Обычно промптинг — это умение формулировать запросы к ИИ, чтобы получить нужный результат. Но есть и обратная сторона: ИИ может научить нас лучше общаться с людьми. Контекст, который остался в голове Когда мы объясняем задачу, значительная часть информации остаётся у нас в голове. Мы знаем предысторию, причины, помним разговоры и представляем результат. Для нас всё складывается в понятную картину. А потом мы передаём собеседнику только небольшой фрагмент этой картины. И забываем одну простую вещь: у другого человека нет доступа к нашим мыслям. Нам кажется, что объяснили достаточно. Собеседнику же приходится восстанавливать недостающее. Отсюда возникают недопонимания, ошибки и те самые «лишние вопросы», которые иногда так раздражают. Но отсутствие вопросов ещё не означает, что нас поняли. Человек может не захотеть уточнять и приступить к работе. А позже выясняется, что результат совсем не тот. ИИ делает проблему заметной С ИИ происходит то же самое. Если запрос неполный или противоречивый, модель может отреагировать двумя способами. Первый — задавать уточняющие вопросы, иногда избыточные. Второй — самостоятельно заполнить пробелы предположениями. Во втором случае ИИ может выдать логичный и убедительный ответ. Вот только решать он будет другую задачу. И здесь легко поймать себя на мысли: «Ну я же совсем не это имел в виду!» А действительно ли я объяснил, что имел в виду? Есть и разница: скорость обратной связи. С человеком последствия непонимания могут обнаружиться через дни, с ИИ — через секунды. Получается тренажёр общения с коротким циклом: Сформулировал → получил результат → обнаружил непонимание → уточнил формулировку. Чему можно научиться? Во-первых, замечать недостаток контекста. Если собеседник задаёт уточняющий вопрос, это не обязательно означает, что он невнимателен или недостаточно компетентен. Возможно, мы действительно забыли сообщить что-то важное. Во-вторых, отделять факты от предположений. Например, фразы «сервис перестал работать после обновления» и «сервис перестал работать из-за обновления» звучат похоже, но содержат принципиально разную информацию. В-третьих, явно обозначать цель и ограничения. Можно очень подробно описать проблему, но так и не объяснить, какой результат необходим и какие способы решения неприемлемы. И наконец, проверять собственные формулировки. Для этого даже необязательно ждать, пока ИИ неправильно выполнит задачу. Можно прямо попросить: «Прочитай мой запрос. Какие места в нём неоднозначны? Какую информацию я считаю очевидной, хотя она может быть неизвестна собеседнику? Какие предположения тебе придётся сделать, чтобы выполнить задачу?» Такой подход полезен не только при написании промптов. Он вполне применим к техническим заданиям, рабочей переписке, документации и даже повседневным разговорам. Но есть один нюанс ИИ — не идеальный собеседник и не объективный измеритель качества наших объяснений. Он тоже может ошибаться, задавать ненужные вопросы или уверенно придумывать то, чего мы не говорили. Иногда проблема действительно в модели, а не в формулировке. Кроме того, человеческое общение гораздо сложнее: у людей есть общая история, эмоции, невербальные сигналы и возможность понимать друг друга буквально с полуслова. Поэтому задача не в том, чтобы превратить любую беседу в подробное техническое задание. Скорее, в том, чтобы научиться замечать разницу между «мне понятно, что я хочу сказать» и «я объяснил это так, что меня действительно можно понять». Вместо заключения Мы привыкли считать, что учимся правильно формулировать запросы, чтобы ИИ лучше нас понимал. Но, возможно, параллельно происходит нечто более интересное. Мы учимся замечать собственные пробелы в объяснениях, точнее выражать мысли и не считать уточняющие вопросы признаком чужой некомпетентности. И получается довольно забавная ситуация: пытаясь научить машину понимать человека, мы сами немного учимся понимать друг друга.