В этом месяце мы работали над нестандартной задачей — разработкой тренажера, который помогает сотрудникам избавляться от слов-паразитов. Сразу расскажу, зачем в этом проекте понадобился ИИ, при чем тут кейсы, и почему добиться уникальности оказалось целым квестом

Проблема Слова-паразиты есть почти у каждого. В продажах или публичных выступлениях их количество напрямую влияет на восприятие человека. Обучать сотрудников можно через тренинги и самостоятельную работу, но асинхронные форматы (курсы, тренажеры) позволяют закрепить навык надежнее. Именно для этого мы решили создать бота.

Решение Мы спроектировали бота, который работает в три этапа: 1. Генерация кейса. Нейросеть получает роль генератора и создает для сотрудника уникальную вводную. 2. Симуляция диалога. ИИ переключается на роль клиента, которому сотрудник должен помочь решить проблему. 3. Обратная связь. По итогам диалога бот анализирует речь сотрудника и дает ревью, подсчитывая слова-паразиты.

Проблема, с которой столкнулись На первом же этапе я обнаружил интересную закономерность: нейросети категорически отказывались быть уникальными. В промте я четко прописал условие: тип клиента выбирается рандомно из типологии DISC, задается определенный эмоциональный фон (клиент должен быть ярким и эксцентричным).

Однако: · Яндекс GPT из раза в раз выдавал агрессивного клиента типа D. Шесть запросов — шесть одинаковых агрессоров. · Qwen и Gemini поступили точно так же, словно сговорившись. Очевидно, мы столкнулись с эффектом «залипания» нейросетей на наиболее популярных паттернах из обучающей выборки. Усложняло задачу и то, что памяти между сессиями нет — каждый кейс создается с нуля.

Решение (временное) Обычный промт-инжиниринг ситуацию не спас. Да, некая уникальность появлялась, но часто мнимая. В итоге. Я создал мини-массив со списком проблем, типов клиентов, доп вводными. И сделал формулу, которая подбирает их, исходя из времени запуска - складывая и умножая микросекунды/секунды/минуты создавая уникальный набор характеристик, которые привязаны к разным числам. Кажется, что проблема генерации рандомных событий все еще остается А что думаете вы?))