LLM как новый уровень консолидированных знаний
Работая над проектом создания синтетических пользователей для ускорения извлечения инсайтов через LLM в глубинных интервью (custdev), я заметил важное изменение в подходе к работе с знаниями.
Раньше знания были разбросаны и часто предвзяты — у каждого человека или источника свой взгляд, и собирать объективную картину приходилось вплотную общаясь с живыми людьми, транскрибируя интервью, анализируя и сводя к единому пониманию. Интернет, библиотеки и энциклопедии — первые шаги к агрегированию знаний, но теперь появилась новая ступень — LLM.
Суть в том, что LLM уже содержит внутри себя огромный набор консолидированной информации, полученной из разнообразных источников. Это не просто поиск деталей, а готовое, обобщённое знание.
Если раньше процесс custdev выглядел так:
- выбираешь сегмент,
- формулируешь гипотезы,
- собираешь группу и проводишь интервью,
- потом вручную обрабатываешь инсайты в саммари и идеи,
то сейчас всё намного проще и эффективнее:
- через промпты выбираешь сегмент и задаёшь контекст,
- формулируешь гипотезы,
- получаешь агрегированные инсайты и идеи сразу.
Это снижает необходимость генерировать десятки или сотни диалогов, чтобы потом снова агрегировать данные. Внутри LLM уже есть консолидированное знание, готовое к использованию.
Разумеется, это не отменяет вопросов о репрезентативности и достоверности «синтетиков», но стоит признать, что LLM уже сейчас меняют подход к сбору и анализу знаний, делая процесс намного быстрее и масштабируемее.
Вряд ли мы сможем вернуться к старым методам в том же объеме, когда есть такая возможность. Главное — понимать, как оптимально использовать потенциал LLM, сохраняя критический взгляд на качество и источники информации.
