Что языковые модели делают хорошо, а что плохо
Большая часть разочарований в работе с ИИ происходит не из-за плохой модели, а из-за неподходящей задачи. Модель предсказывает продолжение текста — из этого следует почти всё остальное: и то, что она отлично переформулирует, и то, что она уверенно выдумывает факты.
Задачи, где модель сильна
Лучше всего получается работа с текстом, который вы принесли сами. Модель видит материал целиком и работает с ним, а не вспоминает что-то из обучения.
Пересказ, сокращение, смена тона и формата
Структурирование: превратить расшифровку встречи в список решений
Черновик по вашему плану — то, что потом легко править
Перевод и вычитка
Извлечение данных из текста в таблицу
Задачи, где нужна проверка
Всё, где важна фактическая точность и где ошибка не видна на глаз. Модель не отличает уверенность от знания: неправильный ответ выглядит ровно так же, как правильный.
Цифры, даты, имена, цитаты и ссылки
Юридические и медицинские формулировки
Код, который пойдёт в работу без чтения человеком
Любые утверждения о событиях после обучения модели
Правило простое: если вы не можете проверить ответ за разумное время, эту задачу пока не стоит отдавать модели.
Чего лучше не делать
Не передавайте в чужой сервис персональные данные клиентов, коммерческие условия и всё, что подпадает под NDA. Не стройте процесс, в котором ответ модели уходит к человеку без единой точки проверки. И не ждите, что модель заменит решение — она хорошо готовит материал для решения, которое принимаете вы.
ИИ в повседневной работе
Базовая программа: как устроены языковые модели, что они делают хорошо, а что плохо, и как встроить их в свои ежедневные задачи — тексты, таблицы, поиск, планирование.
Посмотреть программу