Почему большинство боятся AI, и зря ли это — я каждый месяц вижу на реальных людях. В России разговоры про искусственный интеллект уже просочились и в большие корпорации, и в маленький бизнес, и в отделы маркетинга, и в преподавательские чаты. Но как только доходит до конкретной работы с нейросетями, особенно у экспертов, внезапно всплывает одно и то же: страх. Страх потерять контроль, сделать глупость, выдать сырую работу, «подставиться» перед начальством или клиентом. При этом те же люди жалуются, что тратят часы на рутину и тонут в задачах, которые ИИ уже мог бы закрывать. Для российских специалистов это особенно заметно: у нас и так нагрузка часто выше нормы, а автоматизация внедряется медленно. Один предприниматель обратился ко мне как раз с такой проблемой: команда по маркетингу задыхалась от объемов текстов и аналитики, про AI все слышали, но трогать боялись. Я пообещала ему показать, как мы разберемся с этим страхом и превратим нейросети в рабочего напарника, а не в источник паники — к этому примеру я еще вернусь ближе к концу.
Я часто слышу фразу: «Мария, я все понимаю головой, но мне прям страшно доверять задачу нейросети». Она звучит и от опытных руководителей, и от экспертов, которые по десять лет в профессии, и от специалистов, которые и так давно живут в цифровой среде. При этом сами они спокойно пользуются онлайн-банком, такси по приложению, навигатором в машине, не говоря уже о рекомендациях фильмов и музыки. Там никого не смущает, что решения подсказал алгоритм, а не человек. Но стоит назвать это «ИИ» — и включается другая логика: вдруг модель ошибется, вдруг «уведет» мои данные, вдруг меня потом спросят, кто все это написал. Это любопытное расхождение, которое и толкает меня снова и снова разбирать страхи без мифологии.
Когда я работала с тем самым предпринимателем, у него было довольно четкое ТЗ: перестать закапываться в тексты, но при этом не потерять контроль над голосом компании и экспертностью. Маркетологам он не доверял подключать нейросети самостоятельно, потому что «они там что-нибудь накрутят», сам времени разбираться не находил, а нанимать отдельного AI-специалиста считал преждевременным. Получилась очень типичная ситуация: все вроде бы понимают, что без автоматизации дальше будет тяжелее, но первые шаги вызывают скорее тревогу, чем интерес. Я предложила начать не с внедрения инструментов, а с разбора того, чего именно они боятся, и уже от этого плясать к практике. Это звучит чуть теоретически, но без этого шага человек почти всегда откладывает ИИ «на потом».
Откуда берется страх перед AI и что за ним стоит на самом деле
Большинство боятся AI не из-за технологий, а из-за того, что стоит за ними: риск потери контроля, угрозу статуса, страх признаться, что чего-то не знаешь. В нейросетях довольно мало мистики и довольно много математики, но людям проще бояться «черного ящика», чем своей неуверенности. В России тема еще подогревается постоянными новостями: то ИИ «уволил» кого-то за рубежом, то «сам написал» музыку, то «подделал» чье-то лицо. Если из этого новостного шума вытащить сухой остаток, окажется, что реальный риск не столько в технологиях, сколько в том, как их бездумно или, наоборот, совсем неиспользуют. Это означает, что работать приходится не с ИИ как таким, а с нашими представлениями о нем.
Когда начинаешь раскладывать этот страх, всплывают одни и те же слои. Сначала — опасения за качество: «А если он напишет ерунду, а я не замечу?» Потом — опасения за уникальность: «А вдруг тексты будут как у всех?» Затем — опасения за безопасность: «А если данные куда-то утекут?» И отдельно лежит страх «обесценивания»: что моя экспертиза станет никому не нужна, потому что «теперь все смогут написать текст / придумать стратегию / сделать презентацию». Я заметила, что, пока эти страхи не назвать своими именами и не разложить по полочкам, человек будет бесконечно смотреть обзоры сервисов, но не откроет ни один для реальной задачи. Поэтому начинать приходится с разговора, а не с инструкций.
Для наглядности я люблю собирать в одном месте типичные установки людей перед первым серьезным использованием ИИ. Здесь удобно показать их в виде цитаты, чтобы было проще узнать себя.
«Я боюсь использовать AI, потому что: 1) он может накосячить, а отвечать буду я; 2) если я покажу, что часть задач можно автоматизировать, меня попросят делать в два раза больше; 3) я не понимаю, как он принимает решения, значит, контролировать не смогу; 4) это как будто признаться, что я сама не справляюсь».
Получается, что в основе почти всегда лежит не страх перед конкретным сервисом, а ощущение, что тебя могут подменить или обесценить. Когда это проговариваешь, становится чуть спокойнее: с таким уже можно работать через процедуру, а не через общее «мне тревожно». Тут же, кстати, и развенчивается миф о том, что боятся в основном «старшее поколение». Довольно часто мне пишут люди за тридцать с хорошим цифровым опытом, но с очень жесткими внутренними стандартами к своей экспертизе, и именно она не дает им «подставляться» под эксперимент.
Как отличить реальный риск от надуманного страха при работе с ИИ
На практике все страхи вокруг искусственного интеллекта условно делятся на две группы: реальные риски, с которыми надо работать системно, и надуманные, которые съедают силы, но почти не связаны с фактическими проблемами. Первые — это вопросы конфиденциальности, качества данных, юридических ограничений, особенно для российских компаний, которые связаны внутренними регламентами. Вторые — это то, что «ИИ меня заменит», «я не смогу догнать тех, кто уже все освоил», «это слишком сложно, я точно не разберусь». Иногда надуманные страхи маскируются под рациональные доводы, и тут приходится мягко вытаскивать аргументы наружу (нет, подожди, есть нюанс).
Я заметила, что продуктивный разговор начинается, когда мы формулируем конкретный вопрос: «Чего именно я боюсь в этой задаче?» Например, специалист по контенту, который хочет попробовать ChatGPT или российский аналог вроде YandexGPT, может задать себе три вопроса: где здесь риск утечки данных, где риск снижения качества, и где риск репутационный. Если честно разложить ответы, внезапно окажется, что писать черновик статьи по открытой теме и без упоминания внутренних имен и цифр довольно безопасно, а вот скармливать нейросети внутренние отчеты без разрешения — уже нет. Это критично, потому что позволяет не сваливать все в одну кучу «страшно, значит не трогаю», а выстроить простую внутреннюю политику.
Чтобы не застрять в теории, полезно держать под рукой короткий ориентир — чем реально стоит озаботиться при работе с ИИ, а что можно отложить на потом. Для этого удобно выделить несколько ключевых пунктов.
- Правило: все, что содержит персональные данные или коммерческую тайну, не отправляем в публичные модели.
- Наблюдение: черновики текстов, идей, планов — нормальное поле для экспериментов, если затем идет человеческая проверка.
- Формула: чем выше риски для людей и денег, тем меньше автоматизации «в лоб» и больше контроля человеком.
- Вариант А: начать с задач, где ошибка ИИ не приведет к катастрофе, а максимум к доработке.
Это означает, что бояться стоит не самого факта использования искусственного интеллекта, а отсутствия правил его применения. Когда у эксперта есть хотя бы такой черновой чек-лист, часть тревоги уходит, и появляется пространство для аккуратного эксперимента. На этом фоне следующий логичный шаг — понять, чего люди лишают себя, когда продолжают держаться от ИИ на почтительном расстоянии.
Что теряют эксперты, которые продолжают избегать искусственного интеллекта
Если вернуться к ситуации из начала, то главный ресурс, который сжигала команда того предпринимателя, был даже не рабочее время, а внимание. Постоянное держание в голове десятков задач, связанных с рутиной, вытесняет пространство для нормального стратегического мышления. Когда специалист сознательно избегает AI-инструментов, он как будто берет на себя дополнительное обязательство: все делать руками, даже то, что уже можно частично делегировать машине. В результате выигрывает не столько его чувство безопасности, сколько ощущение вечной перегрузки. Это касается и маркетологов, и юристов, и преподавателей, и аналитиков в России — автоматизацию все откладывают, а жалобы на выгорание только растут.
Я не сторонница лозунга «замени все ИИ, а сама пойди попей кофе», потому что знаю, как быстро это превращается в разочарование, но в конфигурации «я не пользуюсь нейросетями принципиально» есть другой перекос. Человек добровольно отказывается от инструментов, которые могут снять 20-40 % его рутины, и при этом ждет, что его экспертиза будет развиваться. Она какое-то время тянется на старых запасах, но мир вокруг движется быстрее, и вот уже коллега, который «тихо» осваивал ИИ, закрывает большие объемы работы и успевает тестировать новые форматы, а ты все еще вычитываешь по пять раз один и тот же типовой текст. Это не история про зависть, это просто другая производительность.
Иногда полезно сформулировать вживую, что именно теряется, когда эксперт ставит над искусственным интеллектом большой мысленный крест. Ниже я приведу цитату в сжатом виде, как я это обычно делаю на консультациях.
«Когда я сознательно избегаю AI, я: 1) трачу больше времени на подготовку черновиков; 2) получаю меньше вариантов решений на старте; 3) учусь медленнее, потому что не тренирую навык формулировать запросы; 4) оставляю за собой только операционку, а не стратегию».
Это не значит, что каждая минута без нейросети — преступление против эффективности. Но если посмотреть честно, многие продолжают делать руками то, что уже можно делегировать, не из рациональных соображений качества, а просто потому, что им страшно экспериментировать и показывать промежуточные результаты. В российском контексте сюда еще добавляется страх «меня спросят, почему я использовала ИИ, где это не обязательно», особенно в консервативных отраслях. Получается парадокс: человек боится, что его заменит алгоритм, и одновременно отказывается от того, что делает его незаменимым — времени на аналитическое мышление.
Почему «я сам(а) лучше знаю» мешает использовать AI как напарника
Есть еще одна тонкая штука, которую я часто вижу у сильных экспертов: установка «если я не сделала все сама, это как будто не считается». Она звучит благородно, но в работе с нейросетями превращается в тихую саботажную стратегию. Человек запускает ИИ, получает первый дежурный ответ, морщится, думает «ну да, фигня, я же говорила», закрывает вкладку — и галочка в голове ставится: я проверила, не работает. При этом никто не пытался менять промпт, уточнять контекст, просить переформулировать. Это похоже на ситуацию, когда ты берешь стажера, даешь ему задачу без объяснений, он делает так себе, и ты решаешь, что стажеры вообще бесполезны (хотя сама я так делала ровно один раз).
На практике ИИ отлично работает как «мозговой мусорщик», который собирает разрозненные куски информации, предлагает грубые варианты и позволяет тебе уже из них выбирать и шлифовать. Но если ты изначально считаешь, что любая помощь извне — это признак слабости, велика вероятность, что нейросеть так и останется у тебя в категории «игрушки для ленивых». Это критично, потому что настоящая экспертиза как раз в умении строить системы, где твое время используется на тех участках, где ты незаменима, а не на вбивании однотипных формулировок.
Иногда полезно честно себе проговорить, зачем ты вообще подходишь к ИИ. Для этого помогает короткий внутренний список, который я иногда предлагаю сделать прямо в блокноте.
- Я хочу сократить время на рутину, но сохранить контроль над качеством.
- Я хочу получать больше вариантов решений на этапе идей, чтобы было из чего выбирать.
- Я хочу научиться формулировать задачи так, чтобы их мог понять не только я сама.
- Я хочу освободить часть времени под развитие и сложные задачи, а не под копипасту.
- Я готов(а) давать ИИ черновую работу, но оставлю за собой финальную ответственность.
Когда такие формулировки появляются на бумаге, разговор «я сам(а) лучше знаю» смягчается: становится понятно, что речь не об отказе от компетенции, а о перераспределении нагрузки. Возвращаясь к тому самому предпринимателю, о котором я говорила в начале, именно в этот момент он впервые сказал: «То есть вы предлагаете, чтобы нейросеть стала для нас чем-то вроде младшего редактора, а не волшебной кнопкой?» Да, именно так — и вот здесь мы переходим от страха к практике.
Как начать использовать AI без иллюзий: мой рабочий подход
Когда я первый раз столкнулась с задачей «внедрить ИИ в работу команды», я честно попыталась рассказать им все, что знаю про модели, температурy, токены и прочую внутреннюю кухню. Через десять минут по глазам было видно: я перегрузила людей деталями, которые им не нужны для старта. С тех пор я действую проще: начинаю не с теории, а с одной конкретной рутинной задачи, которая уже всех раздражает, и показываю, как мы ее частично автоматизируем. Это снимает сразу два барьера — ощущение абстрактности и страх «сложности», потому что человек видит свой знакомый процесс, только в более легкой версии. А уж потом, если появляется интерес, можно аккуратно подбрасывать фоновые знания про то, как именно это работает.
Для российских специалистов хороший старт — это тексты и структурирование информации. Тут не нужно доступа к закрытым данным, можно вполне использовать публичные модели, в том числе и отечественные, а проверка результата относительно проста. Я обычно предлагаю выбрать задачу, которая повторяется хотя бы несколько раз в неделю: например, описание продуктов, разбор интервью, конспект вебинара, черновик поста. На этом фоне мы пробуем три цикла: формулируем промпт, получаем ответ, дорабатываем запрос. Я всегда подчеркиваю: 2-3 итерации промпта — это норма, а не «значит, модель тупит». Если с третьей попытки результат все еще далек от приемлемого, это сигнал не к тому, чтобы все бросать, а к более точной постановке задачи.
Здесь удобно привести короткую цитату, которая у меня уже стала почти дежурной фразой на разборе промптов.
«ИИ — не гадалка, а очень усердный, но буквальный исполнитель: как попросишь, так и сделает, а если попросишь туманно, принесет туман».
Я заметила, что, когда люди это осознают, перестает работать оправдание «он ничего не понял, потому что глупый». Освобождается пространство для эксперимента с самим запросом: поменять формулировку, добавить примеры, описать формат выхода. И вот тут начинается самая интересная часть — игра с промптами не ради красивых кейсов, а ради конкретной пользы. Когда человек видит, что на третий заход текст стал в два раза ближе к задаче, чем на первый, мотивация продолжать резко растет.
Что писать в промпт, чтобы не разочароваться в нейросети
На практике хороший промпт — это не «сделай красиво», а короткое ТЗ плюс контекст. Я обычно разбиваю запрос на несколько логических блоков: кто я, что за задача, какой формат результата, на какую аудиторию, и какие ограничения. Звучит бюрократически, но на деле это 3-5 предложений, которые экономят кучу времени на последующей правке. Например, вместо «Напиши пост про страхи перед AI» я бы задала так: «Ты — помощник эксперта по AI. Нужно набросать черновик поста для Telegram-канала о том, почему специалисты в России боятся ИИ. Аудитория — маркетологи и предприниматели. Тон спокойный, без хайпа. Структура: проблема, почему страх мешает, с чего начать безопасно». И уже потом попросила бы переформулировать, сократить или расширить.
Иногда меня спрашивают, нужно ли в каждый промпт вписывать этот полный контекст. Честно — не всегда, это утомляет, и я сама так делаю только на сложных задачах. В остальных случаях помогает минимум: описать роль модели («ты мой редактор», «ты аналитик»), суть задачи и формат результата. К этому можно добавить одно-два ограничений: объем, стиль, запрет на выдумывание фактов. Здесь как раз работает то самое мягкое противоречие, когда я сначала говорю «чем подробнее, тем лучше», а потом добавляю «забудь, что я только что сказала — вот как правильно»: лучше один раз четко прописать рамки и дальше работать внутри них, чем каждый раз писать целый роман в промпте.
Чтобы не погружаться в десятки теорий, удобно держать под рукой маленькую текстовую шпаргалку того, что стоит включать в промпт, особенно на старте.
Я заметила, что базовый каркас промпта держится на четырех элементах: 1) кто тут кто (роль модели и ваша роль); 2) что за задача (конкретное действие, а не общая тема); 3) какой формат результата (список, абзац, план, черновик письма); 4) какие рамки и ограничения (объем, стиль, запрет на «фантазии»).
Когда этот каркас въедается в привычку, качество ответов заметно растет даже без глубокого понимания того, как именно устроена модель. Это и есть та точка, где страх «я ничего не понимаю в этих алгоритмах» отходит на второй план, а на первый выходит понятный навык формулировать задачи. И здесь мы плавно подходим к тому, где я сама в работе с ИИ обжигалась чаще всего.
С какими подводными камнями я сталкивалась, когда внедряла ИИ в работу
Когда я начала активно использовать нейросети в своих проектах и помогать с этим другим, у меня было довольно наивное ожидание: сейчас мы всем покажем, как это удобно, и они радостно подхватят. В реальности оказалось иначе: часть людей да, быстро включалась и благодарила, но многие либо тихо саботировали («у нас и так все работает»), либо делали один пробный заход, разочаровывались и ставили крест. Я тоже на первых порах много раз спотыкалась: то полагалась на вывод модели больше, чем следовало, то недооценивала время на проверку, то переоценивала готовность команд к изменениям. В какой-то момент мне пришлось признать, что ИИ — это не про «поставить новый сервис», а про постепенную перенастройку рутинных процессов. Звучит скучнее, чем обещания быстрых чудес, но зато отражает реальность.
Самая болезненная точка для меня была связана с доверием к результату. Однажды я дала нейросети сгенерировать черновой анализ рынка по открытым данным и, торопясь, проверила только верхний слой: структуру, основные тезисы. На встрече выяснилось, что часть цифр модель «придумала», как она любит, а я это просмотрела. Исправлять пришлось уже вживую, на глазах у клиента, и вот это ощущение я запомнила надолго. С тех пор у меня правило: любые конкретные факты и числа — отдельно верифицировать, даже если текст в целом звучит убедительно. Это не подрывает доверие к ИИ, а скорее напоминает, что это не эксперт, а уверенный в себе ассистент, который может ошибаться.
Иногда я люблю формулировать такие моменты прямо, в виде короткого напоминания себе же, чтобы не забывать.
«Если нейросеть говорит уверенным тоном, это не значит, что она права. Уверенность — это стиль, а не гарантия качества».
Вернувшись к эмоциональной карте, которую я описывала в начале, скажу честно: именно на этапах ошибок и корректировок я больше всего ощущала раздражение и усталость. Но именно здесь формировалась адекватная картина возможностей и ограничений. В какой-то момент я поймала себя на мысли, что у меня исчезло желание спорить с ИИ. Появилось другое: использовать его по максимуму там, где он силен, и не отдавать ему то, что пока остается сугубо человеческой зоной ответственности.
Где чаще всего «обжигаются» эксперты при внедрении нейросетей
Я заметила несколько типовых ловушек, в которые регулярно попадают и мои клиенты, и я сама. Первая — ожидание мгновенного вау-эффекта: запустил, получил, все счастливы. Вторая — попытка навесить ИИ на все подряд, включая те процессы, где он только мешает. Третья — отсутствие договоренностей в команде: кто за что отвечает, как помечаем тексты, в которых участвовал ИИ, как храним промпты. Четвертая — игнорирование юридических и этических нюансов, особенно в чувствительных областях, когда кто-то решает «просто протестировать» на реальных данных. И отдельной строкой идет страх признаться, что используется ИИ, и как следствие — тайная работа с ним и хаос в документах (звучит странно, но работает ровно до первой проверки).
В одной из команд в России мы столкнулись с интересным кейсом: маркетологи активно пользовались нейросетью для генерации черновиков, но ни с кем об этом не обсуждали. Когда об этом узнал руководитель, он сначала испугался за юридические риски, потом за репутационные, и был готов вообще запретить все подобные инструменты. Пришлось садиться и проговаривать: какие типы задач допустимы, какие нет, как документировать участие ИИ в рабочем процессе. Это заняло пару встреч, но на выходе появилась прозрачность: никто уже не боялся «пойматься» на использовании нейросети, и, наоборот, стало понятно, где ее участие дает реальную экономию времени.
Чтобы не упасть в крайности, я для себя сформулировала небольшой набор внутренник «тормозов» — ситуаций, где я намеренно замедляюсь и включаю дополнительную проверку при работе с ИИ.
На практике я специально притормаживаю, если: 1) в тексте есть юридические формулировки; 2) фигурируют точные цифры и ссылки на исследования; 3) речь идет о здоровье людей или финансах; 4) результат будет использоваться как официальный документ; 5) я чувствую, что «слишком доверяю» модели и перестаю внимательно читать.
Возвращаясь к той задаче из начала, именно эти тормоза помогли выстроить с предпринимателем честный диалог: что мы готовы делегировать ИИ, а что принципиально оставляем за людьми. И только после этого стало возможно строить нормальный, не истеричный подход к работе с нейросетями в его бизнесе.
Как я вместе с клиентами перевожу страх перед AI в рабочую рутину
Возвращаясь к тому, с чего начала: тот предприниматель пришел с четким запросом снизить нагрузку на маркетинговую команду, но в воздухе висел невысказанный страх — а вдруг мы сделаем хуже, а не лучше. Мы решили двигаться небольшими шагами. Сначала выбрали три типовых задачи: подготовка черновиков постов, структурирование отзывов клиентов и составление простых аналитических сводок по открытым данным. Для каждой задачи я помогла сформировать 2-3 базовых промпта, которые потом дорабатывали уже по ходу работы. Первые результаты были, честно, неоднородными: кое-где тексты требовали серьезной правки, где-то экономия времени была минимальной. Но через пару недель команда уже не представляла, как раньше вручную перебирала все отзывы, чтобы выделить повторяющиеся темы.
К середине второго месяца мы вышли примерно на такие цифры: подготовка черновиков текстов сократилась по времени примерно на 30 %, структурирование отзывов — на 40-50 %, простые отчеты по открытым источникам стали занимать в два раза меньше времени. При этом никто не потерял контроля: каждую единицу контента все равно просматривал живой человек, данные по рынку сверялись по независимым источникам, а самые критичные формулировки согласовывались с юристом. В какой-то момент маркетолог честно признался, что сначала был из тех, кто «боялся даже открывать эти AI-сервисы», а теперь ему скорее страшно будет вернуться к работе «вручную».
Я люблю такие истории не потому, что они выглядят как красивые кейсы, а потому что в них нет волшебства. Мы не «перевесили» всю работу на ИИ, не увольняли людей, не устраивали громких реформ. Мы просто уважительно отнеслись к страхам, назвали их, обозначили реальные ограничения и потихоньку встроили нейросети в уже существующий рабочий процесс. Итогом для того предпринимателя стала не только экономия около 20-25 часов в месяц на рутине у команды, но и то, что у него самого освободилась голова для более стратегических задач. И да, пару раз мы ошиблись, дали ИИ слишком много автономии, пришлось возвращаться и перепроверять, но это были рабочие, а не катастрофические ошибки.
Здесь уместно подчеркнуть один момент, который часто остается за кадром, когда говорят о внедрении AI в России.
«ИИ в работе эксперта — не революция, а постепенное смещение границ: сегодня ты отдаешь ему черновики, завтра структурирование, послезавтра часть аналитики, но ответственность и финальные решения остаются у тебя».
Если вернуться мысленно к самому началу статьи, к истории о страхах и перегрузе, становится видно, что основной перелом произошел не в технологиях, а в отношении: из разряда «страшно и непонятно» ИИ переехал в разряд «еще один инструмент, который стоит освоить». Это честный, не глянцевый вывод: искусственный интеллект не избавит нас от необходимости думать, но может сильно снизить нагрузку на голову, если обращаться с ним аккуратно и без иллюзий.
Что ещё важно знать про работу с ИИ без истерики
Я часто вижу, как одно и то же сомнение задают разными словами, поэтому собрала несколько типичных вопросов в один блок. Они не про технические настройки, а про отношение и стратегию.
Вопрос: Можно ли полностью полагаться на ИИ для создания экспертного контента?
Ответ: Я бы не стала, даже если модель пишет гладко и убежденно. ИИ отлично справляется с черновиками, структурированием, поиском формулировок, но смысл, позицию и ответственность за сказанное оставляет за человеком. Хороший формат — ИИ как ускоритель, эксперт как редактор и носитель смысла.
Вопрос: Как часто нужно пересматривать свои промпты и подход к работе с нейросетями?
Ответ: Я обычно возвращаюсь к промптам раз в пару месяцев или когда меняется задача. Если результат стабильно устраивает, трогать ничего не надо. Если ощущение, что ответы «поплыли» или появились новые типы задач, это повод обновить формулировки и протестировать 2-3 новых варианта.
Вопрос: Можно ли использовать публичные AI-сервисы для задач внутри компании в России?
Ответ: Можно, но аккуратно и с оглядкой на политику безопасности вашей организации. Все, что связано с персональными данными, коммерческой тайной и закрытой аналитикой, лучше не отправлять в публичные модели. Для внутренних задач стоит подумать о локальных решениях или хотя бы о анонимизации данных.
Вопрос: Что делать, если первый опыт с нейросетью оказался неудачным и только усилил страх?
Ответ: Я бы отнеслась к этому как к неудачному тесту, а не как к приговору всей технологии. Попробуй сменить тип задачи на более безопасную, попроси коллегу показать, как он формулирует запросы, сделай 2-3 итерации промпта. Если после этого ощущения, что «не мое», не меняются, можно честно зафиксировать: сейчас приоритеты другие.
Вопрос: Правда ли, что ИИ в перспективе лишит работы многих специалистов?
Ответ: Я бы сказала мягче: он сильно поменяет структуру задач внутри профессий. Те, кто делает только рутину, будут под давлением автоматизации, а те, кто умеет связывать технологии с реальными задачами, станут только нужнее. Поэтому разумнее не спорить «лишит/не лишит», а постепенно осваивать инструменты как часть своей квалификации.
Если хочешь двигаться дальше без суеты
Когда пишу такие тексты, всегда хочется, чтобы они не оставались просто «умным чтением на вечер». Если чувствуешь, что тебе близок спокойный, рабочий подход к ИИ без обещаний чудес и без демонизации технологий, можно продолжить разговор со мной дальше. В своем Telegram-канале я регулярно разбираю реальные кейсы, показываю, как шаг за шагом выстраивать промпты под задачи экспертов в России, где ИИ реально снимает рутину, а где лучше не лениться и делать самой. Если хочется не просто почитать теорию, а потестировать инструменты вместе, загляни в канал «ИИ без истерики» — там я показываю, как уже сегодня превращать искусственный интеллект в нормального рабочего напарника без обещаний волшебных кнопок 🙂.