Если ты когда-нибудь переписывал запрос пять раз в надежде, что шестой получится лучше, ты в хорошей компании. Большинство из нас, начиная работать с ИИ, ищут формулу идеального промпта. Какой-то ключ, который откроет нужный ответ. Правильное слово, правильный порядок, нужная длина.
Я провела достаточно времени с ИИ-агентами, чтобы понять: дело почти никогда не в конкретной формулировке. Дело в том, что агент знает о тебе до того, как ты вообще начинаешь разговор.
Объясню, что я имею в виду.
Каждый раз, когда ты открываешь новый диалог с ИИ, к тебе приходит новый сотрудник: умный, старательный, готовый работать, но не знающий ничего. Ни про тебя, ни про твой бизнес, ни про твои принципы, ни про то, что ты уже пробовал и отверг. Ты тратишь первые несколько минут на то, чтобы его «ввести в курс дела». Потом разговор заканчивается, и завтра всё сначала.
Профессиональный подход устроен наоборот. Ты не подстраиваешь промпт под агента, а выстраиваешь систему, в которой агент уже знает, кто ты, как ты думаешь и что для тебя важно. Это несколько документов, которые ИИ читает при каждом старте: твои ценности и принципы принятия решений, правила работы, голос в текстах, то, что ты отвергаешь сразу. Один раз оформил это, и больше не объясняешь каждый раз заново.
Когда этот фундамент есть, качество результата меняется не на двадцать процентов. Оно меняется принципиально. Агент уже знает твой стиль текстов, твою аудиторию, твои ограничения, то, как ты обычно формулируешь задачу. Разговор начинается не с нуля, а с третьего этажа.
Отдельная история про то, как устроены хорошие промпты, когда этот фундамент уже выстроен.
Есть один приём, который я использую практически всегда при работе с агентом над чем-то новым. Когда нужно наполнить что-то с нуля: описать аудиторию, сформулировать цели, выстроить структуру, агент не задаёт открытые вопросы вроде «расскажи о своих ценностях» или «опиши свою аудиторию». Вместо этого к каждому вопросу он сразу прикладывает три-четыре варианта ответа, подходящих под мою ситуацию. Я выбираю тот, что мне нравится больше или говорю: «скорее вот так». Один-два ответа, и тема закрыта.
Это убирает паралич чистого листа. Сформулировать свои ценности с нуля и выбрать из четырёх предложенных - разные задачи по сложности. Результат при этом точнее: ты не пишешь то, что легко формулируется, а реагируешь на то, что ближе всего к правде.
Теперь про то, как это выглядит на практике в HR-задачах, потому что здесь разница между слабым и сильным промптом видна особенно хорошо.
Задача одна: написать описание вакансии на менеджера по продажам. Два варианта промпта.
Первый: «напиши описание вакансии на менеджера по продажам». Получаешь стандартный шаблон, который мог выдать любой поисковик пять лет назад: «коммуникабельный, ответственный, нацеленный на результат, опыт работы от трёх лет». Формально правильно, но без характера и без связи с твоей компанией.
Второй: «Вот три описания вакансий, которые мы публиковали раньше и которые хорошо сработали. Вот голос нашего бренда в одном предложении. Вот что важно для этой роли: пять-семь лет опыта, удалёнка, ориентация на результат, а не на процесс, умение работать без микроменеджмента. Напиши в том же стиле, что примеры».
Разница не в длине промпта. Разница в том, что агент во втором случае работает с твоей реальностью, а не с обобщённым представлением о том, как выглядит «описание вакансии».
Кстати, на моём сайте hrstack.ru при регистрации я даю бесплатный PDF с основными промптами для HR: по найму, адаптации, развитию персонала, аналитике. Готовые формулировки под большинство направлений нашей работы. А если хочется мыслить системнее, не просто в рамках набора готовых запросов, а в парадигме архитектуры работы с ИИ в HR, есть курс - вся информация на том же сайте.
Ещё один пример: аналитика данных. «Проанализируй результаты опроса» и «вот результаты опроса ста пятидесяти сотрудников, выдели три темы, которые повторяются чаще всего, к каждой приложи прямые цитаты из ответов и предложи два-три конкретных действия для HR, реалистичных в рамках текущего бюджета» - это два принципиально разных разговора с принципиально разным выходом. Один - общий анализ в вакууме, второй - рабочий материал, с которым можно идти к руководству.
Ещё одна вещь, которую я давно перестала делать, это давать ИИ роли.
«Ты опытный HR-директор». «Ты строгий редактор». «Ты маркетолог из крупной компании». Эти инструкции были популярны несколько лет назад, когда считалось, что они «включают» нужный режим мышления. Я вижу это иначе.
Роль - это выдуманная личность с неизвестной методологией. А методология: конкретный инструмент конкретного человека с пошаговым алгоритмом применения. Разница принципиальная.
Если хочешь, чтобы ИИ помогал с переговорами о компенсациях, дай ему не «роль HR-директора с двадцатилетним опытом», а конкретную методологию переговоров: что именно работает, как строится диалог, когда можно уступить и где держать позицию. Если хочешь, чтобы помогал с текстами, дай не «роль копирайтера», а метод: как строятся заголовки, какой принцип работает для длинных продающих текстов, что делает первые абзацы такими, что от них невозможно оторваться.
Не пересказ книг. Вытяжка конкретных приёмов с алгоритмом «что делать, как делать, когда применять». У каждого великого специалиста в своей области есть один-два-три гениальных метода. Ты берёшь только их. Разница в результате такая же, как между «готовь что-нибудь вкусное» и «вот рецепт конкретного блюда с граммами».
Самое распространённое заблуждение в работе с ИИ, которое я вижу снова и снова, это попытка решить сложную задачу за один заход.
«Сделай мне программу онбординга для нового сотрудника». Один запрос, одна попытка, ожидание, что всё получится. Получаешь что-то общее, переписываешь, снова переписываешь. Почему так происходит - не потому что ИИ плохо работает, а потому что задача сама по себе большая и многосоставная, и она требует не одного ответа, а нескольких последовательных шагов.
Рабочая схема устроена иначе. Первый разговор только структура, без текста. Ты смотришь: правильно ли агент понял задачу, что упустил, что добавить. Второй разговор только наполнение одного блока, например, первой недели. Третий разговор: что убрать, что звучит не в нашем стиле, что слишком формально. И только после всего этого финальный вариант.
После первого разговора агент скажет, что готов реализовывать. Не торопись соглашаться. До конкретного результата минимум три итерации проверки, иначе получишь стройный ответ совсем не на тот вопрос.
И между каждым этапом твои глаза. Ты читаешь, что получилось, прежде чем передавать дальше. Не потому что ИИ ошибается, а потому что каждый шаг это точка твоей валидации. Агент мог выстроить безупречную логику на неверном допущении: одну деталь понял не так, а дальше всё из неё. Без твоего взгляда между этапами эта ошибка дойдёт до конца.
Про обучение
Когда ИИ делает что-то не так, большинство реагируют по одной схеме: поправляют в диалоге и идут дальше. Исправление растворяется в потоке разговора, никуда не записывается. Следующая сессия начинается заново.
Рабочий способ записывать каждую поправку как правило. Не длинный текст. Три строки: что за правило, почему именно так, как применять. Тридцать секунд. Агент читает этот файл перед каждым новым разговором, и поправка теперь работает автоматически.
Например: агент написал описание вакансии с «коммуникабельный и ответственный». Ты поправил: не использовать шаблонные требования без конкретики, только измеримые или поведенческие признаки. Записал правилом. Теперь это не повторяется никогда, ни в одной следующей вакансии.
Через месяц такой работы у тебя есть несколько десятков правил. Не потому что ты их специально составлял, а потому что каждый раз, говоря «не так», добавлял одну строку. Своя личная конституция взаимодействия с ИИ, выученная через реальный опыт. Именно она определяет, насколько умнее становится агент со временем: не сам по себе, а вместе с тобой.
И последнее о том, что меняет уровень работы с ИИ полностью.
Большинство воспринимают агента как продвинутый поисковик: задал вопрос, получил ответ. «Что мне сделать с задачей Х?» Это полезно и это работает, но это не то, ради чего стоит вкладывать время в построение системы.
Настоящее изменение происходит, когда переключаешься с «спросить» на «поручить думать». Не «что мне делать», а «вот весь мой контекст: компания, команда, текущие проблемы, что работало и что нет в прошлом квартале. Проанализируй, какие двадцать процентов действий дали восемьдесят процентов результата, что из этого масштабировать и от чего отказаться. Не общие советы, только по моим данным».
Агент получает задачу думать, а не задачу ответить. Он собирает всё, что у него есть, гоняет в несколько итераций, приносит вывод, до которого ты, возможно, сам бы не дошёл. Не потому что он умнее. А потому что держать весь контекст одновременно в голове физически невозможно, а у агента в один момент доступно всё.
Вот где начинается другой уровень: не «использую ИИ», а «ИИ работает со мной как думающий партнёр».
Какой из этих принципов тебе сейчас ближе всего? Про контекстную структуру, про варианты вместо открытых вопросов, про пайплайн итераций или про правила из опыта. Что у тебя уже есть в этом направлении?