Комментарии 10
Пожалуй, лучшее, что я читал по этой теме за последнее время: всё в одном месте и без загадочного хайпа в стиле "ну и кое-то у нас получилось, мы не скажем что, это NDA но х5 по производительности"
С одной стороны такой подход позволяет преодолеть боязнь чистого листа и безусловно ускоряет выполнение множества задач, с другой как будто бы расхалаживает. Вам не кажется, что со временем может появиться вредная привычка перекладывать все на AI?
Спасибо за вопрос!
Субъективно, я не считаю, что использование ИИ это вредная привычка. ИИ действительно помогает быстрее справляться с рутиной и не бояться пустого листа, но он не работает вместо нас — он работает с нами.
Чтобы ИИ дал полезный результат, нужно чётко понимать, что ты хочешь получить. Чем лучше ты разбираешься в задаче, тем точнее сможешь направить модель.
Это как с инструментами: с помощью микроскопа можно ставить диагнозы или делать открытия, а можно забивать гвозди. Всё зависит от того, кто использует инструмент. Точнее, от его экспертизы.
ИИ не заменяет экспертизу. Он выступает в роли эффективного ассистента, которому можно делегировать задачи, но контроль и осмысление результата всегда остаются за человеком.
Согласен, что можно привыкнуть перекладывать на ИИ всё подряд, но:
1. это вопрос дисциплины, а не технологии. Как и с любым другим инструментом;
2. эффективный результат достигается за счёт экспертизы человека, а не факта делегирования задачи ИИ.
Тоде пользую ИИ, только Gemini. Загружаю ТЗ с приложениями и могу давать задание на проверку консистентности части или всего всему. В настоящий момент ТЗ более 300 страниц.
Соглашусь с предыдущим коллегой, материал описан достаточно подробно. На простом примере разобрана последовательность действий. Жду вторую часть
Вот я замечаю, что это как с любым новым инструментом - сначала прям надо потратить время на наработку навыка - в данном случае нужен навык промтинга. А еще потратить время и подобрать модель. Мои поиски и обучение, например, не кончаются. А ведь в этом месте работай ай какая неэффективная, если не сказать мееедленная. Но соглашусь, что когда хотя бы в одной рутинной задаче получается добиться результатов, то эффективность взлетает в разы.
Чтобы получить от GPT не просто фантазии, а хоть с какой-то степенью подходящие под кейс бизнес-требования - ей надо расширить контекст. Вы не пробовали модели скармливать описание бизнес-процесса?
Похожая ситуация с проектированием решения. Набор юзкейсов, допустим, она сгенерировала. Насчёт целесообразности просить модель сформировать набор сервисов, впрочем, не уверен: как минимум, для этого потребуются нефункциональные требования. А чтобы получить на выходе более-менее нормальные сиквенсы и АПИ, стоит в неё впихнуть описание сценариев с шагами взаимодействия компонентов.
AI в помощь системному аналитику: от скепсиса к практике