К концу года многие подводят итоги, наводят порядок в рабочих процессах и обращают внимание на то, как уверенно ИИ вошел в повседневную жизнь. Порассуждаем о том, как строится общение людей и машин.
Можно сказать, в шутку или всерьез, что сегодняшний взлет популярности ИИ вызван тем, что это новая игрушка для нашего разума: мозгу человека интересно собирать универсальную технологию-помощника, чтобы вывести себя на новый уровень.
Отмечается, что люди нередко говорят “спасибо” нейросетям и при этом задаются вопросом, есть ли в этом смысл. Мы - социальные существа, поэтому нам свойственно приписывать человеческие черты объектам, которые демонстрируют признаки понимания и эмоций. Это естественная реакция, и требуется специальное усилие, чтобы напомнить себе: “нейросеть = алгоритм, наборы вероятностей на входе и выходе”. Важно подстраивать промпт под это понимание, а не пытаться понравиться машине.
Многие, кто использует ИИ, задается вопросом, как правильно сформулировать промт, чтобы получить нужный ответ? Главный фактор успеха - чем лучше и структурированнее вы можете описать свой запрос, тем качественнее будет ответ нейросети. Еще лучше - уметь пошагово детализировать свою идею в процессе работы с нейросетью.
Именно на проработку и структурированность запросов направлены различные методологии и рекомендации по промпт инжинирингу. Например, исчерпывающий промпт должен содержать роль отвечающего, начальные условия для идеи, цель и задачу, корректный и отрицательный пример ответа, ограничения в источниках или возможность придумывать, указания на самопроверки, результат.
"Один из самых распространенных кейсов на рынке - внедрение ИИ-ассистентов для работы с корпоративными базами знаний. По нашим оценкам, такой ассистент оптимизирует 10-20% рабочего времени, связанного с поиском информации в корпоративных документах или системах. В компаниях с большим штатом сотрудников окупаемость такого проекта не более 1 года" - Анна Перепелкина, руководитель направления AI Consulting
ИИ-ассистенты могут работать как на локально развернутых моделях при высоких требованиях к безопасности, так и с API облачных сервисов. Локальное развертывание позволяет использовать небольшие open source LLM (и другие нейросети) для разных бизнес-задач и оптимизировать вычислительные ресурсы. Облачные API дают доступ к самым большим моделям и самой новой функциональности, предлагаемой сервисами, такими как GigaChat, DeepSeek, ChatGPT, YandexGPT и другими.
Под новый год все ощущается особенно ярко, и не потому, что технологии изменились, а потому что мы стали внимательнее к тому, как взаимодействуем с ними и что именно хотим получить от этого взаимодействия. И пусть в следующем году у нас будет больше ясности, меньше суеты и чуть больше волшебства, того самого, которое случается, когда технология помогает раскрыться человеку.
А нейросетям… можно и сказать «спасибо».
