«Проблема ИИ – это люди»
В июле 2026 года The New York Times опубликовал статью о роли ИИ-агентов и умении общаться с ними. Автор, К. Феррацци утверждает, что самое серьезное препятствие для внедрения ИИ имеет мало общего с технологией.
Ключевая проблема – это сами пользователи. Согласно статье, эффективность взаимодействия с ИИ основана на опыте взаимодействия с коллегами и умении руководить. Размытость задач, отсутствие четких формулировок и объяснения конечной и/или промежуточной цели, отсутствие деталей и необходимого контекста – это те проблемы, с которыми сталкиваются сотрудники различных компаний. Те же самые проблемы возникают при взаимодействии с ИИ. В работе с ИИ требуется сотрудничество, жесткое управление или частичная постановка задачи не работают, результаты оказываются ошибочными, часто нарушена логическая цепочка. В работе с коллегами или подчиненными часто передаются недоработанные мысли в надежде на интуитивное понимание задачи. Однако ИИ на это не способен. ИИ-инструменты воспринимают инструкцию буквально. Поэтому эффективное использование ИИ-инструментов схоже с эффективным управлением человеческими ресурсами. Рассуждения К. Феррацци имеют подтверждение в статье о ключевой роли языка в общении. Здесь представлена разница между четырьмя важными понятиями: формой (наблюдаемое выражение языка, письменное, устное или жестовое), коммуникативной целью (то есть, цель говорящего), смыслом (взаимосвязь между формой и целью) и пониманием (способность правильно интерпретировать смысл). Языковая модель генерирует текст путем предсказывания статистически вероятных последовательностей слов. Человек опирается на опыт и формирует решение задачи на его основе. Языковая модель обучается на огромном массиве данных, созданных людьми, и оперирует бесчисленным количеством примеров выстраивания логических цепочек людьми и формирования моделей рассуждения. То есть, при каждом новом запросе языковая модель ищет закономерности схожие с теми, которые использовала ранее. Это означает, что большие языковые модели, такие как BERT, не усваивают смысл, они усваивают некоторое отражение смысла в лингвистической форме. Связный, грамматически правильный и осмысленный текст модели привел к предположению, что нейросети способны решать задачи, требующие абстрактных знаний и рассуждений. Эта ошибка возникает из-за отождествления языка и мышления. Для понимания работы модели необходимо различать формальную лингвистическую компетенцию (знание правил и закономерностей) и функциональную лингвистическую компетенцию (способность использовать язык в реальном мире, используя нелингвистические способности). У LLM функциональная языковая компетенция не развита в связи с тем, что она представляет неязыковые когнитивные функции, которые необходимы в реальных жизненных условиях и не являются специфическими для языка и поддерживаются другими нейронными цепочками.
Таким образом, для работы с ИИ необходимы четкие инструкции, детализация контекста, постановка цели и задач на каждом уровне взаимодействия и понимания, что ИИ – это еще один технический инструмент, который требует определенных навыков, которые при взаимодействии с людьми часто игнорируются. Их совершенствование позволит эффективнее использовать ИИ и решать рабочие вопросы в коллективе.
