ainews
Работа с AI — это не кодинг, а управление людьми: почему промпты работают как делегирование задач
Автор, технический лидер с опытом, делится наблюдением: работа с AI больше похожа на управление командой, чем на написание кода. Код предсказуем, AI — нет. Те же навыки лидерства (объяснять контекст, цели, давать обратную связь) работают при взаимодействии с моделями. Главное — не притворяться, что AI человек, а научиться чётко выражать намерения.
Если ты разработчик, PM или лидер, это меняет подход к работе с AI: от технического к коммуникативному. Навыки объяснения целей и контекста становятся важнее синтаксиса промптов.
Автор много лет писал код: программа делала ровно то, что ей сказали. Люди работали иначе — можно было делегировать задачу, получить ровно то, что просил, или нечто лучшее, если коллега понял суть. Иногда результат показывал, что задача была сформулирована нечётко.
AI работает на софте, но ведёт себя непредсказуемо: тот же запрос может дать разный ответ, найти неожиданное решение или пропустить очевидное. Если относиться к нему как к компилятору — это бесит. Если как к коллаборации — становится полезнее.
AI не человек: у него нет опыта, ответственности, суждений. Но способ работы похож на управление людьми. Хороший лидер не просто раздаёт инструкции — он даёт контекст, объясняет цель, ставит границы, реагирует на результат. То же самое улучшает работу с AI.
Хороший промпт помогает, но общий рабочий контекст важнее. Примеры, корректировки, переиспользуемые инструкции снижают недопонимание. Со временем система лучше понимает, как ты мыслишь и что тебе нужно.
Инвестиция не в то, чтобы притворяться, будто AI — человек, а в то, чтобы лучше выражать намерения. Годы мы учились говорить компьютерам что делать. Теперь нужно объяснять зачем, как выглядит хороший результат и где нужна оценка.
Вывод автора: AI делает работу с софтом менее похожей на отдачу команд машине и более похожей на управление через диалог. Технология новая, навыки лидерства — нет.
Автор: Анна Мельникова · Источник: hnrss.org
Разработчикам. Переосмысли промпт-инжиниринг как делегирование: давай контекст, примеры, границы, корректируй результат. Создавай переиспользуемые инструкции и шаблоны, чтобы модель лучше понимала твой стиль и задачи. Меньше относись к AI как к API, больше как к джуниору, которого нужно обучать.
Бизнесу. Навыки управления командами прямо переносятся на работу с AI: формулирование целей, обратная связь, итеративная доработка. Компании, которые научат сотрудников объяснять намерения и контекст, получат больше пользы от AI, чем те, кто относится к нему как к калькулятору. Инвестируй в обучение soft skills для AI-взаимодействия.
Инвесторам. Растёт спрос на инструменты, которые помогают управлять контекстом и обратной связью с AI, а не просто генерировать текст. Стартапы, которые строят AI-ассистентов с памятью, обучаемостью и адаптацией к стилю пользователя, получат преимущество. Это не просто LLM-обёртки, а платформы для долгосрочного сотрудничества человека и модели.
- Создавай AI-инструменты с долгосрочной памятью и контекстом: системы, которые запоминают стиль работы, предпочтения, исправления и со временем адаптируются под пользователя.
- Разрабатывай платформы для переиспользуемых промптов и инструкций: библиотеки шаблонов, которые можно настраивать и делиться внутри команды, как code style guides.
- Запускай курсы и тренинги по AI-лидерству: учи формулировать намерения, давать обратную связь, работать с AI как с коллегой, а не как с инструментом.
- Строй AI-ассистентов для конкретных ролей (PM, дизайнер, аналитик) с заранее заложенным контекстом и стилем работы, чтобы минимизировать объяснения на каждом запросе.
- Создавай инструменты для командной работы с AI: общие контексты, версионирование промптов, совместная корректировка результатов, как в code review.
- Переоценка аналогии с людьми: AI не имеет суждений, ответственности и опыта, слепое доверие приведёт к ошибкам в критических задачах.
- Зависимость от модели: если весь контекст и инструкции завязаны на одну систему, смена провайдера или модели обнулит наработанную базу.
- Иллюзия понимания: AI может сгенерировать правдоподобный ответ, но не понять суть задачи — без критической проверки это опасно.
- Затраты времени на обучение: создание контекста, примеров, корректировок требует усилий, которые окупятся не сразу и не для всех задач.
Статья попадает в точку: многие относятся к AI как к функции в коде, ждут детерминизма и бесятся от непредсказуемости. Автор предлагает сменить оптику: работай с AI как с коллегой — давай контекст, корректируй, объясняй цели. Это не значит, что AI стал человеком, но способ взаимодействия действительно ближе к управлению людьми, чем к программированию.
Важный момент: это не просто софт скиллы ради моды, а практическая польза. Переиспользуемые инструкции, примеры, общий контекст реально ускоряют работу и снижают ошибки. Но не забывай: AI не несёт ответственности, его ответы нужно проверять. Это инструмент, которым нужно управлять, а не доверять слепо.
Комментарии