Виктор Кросс – ИИ как второй мозг. Как перестроить работу с ChatGPT и вернуть себе время (страница 6)

Реальный пример

Предпосылки: Лили (29 лет), дизайнер контента в образовательном стартапе, еженедельно готовит конспекты и тесты для онлайн-курсов.

Проблема: конспекты, сгенерированные ИИ, не соответствуют принципам педагогики, в них отсутствует градация сложности и примеры задач.

Действия: использование OGRF.

O: Подготовка 2-страничного конспекта по 3-й главе курса «Введение в структуры данных», по завершении которого студенты смогут объяснить понятие «связанный список» и решить 3 прикладных задачи.

G: Сначала излагаются концепции, затем приводятся примеры; текст написан ясным языком, без использования сложной терминологии; после каждого понятия приводится аналогия из повседневной жизни; стандартные ответы заменены наводящими вопросами.

R: Уровень студентов: первокурсники; в предыдущих двух главах уже изучены массивы и указатели; предоставляется образец стиля конспекта предыдущей главы и критерии оценки.

F: Две страницы формата A4; уровни заголовков H1/H2; каждый абзац — не более 120 слов; прилагаются 3 упражнения с краткими объяснениями ответов.

Результаты: доля повторяющегося материала в конспектах снизилась с 60 % до 15 %, время на составление сократилось на 50 минут на главу, процент правильных ответов студентов на тестах после занятий вырос с 62 % до 74 %.

Распространённые ошибки и исправления

Ошибка: Рекомендации слишком абстрактны, например, «пишите профессионально». Исправление: Преобразовать в практические рекомендации, например, «не более 120 слов в каждом абзаце, к каждому понятию приводите одну иллюстрацию».

Ошибка: в разделе «Resources» отсутствуют ключевые примеры. Исправление: предоставить как минимум один «успешный образец» и один «неудачный образец».

Ошибка: в разделе «Формат» не указана структура конечного результата. Исправление: указать уровни заголовков, поля, количество пунктов и диапазон количества слов.

Профессиональные элементы

Исследования показывают, что если инструкции по заданию содержат примеры и структурированный формат, модель легче согласуется с ожиданиями. Это соответствует принципам «обучения на примерах» и «согласования с шаблоном»: сначала предоставляется шаблон, а затем требуется его заполнить, что позволяет эффективно снизить степень случайности генерации.

Шаблон OGRF (для копирования)

O: Цель данного задания — ___, критерии успеха — ___ (показатели/сроки/сценарии использования).

G: Пожалуйста, придерживайтесь ___ (тона/последовательности/запретов/приоритетов).

R: Доступные материалы: ___ (аудитория/данные/примеры/глоссарий).

F: Пожалуйста, выведите результат в формате ___ (поля/структура/длина/формат файла).

2.2 «Ситуация» Поставить себя на место пользователя, чтобы сделать ИИ более профессиональным: ролевые игры и введение контекста

Контекстный подход

Представьте, что вы пришли в больницу и сказали врачу только: «Мне плохо». Врач сначала задаст вам ряд вопросов. ИИ поступает точно так же. Но если вы с самого начала скажете: «Вы — лечащий врач-оториноларинголог, пожалуйста, направьте меня в соответствии с процедурой опроса», ответ будет более систематичным. Ролевые игры позволяют ИИ работать в рамках профессиональной модели.

2.2.1 Глубокая работа: структура «ROLE+CONTEXT+GOAL+CONSTRAINT+FORMAT» одним нажатием

Этапы метода

ROLE: Указание профессиональной роли и точки зрения задачи.

CONTEXT: ввод текущей ситуации и справочной информации.

GOAL: Определение цели и методов оценки.

CONSTRAINT: перечисление ограничений и запретов.

FORMAT: четкое определение формата результатов.

Реальный пример

Предпосылки: Ben (35 лет), AE (менеджер по работе с клиентами) в B2B-SaaS-компании, должен составить холодное письмо для привлечения новых клиентов.

Проблема: стандартные холодные письма рассматриваются как спам, открываемость составляет 9 %, а доля ответов — 0,6 %.

Действия: Использование методологии RCGCF (ROLE/CONTEXT/GOAL/CONSTRAINT/FORMAT).

ROLE: Вы — бизнес-тренер по работе с клиентами в сфере B2B, хорошо знакомый с управлением цепочкой поставок и лучшими практиками написания холодных писем.

CONTEXT: Целевая аудитория — руководители ИТ-отделов средних и крупных производственных компаний; продукт — информационная панель для визуализации запасов; болевые точки: задержки при проведении инвентаризации, медленное определение неликвидных запасов.

GOAL: Подготовить 3 холодных письма объемом 90–120 слов с целевым показателем открываемости ≥18 % и ответов ≥2 %.

ОГРАНИЧЕНИЯ: избегать жаргона и длинных предложений; тема письма ≤ 30 слов; не давать абсолютных обещаний, таких как «немедленная экономия 50 % затрат».

ФОРМАТ: вывод в виде таблицы: тема письма, вступительная фраза, ключевые преимущества, призыв к действию (CTA), подпись.

Результаты: двухнедельное A/B-тестирование (N=1 800), показатель открываемости лучшего варианта — 21,4 %, показатель ответов — 2,3 %, что в 1,7 раза превышает базовые показатели.

Техники встраивания контекста

Предоставьте пакет материалов: краткая информация о компании, портрет пользователя, часто задаваемые вопросы и ответы, список запрещенных слов.

Образцы стиля: три текста, которые, по вашему мнению, «написаны в вашем стиле»; отметьте фразы и ритм, которые вам нравятся.

Предыдущие результаты: вставьте тексты и показатели, которые ранее показали хорошие результаты, чтобы ИИ понял, «что такое успех».

Распространённые ошибки и исправления

Ошибка: указана только роль, но не описана ситуация. Исправление: добавьте детали об аудитории, такие как отрасль, должность, сроки принятия решений и т. д.

Ошибка: контекст слишком устарел или противоречив. Исправление: добавьте в начале фразу «Информация, приведенная в данном раунде, является актуальной; в случае противоречий с предыдущими данными приоритет отдается информации данного раунда».

Ошибка: слишком много персонажей. Исправление: играйте роль только одного ключевого персонажа за раз; если требуются точки зрения нескольких сторон, переключайтесь между персонажами по раундам, а затем обобщайте различия.

Профессиональные элементы

Согласно психологическому «эффекту примирования» (priming), контекстуальные подсказки, предоставленные заранее, влияют на последующие когнитивные процессы и результаты. Для LLM роли и контекст являются мощными примирующими подсказками. Исследования в области взаимодействия человека и машины также показали, что предоставление образцов стиля и эталонных форматов вывода позволяет значительно повысить согласованность и читабельность.

2.2.2 Практические советы: предоставление пакета данных и образцов стиля (тон бренда, предыдущие результаты)

Список материалов

Краткая информация о компании и продукте (100–150 слов)

Профили целевой аудитории (1–2)

Список часто используемых терминов и запрещенных слов

Три успешных кейса за последний период (с показателями)

Описание стиля бренда: опишите в трёх предложениях желаемый стиль и в трёх предложениях — стиль, которого следует избегать

Методика маркировки стилевых образцов

После образцового абзаца отметьте, что вам понравилось, например: «Нравится эта фраза, потому что сначала указывается проблема, а затем предлагается решение».

Предоставьте 1 пример текста, который вам не нравится, с пометкой «Избегать многословности/Избегать преувеличений».

Пример практического применения

Тон бренда: профессиональный, но теплый; избегайте авторитарных повелительных предложений; чаще используйте «мы можем», а не «вы должны».

Успешный образец: в одном из электронных писем (EDM) открываемость составила 28 %, а кликабельность — 4,1 %, поскольку в первых 50 словах читателю был задан вопрос, что стимулировало взаимодействие.

Неудачный пример: нагромождение длинных предложений, отсутствие переносов в тексте длиной более трёх строк, использование преувеличенных выражений.

2.3 [Ситуация] Нестабильное качество вывода: управление результатами с помощью спецификаций и подсказок