ИИ делит общество на касты? Модели развиваются, а мы - нет
И как на основе этой проблемы я решила запустить свой небольшой R&D проект, будучи безработной.
Мы привыкли думать, что ИИ становится «умнее», а значит - и мы вместе с ним. Что через простые запросы к нейросети - мы можем получать результаты, сопоставимые с работой специалиста.
Но что в реальности?
Реальность такова: качество результата все меньше зависит от модели и все больше от того, насколько человек умеет структурировать задачу.
И вот тут и появляется кастовость.
Заблуждение массового пользователя
То, что у ИИ много данных о вас, не делает ваш запрос "напиши норм текст" эффективным даже на 100й раз.
- Корпоративный парадокс: модели улучшаются, а качество результатов сотрудников падает из-за неумения ставить задачи.
Не у всех ИИ отнимет работу. Только у тех, кто банально так и не научился писать промпты.
В новой реальности выживут те, кто сочетает три компетенции:
- Экспертизу в предметной области (domain knowledge).
- Навык формулировки задач (prompt literacy).
- Владение инструментарием - шаблоны, агенты, автогенераторы промптов.
Пока массовый пользователь пишет «сделай текст», компании переходят в режим:
- агенты,
- автогенерация промптов,
- многошаговые цепочки,
- внутренние базы знаний,
- оркестрация ИИ-процессов.
(Даже при этом всем, компании сталкиваются с барьерами масштабирования - и один из них как раз - нестабильность и вариативность промптов.)
Почему, постоянно общаясь с ИИ, массовый пользователь так и не успевает адаптироваться к новой реальности?
1. Иллюзия простоты
Чем интеллектуальнее система, тем проще мы ожидаем ее использования. Но с ИИ работает обратное: расширение возможностей требует более сложной постановки задач.
2. Проблема отсутствия контекста
Запрос «сделай картинку» - это не контекст. Контекст - это история грамотно поставленных задач, рабочие документы, цели проектов, критерии качества. Большинство пользователей не формируют его, ограничиваясь разрозненными репликами.
Бизнес-системы интегрируют ИИ в рабочие процессы, создавая насыщенную среду для AI. Массовому пользователю это недоступно.
Однако грамотный промпт-инжиниринг способен частично компенсировать этот разрыв.
Но ведь в интернете много гайдов и промптов?
Инструкции разбросаны по интернету фрагментарно и не работают как система.
Пользователь не станет применять их последовательно - они остаются в закладках как разовые решения.
Я создавала каталог промптов в tg боте: аудитория приходила, но системного роста не происходило.
Это не меняет подход людей к работе с ИИ.
К чему мы должны готовиться: переход от чатов к системам
Мы стремительно уходим от «диалогов» к архитектурам.
Будущее - это:
- хранилища знаний,
- контекстные слои,
- агентные структуры,
- “ИИ-профили”,
- автогенерация промптов как стандарт.
Промпт скоро станет не текстом, а управлением системой.
Но массовый пользователь к этому переходу не готов: у него нет привычки структурировать задачи и выстраивать контекст.
Поэтому, на мой взгляд, именно простая и обучаемая автогенерация качественных промптов - сегодня самый реалистичный мост между массовой аудиторией и новой ИИ-парадигмой.
Мой проект - как раз иллюстрация этой тенденции: бот, который превращает сырой, абстрактный запрос в четко структурированную постановку задачи.
Фактически я просто вынесла своего внутреннего промпт-инженера во внешний контур, чтобы посмотреть, что будут делать с ним другие люди.
Как я решила свою проблему: бот, который понимает задачу лучше, чем я ее сформулировала
Когда я начинала во все это погружаться, у меня и появился свой промпт-инженер (метапромпт).
Но дальше это переросло в R&D проект для всех.
Это не “ИИ, который все делает за вас”. Пока эта прослойка с определенным трением.
Но мой бот помогает пользователю отдавать ИИ структурированный контекст и получать гораздо более качественные результаты.
Как работает @promta_bot:
- Вы пишете запрос в любой форме - от одной фразы до хаотичных мыслей.
- Бот превращает это в промпт с: целями, критериями, уточнениями, ограничениями, правильной структурой.
- Если контекста критически мало - он спросит, но простыми вопросами.
- Генерирует промпт, который дает стабильно высокое качество - даже если исходный запрос был «сырой».
- Справляется с любыми промптами, в том числе для создания изображений
Сейчас бот:
- не заменяет встроенные ИИ-слои,
- но значительно повышает качество результата,
- обучает пользователей мышлению через структуру,
- минимизирует «кастовый разрыв» хотя бы в рамках бытовых задач.
Пока что это R&D. Я хочу понять:
- как обычные люди используют ИИ: паттерны поведения в зависимости от задачи,
- какие задачи они не могут сформулировать сами и обращаются за помощью (и главное - почему? основная мотивация в этот раз решить это качественно - в чем?)
И возможно тем самым, встроить свой бот в конкретный сценарий узкой ниши. Возможно это будет моим новым делом жизни?
Я сейчас безработная, ушла из IT найма, поэтому есть время на эксперименты.
Подробнее об этом рассказала в другой своей статье. Или на моем ютуб канале.
Что будет с ботом дальше, вырастет ли он во что-то и как это все развивалось (мои решения, потраченные ресурсы и тд) - обо всем подробнее расскажу в следующих статьях.
Но уже активно рассказываю в тг канале.
Увидимся!