В 1997 году, когда суперкомпьютер Deep Blue обыграл чемпиона мира по шахматам Гарри Каспарова, человечество давно утешало себя мыслью: «Это всего лишь перебор вариантов». Машина победила за счет вычислительной мощности, но в ней не было искры, которую мы называем пониманием. Спустя всего лишь два десятилетия, в 2016 году, алгоритм AlphaGo компании Google DeepMind сошелся в поединке с легендой го Ли Седолем. В тридцать седьмом ходу второй партии произошло то, что заставило экспертов замереть: нейросеть сделала шаг, противоречивший тысячелетней теории игры. Это не был расчет глубины вариантов — это выглядело как глубокое, иррациональное чутье. Ли Седоль покинул комнату, потрясенный до глубины души. В этот день мир впервые всерьез задался вопросом: обладает ли искусственный интеллект интуицией и готов ли он стать полноценным, принимающим стратегические решения партнером в человеческих командах?
Исторический экскурс: От жесткой логики к эвристическому скачку
Эволюция вычислительной техники долгое время развивалась в строгих рамках детерминизма. В середине XX века отцы-основатели кибернетики Алан Тьюринг и Джон фон Нейман заложили основы архитектуры, способной безупречно выполнять четко заданные инструкции. Однако классический ИИ «символьного» типа (Good Old-Fashioned AI) разбивался о так называемый «парадокс Полани»: «Мы знаем больше, чем можем рассказать». Человеческий эксперт часто принимает верное решение мгновенно, не способный формализовать логическую цепочку — это и принято называть интуицией.
Революция глубокого обучения (Deep Learning) в 2010-х годах изменила саму парадигму. Вместо программирования правил инженеры перешли к обучению на огромных массивах данных. Современные многослойные нейросети начали формировать скрытые представления и находить корреляции столь высокой размерности, которые человеческий мозг физически не способен воспринять. Когда нейросеть мгновенно выдает решение задачи, минуя пошаговый логический вывод, мы сталкиваемся с цифровым аналогом когнитивной эвристики — «машинной интуицией». Она рождается не из мистического озарения, а из колоссального опыта сжатия информации.
От вычислений к сотворчеству: Примеры применения
Сегодня этот феномен перестал быть сугубо теоретическим и активно трансформирует управление сложными системами и проектами:
- Фармацевтический прорыв и биоинженерия: Система AlphaFold совершила революционный переворот в биологии, предсказав структуры миллионов белков — задачу, на решение которой у человечества ушли бы столетия. Алгоритм не просто рассчитывает физические силы, он «угадывает» наиболее вероятную конфигурацию, действуя подобно опытному химику с идеальным чутьем.
- Управление венчурными инвестициями: В таких фондах, как SignalFire, алгоритмические системы выступают в роли негласных членов инвестиционных комитетов. Анализируя миллионы косвенных признаков (от поведения основателей стартапов в сети до неочевидных паттернов патентных заявок), ИИ выявляет будущих «единорогов» на стадии идеи, демонстрируя прогностическое чутье, опережающее опытных аналитиков.
- Архитектурное и генеративное проектирование: В аэрокосмической и автомобильной индустрии (например, в проектах Autodesk и General Motors) ИИ подключается к кросс-функциональным командам для создания деталей сложной формы. Задавая лишь пограничные условия (вес, прочность), инженеры получают от нейросети органические, похожие на кости животных конструкции. ИИ выступает здесь как креативный соавтор, предлагающий нестандартные концепты, которые расширяют рамки человеческого воображения.
Интуиция долгое время считалась последним бастионом человеческой исключительности. Однако способность нейросетей видеть невидимые связи переводит их из статуса прикладных инструментов в статус стратегических партнеров. Сможет ли цифровая интуиция полностью синхронизироваться с человеческим контекстом, эмпатией и ответственностью внутри проектной команды, или же этот союз обречен на вечный кризис доверия?
Если честно, я не предполагал, что отдельные организации начнут активно использовать нейросети поскольку в этом случае любая стандартная стратегия клиентоцентричности претерпевает драматические изменения в худшую сторону, что, в конечном счете, снижает доверие к средствам автоматизации бизнес-процессов, где в той или иной форме используются нейросети. Нужно отметить, что еще с 70-х годов средства автоматизации в бизнесе неизбежно вызывали подозрение, а тут внезапно нечто располагает к себе так, что некоторые готовы проводить сокращения в маркетинге, продажах, да даже в разработке и тестировании. Кажется, что за нейросетью маячат продуктивность, экономия, эффективность и всяческий интенсивный рост, а на самом деле, с нами случилось то, что повторялось в истории не раз и не два. Добро пожаловать в очередной карго-культ! Итак!
Правда ли то, что нейросети могут всё? Это будет первая наша статья с приложением — в конце можете посмотреть, какие просьбы и как выполнила нейросеть, а я как руководитель её оценил.
Если честно, мне бы не хотелось такого сотрудника. С одной стороны, почти все задания для маркетолога, копирайтера и продажника она выполнила, но качество и подход оставляют желать лучшего. Причина простая: нейросеть обучается на больших данных. Самые большие данные — это сетевой контент (глобально — и тексты, и код, и картинки, и видео). Большинство контента, который приходится видеть, — это стандартные тексты, которые годами переписывались из одного в другой. Соответственно, нейросети будут вам выдавать что-то весьма усреднённое, часто — с фактическими ошибками.
В то же время в каждой компании есть классная и мощная нейросеть — её сотрудники, команда. Это люди, которые когда-то прошли собеседование, адаптировались, обучились. Кто-то из них более трудолюбив, кто-то более талантлив, кто-то — медлительный, однако все они находятся внутри компании, они понимают её цели, преимущества, правила работы, от брендбука до code style. И именно они способны выполнять задачи именно так, как это ожидает руководитель и, что самое главное, клиенты, пользователи. Сотрудники знают, для кого они работают и понимают потребности и проблемы, которые предстоит решить с помощью услуги, ПО, инженерного решения и проч. Это человекоориентированный подход, при котором мы не подсовываем пользователям что-то среднее, а делаем то, что готовы использовать сами. (У кого как, конечно, но, например, мы используем все возможности наших разработок и каждый сотрудник ежедневно в них работает — кстати, это дополнительно даёт преимущества для работы с бэклогом и с тестированием).
А ты пойди объясни!
Работая с нейросетью для иллюстрации этой статьи, мне пришлось использовать пару десятков сообщений, некоторые из которых получились неудачными: промпт для нейросети должен быть максимально конкретным, точным, выверенным. При этом нужно попробовать учесть все тонкие моменты и детали. То есть если мне нужен небольшой текст рассылки, я пишу его сам или ставлю задачу вроде «напиши анонс для весенней акции» и дело идёт быстро. Составить адекватный промпт для более или менее приемлемого результата занимает по времени столько же, но сгенерированный текст ещё нужно отточить и адаптировать. Какая-то переработка получается. При том, что крупный формат доверять нейросети нельзя в принципе.
Теперь о программном коде. Я пишу код со своих 15 лет — прошёл путь через Assembler, С/С++, Java, PHP, Delphi, Kotlin и много чего ещё, включая 1С. И я ни в жизнь не доверю написание даже небольших фрагментов нейронке, даже зная, что она по сути работает, как мои некоторые программисты выдаёт код на основе открытых репозиториев. Опять же, жалко времени: зачем разбирать и рефакторить чужой код, подгонять его под принятый в компании code style, мучаться с совместимостью, когда можно за меньшее время подумать своей человеческой головой (между прочим, образцовой нейросетью) и написать сразу нормальный, почти рабочий код, за который ты отвечаешь и в котором уверен.
Нейросеть — не часть команды
Что бы ни придумала нейросеть, это должно быть принято её основными пользователями — сотрудниками. Кому-то, возможно, облегчение труда и в радость, но если в компании работают достаточно адекватные и амбициозные люди, им важно, чтобы их труд и их продукты деятельности были приняты. Вклад в общее дело — важный моральный аспект мотивации. Нейросети не эмпатичны, не способны придерживаться норм этики (если это прямо не заложат в алгоритм) и могут сильно ошибаться. Вряд ли кто-то будет сильно рад такому коллеге.
Вообще нейросеть — это инструмент, такой же как CRM, ERP, PM, система управления задачами или бухгалтерская программа. Кстати, вот вам хороший пример. Сперва бухгалтеров должны были уволить калькуляторы — но нет, нужны были переученные бухгалтера, которые справлялись с «Электроникой», а потом и Citizen. Потом их точно должен был уволить Excel — но нет, рынок стал требовать бухгалтеров, хорошо владеющих Excel, VBA, макросами. Чуть позже появился главный увольнитель российских бухгалтеров — 1С. Ну тут итог знают примерно все читатели Хабра: вырос спрос… Та же история с искусственным интеллектом: на лого от Николая Иронова согласятся отдельные фрик-компании и оголтелые экспериментаторы, другим нужны дизайнеры, которые с помощью AI будут работать быстрее и эффективнее; тексты от нейросетей потащат на сайты или на Хабр только ленивые люди или тролли, а вот копирайтер, подхвативший идею в сгенерированном тексте и написавший уникальный текст, будет стоить дороже. Ну и так далее. Мы просто входим в эпоху популярности нового инструмента — обычная технологическая эволюция.
У нейросети нет интуиции
Интуиция — важное свойство любого человека, которое формируется при наличии опыта, насмотренности, понимания контекста и «фонового» анализа различных факторов. Интуиция, как правило, есть у всех людей — им она кажется немного алогичной, сверхъестественной, на самом деле это всего лишь финальная стадия сложного процесса мышления. Именно благодаря интуиции создаются интересные фичи в программном продукте, хорошие рекламные кампании, удачные скрипты продажников и многое другое. Мы, люди, анализируем информацию, понимаем её, но при этом осознаём ещё массу факторов огромной исторической вложенности — пока всё это в искусственную нейросеть запихнуть не получится, хотя бы потому что и наши механизмы не до конца изучены.
Нейросеть может пройти тест Тьюринга или «тест на ручник», но при этом она не сможет думать, иметь эмпатию и принимать максимально быстрые правильные решения. Более того, необходимое правильное решение может оказаться исключением из алгоритма и тогда ИИ может принести вред. И ладно если это счёт-фактура старой формы или глупый текст про новый телефон, а если это автопилот автомобиля? Мы пока не способны решить эти проблемы (хотя, к счастью, о них знаем).
Слепое следование технической моде в один прекрасный момент может просто испортить всё то, что команда создавала годами. К тому же, на кастомизацию и адаптацию нейросети для конкретных задач компании также нужны и ресурсы, и силы, и время, и профессиональные разработчики. Иначе это будет совсем уж простая игрушка.
Ниже я привожу задания и ответы нейросети со своими комментариями. Я не стал углубляться в дебри разработки и заставлять нейросеть писать код, а поставил ей совсем уж простые, тривиальные задачи, которые мы с сотрудниками выполняем буквально на лету.
Нейросеть, поработай на нас!
Сам по себе текст плох: тавтологии, повторы смысловых блоков, вопросы в тексте. Но это полбеды. Например, нейросеть предлагает ознакомиться с нашим портфолио и посмотреть успешные проекты. Чисто формально круто, что она это учла, но… у нас нет раздела портфолио и про наши проекты под NDA особо и не расскажешь. Откуда взялась эта часть? Да с кучи лендингов с подобными текстами!
Очевидно, что текст содержит самые типичные фичи CRM-систем. Вот наглядный пример того, когда голова сотрудника сработала бы лучше. Мне нужны идеи новых функций для конкретной RegionSoft CRM и даже если я перечислю в промпте все те, что уже есть, это тоже не особо поможет, потому что неплохо было бы показать требования клиентов, аналитику по наиболее используемым функциям и т. д. Гораздо проще, быстрее и, главное, результативнее собрать сотрудников на мозговой штурм и нагенерить пачку разных идей, из которых выбрать 1-2, которые можно взять в работу.
Некоторые названия просто нелогичные, взять в работу можно от силы две, и они не претендуют на какую-либо новизну или креативность. Подозреваю, что идея названия «марта молодость» уходит корнями в многочисленные акции салонов «вернём молодость к 8 марта».
Не скажу, что это самое понятное и простое определение (опять же не без грамматических проблем). Хотя в общем и целом — практически каноническое. В определении немало фактических погрешностей, которые можно исправить.
Всё банально: эти причины использовать CRM практически любой клиент видит ещё в первые минуты после того, как забил интересующий вопрос о системе в поисковик. Они просто не годятся для решения поставленной задачи. Но так не интересно и мы всё-таки уточним промпт — попросим небанальные мотивы.
Можно было бы поиронизировать про то что аргумент безопасности является для большинства CRM небанальным, нейросеть явно что-то знает 😉 А так — опять довольно простой и изъезженный набор.
Ответ от техподдержки формально неплохой, но опять же — расплывчатый и скорее может разозлить, чем успокоить. Увы, словоблудием делу не поможешь. Но по сути, конечно, ничего конкретного: предложить обзор вместо указания в точку проблемы и быстрое решение — точно не тот вариант. Решение никакое не предлагается, но в конце ИИ уточняет, подходит ли оно. Впрочем, по опыту, больше половины технических поддержек примерно так и отвечают.
Здесь почти без комментариев: местами, видимо, просто спарсили наши же объявления. По мелочам есть вопросы, но, пожалуй, это самое удачное задание (правда, некоторые объявления Директ не пример, нужно исправлять).
Это задание провалено, но с огоньком: можно посмеяться от души. Просто не представляю, что будет, если менеджеры действительно возьмут предложенные варианты на вооружение. Хотя и такое по телефону приходится слышать — ну а что, боты не краснеют.
Здесь всё просто: нейросеть не понимает, что такое коммерческое предложение и как оно составляется. Ну и сам текст по уровню и количеству штампов просто не выдерживает критики.
Просим написать короче, потому что всё же текст в коммерческом предложении — не главное. Ну это уже полный провал. Такое не используют даже самые отсталые компании.
Делаем уточнение и даём ещё шанс — ещё один текст ни о чём. То есть нам нужно объяснить нейросети, что такое коммерческое предложение — и то вряд ли она справится, если только писать специальное приложение для генерации текстов для КП.
Выводы
Выводы, которые пока получаются.
- Работа с промптами для генеративных нейросетей — отдельная сложная задача, которая занимает много времени и требует учёта множества факторов. Кажется, что придумать головой быстрее.
- В сгенерированных текстах много фактических недочётов, которые звучат «в строку», но при этом портят впечатление любого профессионала.
- Команды понимаются слишком буквально (что ожидаемо).
- В текстах огромное количество шаблонов и штампов, которые совсем не хочется видеть в каком-либо корпоративном контенте.
Сейчас сложно сказать, будущее за нейросетями или нет. Скорее, в этом направлении будущее по-прежнему за людьми, которые проектируют и пишут алгоритмы, учитывают исключения, обучают нейросети, борются с артефактами и галлюцинациями. Использовать нейронные сети в продакшене рано — и думается, пользователи довольно быстро устанут от таких текстов, а ценность опытных кожаных копирайтеров возрастёт. Всё-таки речь — процесс, сложно укладывающийся в алгоритмы. Конечно, если это грамотная, красивая речь образованного человека.
Архитектура будущего: Симбиоз разума и алгоритма
Исследование природы «машинной интуиции» приводит нас к фундаментальному сдвигу в понимании интеллектуального труда. Противопоставление человеческого озарения и холодного компьютерного расчета окончательно теряет актуальность. Нейросети доказали свою способность оперировать скрытыми паттернами колоссальной размерности, формируя цифровой аналог интуитивного чутья — способность мгновенно находить нетривиальные решения в условиях неопределенности.
Интеграция искусственного интеллекта в проектные команды в качестве полноправного партнера — это не просто автоматизация рутины, а переход к гибридному интеллекту (Humachine Intelligence). В этой модели ИИ берет на себя предиктивный анализ, генерацию радикально новых концептов и выявление неочевидных рисков, в то время как за человеком остаются смыслополагание, этический фильтр, эмоциональный контекст и финальная ответственность. Успех будущих проектов напрямую зависит от того, насколько эффективно лидеры смогут настроить каналы коммуникации и доверия между биологическими и кремниевыми участниками команды.
Перспективы развития технологии
В ближайшее десятилетие эволюция нейросетей в контуре проектного управления будет развиваться по трем ключевым направлениям:
- Каузальный ИИ (Causal AI): Переход от поиска корреляций к пониманию причинно-следственных связей. Это позволит алгоритмам не просто «угадывать» тренды, но и моделировать сценарии «что, если», обосновывая свои интуитивные инсайты строгой логикой.
- Мультиагентные экосистемы: Проекты будут вестись не одной универсальной моделью, а ансамблями специализированных ИИ-агентов (креатор, риск-менеджер, оптимизатор ресурсов), которые автономно спорят друг с другом, кристаллизуя оптимальные решения для человеческого руководства.
- Нейроморфные интерфейсы и бесшовная синергия: Развитие систем контекстуального понимания позволит ИИ считывать негласные правила команды, адаптироваться к психотипам коллег и предлагать решения в реальном времени, действуя как эмпатичный и ультраэффективный цифровой фасилитатор.
Часто задаваемые вопросы (FAQ)
- Можно ли считать «интуицию» ИИ настоящей, или это лишь иллюзия?
Человеческая интуиция — это результат подсознательного сжатия накопленного жизненного опыта и эволюционных программ. Интуиция ИИ имеет схожую природу: это математическое сжатие терабайтов данных в многомерные векторные пространства. Для конечного результата неважно, основано ли чутье на биологических нейронах или на кремниевых транзисторах — оба механизма выдают решение в обход пошаговой логики. - Сможет ли ИИ полностью заменить руководителя проекта (PM) или тимлида?
Нет. ИИ лишен субъектности, истинной эмпатии и способности нести юридическую и моральную ответственность за ошибки. Руководитель будущего — это «дирижер», который управляет как людьми, так и алгоритмами, переводя инсайты искусственного интеллекта на язык человеческих ценностей и бизнес-целей. - Как бороться с «галлюцинациями» ИИ, если мы доверяем его интуитивным решениям?
Решением является внедрение двухконтурных систем контроля (по аналогии с человеческим мышлением: «Быстрое» и «Медленное» по Даниэлю Канеману). Интуитивный скачок нейросети должен автоматически верифицироваться жесткими математическими моделями, симуляторами физических процессов или перекрестной проверкой другими независимыми алгоритмами перед тем, как попасть на стол к человеку.
Автор: Алексей Суриков @Axelus
Источник: https://habr.com/
