Уже несколько раз садился за подготовку нового выпуска - Как AI может помочь Project Manager'у сегодня. В 2023 году выпустил две части одной большой статьи. И на нее много приходит людей по релевантным поисковым фразам :)
Тем не менее, пока готовлю и обдумываю новую статью - многое меняется. То, что хотел написать еще пару месяцев назад - уже нужно снова перетестировать, потому что оно не раскрывает своей сути. Это все говорит о том, как активно инструменты AI развиваются сегодня.
И даже сейчас, чтобы написать статью, я сделаю предварительную статью - как разработать сервис без программирования :)
И вот небольшой спойлер - в этом месяце я уже потратил 6 часов на общение с Chat GPT, чтобы он написал мне код. И примерно столько же на работу в Visual Studio Code.
Из предварительных выводов - сервис, конечно, начинает работать. Но смог бы я это все написать, не имея базовых навыков и опыта программирования? Ответ на этот вопрос я оставлю для следующего выпуска рассылки. Очень верю, что будет в Феврале
Тем не менее, пока готовлю и обдумываю новую статью - многое меняется. То, что хотел написать еще пару месяцев назад - уже нужно снова перетестировать, потому что оно не раскрывает своей сути. Это все говорит о том, как активно инструменты AI развиваются сегодня.
И даже сейчас, чтобы написать статью, я сделаю предварительную статью - как разработать сервис без программирования :)
И вот небольшой спойлер - в этом месяце я уже потратил 6 часов на общение с Chat GPT, чтобы он написал мне код. И примерно столько же на работу в Visual Studio Code.
Из предварительных выводов - сервис, конечно, начинает работать. Но смог бы я это все написать, не имея базовых навыков и опыта программирования? Ответ на этот вопрос я оставлю для следующего выпуска рассылки. Очень верю, что будет в Феврале
👍4
Эффект самозванца не дремлет
Помню давно читал историю CEO Atlassian о том, что он постоянно живет с этим чувством. Что он не достоин того, что он уже заслужил и это все какая-то ошибка.
В статье 2018 года он приводит несколько примеров, которые подтверждают на его взгляд его ситуацию. Например:
- когда стартапу было 4 года и всего 70 человек, его пригласили представлять Австралию (стартап родом отсюда) на Всемирном конгрессе предпринимателей. Как он сказал, рядом с ним сидел предприниматель с 30 тыс сотрудниками и 4х-миллиардным бизнесом. А у него всего 70
- на встрече с советом директоров он сидел и не понимал все акронимы, о которых говорят эти люди в пиджаках. Поэтому он после встречи шел их гуглить, чтобы понять о чем была встреча
Есть и свои плюсы в этом - постоянные сомнения в своей компетенции заставляют искать методы, которые будут подтверждать твою уникальность, твои способности. Но тем не менее, когда это сделаешь - возникает чувство снова: "если я это сделал, то это может сделать каждый".
Поскольку я занимаюсь преподаванием, развитием людей, меня такое чувство посещает постоянно. Я рассказываю какие-то очевидные вещи и чувствую себя из-за этого дискомфортно. Ведь все это есть в Интернете? Зачем вы пришли меня слушать? Да, информация подается в пропорции 70-30 (теория - и мой опыт), то есть ценное - это только те 30%, которые составляют мой опыт.
Правда, понимание этого меня все равно не успокаивает. После воодушевления, что помог людям узнать что-то новое, наступает чувство самозванца, что люди зря потратили время на мою посредственность.
Не быть мне предпринимателем 🙂
Помню давно читал историю CEO Atlassian о том, что он постоянно живет с этим чувством. Что он не достоин того, что он уже заслужил и это все какая-то ошибка.
В статье 2018 года он приводит несколько примеров, которые подтверждают на его взгляд его ситуацию. Например:
- когда стартапу было 4 года и всего 70 человек, его пригласили представлять Австралию (стартап родом отсюда) на Всемирном конгрессе предпринимателей. Как он сказал, рядом с ним сидел предприниматель с 30 тыс сотрудниками и 4х-миллиардным бизнесом. А у него всего 70
- на встрече с советом директоров он сидел и не понимал все акронимы, о которых говорят эти люди в пиджаках. Поэтому он после встречи шел их гуглить, чтобы понять о чем была встреча
Есть и свои плюсы в этом - постоянные сомнения в своей компетенции заставляют искать методы, которые будут подтверждать твою уникальность, твои способности. Но тем не менее, когда это сделаешь - возникает чувство снова: "если я это сделал, то это может сделать каждый".
Поскольку я занимаюсь преподаванием, развитием людей, меня такое чувство посещает постоянно. Я рассказываю какие-то очевидные вещи и чувствую себя из-за этого дискомфортно. Ведь все это есть в Интернете? Зачем вы пришли меня слушать? Да, информация подается в пропорции 70-30 (теория - и мой опыт), то есть ценное - это только те 30%, которые составляют мой опыт.
Правда, понимание этого меня все равно не успокаивает. После воодушевления, что помог людям узнать что-то новое, наступает чувство самозванца, что люди зря потратили время на мою посредственность.
Не быть мне предпринимателем 🙂
Work Life by Atlassian
How to use your impostor syndrome as an asset
CEO Mike Cannon-Brookes often feels like a fraud at work. But he's turning his impostor syndrome into a positive force. Here's how.
❤3
RescueTime опубликовал отчет о потраченном мною времени за 2024 год.
В этом году у меня был выпуск по мой личной эффективности, где я ссылался в том числе на отчеты от RescueTime. Я собираю время о своей активности с 2013 года, поэтому статья получилась достаточно инитересной. На Хабре тоже поставили лайки.
Но я бы хотел показать в этом году то, куда у меня тратится время. Львинная доля - это коммуникации. Сижу в чатах :) И если совсем упрощать, то за это еще и деньги платят. Произвожу материального очень мало, но функцию синхронизации, склейки - выполняю постоянно.
На минуточку - это 754 часа за год! В месяце 160 рабочих часов, то есть это 4 полных месяца я провел в чате и в почте, 30% рабочего года.
В целом же, измерять себя я считаю очень полезным. Это позволяет понять куда уходит время. На что вы реально тратите время. А тратите ли вы его полезно?
В конце дня / месяца / года посмотреть и ответить себе на вопрос - тот результат, который вы имеете сегодня стоил ли он этих усилий или нет?
Устанавливайте себе RescueTime и начните уже собирать данные о своей активности :)
Весь мой отчет доступен по ссылке
В этом году у меня был выпуск по мой личной эффективности, где я ссылался в том числе на отчеты от RescueTime. Я собираю время о своей активности с 2013 года, поэтому статья получилась достаточно инитересной. На Хабре тоже поставили лайки.
Но я бы хотел показать в этом году то, куда у меня тратится время. Львинная доля - это коммуникации. Сижу в чатах :) И если совсем упрощать, то за это еще и деньги платят. Произвожу материального очень мало, но функцию синхронизации, склейки - выполняю постоянно.
На минуточку - это 754 часа за год! В месяце 160 рабочих часов, то есть это 4 полных месяца я провел в чате и в почте, 30% рабочего года.
В целом же, измерять себя я считаю очень полезным. Это позволяет понять куда уходит время. На что вы реально тратите время. А тратите ли вы его полезно?
В конце дня / месяца / года посмотреть и ответить себе на вопрос - тот результат, который вы имеете сегодня стоил ли он этих усилий или нет?
Устанавливайте себе RescueTime и начните уже собирать данные о своей активности :)
Весь мой отчет доступен по ссылке
❤1👍1
1700 строк кода
Я все еще пишу сервис, с использованием AI, о котором писал пару недель назад. Написано 1700 строк.
Здесь хочу поделиться впечатлениями про применение этих инструментов в работе (на самом деле не только в части кодинга, но и в части базовой работы).
Главное, что меня волнует - мне кажется, что это какое-то читерство. Я не уделяю внимание важным вещам, а просто "прошу кого-то" выполнить за меня мою работу. Но если углубиться, в чем же разница?
Предположим, мне нужно интегрироваться с внешним сервисом. Мои действия?
1. Найти документацию внешнего сервиса
2. Изучить API или SDK, если они предоставляют его
3. Написать код интеграции.
4. Протестировать и принять решение о готовности
Особенно много времени я трачу на 1 и 2 пункты. В случае же применения AI, у меня получается:
1. Сформулировать вопрос и ограничения известные мне
2. Получить код, прочитать его. Убедиться, что код делает то, что я хочу
3. Встроить код в мое решение
4. Протестировать и принять решение о готовности
Конечный результат - одинаковый. Но в первом случае я трачу много времени на первые 2 пункта. Во втором, я получаю ответ за 5 минут.
И в итоге, из-за того, что я потратил лишь немного времени - моя работа становится менее качественной от этого. И, сейчас я себя убеждаю что это не так. Выхлоп в виде рабочего кода - одинаковый. И в чем разница между "я погуглил и прочитал" и "я попросил погуглить и почитать"?
Возникает также ощущение "упущенной выгоды". Ведь если я этого не сделал сам, вероятно, я мог упустить что-то важное из виду, и мои решения становятся менее эффективными. А с этой ситуацией менеджер сталкивается постоянно - делегирование работы другим. Вы явно сделаете лучше всегда, но поскольку у вас мало времени, вам приходится принимать, что эту работу сделает кто-нибудь другой. В конечном итоге - решение же работает.
Я все еще пишу сервис, с использованием AI, о котором писал пару недель назад. Написано 1700 строк.
Здесь хочу поделиться впечатлениями про применение этих инструментов в работе (на самом деле не только в части кодинга, но и в части базовой работы).
Главное, что меня волнует - мне кажется, что это какое-то читерство. Я не уделяю внимание важным вещам, а просто "прошу кого-то" выполнить за меня мою работу. Но если углубиться, в чем же разница?
Предположим, мне нужно интегрироваться с внешним сервисом. Мои действия?
1. Найти документацию внешнего сервиса
2. Изучить API или SDK, если они предоставляют его
3. Написать код интеграции.
4. Протестировать и принять решение о готовности
Особенно много времени я трачу на 1 и 2 пункты. В случае же применения AI, у меня получается:
1. Сформулировать вопрос и ограничения известные мне
2. Получить код, прочитать его. Убедиться, что код делает то, что я хочу
3. Встроить код в мое решение
4. Протестировать и принять решение о готовности
Конечный результат - одинаковый. Но в первом случае я трачу много времени на первые 2 пункта. Во втором, я получаю ответ за 5 минут.
И в итоге, из-за того, что я потратил лишь немного времени - моя работа становится менее качественной от этого. И, сейчас я себя убеждаю что это не так. Выхлоп в виде рабочего кода - одинаковый. И в чем разница между "я погуглил и прочитал" и "я попросил погуглить и почитать"?
Возникает также ощущение "упущенной выгоды". Ведь если я этого не сделал сам, вероятно, я мог упустить что-то важное из виду, и мои решения становятся менее эффективными. А с этой ситуацией менеджер сталкивается постоянно - делегирование работы другим. Вы явно сделаете лучше всегда, но поскольку у вас мало времени, вам приходится принимать, что эту работу сделает кто-нибудь другой. В конечном итоге - решение же работает.
Telegram
Meet Deadlines
Уже несколько раз садился за подготовку нового выпуска - Как AI может помочь Project Manager'у сегодня. В 2023 году выпустил две части одной большой статьи. И на нее много приходит людей по релевантным поисковым фразам :)
Тем не менее, пока готовлю и обдумываю…
Тем не менее, пока готовлю и обдумываю…
❤5
Кажется, что я упустил то, как AI активно внедряется в работу. Ну или, разработчикам стыдно признаться, что они используют Copilot активно для своей работы :)
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде разработки (обоснуете покупку лицензий, например).
Если посмотреть на работу инженера (вот исследования раз и два про рабочий день разработчика), то фактически разработчик кодит до 20% рабочего времени (1.5-3.5 часа в день). А все остальное время - он занимается работой, но не кодингом (встречи, чтение документации, чинит баги, вручную сидит и делает что-то). И задача AI - пусти даже на 10% увеличить эффективность разработчика. То есть, дать инструмент, чтобы те самые 20% рабочего времени выдавали больше результатов.
Так вот, Github Copilot вокруг меня, по статистике используется 70% инженерами. Но никто не говорит об этом!
Я спросил явно, какие сценарии применения у инженеров, получились достаточно интересные:
- При работе с большой кодовой базой
- Работа с неизвестным языком программирования (в котором инженер неопытный)
При этом, часть инженеров испытывают проблемы:
- у нас код разбросан по нескольким репозиториям, учитывая что контекст у Copilot в рамках одного репозитория - его использование теряет свою эффективность
- утилиты, которые мы использует - не публичные. Поэтому предварительно нужно скормить документацию (если она качественная), а только после этого использовать продукт
В целом, я рад, что разработчики применяют этот инструмент. Еще идет период поиска границ применимости этого инструмента. Об этом я расскажу завтра :)
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде разработки (обоснуете покупку лицензий, например).
Если посмотреть на работу инженера (вот исследования раз и два про рабочий день разработчика), то фактически разработчик кодит до 20% рабочего времени (1.5-3.5 часа в день). А все остальное время - он занимается работой, но не кодингом (встречи, чтение документации, чинит баги, вручную сидит и делает что-то). И задача AI - пусти даже на 10% увеличить эффективность разработчика. То есть, дать инструмент, чтобы те самые 20% рабочего времени выдавали больше результатов.
Так вот, Github Copilot вокруг меня, по статистике используется 70% инженерами. Но никто не говорит об этом!
Я спросил явно, какие сценарии применения у инженеров, получились достаточно интересные:
- При работе с большой кодовой базой
Расскажи, что тестирует вот этот тест на 1000 строк? Какие функции он проверяет?
Вот эта функция, где она используется в моей кодовой базе? Как она тестируется?
Я написал вот эту функцию, она выполняет вот такую задачу. Как я могу улучшить эту функцию?
- Работа с неизвестным языком программирования (в котором инженер неопытный)
Я работал с chef 3 года назад, и часть забыл, поэтому я спрашиваю - объясни мне, что эта часть кода выполняет?
Мы много стали писать на C#, но я только переключаюсь на этот язык, поэтому я прошу Copilot написать мне ту или иную функцию на C#. Или написать тесты к этой функции, которые я проверяю и принимаю
Вместо поиска документации по множеству источников, я спрашиваю у Copilot, он мне дает ссылки на них.
При этом, часть инженеров испытывают проблемы:
- у нас код разбросан по нескольким репозиториям, учитывая что контекст у Copilot в рамках одного репозитория - его использование теряет свою эффективность
- утилиты, которые мы использует - не публичные. Поэтому предварительно нужно скормить документацию (если она качественная), а только после этого использовать продукт
В целом, я рад, что разработчики применяют этот инструмент. Еще идет период поиска границ применимости этого инструмента. Об этом я расскажу завтра :)
👍6❤1
Так вот, а что с рисками использования AI разработчиком?
Кажется, что тут много чего очевидного, особенно учитывая прошлое сообщение
Это подтверждается моим опытом, в том числе:
1. Возникает стойкое желание - хотеть большего. Вот написал вам AI метод, дальше класс. Дальше вы просите написать его логику сложную, по вашим требованиям. И вроде бы, выглядит-то все прилично, красиво, организованно. И это гасит беспокойство по поводу того, что в отдельной строке тот или иной параметр не был учтен, что может сказаться на работе приложения при нагрузке
2. Когда код, написанный AI отправляется на ревью разработчиком уровня Senior, то это вносит определенный диссонанс. Код вроде стройный, ну и разработчику доверяют - он же Senior, фигню не напишет. А код писал не он, а AI. Ревьюер же этого не видит и в результате может закрыть глаза на какие-то неточности, шероховатости в коде. Ведь Senior код писал!
3. Снижение планки требований. Вот вам сгенерировал класс AI. И в целом, класс во многом отличен. Не соблюдены требования, которые вы бы применили (переменные названы иначе, не как snake_case). Мелочь, может и не нужно переписать? А в результате, с каждым таким разом увеличивается когнитивная сложность кода
4. Обучения не происходит. Потому что задача написать код (решить задачу), а не обучиться. Я, правда, думаю, что обучение уже остановилось тогда, когда стали брать готовые куски кода со stackoverflow, не вчитываясь в содержимое кода.
5. Когда весь код написан AI (это как раз мой эксперимент), то когда что-то перестает ломаться - ты уже не понимаешь где и почему сломалось. Много кода написано не тобой, в голове принятые решения не задерживаются. В результате код становится хрупким. Что-то изменил в отдельной части решения, сломалось что-то еще. Это выливается в то, что нужно много времени тратить на дебаг и поиск причин, почему не работает. В целом же, это нормально для огромной кодовой базы, где одновременно пишут десятки разработчиков. Но не для кодовой базы в 1700 строк. Вся модель решения с запасом укладывается в голове.
6. А еще я попробовал зарефакторинг код... Изначально у меня был код-лапша. Далее я попросил - а сделай красиво, пожалуйста, разложи по отдельным классам, все это собери аккуратно и запусти. AI сделал. Но потерял значимые куски кода, которые потом пришлось отыскивать по истории комитов; искусственно уменьшать контекст, чтобы не было подобных потерь. И здесь уже эффективность применения AI снижается для команды разработки.
Эти риски у меня не уменьшились с момента написания статьи про использование AI в Менеджменте. Нужно правильно использовать инcтрумент. У него есть границы применимости.
Кажется, что тут много чего очевидного, особенно учитывая прошлое сообщение
Это подтверждается моим опытом, в том числе:
1. Возникает стойкое желание - хотеть большего. Вот написал вам AI метод, дальше класс. Дальше вы просите написать его логику сложную, по вашим требованиям. И вроде бы, выглядит-то все прилично, красиво, организованно. И это гасит беспокойство по поводу того, что в отдельной строке тот или иной параметр не был учтен, что может сказаться на работе приложения при нагрузке
2. Когда код, написанный AI отправляется на ревью разработчиком уровня Senior, то это вносит определенный диссонанс. Код вроде стройный, ну и разработчику доверяют - он же Senior, фигню не напишет. А код писал не он, а AI. Ревьюер же этого не видит и в результате может закрыть глаза на какие-то неточности, шероховатости в коде. Ведь Senior код писал!
3. Снижение планки требований. Вот вам сгенерировал класс AI. И в целом, класс во многом отличен. Не соблюдены требования, которые вы бы применили (переменные названы иначе, не как snake_case). Мелочь, может и не нужно переписать? А в результате, с каждым таким разом увеличивается когнитивная сложность кода
4. Обучения не происходит. Потому что задача написать код (решить задачу), а не обучиться. Я, правда, думаю, что обучение уже остановилось тогда, когда стали брать готовые куски кода со stackoverflow, не вчитываясь в содержимое кода.
5. Когда весь код написан AI (это как раз мой эксперимент), то когда что-то перестает ломаться - ты уже не понимаешь где и почему сломалось. Много кода написано не тобой, в голове принятые решения не задерживаются. В результате код становится хрупким. Что-то изменил в отдельной части решения, сломалось что-то еще. Это выливается в то, что нужно много времени тратить на дебаг и поиск причин, почему не работает. В целом же, это нормально для огромной кодовой базы, где одновременно пишут десятки разработчиков. Но не для кодовой базы в 1700 строк. Вся модель решения с запасом укладывается в голове.
6. А еще я попробовал зарефакторинг код... Изначально у меня был код-лапша. Далее я попросил - а сделай красиво, пожалуйста, разложи по отдельным классам, все это собери аккуратно и запусти. AI сделал. Но потерял значимые куски кода, которые потом пришлось отыскивать по истории комитов; искусственно уменьшать контекст, чтобы не было подобных потерь. И здесь уже эффективность применения AI снижается для команды разработки.
Эти риски у меня не уменьшились с момента написания статьи про использование AI в Менеджменте. Нужно правильно использовать инcтрумент. У него есть границы применимости.
Telegram
Meet Deadlines
Кажется, что я упустил то, как AI активно внедряется в работу. Ну или, разработчикам стыдно признаться, что они используют Copilot активно для своей работы :)
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде…
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде…
❤1
AI делает нас тупыми
Заголовки, которые в среду наполнили мою ленту. Вышло исследование от Microsoft Research в коллаборации с институтом о влиянии использования инструментов GenAI (типа ChatGPT) на критическое мышление оператора (здесь краткое изложение). Но такой заголовок длинный, поэтому использовали желтый заголовок, которые многие репостнули. Такие издания как TechCrunch сделали приписку в конце все же, о чем это исследование.
Этот эффект я на себе испытал еще 1.5 года назад, когда писал об использовании AI в работе. Основные же идеи из исследования:
- Чем больше люди доверяют AI, тем меньше шансов, что они критически отнесутся к результатам
- Чем проще задача, тем менее вероятно операторы будут перепроверять результаты
- Работа смещается с "найти информацию" на "перепроверить информацию и источники"
- Чем больше оператор уверен в себе, тем выше шанс, что он критически отнесется к результатам AI
- В условиях ограниченного времени доступного на решение задачи, критическое мышление отключается
- Отсутствие знаний в доменной области, не дает возможности оператору критически отнестись к ответам AI и понять, что они могут быть неточны.
- Уверенные в своих скилах специалисты (у них есть знания, опыт) могут перепроверить результаты из их доменной области и уже критически отнестись к ответу. Но не иначе.
При этом, AI дает "средние" ответы. Если человек принимает без изменений ответы от Chat GPT, то он становится "средним", поскольку теряется уникальность, креативность человека (того, кто думает, придумывает, создает). Люди не придумывают аргументы, почему это сработает, а "просят AI дать аргументы для их тезиса" или "найти подтверждения их гипотез" (вместо валидации и улучшения).
Согласно исследованию, работа людей, с использованием AI смещается с "придумывания идей" на то, чтобы "контролировать и валидировать ответы от AI". Ответы вынуждают операторов идти и проверять все источники и все факты, с которыми пришел AI.
Простота использования искусственного интеллекта может склонить даже опытных профессионалов к менее строгому контролю. И сделать их "средними", такими как многие другие. Но откуда должна прийти новая идея?
Я прикрепил один интересный эксперимент от Benedict Evans, который показывает что AI не может выйти с фактами, на которые ему даже указываешь в явном виде. Почему? Потому что GenAI и им подобные инструменты - это не инструмент, который работает одинаково из раза в раз, он выдает вероятностные ответы. Ответы, которые с наибольшей вероятностью соответствуют запросу. В результате - появляются галлюцинации.
К чему это? Как и выше писал, AI - это инструмент, который нужно научиться использовать. Нужно помнить, что это не решатель задач вместо нас, но помогает нам с этими задачами. Важно задавать вопросы, перепроверять ответы. И задавать правильные вопросы
Например, в исследовании приведен отличный пример промпта, которые не просто решает задачу, а помогает оператору понять что сделано не так и почему:
И ответы в целом, очень позитивные получаются (привел пример из моего опыта) (прикрепил скрин последний)
Заголовки, которые в среду наполнили мою ленту. Вышло исследование от Microsoft Research в коллаборации с институтом о влиянии использования инструментов GenAI (типа ChatGPT) на критическое мышление оператора (здесь краткое изложение). Но такой заголовок длинный, поэтому использовали желтый заголовок, которые многие репостнули. Такие издания как TechCrunch сделали приписку в конце все же, о чем это исследование.
Этот эффект я на себе испытал еще 1.5 года назад, когда писал об использовании AI в работе. Основные же идеи из исследования:
- Чем больше люди доверяют AI, тем меньше шансов, что они критически отнесутся к результатам
- Чем проще задача, тем менее вероятно операторы будут перепроверять результаты
- Работа смещается с "найти информацию" на "перепроверить информацию и источники"
- Чем больше оператор уверен в себе, тем выше шанс, что он критически отнесется к результатам AI
- В условиях ограниченного времени доступного на решение задачи, критическое мышление отключается
- Отсутствие знаний в доменной области, не дает возможности оператору критически отнестись к ответам AI и понять, что они могут быть неточны.
- Уверенные в своих скилах специалисты (у них есть знания, опыт) могут перепроверить результаты из их доменной области и уже критически отнестись к ответу. Но не иначе.
При этом, AI дает "средние" ответы. Если человек принимает без изменений ответы от Chat GPT, то он становится "средним", поскольку теряется уникальность, креативность человека (того, кто думает, придумывает, создает). Люди не придумывают аргументы, почему это сработает, а "просят AI дать аргументы для их тезиса" или "найти подтверждения их гипотез" (вместо валидации и улучшения).
Согласно исследованию, работа людей, с использованием AI смещается с "придумывания идей" на то, чтобы "контролировать и валидировать ответы от AI". Ответы вынуждают операторов идти и проверять все источники и все факты, с которыми пришел AI.
Простота использования искусственного интеллекта может склонить даже опытных профессионалов к менее строгому контролю. И сделать их "средними", такими как многие другие. Но откуда должна прийти новая идея?
Я прикрепил один интересный эксперимент от Benedict Evans, который показывает что AI не может выйти с фактами, на которые ему даже указываешь в явном виде. Почему? Потому что GenAI и им подобные инструменты - это не инструмент, который работает одинаково из раза в раз, он выдает вероятностные ответы. Ответы, которые с наибольшей вероятностью соответствуют запросу. В результате - появляются галлюцинации.
К чему это? Как и выше писал, AI - это инструмент, который нужно научиться использовать. Нужно помнить, что это не решатель задач вместо нас, но помогает нам с этими задачами. Важно задавать вопросы, перепроверять ответы. И задавать правильные вопросы
Например, в исследовании приведен отличный пример промпта, которые не просто решает задачу, а помогает оператору понять что сделано не так и почему:
read and break down all the suggested corrections to improve my
email writing style
И ответы в целом, очень позитивные получаются (привел пример из моего опыта) (прикрепил скрин последний)
👍2
Вайб-коддинг
Именно так должен был называться следующий выпуск рассылки об опыте использования AI для программирования, чтобы сделать вывод для себя - насколько эта технология может помочь в реализации проектов. Сегодня.
Но, кажется, что с моим темпом выпуска статей, любая статья уже будет устаревшей, по крайней мере на тему AI 🙂
Тут вышла статья Вастрика, которая имеет ровно такое же название: Вайб-коддинг
Статью хочу оставить здесь, поскольку выводы и опыт, который описывает автор - совпадают с моим. Поделюсь основными выводами из статьи:
Такой же вывод и у меня – когда пишешь код, ты ощущаешь, что общаешься со специалистом, который только выучил язык програмирования, но больше ничего не умеет и не знает. Нужно разжевать каждую строчку. И на долгосрочный период – это очень утомляет.
К теме того, что разработчики не нужны и теперь продакты могут сами сделать проекты одним промтом, то автор пишет:
И это правда, потому что для дизайна нужно творчество. Попробуйте описать словами однозначными страницу, которая вам нравится? Как будет работать анимация, какой цвет использовать, насколько скруглять края, как сделать градиет и т.д.? ТЗ, которому позавидуют в будущем.
Да, это то, что я тоже подтверждаю. Можно очень быстро сгенерировать решение, которое похоже на то, что вы просили. Но если нужно сделать рефакторинг – лучше это сделать самому. Потому что описывать структуру кода и проекта, которые должны быть на выходе – это очень изнурительно 🙂
И вопрос остается открытым, а что писать в статье, если все написано?)
Именно так должен был называться следующий выпуск рассылки об опыте использования AI для программирования, чтобы сделать вывод для себя - насколько эта технология может помочь в реализации проектов. Сегодня.
Но, кажется, что с моим темпом выпуска статей, любая статья уже будет устаревшей, по крайней мере на тему AI 🙂
Тут вышла статья Вастрика, которая имеет ровно такое же название: Вайб-коддинг
Статью хочу оставить здесь, поскольку выводы и опыт, который описывает автор - совпадают с моим. Поделюсь основными выводами из статьи:
Но теперь вы понимаете, что с LLM надо разговаривать не как сеньор с сеньором, а как сеньор с джуном. Вы начинаете формулировать свои мысли более конкретно.
Каждый экран, каждая кнопка, каждый лаяут, размеры кнопок и иконок на каждом экране, положение меню, кнопки «назад» и даже выбор фреймворка — всё должно быть вами упомянуто и описано.
Такой же вывод и у меня – когда пишешь код, ты ощущаешь, что общаешься со специалистом, который только выучил язык програмирования, но больше ничего не умеет и не знает. Нужно разжевать каждую строчку. И на долгосрочный период – это очень утомляет.
К теме того, что разработчики не нужны и теперь продакты могут сами сделать проекты одним промтом, то автор пишет:
Окей, всё как-то даже работает, но ощущение от нашего нового «стартапа» пока какое-то не то!
Наверное потому что он выглядит как вырвиглазное говно, как будто его айтишники писали.
И это правда, потому что для дизайна нужно творчество. Попробуйте описать словами однозначными страницу, которая вам нравится? Как будет работать анимация, какой цвет использовать, насколько скруглять края, как сделать градиет и т.д.? ТЗ, которому позавидуют в будущем.
Если в самом начале вы вносите буквально 1-2 правочки в сгенерированный код, чтобы всё заработало, то теперь уже приходится переписывать 10-20% LLM лапши каждый раз.
В какой-то момент баланс смещается с «я дофига продуктивный, LLM мне помогает кодить» в сторону «какого фига я трачу больше времени на исправление его ошибок, чем на написание кода».
Да, это то, что я тоже подтверждаю. Можно очень быстро сгенерировать решение, которое похоже на то, что вы просили. Но если нужно сделать рефакторинг – лучше это сделать самому. Потому что описывать структуру кода и проекта, которые должны быть на выходе – это очень изнурительно 🙂
Сейчас вайб-кодинг станет популярным и мы все потонем в куче говно-прототипов и ужасных по качеству коммитов на гитхабе.
Если я все-таки решу допилить свою эту идею и сделать из нее продакшен сервис — я перепишу всё с нуля. Тоже не без помощи AI, конечно, но уже под полным своим контролем за фронтендом и бекендом.
И вопрос остается открытым, а что писать в статье, если все написано?)
vas3k.blog
Вайб-кодинг
Новый способ программирования в эпоху GenAI
👍5❤2
Разорванный день
Я думал, что у менеджеров фрагментированный день. В том смысле, что в течение часа приходят десятки сигналов, на которые нужно реагировать, к событиям (встречи), к которым нужно подготовиться.
Но ведь у Разработчика ситуация аналогичная. Посмотрите на эту визуализацию? (интерактивная, можно изучить каждую активность)
Это я лишь описал день разработчика. Добавил несколько событий в течение дня. И получается, что разработчик:
⁃ Работает над задачей не более 2.5 часов в день
⁃ Теряет 20-25% времени на переключение контекста между задачами
Это не заметно в реальном времени. Но если залогироваровать, может показаться, что человек занят. Постоянно. Но не делает то, что мы от него ожидаем или человек сам запланировал.
Именно об этом говорят исследования, которые я публиковал ранее - фрагментированный день разработчика, это его естественное состояние.
И если говорить про то, как менеджер может помочь разработчику в этой ситуации и сделать команду эффективнее:
- делайте больше приватных мест для работы (условный, homeoffice)
- покажите примеров, что нужно отключать все уведомления на телефоне и на компьютере
- Copilot все же помогает
Я думал, что у менеджеров фрагментированный день. В том смысле, что в течение часа приходят десятки сигналов, на которые нужно реагировать, к событиям (встречи), к которым нужно подготовиться.
Но ведь у Разработчика ситуация аналогичная. Посмотрите на эту визуализацию? (интерактивная, можно изучить каждую активность)
Это я лишь описал день разработчика. Добавил несколько событий в течение дня. И получается, что разработчик:
⁃ Работает над задачей не более 2.5 часов в день
⁃ Теряет 20-25% времени на переключение контекста между задачами
Это не заметно в реальном времени. Но если залогироваровать, может показаться, что человек занят. Постоянно. Но не делает то, что мы от него ожидаем или человек сам запланировал.
Именно об этом говорят исследования, которые я публиковал ранее - фрагментированный день разработчика, это его естественное состояние.
И если говорить про то, как менеджер может помочь разработчику в этой ситуации и сделать команду эффективнее:
- делайте больше приватных мест для работы (условный, homeoffice)
- покажите примеров, что нужно отключать все уведомления на телефоне и на компьютере
- Copilot все же помогает
😁3👍1
Снова, что там с применимостью AI для разработчиков?
На прошлой неделе я много раз от директоров слышал фразу: "AI изменяет разработку революционно". И в разных контекстах:
- С Помощью AI можно создавать приложения, это невероятно. Каждый разработчик должен использовать AI для своей работы
- Вы знаете Фреда? Он создал приложение, просто надиктовывая его AI, пока ехал в машине. Вы можете себе это представить?
Я сидел вместе со скептиками. А точнее, с теми, кто непосредственно разрабатывает сервисы (тимлиды команд). И несмотря на то, что я разделяю мнение, что AI помогает разрабатывать сервисы, мне рекомендовали спуститься с облаков.
Вместе с тимлидом, мы открыли один из сервисов, который пишет его команда (отвечает за запись и обработку видео-встреч в MS Teams + Транскрипция). Около 3-4 десятков проектов в рамках одного большого Solution. И мы попробовали применить сценарии, которые я упоминал ранее. Какой итог? Нам нужно подбирать промпт для решения техже самых задач.
Несмотря на то, что AI может создавать достаточно быстро сервисы с нуля (простые, вот пример и вот еще один), их модификация и рефакторинг - это уже сложный опыт и относительная сложность - выше. Не получится создать сервис "Записи, хранения и обработки видео" одним промптом и даже с сотней промтов.
Какие же сложности мы увидели на большом проекте?
- не получилось оптимизировать код - в проекте много классов, о которых AI ничего не знает (на stackoverflow и github про них ничего не писали, чтобы обучиться). Поэтому все рекомендации по принципу - перепишите вот эту строку вот так - будет читабельнее.
- не хватило контекста для AI - проекту уже лет 12, много строк кода, чтобы оптимизировать весь проект - малый размер окна и AI просто не справляется
- написать новый код с использованием существующих классов - аналогично, недостаточный размер контекстного окна.
- исправить баз в коде, по известной ошибке (Exception) - не справился. Нужно явно указывать, намекать и анализировать. Ответы от Github Copilot были очень общие.
Каждый раз, когда на таком проекте мы задавали вопрос Github Copilot (c моделью ChatGPT), то обработка промпта занимала 10 минут. Не быстро 🙂
Поэтому, договорились посмотреть сценарии, как может быть использован AI в случае с таким сервисом в будущем. Написание unit-тестов - все еще валидная история 🙂
На прошлой неделе я много раз от директоров слышал фразу: "AI изменяет разработку революционно". И в разных контекстах:
- С Помощью AI можно создавать приложения, это невероятно. Каждый разработчик должен использовать AI для своей работы
- Вы знаете Фреда? Он создал приложение, просто надиктовывая его AI, пока ехал в машине. Вы можете себе это представить?
Я сидел вместе со скептиками. А точнее, с теми, кто непосредственно разрабатывает сервисы (тимлиды команд). И несмотря на то, что я разделяю мнение, что AI помогает разрабатывать сервисы, мне рекомендовали спуститься с облаков.
Вместе с тимлидом, мы открыли один из сервисов, который пишет его команда (отвечает за запись и обработку видео-встреч в MS Teams + Транскрипция). Около 3-4 десятков проектов в рамках одного большого Solution. И мы попробовали применить сценарии, которые я упоминал ранее. Какой итог? Нам нужно подбирать промпт для решения техже самых задач.
Несмотря на то, что AI может создавать достаточно быстро сервисы с нуля (простые, вот пример и вот еще один), их модификация и рефакторинг - это уже сложный опыт и относительная сложность - выше. Не получится создать сервис "Записи, хранения и обработки видео" одним промптом и даже с сотней промтов.
Какие же сложности мы увидели на большом проекте?
- не получилось оптимизировать код - в проекте много классов, о которых AI ничего не знает (на stackoverflow и github про них ничего не писали, чтобы обучиться). Поэтому все рекомендации по принципу - перепишите вот эту строку вот так - будет читабельнее.
- не хватило контекста для AI - проекту уже лет 12, много строк кода, чтобы оптимизировать весь проект - малый размер окна и AI просто не справляется
- написать новый код с использованием существующих классов - аналогично, недостаточный размер контекстного окна.
- исправить баз в коде, по известной ошибке (Exception) - не справился. Нужно явно указывать, намекать и анализировать. Ответы от Github Copilot были очень общие.
Каждый раз, когда на таком проекте мы задавали вопрос Github Copilot (c моделью ChatGPT), то обработка промпта занимала 10 минут. Не быстро 🙂
Поэтому, договорились посмотреть сценарии, как может быть использован AI в случае с таким сервисом в будущем. Написание unit-тестов - все еще валидная история 🙂
Telegram
Meet Deadlines
Кажется, что я упустил то, как AI активно внедряется в работу. Ну или, разработчикам стыдно признаться, что они используют Copilot активно для своей работы :)
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде…
Моя основная идея, что AI может помочь менеджеру лучше, если вы дадите этот инструмент своей команде…
👍1
Власть — это не всегда формальный статус. Её имеют не только менеджеры или топ-руководители. Исследователи выделили шесть основных источников власти:
- Вознаграждающая власть — способность давать что-то ценное: премии, повышения, дополнительное время отдыха.
- Принудительная власть — способность наказывать или накладывать санкции.
- Легитимная власть – основана на роли или должности (например, технический директор, тимлид).
- Экспертная власть – влияние, основанное на знаниях или навыках.
- Информационная власть – обладание важной информацией, недоступной другим.
- Референтная власть – влияние, основанное на харизме, репутации или личной симпатии.
В IT эти типы власти часто пересекаются. Старший инженер может обладать экспертной и информационной властью, а харизматичный докладчик – референтной.
Динамика власти в действии
Даже без управленческой должности можно обладать значительной властью. Старший инженер может влиять на архитектурные решения. Ветеран компании знает тонкости системы. Тимлид, назначающий дежурства, демонстрирует пример явного использования власти.
Даже политики компании отражают власть. Известная практика Google – «20% времени на личные проекты» – это форма вознаграждающей власти.
Кажется, новый выпуск рассылки скоро выйдет :)
- Вознаграждающая власть — способность давать что-то ценное: премии, повышения, дополнительное время отдыха.
- Принудительная власть — способность наказывать или накладывать санкции.
- Легитимная власть – основана на роли или должности (например, технический директор, тимлид).
- Экспертная власть – влияние, основанное на знаниях или навыках.
- Информационная власть – обладание важной информацией, недоступной другим.
- Референтная власть – влияние, основанное на харизме, репутации или личной симпатии.
В IT эти типы власти часто пересекаются. Старший инженер может обладать экспертной и информационной властью, а харизматичный докладчик – референтной.
Динамика власти в действии
Даже без управленческой должности можно обладать значительной властью. Старший инженер может влиять на архитектурные решения. Ветеран компании знает тонкости системы. Тимлид, назначающий дежурства, демонстрирует пример явного использования власти.
Даже политики компании отражают власть. Известная практика Google – «20% времени на личные проекты» – это форма вознаграждающей власти.
Кажется, новый выпуск рассылки скоро выйдет :)
👍3🔥2👏1
2 месяца не писал. Хотел написать одно, второе... Но в итоге написал - третье.
Статьи про использование AI в работе вылились в нечто большее - в курс. Я и еще несколько известных ребят решили описать то, как Gen AI (Chat GPT и им подобные) могут помочь в работе менеджера.
Вокруг много информации о том, как Gen AI использовать для суммирования документов, рисования картинок, обучения. Сценариев много и они сводятся к тому, как написать Промпт. Но для менеджера остается вопрос - есть ли варианты применения за пределами "напиши мне скрипт"?
Мы вместе побрейнштормили, собрали наши навыки и получилась достаточно большая программа:
https://mysummit.school/
Это и плюс, и минус одновременно. Информации много - ее должно собирать и описывать, тем более качественно. Информации много потреблять - для этого нужна отдельная платформа.
Платформу мы еще не завершили, но зато нашли хорошую альтернативу - почта! Ваша почтовый клиент это уже платформа с доступом ко всем необходимым функциям: чтение, структурирование, поиск. Поэтому, сегодня мы уже открыли первую часть нашего курса - она доступна всем. Суммарно это около 10 писем, которые вы получите в течение 3х недель.
Эта часть - открытая. Нам важно понять есть ли интерес у аудитории к такому контенту и нужно ли нам продолжать вкладывать усилия в разработку курса. Поэтому, ваш интерес и ваш фидбек нам сегодня важен :)
https://mysummit.school/
Челлендж, который мы приняли на себя дополнительно - поддерживать материал актуальным. Например, на прошлой неделе вышла новая модель Claude 4 от Anthropic, которая заставила нас переписать часть готового материала :). В дальнейшем же, мы видим необходимость присылать обновления - как та или иная фича влияет на работу менеджера. Какие новые кейсы появились? И этот дайджест постоянных обновлений - это еще одна ценность, которая заложена в курс.
Подписывайтесь (кредитных карт не просим, рекламу не присылаем, только письма)!
Статьи про использование AI в работе вылились в нечто большее - в курс. Я и еще несколько известных ребят решили описать то, как Gen AI (Chat GPT и им подобные) могут помочь в работе менеджера.
Вокруг много информации о том, как Gen AI использовать для суммирования документов, рисования картинок, обучения. Сценариев много и они сводятся к тому, как написать Промпт. Но для менеджера остается вопрос - есть ли варианты применения за пределами "напиши мне скрипт"?
Мы вместе побрейнштормили, собрали наши навыки и получилась достаточно большая программа:
https://mysummit.school/
Это и плюс, и минус одновременно. Информации много - ее должно собирать и описывать, тем более качественно. Информации много потреблять - для этого нужна отдельная платформа.
Платформу мы еще не завершили, но зато нашли хорошую альтернативу - почта! Ваша почтовый клиент это уже платформа с доступом ко всем необходимым функциям: чтение, структурирование, поиск. Поэтому, сегодня мы уже открыли первую часть нашего курса - она доступна всем. Суммарно это около 10 писем, которые вы получите в течение 3х недель.
Эта часть - открытая. Нам важно понять есть ли интерес у аудитории к такому контенту и нужно ли нам продолжать вкладывать усилия в разработку курса. Поэтому, ваш интерес и ваш фидбек нам сегодня важен :)
https://mysummit.school/
Челлендж, который мы приняли на себя дополнительно - поддерживать материал актуальным. Например, на прошлой неделе вышла новая модель Claude 4 от Anthropic, которая заставила нас переписать часть готового материала :). В дальнейшем же, мы видим необходимость присылать обновления - как та или иная фича влияет на работу менеджера. Какие новые кейсы появились? И этот дайджест постоянных обновлений - это еще одна ценность, которая заложена в курс.
Подписывайтесь (кредитных карт не просим, рекламу не присылаем, только письма)!
🔥7👍2❤1
Про сходство менеджмента и воспитание детей я уже говорил. Этот топик спорный, в дискуссиях с коллегами, я в редких случаях нахожу поддержку. Но это сложно признать, ведь мы же не дети!
Тем не менее, смотреть за развитием детей интересно и важно – они в экстремальной форме показывают то, что мы видим со взрослыми. Они искренние, они редко скрывают истинную натуру и ваши методы воздействия на человека – они проявляются здесь.
Вы можете уговорить взрослого человека сделать то, что вам нужно, но не можете уговорить трех-летку надеть обувь на улицу? Что вас отличает здесь? Наверное то, что в случае со взрослыми у вас есть дополнительные рычаги влияния (должность, власть, контрактные обязательства), которые вы не можете применять на ребенке. И в этом случае - это вы мастер уговоров или просто у вас есть бОльше возможностей (при общении со взрослыми)?
Вместе с @LogachevaEQ обсудили эту тему и разобрали. Я поделился примерами, которые нахожу вокруг себя, Елена рассказала об этом, с научной точки зрения
50 минут :)
Вот некоторые примеры о чем говорили.
Родительство помогает воспитывать доверие между людьми.
- Через вашу последовательность. Вы выполняете то, что вы пообещали. Независимо от того, какой возраст у человек. Дети не забывают данные им обещания, и будут помнить о них. Взрослые не забудут о том, что вы обещали отметить их успехи в проекте.
- Через терпение в процессе роста. В чем разница, когда вы ждете, когда трех-летка сам наденет обувь или завяжет шнурки (вам нужно много раз рассказать, дать попробовать, человек ошибиться много раз - это все ваше терпение) и когда один из участников в вашей команде не может выучить SQL, к примеру (и вот, он уже на протяжении нескольких недель не может вытащить данные из базы, а вы терпеливо объясняете раз за разом, почему так, а не иначе)
- Через безусловную поддержку. Вы не перестаете поддерживать вашего школьника, который получил плохую оценку в школе (да, вы можете быть расстроены этим фактом, и этим можно поделиться, но вы не перестаете поддерживать ребенка от этого). Вы не обвиняете вашу команду, за то, что они провалили запуск маркетинговой кампании, вы поддерживаете их, чтобы вместе исправить ошибки.
Таких параллелей масса. Они выглядят иначе. Они в другом контексте. Но вы человек. Все что у вас есть - это навык коммуникации и убеждения. Это всегда с вами. При отношении с детьми, это проявляется лучше всего
P.S. Не я на фотографии, но у меня есть похожие :)
Тем не менее, смотреть за развитием детей интересно и важно – они в экстремальной форме показывают то, что мы видим со взрослыми. Они искренние, они редко скрывают истинную натуру и ваши методы воздействия на человека – они проявляются здесь.
Вы можете уговорить взрослого человека сделать то, что вам нужно, но не можете уговорить трех-летку надеть обувь на улицу? Что вас отличает здесь? Наверное то, что в случае со взрослыми у вас есть дополнительные рычаги влияния (должность, власть, контрактные обязательства), которые вы не можете применять на ребенке. И в этом случае - это вы мастер уговоров или просто у вас есть бОльше возможностей (при общении со взрослыми)?
Вместе с @LogachevaEQ обсудили эту тему и разобрали. Я поделился примерами, которые нахожу вокруг себя, Елена рассказала об этом, с научной точки зрения
50 минут :)
Вот некоторые примеры о чем говорили.
Родительство помогает воспитывать доверие между людьми.
- Через вашу последовательность. Вы выполняете то, что вы пообещали. Независимо от того, какой возраст у человек. Дети не забывают данные им обещания, и будут помнить о них. Взрослые не забудут о том, что вы обещали отметить их успехи в проекте.
- Через терпение в процессе роста. В чем разница, когда вы ждете, когда трех-летка сам наденет обувь или завяжет шнурки (вам нужно много раз рассказать, дать попробовать, человек ошибиться много раз - это все ваше терпение) и когда один из участников в вашей команде не может выучить SQL, к примеру (и вот, он уже на протяжении нескольких недель не может вытащить данные из базы, а вы терпеливо объясняете раз за разом, почему так, а не иначе)
- Через безусловную поддержку. Вы не перестаете поддерживать вашего школьника, который получил плохую оценку в школе (да, вы можете быть расстроены этим фактом, и этим можно поделиться, но вы не перестаете поддерживать ребенка от этого). Вы не обвиняете вашу команду, за то, что они провалили запуск маркетинговой кампании, вы поддерживаете их, чтобы вместе исправить ошибки.
Таких параллелей масса. Они выглядят иначе. Они в другом контексте. Но вы человек. Все что у вас есть - это навык коммуникации и убеждения. Это всегда с вами. При отношении с детьми, это проявляется лучше всего
P.S. Не я на фотографии, но у меня есть похожие :)
❤6
Работая над нашим курсом, возникает соблазн сгенерировать все с использованием ChatGPT и подобных их инструментов. Ведь задача-то не сложная:
- весь материал текстовый
- учим GenAI инструментами - нужно применять на практике
Но нет, не работает так :) При этом, я не отрицаю, что мы используем GenAI для работы над курсом. В целом, наш лендинг – это результат vibecodding'a с использованием bolt.new :)
Во-первых, AI-сгенерированный контент он выделяется по стилю и натуральности. Когда человек читает такой текст, от него прям веет какой-то искусственностью. Фразы и обороты, которые мы не используем в повседневной жизни, сложные предложения. Грамматически вылизанные :)
Во-вторых, AI-контент не глубокий. Если над текстом не работать, то рекомендации поверхностные. Нам же в курсе нужна глубина примеров и мы вкладываем наш опыт (и личные примеры) в тексты.
В-третьих, если на английском языке это звучит естественно, то на русском - хуже. Поэтому, модели российские имеют смысл здесь (и об этом у нас в расширенной курсе, первого урока)
В целом же, это будет отдельная статья нашего курса, как отличить gen ai контент, от написанного человеком. На эту тему даже есть исследования
Для чего мы используем?
- подготовить структуру по некоторым темам
- проанализировать урок, с точки зрения опыта студента - какие темы полезно было бы раскрыть и как улучшить опыт обучения?
- получить последние обновления по инструментам. Так уже было с Perplexity (запустили функцию Labs) и Claude (выпустили модель Claude 4 Sonnet) - пришлось менять уже выпущенный материал.
- подготовить аналитику по какой-либо теме. Perplexity здесь отлично выручает. А последняя функция Labs - огонь! Чтобы нам проанализировать 130 источников информации - потребуются дни. А тут за 10 минут
- Конечно же, разработка платформы. Нет, мы пишем код, но наверное процентов 20%. Мы знаем, что мы хотим сделать, но написать код – делегируем AI (я это делегирую Claude code)
Поэтому, контент у нас органический, натуральный :)
https://mysummit.school/
- весь материал текстовый
- учим GenAI инструментами - нужно применять на практике
Но нет, не работает так :) При этом, я не отрицаю, что мы используем GenAI для работы над курсом. В целом, наш лендинг – это результат vibecodding'a с использованием bolt.new :)
Во-первых, AI-сгенерированный контент он выделяется по стилю и натуральности. Когда человек читает такой текст, от него прям веет какой-то искусственностью. Фразы и обороты, которые мы не используем в повседневной жизни, сложные предложения. Грамматически вылизанные :)
Во-вторых, AI-контент не глубокий. Если над текстом не работать, то рекомендации поверхностные. Нам же в курсе нужна глубина примеров и мы вкладываем наш опыт (и личные примеры) в тексты.
В-третьих, если на английском языке это звучит естественно, то на русском - хуже. Поэтому, модели российские имеют смысл здесь (и об этом у нас в расширенной курсе, первого урока)
В целом же, это будет отдельная статья нашего курса, как отличить gen ai контент, от написанного человеком. На эту тему даже есть исследования
Для чего мы используем?
- подготовить структуру по некоторым темам
- проанализировать урок, с точки зрения опыта студента - какие темы полезно было бы раскрыть и как улучшить опыт обучения?
- получить последние обновления по инструментам. Так уже было с Perplexity (запустили функцию Labs) и Claude (выпустили модель Claude 4 Sonnet) - пришлось менять уже выпущенный материал.
- подготовить аналитику по какой-либо теме. Perplexity здесь отлично выручает. А последняя функция Labs - огонь! Чтобы нам проанализировать 130 источников информации - потребуются дни. А тут за 10 минут
- Конечно же, разработка платформы. Нет, мы пишем код, но наверное процентов 20%. Мы знаем, что мы хотим сделать, но написать код – делегируем AI (я это делегирую Claude code)
Поэтому, контент у нас органический, натуральный :)
https://mysummit.school/
👍3
По статье - Все сгенерировано GenAI, когда готовили урок по критическому мышлению для менеджера в школе мы попытались углубиться в тему - как идентифицировать такие тексты.
Конечно, если человек поработал над текстом после ответа от GenAI это уже становится сложно отличить. И это хороший способ использования инструментов (ChatGPT, Claude, Gemini, DeepSeek). Именно такое мы и продвигаем
Но, если говорить про слепое копирование, то описанные в статье случаи – это явный признак сгенерированного ИИ. Мы даже устраивали челлендж внутри команды - вот несколько текстов, найдите что сгенерировано ИИ, а что человеком (условный тест Тьюринга, в масштабах команды). И есть моменты, которые сложно описать языком - читаешь текст, и ты чувствуешь насколько он написан не натурально, не естественно. Но объяснить словами не можешь. Вот статья и родилась на основании этого эксперимента.
Ну а мы продолжаем работать над контентом курса - GenAI для менеджера на практике 🙂
Конечно, если человек поработал над текстом после ответа от GenAI это уже становится сложно отличить. И это хороший способ использования инструментов (ChatGPT, Claude, Gemini, DeepSeek). Именно такое мы и продвигаем
Но, если говорить про слепое копирование, то описанные в статье случаи – это явный признак сгенерированного ИИ. Мы даже устраивали челлендж внутри команды - вот несколько текстов, найдите что сгенерировано ИИ, а что человеком (условный тест Тьюринга, в масштабах команды). И есть моменты, которые сложно описать языком - читаешь текст, и ты чувствуешь насколько он написан не натурально, не естественно. Но объяснить словами не можешь. Вот статья и родилась на основании этого эксперимента.
Ну а мы продолжаем работать над контентом курса - GenAI для менеджера на практике 🙂
Habr
Всё сгенерировано GPT! Гайд как распознать AI-текст и как сделать его неотличимым от человеческого
Все уже пошутили и запомнили что если в тексте — , то его писал ChatGPT. А если нет, то человек? Эта статья - самый подробный гайд в рунете, как отличить текст, сгенерированный Gen AI от текста,...
❤🔥1👍1