Как ИИ меняет бизнес – Секреты эффективной работы с ChatGPT

Добрый день. Меня зовут Николай Хлебинский. Вы находитесь на канале Экtion Plan. Мы сегодня обсуждаем искусственный интеллект. У меня в гостях сегодня профессор бизнес-практики и директор цифровых программ бизнес-школы Сколково Николай Верховский. Николай, приветствую. — Привет. — Раз уж у нас сегодня в гостях целый директор из Сколкова, как лучше всего, эффективнее всего научиться писать пропты. — С точки зрения качества глубо глубокого исследования эта модель самая продвинутая и интересная. Искусственный интеллект не заменяет человека — никогда. Да, вообще ненавижу. — Не ждёт ли нас усиление естественного отбора на снижение когнитивных функций мозга? — Ставку все делают на продажи и маркетинг, а основные деньги зарабатываются в операционке. — Как действовать сейчас и бизнесу, и человеку, который внутри бизнеса находится, для того чтобы не упустить вот эту волну технологическую, которая разгорается, правильно, связанная с искусственным интеллектом. А эффект, на который рассчитывают, это я ни хрена ничего не понимаю. Может, он за меня всё поймёт. — Ключевая компетенция. — Написание промптов системных. — Я могу сделать в 10 раз больше, чем я делал до этого. — Спасибо, что присоединились к нам сегодня. Хочется сегодня обсудить тему искусственного интеллекта в бизнесе, в системном бизнесе, в котором есть много чего оптимизировать. Давайте с каких-то общих начнём вопросов. Что вообще такое искусственный интеллект для бизнеса сегодня? Кроме того, что это маркетинг булшит? — Да, искусственный интеллект - это штука, которая пишется на Папоинте, как известно. Машиннинг пишется на Питоне, и в этом их главное различие. Аа давайте так. технически, я не буду, наверное, на этот вопрос углублённо отвечать, потому что, ну, в общем, можно посмотреть и почитать. А для бизнеса это моя специализация, поскольку я в бизнес-школе работаю, и, в общем, главным образом стараюсь ответить на вопрос, как технологии могут бизнесу ценность принести. — Вот это наш сегодняшний основной вопрос будет. — Это самый главный вопрос, потому что ошибок в этом направлении делают много.

Если так брать, два типа ошибок самых главных. один я называю консервативная ошибка, когда люди говорят: "Да ничего не делают, полная фигня, хайп, в общем, переждём, всё придёт на круги своя, не будем с этим заморачиваться". И потом, значит, когда в их зону начинают вторгаться совершенно неожиданные игроки, начинают суетиться, уже поздно. А вторая ошибка - это технооптимисты. Это люди, которые очень увлекаются технологиями и говорят: "А давай теперь везде вообще воткнём искусственный интеллект". Вот тушкой, чучелком, пусть он у нас где-нибудь работает. Это в итоге превращается в большие затраты и неоправданные ожидания и заканчивается разочарованием. Люди просто никуда не приходят. Я за серединку и за прагматизм в этом деле. А искусственный интеллект - это, безусловно, инструмент повышения производительности. На сегодняшний день так оно и есть. При этом, когда мы говорим искусственный интеллект, мы должны понимать, что под капотом у этого словосочетания как минимум, я сейчас предельно упрощаю, три типа разных алгоритмов. Некоторые называются совсем

классические алгоритмы, ну, просто которые считают искусственным интеллектом. Ну, ifс вот это вот по дереву бегут, — а значит, по дереву решении. а-а, ML классический, который до всей генеративки существовал и вполне себе работал и приносил ценность, продолжает работать — и продолжает работать. И если мы посмотрим в объёмах эффектов, то наибольший объём эффектов с точки зрения принесённых конкретных доказанных эффектов, это, конечно, — классический, — а теперь его называют классическим, раньше было просто. Значит, и новомодная генеративка, которая сейчас идёт, вот она по последним исследованиям IT из 100% тех, кто попытался на ней заработать, 95% ничего не заработали, только потратили, и всего лишь 5% до чего-то добежали. Так уже аналитика текущая вот наконец, ну, как на второй половине двадцать пятого года. А вот из вашего опыта, те, кто хоть что-то сделали, толковые на этой базе в бизнесе, вот что это за кейсы, что это за компании и какие там сценарии использования?

использования? — Давайте самый простой сценарий скажу, он будет очень скучный и его никто особо не любит, значит, потому что — там, как правило, деньги все лежат. — Там небольшие деньги лежат, но он очень полезный. Значит, я его видел в нескольких компаниях, и он действительно мне показался интересным. Компания берёт, покупает доступ ключевым моделям. Ну давай под ключевыми моделями проговорим какое-то количество. Это OpenIG GPT, это грок, это CL, это соответственно китайские модели PS или а соответственно что у нас ещё есть из таких? Ну и понятно, и российские модели, Яндекс и Гигачат, — там обычный или значит, соответственно, вот покупается этот доступ, делается один большой чат на всю компанию, и каждый сотрудник может просто с этим работать в режиме, э, скажем так, свободного доступа, решая свои какие-то задачи, общаясь с искусственным интеллектом. То есть базовый сценарий использования, который бизнес может сейчас сделать - это через какой-нибудь, — ну, какой-то агрегатор, как бы, — да, сделать агрегатор для своих сотрудников, для того чтобы они могли обращаться по рабочим вопросам, — абсолютно делать, что хотят. Это я и сказал, что он самый скучный. Больших денег там нет, но что там есть? Там нет больших очевидных денег, но там есть культурный скачок. Ну, то есть, если это правильно сделать, люди очень быстро начинают общаться, и у них начинает формироваться повестка, и они как бы сами приходят: "А можно вот это сделать? Можно вот это сделать, можно вот это сделать". Значит, второй, это был не самый нижний уровень. второй уровень, на

котором сейчас второй сценарий, который тоже многие используют, и он неплохой, мы называем его локальной эффективность, условно говоря. Это, как правило, а в открытой части это чатбуты, которые помогают сотрудникам решать ту или иную задачу. А много есть в понятных сферах маркетинг, продажи, HR, безопасность и так далее. Возьмём какую-то самую массовую тему, продажи. — Знаешь, забавно исследование айтишное, опять же, на него сошлюсь. И у меня было это внутренняя интуиция, но хорошо, что они это сделали. Они сказали ээ прикольную штуку. Они сказали, что а ставку все делают на продажи и маркетинг, а основные деньги зарабатываются в операционке. Ну то есть типа продажны и маркетинг не оправдали своих ожиданий на вложение. — Угу. То есть условно значит операционная эффективность, ну, такая прямо конкретная бизнесзадачи, которые вот типа там у юристов, учаров, у на самом деле логистов достаточно много, потому что много с документами работают, у безопасников в смысле промомбезопасность, например, достаточно часто встречающийся кейс, вот там много решений, которые действительно как бы помогают людям сделать какую-то задачку, решить, оценить работу, а, проанализировать ээ какой-то текст или посмотреть какие-то документы. В общем, везде, где вот этой работы много, там кейсы сходятся и реально оказывают хорошую поддержку. Все фронтовые кейсы начинают сбоить, потому что, как мы знаем, что — фронтовые, — ну, если ты выводишь на клиента чатбота, с которым он должен общаться. — Во-первых, если ты на него не надел намордник, имеется в виду на этого чатбота, его можно разговорить и вывести вообще куда хочешь, — что все стараются не делать. А как только ты его очень жёсткие рамки поставил, то ценность его падает по экспоненте, потому что ничего он не делает того, чего ты хочешь. Поэтому там многие уводят, например, э чатботов из ээ фронта, из страниц, а в ассистентов консультанту по какой-то технике. Один

из кейсов, который у нас был, например, человек яхтами торгует, ну, не в смысле большими этими самыми, а вот такими аэ среднего размера продаёт эти яхты. Вот он говорит: "У меня проблема с тем, что мало людей, которые шарят в яхтах и могут хорошо продавать". Люди, которые говорят много, о продаже зависит продажа яхты сильно зависит от того, насколько ты разбираешься вообще-то в моторах, в узлах, в ээ оснастке, в производителя, во всём этом самом. Он сделал ассистента продавцу, и продавец, соответственно, может в любой момент к этому ассистенту обратиться. Продавец что-то знает про эту цену, он может оценить сейчас ему ответ, как бы сглючил, не сглючил. И как бы, в общем, общаться, может общаться напрямую с сотом. Вот такой, — в общем, вот что я услышал, что для себя забираю. Значит, что ээ по последним самым исследованиям ээ искусственный интеллект не заменяет человека — никогда. Да, вообще ненавижу это

— по крайне мере, в текущей ээ в текущей своей инкарнации, потому что там будет дальше, кто как на это смотрит, но в текущем виде просто ходит очень много слухов о том, что, э, этих заменят, вот, значит, изобрели автомобиль, все, кто занимались лошадьми, стали не нужны. И вот бухгалтеров всех заменят, юристов всех заменят, продавцов всех заменят. Не заменят. Не заменят - это первое. Второе, что очень значимо усиливает специалиста - это ассистент. То есть, э, искусственный интеллект не станет менеджером по продажам, но он очень усилит менеджера по продажам, если менеджер по продажам экспертный, не тупой, будет выполнять роль оператора и фильтровать через уровень своей экспертизы информацию, которая быстро из разных источников подтягивается, потому что по яхте, ну или по другому по любому другому продукту, на самом деле, наверняка есть тонна документации. Просто вот такие талмуды мы покупаем автомобиль или даже стиральную машинку. Нам выдают вот такую вот книгу. Вот эта книга вся, она находится в доступе в на уровне инструкций. И к этой инструкции можно не оглавление читать или стадия там что, а задать вопрос: а какие характеристики, как она там себя ведёт, и из этой инструкции будет получен довольно хороший ответ, но с глюками иногда. Поэтому нужен эксперт, который будет их фильтровать. — То, что называется сейчас концепцией Humanop, то есть человек в цикле, — да? А, и это концепция, которая по всем исследованиям реально работает. — А что это за концепция? Мне бы поподробнее углу. — Да, могу бы. Она не очень сложная. Мы её только что проговорили. Это означает, что у тебя есть сильный экспертный — профессионал. И он, используя инструменты внутри, обвешив себя инструментами, может резко увеличить свою производительность. Ну, причём кратно увеличить свою

производительность. То есть мы с некоторыми товарищами разговаривали, которые занимаются и программированием, которые занимаются, а, значит, маркетинговой деятельностью и так далее или дизайнерской деятельностью. Ээ говорят, они говорят прямо: "Я могу делать в 10 раз больше, чем я делал до этого. Мог делать вещи, которых я до этого мог не мог делать". Ну, то есть типа вообще — в целом все, кто вот понял силу вот этих инструментов, они с такой обратной связью и приходят. говорят, что я раньше сделать такого сам не мог, но теперь, когда я понимаю вот в своей области то, что я понимаю, я могу делать в 10 раз больше. Вот это и есть тот самый эффект мультипликатор. — А эффект, на который рассчитывают - это я ни хрена ничего не понимаю. Может, он за меня всё поймёт, а он не понимает. — В этом смысле это двое излорца из советского мультика, в котором, значит, он хотел мороженое, пироженое, ничего не делать. Вот. Потом говорит: "Подождите, вы что и кушать за меня что ли тоже будете?" — Хотеть этого ну сильно бессмысленно. Мы много проводим ээ с моим партнёром Дмитрием Гурим таких значит интенсивов, где за 2 дня можно маленькое решение себе сделать. Ну прямо рабочее. А значит и очень забавная вещь, когда, значит, ээ люди за столом начинают делать решение и потом зовут и говорят: "Всё, ничего не работает". Я говорю: "Мы его попросили сделать, он нам выдаёт какую-то фигню". Я читаю, что они попросили сделать его, ну, как бы системный пронт, который писали системную инструкцию, и там буквально написано: "Сделай хорошо, а плохо не делай". Значит, они говорят: "Ну, мы же людям так говорим, и они идут и делают". Я говорю: "Ну, может быть, следует задуматься о том, как ты ставишь задачи". Вот. Потому что разбить задачу на подзадачи, сделать подзаголовки, понять, что ты программируешь рукоестественным языком, деятельность некоторой машины, это оказывается ментально трудно проходимый барьер. Значит, сейчас ещё раз важно, мне кажется, было, э, я отрефлексирую для себя, э, что, э, просто вот сейчас всплыла в голове, что Сэм Альтман - это founder Open AI, он ходит по конференциям сейчас вот прямо в эти дни и говорит, что осталось буквально несколько лет до момента, когда образуется единорог, то есть компания с капитализацией выше миллиарда долларов, — которую создал один человек. То есть это

будет компания из одного человека. Почему мне это сейчас вспомнилось? Потому что вот мы сейчас сидим, вы проводите много исследований самостоятельно, изучаете опыт коллег и восточных, и западных, его суммируете. И, ну, вот первый инсайт для меня сегодня в том, что приложение, естественно, Сльтман говорит про приложение на базе искусственного интеллекта. Он говорит о том, что AI будет делать что-то сам. Э, и вот этот продукт его сделает один человек. Этот продукт может стоить миллиард. по текущему представлению человечества, которое у нас сегодня есть, ээ, этот продукт должен базироваться на принципе humano. То есть это не должен быть автоматический чатбот продавец, это должен быть ассистент продавца, это не должен быть автоматический нониматор людей, HR рекрутёр. Это должен быть ассистент рекрутёра, который усиливает в 10 раз человека. Вот это вот будет первый такой ключевой принцип, который, ну, такой инсайт, который я для себя забираю. Я считаю, что это так. Во всяком случае, на текущем уровне развития это, ну, то, что солопренёры называют, да, как бы в одно лицо энтрпринёр, что называется, — но он не в одно лицо, просто лица будут не все человеческие. Вот. А в этом смысле, да, это скорее усили усилится те, у кого есть компетенция, понимание и глубокое мышление. Только в тандеме это сработает действительно так. У нас пару выпусков назад на канале была детальнейшая инструкция о том, как идею бизнеса превратить в приложение. И до этого ещё было как просто придумать идею для бизнеса. И там у нас был проект, который мы придумали и прорабатывали прямо на записи. Он назывался попытка оспорить штрафы, которые накладывает там маркеплейс на селлера в автоматизированном режиме. Так вот, для тех, кто собрался делать то приложение вот по тем нашим сценариям, не должно быть там автоматизации. Там должен быть оператор, к которому всё готовит искусственный интеллект. Оператор говорит, что да, меня устраивает это досудебная претензия, меня устраивает этот документ, который пойдёт там куда-то туда, там должен быть обязательно человек, по-другому не работает. Раз уж у нас сегодня в гостях целый директор из Сколково, из бизнес-школы Сколково. Как лучше всего, потому что уже прозвучала эта проблема, она в воздухе висит, как лучше всего, эффективнее всего научиться писать

промпты? Потому что вот как раньше было в предыдущей итерации машинрнинге, там уже очень давно сказали, уже алгоритмы значений не имеют. Имеют значение датасеты, которые мы скармливаем этим алгоритмом. Сейчас дата-сеты в этих языковых моделях такие, что они уже необъятные никаким сознанием. И задача к ним правильно промпты писать. Вот как научиться писать промпты. — Давай я вот свою позицию скажу. Что происходит со всеми этими инструментами? А в режиме привет-привет я практически не общаюсь ни с одной моделью. Есть две самых востребованных функции, которые я, например, в Open, ну, как в самой прокачанной модели пользуюсь. это депрессюч и, соответственно, второе - это агент. Эти две функции самые полезные, потому что, ну, всё остальное либо очень низкого качества, э либо ээ поверхностно, да, либо мне, ну, мне оно не нужно, — если только совсем что-то быстро сделать. Понятно, есть ещё генерация картинок, которой я практически никогда не пользуюсь. И есть создание презентаций. Для меня в создании

презентации сильный дизайн меня не парит. меня парят контентные составляющие и есть инструменты, опять же, агенты manнус тот же самый, с которыми я пользуюсь для того, чтобы делать себе контент для презентации. В этом смысле такого сценария, типа поболтать о чём-то с машинкой у меня и вот в моей личной практике и в практике большого количества людей, с которыми я общаюсь, их не очень много, наверное, есть. Безусловно, есть у всех других. Но типа вот я сюда не хожу. Промт - это же запрос в переводе на русский язык. Есть запросы, как запросы, да? — А есть системные промты, которые составляют инструкцию, — да, — которая задаётся на вход, и у тебя ассистент всегда работает по этой инструкции. — Вот я вторые вещи я делаю много, то есть системные инструкции, которые я задаю. Более того, у меня есть гигантский диалог с моделью Гугла, э, вот GM 25 Pro. через платформу я с ним общаюсь. Здесь вон токенов аж 250 759.000 токенов мы потратили из миллиона, который он даёт в предустановке. — И это диалог, внутри которого я совместно с машиной выработал длинные правила написания очень хитрого промта. Вот поэтому я сейчас показываю. Значит, вот я исследую самые эффективные методы. Я просто предлагаю системных потов написать — создание. системных запросов к большим языковым моделям. Больший языковой модели, так называемые LLM. Larg language model - это вот то, та технология, тот подход фундаментальный такой технологический, который и совершил вот этот вот прорыв в области того, что сейчас принято называть искусственным интеллектом. Так, мы используем модель ЧА GPT5. — Мы используем чат GPT5 в режиме исследовать. — Вот здесь есть режимы, — да, — а вот, соответственно, режим агента, про которого я говорил, режим исследования, изображения, обучение, поиск в сети, холст, ну и там, — Угу. — всякое. — О'кей. — Значит, мы сделаем глубокое исследование. С точки зрения качества глубо глубокого исследования эта модель самая, э, продвинутая, интересная. Значит, чтобы сделать исклюм, не могли бы вы уточнить, какова цель вашего исследования? Научная публикация, разработка продукта? — Предлагаю голосом надиктовывать ответы. — Я хочу сделать самую подробную инструкцию, чтобы ей могли все, кто хотят создавать системные промты, пользоваться и получать от этого рабочее решения. Аа я -э так какие аспекты интересуют больше всего? Например, да, мне все аспекты интересуют, давай все аспекты отрази. Есть ли конкретные модели, которые вы хотите сосредоточиться? А меня интересует GPT4, Clot Grog Deep. Нужно включить информацию о мультиязычности. Ээ да, пожалуй, что можно включить информацию. И вообще включи всю самую нужную информацию, которую только можешь найти. Это исследование займёт некоторое время, да, оно будет идти сколько-то минут, может даже. По-моему, depresschд минут 10, наверное. Ну, в четвёртых, в три-пять вот может ити по пятый побыстрее, но он может идти достаточно долго всё равно, потому что всё-таки мы же знаем, что депрессивович- это он не из себя достаёт, а он как бы ээ отдаёт команду роботом, и этот робот пробегает по интернету, проверяет, заходит по ссылкам, проверяет ссылки. Важно, чтобы наши слушатели или зрители узнали, помнили, что если вот здесь у нас такая была штука включённая функция, а просто включённая функция поиск сети, вот поиск сети может найти битую ссылку. — Угу. — Потому что он ищет из своей базы ссылками, которыми он был научен. А вреч он зайдёт по ссылке, проверит и вымет оттуда данные и поставит ссылку на конкретный кусок в статье, который нужен. Поэтому здесь меньше, э-э, ну, сикратно меньше, э, фейковых ну то есть я не обнаруживал, может быть, только в самой статье может быть что-то, но в селки не битые, ссылки корректные и хорошо отображаются, и с ними можно работать. как действовать сейчас вот и бизнесу, и человеку, который внутри бизнеса находится, э-э, для того, чтобы не упустить вот эту волну технологическую, которая разгорается, правильно, связанная с искусственным

интеллектом. То есть, ну, как мы можем правильно игнорировать её, сказать: "Ну, что-то там как-то само произойдёт". Вот. А можем попытаться утилизировать максимально всё, что сейчас происходит в своих интересах вот бизнесу, как действовать наиболее эффективно. Ну, мы начали немножко об этом в начале говорить. И когда я сказал дать всем доступ, вторая история, дать локальных ассистентов. Вот то, что мы начали разбирать. Локальные ассистенты - это конкретные ассистенты, решающие какую-то бизнес-задачу. — А, соответственно, бизнес-задача может в любом отделе быть, но я агитирую за то, чтобы брать всё-таки бизнес-задачи операционные, не столько клиентские, сколько операционные. — Какой пример есть? Вот любой бизнесзадачи хороший. — Анализ резюме, анализ договоров, — анализ резюме. Вот супер. Есть HR процесс. рекрутинговые, есть воронка найма. — Туда ссыпаются отзывы, отклики на вакансии. — Ээ люди присылают своё резюме. Что должен сделать с ними ассистент? — Первое, если у тебя большой поток сейчас вот на этом примере давай разберём вообще как бы как происходит реше бизнес-решение, — да? Значит, сделать ассистента, которому на вход конкретно как человек подаёшь режиме, он тебе на выходе оценку, ну, типа этот кандидат нам очень подходит, типа берём. Там вся сложность этой задачи правильно написать как раз ту самую системную инструкцию. — Угу. — То есть надо задать там типа тебе на вход подаётся резюме, анализируй его таким-то параметрам. Эти параметры оценивай по такой-то категории, если они ниже такой-то шкалы, если ниже такой-то шкалы, выдавай нам оценку. Между этими событиями же пропасть дать сотрудникам поиграться с разными модельками, посмотреть, что будет, и сделать - ассистента иагента. Что такое? Эагент - это в каком-то канале коммуникации подключенный подключенная вот это вот ll, то есть chт gpt или gemini или deepsi, которому выданы инструкции и на вход подаются какие-то вводные данные. Инструкция может быть вот то, о чём мы сейчас говорим. Вот что такое хорошее резюме. HR опытный, который смотрит на то, на резюме, он как бы его мозг моментально прозванивает все когнитивные архивы, которые есть в этом мозге, и выдаёт быстренько ответ: зелёненькое или красненькое или жёлтенькая. Теперь надо как-то критерии, по которым этот ответ был дан, описать максимально подробно, так чтобы тысячи резюме, которые туда ссыпаются, точно так же быстро через неё проходили. Ну вот у нас есть, — но между этими двумя событиями пропасть, потому что HR не напишет промпт. Почему? Значит, что в этой части можно делать? Почему мы как бы много про говорим про эту системную инструкцию? Системная инструкция - это программа, которая составляется для ассистента. И в этом смысле ээ значит мы делаем какую историю? Мы в этом смыслера фактически как бы заставляем правила, по которым он делает оценку, выложить в структурированном виде. Хорошая новость. Можно для начала, например, чара, который вообще, например, типа как это работает чисто на интуиции, можно просто попросить его наболтать и позадавать ему вопросы: "А что ты делаешь так? А как ты видишь? А как ты различаешь?" А вот глядя на это резюме, где ты видишь у него, например, коммуникативные навыки, там нету графы коммуникативного, как ты бы определил? А как ты видишь, он нам подходит или не подходит? И Чар, например, начинает рассказывать, что я, глядя на резюме, там типа вижу вот такие ключевые слова и по ним понимаю. Или, например, я понимаю, что он работал в этих компаниях. Я знаю, что эти компании, вообще-то, так сказать, котируются, и эти компании очень важные. И у этих компаний недавно там произошло то-то

то-то. И, соответственно, нам люди, которые работают в этих компаниях, очень подхож. Вот фактически его такой нарратив. Ну, то есть обычный текст. Уже этот текст, который он наговорил, но только тут надо много задавать вопросов, можно сгрузить в тот же самый ээ GPT и сказать, а сделать из этого мне структурированную инструкцию, глубокую, ну, инструкцию детальную для ассистента, который будет оценивать резюме. И это первый шаг, который можно сделать. Второй, значит, важно эта инструкция никогда не статична. То есть мы делаем раздтри, через несколько траций она дорабатывается и постоянно меняется, — да? — А мы узнаём всякие разные детали, которых не знали раньше. Мы понимаем, что он делал, и это как бы следующее тестирование этого решения. Мы, конечно же, подключаем ассистента к сети, чтобы он, например, искал данные по компаниям, потому что будет, например, найди данные по компаниям, которых работал этот участник. Он не указал этого ничего взме, но ты сходи в эти компании и посмотри, нет ли отзывов об этом человеке ээ сотрудниками других этих компаний. Ну то есть мы начинаем постепенно формировать этот эту структуру. — Пока что звучит как базовый подход к машинрнингу к предыдущему. Он называется обучение с учителем. — Да, ну только тебе не надо иметь большой датасет. — Получается, что надо получается, что это имеет смысл кратный — только если нет. В смысле? — Ну, в смысле, не нужно иметь таблицу длиной в пол, выходим количеством признаков. Приципе это имеет смысл, если есть большое количество однотипных повторяющихся задач, тогда это имеет смысла, потому что нам нужен большой поток входящих резюме, чтобы человек эксперт оценивал, рядом оценивала машина, оценки сравнивались. Если оценка эксперта сильно лучше, тогда мы смотрели, откуда она взялась, что мы не учли. Надо провести сколько-тораций доработок этого промта, и в какой-то момент он станет достаточно хорошим. Кстати говоря, прошлый выпуск у нас был с Артемием Миллером. Он сделал ассистента для отдела продаж. Он там прямо показал, что у него есть интерфейс, в котором приходит запрос от клиента и, э, допиленный в течение 3-четырх месяцев промт вот этим вот самым способом выдаёт подсказки. Оператору, что можно сказать: первое, второе, третье. Оператор может что-то выбрать, может написать что-то своё, может отредактировать. Артемий там сказал, что рост конверсии кратный из заявки в продажу. И это вот пример. Что это значит для меня? Вот опять же, какой у меня сейчас инсайт, что любой эксперт в любой области может сделать приложение, которое будет очень хорошо работать. То есть, если вы топ HR, вы можете сделать суперанализатор резюме. Если вы очень крутой маркетолог, что можно сделать крутой маркетолог? Ну, какой-то генератор маркетинговых материалов, потому что системные промпты надо будет вот так вот итеративно уточнять до тех пор, пока результат. Поэтому ключевая компетенция написание промптов системных. — Ключевая компетенция написание системных промптов, которые для машин, которые будут работать в вместе с людьми. Вот эта вся история. — Да. То есть не это к чему был посыл, что если вы специалист хотите сделать своё приложение на базе искусственного интеллекта, вот то, о чём Сэм Альтман говорит, не факт, что там будет миллиард, далеко не факт ээ оценки, но

каким путём идти? Повторяющиеся задачи ээ большого объёма в зоне вашей экспертизы и ваше личное наращивание компетенций по написанию системных промтов, запросов к языковым моделям. Так, я смотрю, у нас завершилось исследование. — И что нам с этим исследованием теперь делать? Здесь километр текста. Обычно GPT впрессёрче выдаёт страниц 20. — Он много выдаёт здесь вот оно. И оно примерно есть со ссылками, с подробностями, как я и говорил. Вот ссылки на конкретный источник на разные языка. — Да, оно так и работает. Мы это видели уже в нескольких выпусках, — слава богу. — Да, там всё хорошо. Что теперь с этим делать? Это мало кто хочет читать. Смотрите, значит, ээ мой один из моих любимых сценариев, значит, мы можем сделать простую историю, ээ потому что читать любят не все, но картинки смотреть мы любим все. — Угу. — Значит, можно сделать самую простую вещь - это попросить сделать визуализацию. — Вот мы результаты ээ этого исследования сюда сейчас опубликуем с запросом. Сделай визуализацию отчёта. Я, конечно, чуть по задал бы ещё стиль, ещё что-нибудь такое попросил, чтобы он, в общем, типа погу, — э- как-то сделал покруче. Но это, в общем, м если так сказать, ничего не моргёт, да, вот он начнёт делать визуализацию, и мы получим картинки, во-первых, по этому отчёту, что как бы гораздо приятнее уже просто смотреть и читать гораздо меньше. Вообще-то это инструмент для создания сайтов и веб-приложений, — да, — но здесь сценарий его использования такой, что мы, э, большое полотно текста — суммируем в презентацию, по сути в виде сайта, — некоторый визуальный материал, — да, в виде сайта сделанную. — Мы уже прямо смотрим, о, чёткость, прозрачность, позитивные правила, роль контекст, он прямо всё структурирует, и ты видишь основные блоки, которые, соответственно, у тебя должны появиться для того, чтобы сделать, ну, удобнее просто расположенная информация. Угу. банальная такая история. Значит, это первый вариант. Мы оставим его, пусть он тут поварится, он достаточно быстро дополнит. А второй вариант, который ээ тоже мы можем пройти - это, собственно, э ресурс manнус. Это китайский ресурс. А он доступен из подвиpна, понятное дело. А значит, соответственно, это китайский ресурс, на котором мы можем попроси агентского типа. Важно, что агентского типа это значит, он не делает одношаговую операцию, типа веб-страничку — пилит, а он решает задачку. — Ну давайте, мне самому интересно, как

это называется. Если что, потом как-то смонтируем. Значит, э-э, сделай на основании этого отчёта, а в приложение по созданию системных промтов для разных ассистентов. — Опечатка там слой промтов. — А, это неважно. Важно, важно. Там параметр. — А, да, вижу. Пром пром, промтов, — а для разных ассистентов. И я ему тоже просто вот так вот. Да. — Вот. Понятно, что сейчас мы используем сценарий, — где моё влияние минимально, понятно, что я там отчёт посмотрел, и так далее, и по-другому немножко структурировал, но нам сейчас просто интересно, что будет происходить. И здесь мы задаём не просто визуализацию, а мы фактически этот отчёт подаём ему как материал для размышления. — Угу. — Дальше он начнёт, ну, инструкция, да, ему теперь, агенту, — да, — агентность его заключается в том, что он сначала пишет себе план. — Угу. — структурирует его на разные задачи. И разные задачи разными инструментами, внутри его зашитыми начинают исполнять. Ну вот, собственно, план. фаза один, фаза 2, фазат, фаза четыре и поехал, э, значит, нам писать. Чем отличается две задачки? Вебсайт псик deпсайт, который я показал, извините, он просто визуализирует нам аэ отчёт. — Угу. — Ну, то есть он не делает никакое приложение, просто делает вот э разные, соответственно, э отчёты. Ещё, видите, вот по моделям тут ориентирует. А то, что мы сейчас поставили, мы поставили не мы поставили задачку сделать приложение, которое помогает писать, то есть у него должна быть какая-то другая история. Посмотрим, что из этого получится. Сразу скажу

перет, потому что я работал с этой моделью, что, конечно, не за один такт — Угу. — Ну, то есть, условно говоря, э за один день можно было бы довести это до приложения. Угу. — Там нужно было поставить интеграции, получить апишки, в общем, сделать как бы чуть более хитрую схему, но вполне себе проходимая за один день. А если не проходимое, на самом деле просишь его же в том месте, где заткнулся, сказать: "Подожди, вот я сейчас здесь не понимаю, что дальше делать. Давай-ка мне подробную инструкцию". Он тебе пишет подробную инструкцию, и по ней ты, в общем, вполне себе проходишь и не запутываясь делаешь ээ понятное решение. Я никогда не пользовался раньше этим приложением. Я вот сейчас его вижу впервые. Я имею в виду Манус. Вот. Ээ поэтому просто, когда что-то такое новое видишь, всё время хочется поговоряться, посмотреть. Да, — да, какие-то что-то, в общем, здесь такое происходит страшное. Так, давайте попробуем тогда вот прямо сейчас и посмотреть, как это работает. Я возьму вот это вот исследование тишное про то, как внедряется бизнес в как бизнес внедряет искусственный интеллект, с каким успехом, вот с какими сценариями использования, с какой вероятностью и так далее. И попрошу вот прямо эту нейронку манус собрать мне презентацию, потому что исследование большое. Здесь сколько получается? 26 страниц. И я могу, получается, любой материал вообще взять, любую там аналитическую статью какую-то научную сложную или даже целую книгу по какой-то тематике, которую я сейчас изучаю, которая мне вот прямо сейчас интересна. Я могу прямо сказать вот так вот. Значит, проанализируй, проанализируй это исследование и сделай презентацию на русском языке, э, с ключевыми мыслями и инсайтами из неё, о которых я должен знать, чтобы успешно внедрять и в бизнес.

Так, я хочу, чтобы это было на веб-страничке. Всё, работа запустилась. Он говорит: "Понял, я сделаю презентацию для вас". Теперь просто ждём пока он отработает. Вот он как раз говорит о мысли, что проинвестировано 30-40 млрд долларов и 95% организации не видит никакого возврата на инвестиции. и что трансформацию действительно какую-то получили только 5% бизнесов. Но у нас, друзья, на этом канале есть уже немало примеров бизнесов, которые получили действительно трансформацию. Ээ подписывайтесь, обязательно посмотрите другие ролики на эту тему. Увидите сами, как это работает. Так, ну что, задача выполнена. Посмотрим на результат. Можно это скачать в пдфе? Ну давайте скачаем в пдфе и посмотрим на результат. Вот такая получилась презентация по материалам исследования Массачусского технологического университета преодоление разрыва Gen Iвай. Значит, что это означает? Это означает, что организации, которые успешно внедрят технологии искусственного интеллекта, вот эти самые 5%, которые в топе, они получат такой сильный отрыв от всех остальных, что остальные их догнать уже не смогут. Это на самом деле касается не только организаций, это уже касается государств. Эрик Шмидт, один из столпов IT-мира американского, недавно в обращении к конгрессу американскому сказал, что им нужна энергия в любом виде. Сожгите всё, что можно. Возобновляемую энергию сделайте какую угодно с ветряками, с реками, атомные электростанции постройте. Нам уже не хватает энергии. У нас уже спроектированы дата-центры мощностью потребляемый, мощностью 10 ГВт. Чтобы вы понимали, как это много, одна атомная электростанция производит 1 ГВТ. То государство, которое получит доступ к технологиям искусственного интеллекта, которые делают моментально вычисления, которые мы вот сейчас вот на записях этих подкастов делаем, там по 5, по 10 минут, они так сильно оторвутся от всех

остальных, что никто никогда уже их больше не догонит. И вот это вот gen G gen AI Divide, это и есть термин, который это описывают. искусственный интеллект в области генеративных нейронок разделит бизнесы и людей, и государства, и так далее. Ну и посмотрите, какая здесь классная презадена. Вот это определение разрыв между организациями, успешно внедряющими искусственный интеллект с измеримой отдачей и теми, кто не получает результатов от инвестиций. Вот. И здесь прямо, в общем, что здесь произошло? Создан ээ создана преза, очень качественная, очень хорошо выглядящая. на базе сложного исследования, исследован на английском языке, призна русском. Это означает, что я могу не только MIT, я могу Гарвард, Оксфорд, Беркли, МФТИ, всё, что угодно, всё сюда это сгрузить и сказать: "Суммируй мне ключевые мысли, ключевые инсайты на русском сделай мне презентацию, по которой я могу сделать доклад, ключевые мысли там какие-то найти дальше поисследовать". В общем, я могу теперь, как э человек, который интересуется темой, получить научные знания простым языком в себя очень просто, очень быстро, скормив ссылочки на исследование, попросив их для меня суммировать и сделать. Ну, это просто грандиозно. Всю эту презентацию я выложу у себя в Telegram-канал. Ссылочка внизу под описанием видео. можете её там найти, полностью, просмотреть, потому что здесь про то, что делать бизнесу для внедрение искусственного интеллекта. Я думаю, что вам это будет актуально. Из того, что я вижу здесь, здесь создаётся приложение приложение, — да? Здесь приложение — и оно, ну вот мы так на монтаже это всё будет выглядеть быстро, но мы-то сидим уже здесь долго, разговариваем. — Нет, он серьёз работает. Я сказал, что — минут 30-40, наверное, но я вижу, что происходит. Я вижу, какой идёт уровень проработки. Здесь, э-э, прорабатываются он всё это прокликивает, возникают какие-то ошибки, он дописывает тексты, переделывает требования, тестирует и так далее. То есть здесь прямо делается приложение. Для меня это удивительно. Мне очень просто интересно узнать, что получится из этого. — А можем вернуться на там доделался вот наш кейс по deep псайт, который делал — deepсайт его уже сделал. Я уже даже вот он вот он весь

удачным вопротом женей здесь. Он просто сделал такую визуализацию, — не? Это выглядит очень классно. А — на самом деле у меня мой сценарий, который мне нравится, вот сейчас мы вернёмся сюда. Кстати, здесь у него забавные штучки. Вот он тебя адаптирует его под мобильный экран. Посмотри, как красиво. — У, — что ты прямо можешь увидеть, как он это делает. Здесь есть возможность сохранить этот э код на самом, соответственно, а hugf. Ну, вы видели, я регистрировался. — А я обычно иду в нашу песочницу, где у нас есть, ну, вот приложение, а, и здесь создаю себе проектик, потому что, э, версионностью удобная штука есть такая вот. Можно здесь сохранить этот код. А, и потом можно дорабатывать его уже с помощью разных других моделей. Здесь вот и пятый, и, соответственно, Google Дми. — Это уже среда и инструмент, который используется в Сколково на программе на интенсиве, который и наше мы тоже будем прибегать к этой среде. Мы, понятно, что не единственные, но мы для учебных задач такую среду создавали. Ну, например, чтобы вот эту, а-э, историю можно было достаточно быстро задеплоить. Мы могли там версию создать. А-а, значится, вот сделать её здесь, эту версию, потом здесь, а, какой-нибудь там типа ввести, а ты что-то не переключаешь. Всё. Пам. Опубликовать. Что делается? Достаточно просто. Ну, прямо специально делали так, чтобы можно было любому человеку. И вот она просто как страничка, видишь, уже не там висит. Я могу эту ссылку кинуть — и с ней можно уже работать, смотреть, что там в этом отчёте. — А, ну то есть у неё просто публичный ул появляется. — У неё появляется А до этого не было? — Нет, не, ну — deep сайт не выдаёт. — Псай Напсайте её надо публиковать на хагенфейсе. чтобы на Хагинфейсе нужны какие-то хитрые пропи прописи, да, и там нет. А мы сделали так, чтобы просто попроще. Самое главное, что её можно дорабатывать — а здесь, ну вот, как я и показал, можно любую модель здесь выбрать. Вот здесь. — Угу. И попросить какие-то изменения вмести, — например, какой-нибудь клод и сказать: "Да, да, сделай мне детально, дать ему же тоже этот же текст, ещё догрузить текстов, и он будет как-то с этим работать". Это вот такой сценарий, который мы используем. — Понял? А вот Манус, кажется, у меня уже подходит к концу, но он прямо — на финальном этапе находится. Я видел недавно исследование Гарварда, в котором статистически достоверно были получены выводы о том, что LLM делают людей глупее. То есть что там имеется в виду? имеется в виду, что, как я понял, под ФМРТ, под функциональным магнитно-резонансной этим томографом, э, анализировали, какие зоны мозга активировались в момент использования по различным сценариям языковых моделей вот этих всех чат GPT. Это момент, когда

человек пытается сам найти ответ на вопрос, ээ, сам занимается исследованием, сам что-то ищет, у него активируются определённые зоны, и, как следствие, активация этих зон моз порождает новые нейронные связи и развитие, ну, вот каких-то областей мозга, а тут этого не происходит. Не ждёт ли нас это усиление естественного отбора на снижение когнитивных функций мозга? Слушай, ну, безусловно, что-то будет происходить в этом духе. Знаешь, как до изобретения книгопечатания нужно было книги переписывать от руки. Были ли те люди, которые переписывали книги от руки гораздо более образованными и грамотными, чем те люди, которые печатали книги? — Ну, с большой вероятностью, да, они как минимум могли читать и писать. — Но объёмы другие. — Да, но другие объёмы, и их очень мало. Приложение готово. Как нам теперь в него поиграть? — А он же должен ссылку выдать. — Тут я вижу, что он предлагает это не это. Он предлагает скачать файлики и на локал хосте его запустить. — Да, — на локальной виртуальной машине. — Ну его можно просто Вот он всё видишь? Вот все ээ ты спрашивал про документацию. Вся документация есть. — Угу. — А сейчас посмотрим, что он здесь нам ну пустит, не пустит. Мы можем его просто попросить в этой части разверни приложение. Он сделает сейчас версию где-то у себя, но в целом к самому приложению он архив. — Дада. Здесь видно, что он предлагает его скачать и это предлагает установить и запустить локально на компьютере. Для этого необходимо обладать базовыми навыками программирования. Просто так уже не получится. Я и сказал, что manнус - это вот как бы или laable - это ещё всё то, что можно сделать совсем-совсем — Угу. — в нулях. Ама manнус - это уже то, что всё-таки ты должен понимать, что он тебе предлагает. — Ну, вл не будет тоже бэкэнда, там будет просто прототип. — Там будет примерно то, что я так понимаю, там будет то, что вот здесь, то, что на дипсайте. Угу. То есть прототип здесь тоже можно сделать кликабельный, можно сделать, чтобы у него были какие-то сценарии, это всё — доступно. Маус всё-таки будет работать долго. Это важно, потому что всё-таки он там типа старается все эти совместимости выстроить, сделать его, значит, рабочим, там, запускаемым, использум, проверить ошибки свои. В общем, это всё то, что Манус пытается сделать. Вот сделал такую он штуковину. Генератор системных протом, создая профессиональные системные пронты для ассистентов на основании научных принципов лучших практик. Простая настроечка. Научный подход. Ла-ла-ла-ла-ла. Начать создание промкта. Вот он выдвигает нас. Выберите тип ассистента — в тематику, — в какую-то тематическую историю. — Мы пойдём в финансового аналитика, допустим. — Где у нас финансовый аналитик? — Поединке. — Инвесторы. ошибка загрузки конфигурации. Ну как — А хорошо, но там был, по-моему, медицинский, да, сделан — тестовый, — по-моему, да, сейчас посмотрим. Да, — да, сделан тестовый настройка медицинского консультанта. Ээ здесь требуются ввести поля. Ээ значит, мы когда смотрели визуализацию системных промтов, мы там видели, что надо было задать роль, а мы можем её набсайте, он же вот у нас открыт. Да, — вот здесь чёткость, однозначность, роль, контекст, релевантный контекст, позитивные правила, формат ответа. — Вот он, соответственно, здесь врач-терапевт, что общая медицина, пациенты, контекст. Ну, тут надо ввести. — Угу. Не, там всё введено уже. — Нет, здесь контекстная информация дополнительная. — Ну, это какая-то дополнительная. Что там есть пониже? — Здесь у нас средняя текст. Давайте просто посмотрим. Здесь можно подробно развёрнутый, исчерпывающий здесь текст Markда Jon список структурированный. Ну, например

— просто это же о чём всё? Это о том, что вот эти все настройки, они попадут вот в этот самый системный промпт. То есть ты врач-терапевт, — который говорит на русском языке и работаешь чётко по фактам. И дальше вот там есть ограничения, которые сюда уже вписались автоматически, да, ты не ставишь диагнозы. Угу. рекомендуешь обращение к врачу, ты не назначаешь лечение. Вот ээ специальные инструкции, их здесь можно всё сделать. Давайте нажмём сгенерировать промптt. То есть здесь уже есть предустановленные такие истории. Ээ что будет, если промт сген сгенерирует внизу? Ну вот он, вот он сгенерировал. Ну получается, работает. Ну да. Вот ты можешь его скопировать и вперёд. Можно ещё сделать другую историю тут же. Не знаю, для если кто-то захочет. Вот есть GPT, — да? — А, и кастомный GPT создать своего GPT. — Создать своего GPT. Точно так же конфигурация. Сюда — мы можем вставить промт. Вот он у нас вставлен полностью. — И получается, что вот эта штука и есть системный промпт. Дальше вот к этому кастомному GPT, насколько я помню, можно будет взять от него ключик API, — да, — и уже в любой системе автоматизации, можно в какой-то своей, можно в NN, можно в Mcom, в большом количестве популярных можно использовать вот эту вот историю. Можно загружить файлы для того, чтобы здесь чем-нибудь обращался. Пожалуйста, сюда же можно задать правила начала обсуждения. Поиск сети у него же включён. интерпретатор данных тоже. И в общем, можем дальше что-нибудь его спросить. Он будет отвечать здесь внутри. Но к этому ассистенту, как и ты правильно сказал, можно подсоединить его к любому интерфейсу, который нужен, — и уже общаться с ним в том же Телеграме. — В том же Телеграме, да, он будет что-то отвечать. Здесь у нас стоит пятая моделька. Модельки, понятно, тоже устаревшую модель 4.0 он всё до сих пор предлагает, но 4.0 не такая уж и устаревшая модель. Но смысл заключается в том, что по отчёту manus нам сделал первичную версию. Мы её видим. — Вот она здесь. Тут можно в Jсочать workркдау. Соответственно, вот это всё он сделал фактически как приложение, которое уже у нас потихонечку может работать. Соответственно, не знаю, как бы вот и юридический консультант он тут тоже выдал. Мы можем поработать кулинарный эксперт. Интересно, пожалуйста. Вот авторитетный, эмпатичный, формальный и так далее. То есть он, по сути, создал мини-приложение, которое ээ нам поможет. Вот, соответственно, здесь можно, наверно, создавать своих, добавлять их, сгенерировать прот и он дальше будет получаться. Собственно, вот здесь вот есть, да, ээ ограничения, дополнительные инструкции. Соответственно, мы берём туда нашего эксперта и, э, выявляя, по каким критериям он ту или иную задачу выполнял лучше, добиваем её сюда на уровень инструкции. И так до тех пор, пока у нас не получится идеального системного промта. — Да, он нам здесь только первую вот линию медицинский, юридический, кулинарные, техническую поддержку и техническую поддержку. Дальше он показывает, что у него вот образовательного ассистента. А нет образовательного, может, финансовая аналитика не дал. — Ну, правильно, не давать финансовых рекомендаций. Хорошая практика, — да. Вот, ээ, соответственно, э этот уровень вот поддерживает 10 типов ассистентов. Соответственно, дальше можно сказать: "Давай мы сделаем платформу, чтобы лучшие практики здесь сохранялись, эти ассистенты, типа мы могли ещё смотреть разные промты и так далее." Вот из этого можно размотать уже более-менее какой-то даже небольшой проект, с которым можно

работать. — Здорово. Мне кажется, мы сегодня по полочкам так разобрали, разложили набор шагов, которые нужно в первую очередь делать для того, чтобы погружаться в технологии искусственного интеллекта. В первую очередь - это поиграться, во вторую очередь - это составить для себя программу развития, которую можно сделать в чат GPT через Dpresearch. Увидели, как это можно делать. Следующий шаг - это создание ассистента для себя на основе системных промптов и дополнительных инструкций и базы знаний. Тоже мы прошли сегодня по тому, как это можно делать, как сделать для себя вообще генератор таких штук через разные инструменты. И между этим как визуализировать для себя deprese resarch. Вот это я тоже для себя забираю. Это инструмент очень прикольный. Есть какая-то ещё такая важная мысль, которая вот вишенку на торте положить, — наверное, да. о которой мы сегодня говорили. — Мне кажется, что мы проехали одну станцию. Пока сколько этих станций будет, мы не знаем. Я имею в виду на пути того, как искусственный интеллект будет переезжать ээ в нашу повседневность и в том числе в бизнес-повседневность. Одну станцию мы проехали в смысле личной эффективности и небольшие локальные оптимизации. Следующая станция - это вот системное решение. И то, что я здесь хотел сказать важное

я не ответил на вопрос про поглупеют или не поглупеют. В итоге все я начал говорить, что книгопечатание глупости не привело, а как это называется, потом телевизор, потом значит, в смысле кино, телевидение и так далее. То есть технологии всё время играют такую роль, когда э кто-то, безусловно, свои когнитивные способности ээ снижает, но появляется какой-то другой уровень, до которого многие могут дотянуться. — Угу. — А, и, наверное, вот в этом какая-то граница, потому что нет однозначного ответа. Я не могу сказать тебе, что да нет, всё это неправильно, всё наоборот поумнеет. Так не будет. Будет и так, и так. Яндекста такси, когда создавался, ну или Uber, когда создавался, а-а произошло следующее. Мы умудрились, мы в смысле, как люди, технологии умудрились перенести значимые аспекты мышления такого профессионала, как водитель такси, в машину. — Угу. — Что позволило бесконечно масштабироваться самосервису. У Яндекса по разным косвенным данным, под управлением стоит более 300.000 машин. — Угу.

— Скажи кому-то в начале двухтысячных о том, что такси прийди к владельцу таксопарка и скажи ему: "Хочешь, у тебя будет 300.000 машин под управлением?" Он откажется, потому что ему у нас же столько диспетчеров, столько гаражей, столько запчастей. Это же вообще всё просто, ну, — невозможно процессить. Тем не менее, перенос определённого типа когнитивных операций на машину и сочетание такой системы дало взрывной рост в деятельности. Я думаю, что, э, вот эта важная концепция, которую я хотел бы сказать, что не отменяет естественный интеллект и не заменяет, — а усиливает. — Это важная часть. И вот в этом смысле коллаборативная совместная работа даёт действительно больше, чем попытка туда что-то запихнуть и отдать полностью. Ээ у меня есть длинный опыт общения с одной моделью специально. Я прямо тестирую во всех границах Gemini 25 Proловская модель, а очень такая рафинированная, рассуждающая там и так далее модель с таким, как это

с длинным контекстом, то есть много чего помт. Аа мы сколько? 4 месяца я с ней, э, взаимодействую, тестирую в разных сторонах и вместе с ней создаю вот этот самый хитрую системную инструкцию, которая не является исполнителем, что новый хозяин надо, как мы уже этот мультик упоминали в самом начале, а, который общается с тобой так, чтобы тебя тоже протолкнуть, — задать тебе вопросы, высказывать сомнения, в общем, короче говоря, взаимодействует с тобой, разгоняя твой, а, наоборот, интеллект, заставляя тебя какими-то вопросами задать. что-то про себя спросить. И каждый раз с ней общаясь, ты как будто уходишь на границу своих собственных представлений и даже её преодолеваешь. Поэтому это всего лишь технология. Вопрос направленности. Её можно направить так, что она наоборот будет не оглуплять, а, э как бы заставлять становиться умнее и давать другие возможности. А можно и в обратную сторону, — как оно повернётся. время пока что — сделаю тогда такой вывод. Э нам в школе в начальных классах запрещали использовать калькуляторы. — Ну — говоря, что мы тогда не научимся считать. И калькуляторы, ну, в каком-то смысле они, наверное, тоже снижают активность мозга в момент их использования, но при этом они открывают тем, кто идёт дальше, возможности, который без калькулятора у них бы не было. Я помню, как в старших классах школы нас ругали учителя за то, что опять вы скачали рефераты из интернета. Вы же вообще ни о чём не думаете. Раньше надо было пойти в библиотеку, посидеть, почитать, а теперь у нас есть поисковые системы. Теперь у нас есть инструменты базы данных, где мы быстро получаем готовые результаты. И в этом смысле когнитивные способности наши задействованы меньше. Но те возможности, которые нам дали поисковая система, они нас увели гораздо дальше. И здесь будем тогда считать, чтобы такой вот как постскриптом оставить, что это инструмент, который в момент решения типовой задачи, которая требует нагрузки на мозг, нагрузку эту снижает, но при этом даёт нам возможности для решения задач, которые мы раньше решить не могли. Мы не могли за 18 минут, сколько думал вот этот инструмент, собрать веб-приложение, которое будет вот так вот работать, не обладая навыками программирования. Это невозможно. Надо

было очень сильно напрягать мозги. Вот оно получилось там кривенькое, косенькое, где-то что-то не работает, но оно получилось. Вот и это уже очень серьёзный вывод. Поэтому, друзья, э осваивайте то, как искусственный интеллект бродит просторы всего, чего только можно бороздить, и учитесь понимать, потому что он выдаёт много текста, который на беглый взгляд кажется осмысленным, но только мы можем понять, она мысли-то там есть вообще или нет, или это просто статистическая машина выдала наиболее статистически релевантно — и нужен эксперт всё ещё искусственному интеллекту. Это тоже вывод из этого разговора. Николай, большое вам спасибо. Николай за время. Друзья, пожалуйста, нажимайте колокольчик, подписывайтесь, ставьте лайки и увидимся с вами в следующем видео.