КЕЙС. Часть 2

2. Потом я делаю воркшоп для джунов по интервью Там есть: ▪️шаблоны повестки для встреч; ▪️объяснение, что и зачем мы делаем; ▪️вопросы для встреч; ▪️инструкции по безопасной работе с ChatGPT и данными; ▪️мини-методичка и практика по интервенциям, когда разговор идет не так и не туда. У меня эти вмешательства работают на профессиональном опыте, который невозможно передать за полтора часа. Поэтому вместо попытки «сделать из человека Аню» мы учим его распознавать самые яркие маркеры: вот здесь надо уточнить, здесь вернуть человека к эпизоду работы, здесь проверить противоречие, здесь перестать слушать красивую концепцию и спросить, что он реально делал.

3. Джун идет к эксперту добывать реальную работу Не спрашивать в лоб про компетенции, а вытаскивать эпизоды: что происходило, какую задачу человек решал, что заметил, между чем выбирал, почему сделал именно так, что отличало хороший результат от плохого.

💻 А дальше начинается собственно когнитивный партнер.

Работа идет в отдельном чате без памяти и персонализации.

4. Сначала Base Первым загружается базовый промпт — Base. Это не «сделай мне таксономию». Это правила, как башка машины должна работать внутри проекта.

Там зашита эпистемическая дисциплина: как обращаться с фактами и интерпретациями, как работать с противоречиями, гипотезами и пробелами, чего не считать доказательством, где нельзя сглаживать неопределенность. Плюс есть кастомные куски под клиента, которые уже под NDA.

Зачем все это?

Чтобы ChatGPT не делал то, что умеет делать по умолчанию очень убедительно: быстро собирать правдоподобную историю из неполных данных.

5. Потом джун загружает интервью и первый рабочий промпт Из транскрипта машина собирает первую рабочую Модель реальности. Но не в формате summary. Она должна: ▪️вытащить утверждения, которые действительно способны изменить наше понимание работы; ▪️показать, какие части модели уже подтверждены данными, а где есть пробелы; построить несколько конкурирующих гипотез; ▪️для каждой показать, что ее поддерживает, что ей противоречит и какое есть альтернативное объяснение; ▪️после этого обновить рабочую модель и предложить, у кого и что лучше спросить дальше.

То есть результатом анализа становится не «мы поняли человека». Результатом становится: вот наша текущая версия реальности, вот на чем она держится, вот где она может быть неправильной и вот какой следующий ход даст нам больше всего информации.

6. Дальше добавляем контекст В тот же диалог можно добавлять новые интервью, комментарии сотрудников, ответы экспертов и документы. Base не позволяет автоматически считать мнение руководителя фактом только потому, что это руководитель, а официальный документ — истиной только потому, что на нем логотип компании.

Если источники расходятся, машина должна не примирить их красивым текстом, а сохранить конфликт и обновить модель с учетом новой неопределенности. Постепенно вместо кучи интервью, презентаций и мнений появляется достаточно прозрачная рабочая модель компании, если брать в фокус то, что нужно для нашей цели.

7. И только потом есть финальный промпт Он работает уже на накопленном контексте и собирает финальный артефакт по нужной структуре, сохраняя происхождение выводов и степень их подтвержденности.

🧙‍♀️После этого можно запускать сеньора. Он ковыряет не сто транскриптов и документов, а уже собранную модель, спорные места и рабочие гипотезы.

Технически далог ссылкой можно передать мне или внутреннему эксперту и продолжить там же: спорить с моделью, приносить новые данные, пересобирать решения.

То есть дорогая экспертная мощность включается не на всю работу, а именно там, где нужно экспертное суждение.

Продолжение следует