опишите для ИИ решаемую задачу. Если она часто повторяется, создайте проект в ChatGPT и задайте там инструкции. Подумайте, как удобнее готовить данные для ИИ — файл, ссылка, фото, скриншот?
в) через месяц-два посчитайте процент ошибок, которые ИИ выловит. Оставьте его во всех процессах, где он приносит заметную пользу.
Готово! ИИ не заменил вас, а сделал сильнее.
Подписывайтесь на Telegram Александр Садовский.