Станут ли типовые промпты панацеей и как будет развиваться практическое применение ИИ после успеха LLM (больших языковых моделей типа ChatGPT)?
Всем привет! В ожидании нашей встречи 8.08 хочу поделиться свежим материалом, который написал сегодня утром. Сам, кстати, полностью без ИИ. Я вообще обычно пишу сам, без ИИ. Разве что запрашиваю критику, а потом сам переписываю.
Часто приходится слышать, что промпты, даже хорошие, давно стали коммодити. Таким, знаете… общедоступным неуникальным товаром с миллионом поставщиков и практически нулевой добавленной стоимостью. Дескать, вот ссылка с 500 лучшими промптами-для-всего-на-свете. А вот с 1000. Думаю, вы и сам и такое видели.
Доступность — это хорошо. Однако сфера применения таких промптов не распространяется на серьезные бизнес-задачи (да и на средние по значимости тоже). Все же, в бизнесе требуются промпт-инженеры (а то и инженеры по данным), которые руками и головой будут помогать заказчику получать качественный результат. Такой, который не смогут дать ни типовые промпты из библиотеки, ни даже их некоторая модификация силами самих энтузиастов.
Почему я так считаю?
Промпты, которые стали коммодити, совершенно не настроены на задачи конкретного бизнеса и совсем не заточены под специфику… Это естественно и очевидно… но так печально смотреть на тех, кто пытается их применить в бизнесе и ждет классного результата. А результат первой такой попытки бывает предсказуемо «не-вау» (в большинстве случаев). Как если бы современный экскаватор попал в руки человека, который видел, как им управлять, на Ютьюб (простите, у меня почти так же однажды с полноприводной машиной на серьезном бездорожье получилось).
На что я опираюсь? В первую очередь, на качестве результата при использовании «типовых» промптов в бизнес-задачах, с которыми сталкиваюсь сам на стратсессиях и около них. Это могут быть такие задачи, как сделать черновик SWOT, провести поиск идей или рисков, собрать перечень 50 возможных бизнес-моделей, агрегировать типичные сложности или возражения.
А в таких задачах бизнеса типовой промпт обеспечивает, на мой взгляд, качество на уровне «5-6/10» максимум. И увы, это никак не может «впечатлить» толковых руководителей, и я видел немало случаев, когда они разочаровывались в технологии, попавшей в не слишком умелые руки.
Чтобы дать результат на уровне 8-9/10 (ну а 10/10 люди вряд ли когда-то поставят за идеи кому-то кроме себя) — нужен кастомный промпт, а лучше, живой промпт-инженер, которые сделает три важные вещи.
Что полезного для бизнеса может сделать промпт-инженер?
1. Заранее прогонит типовые промпты на поставленной бизнесом задаче и сделает свой оптимальный (+ будет понимать, как его модификации могут влиять на результат)
2. Даст возможность экспертам попробовать созданный им промпт, услышит их обратную связь и внесет изменения на ее основе (и он сделает это втрое быстрее, чем тот, кто только что увидел этот промпт). А еще — сделает несколько итераций. Ну и наконец — «дообучит» нейросеть, вводя в промпт примеры ответов, вот только что понравившиеся экспертам.
3. Ну и самое интересное — он предложит более продвинутые промпт-стратегии, когда результат достигается за несколько шагов и позволяет значительно повысить качество результата (вот мой кейс промпт-стратегии с поиском ответов на типичные возражения для создания сценариев продажи).
Исходя из этого, на ближайшие 1-2 года я вижу три пути развития практическиого применения ИИ в бизнесе:
1. Нейросети, требующие обучения на больших данных, продолжат развиваться своим путем. И еще долго только дата-инженеры смогут их настраивать, обучать и добиваться хорошего результата.
2. Использование LLM для серьезных задач в сферах, где время заказчиков результата стоит дорого, а последствия значительны, будет развиваться с использованием работы промпт-инженеров. Топ-менеджер сам если и полезет, то для своего удовольствия… а копаться с обратной связью от других точно не станет (кроме малого числа энтузиастов, но это исключение, да и времени у топов мало).
Станут ли типовые промпты панацеей и как будет развиваться практическое применение ИИ после успеха LLM (больших языковых моделей типа ChatGPT)?
Всем привет! В ожидании нашей встречи 8.08 хочу поделиться свежим материалом, который написал сегодня утром. Сам, кстати, полностью без ИИ. Я вообще обычно пишу сам, без ИИ. Разве что запрашиваю критику, а потом сам переписываю.
Часто приходится слышать, что промпты, даже хорошие, давно стали коммодити. Таким, знаете… общедоступным неуникальным товаром с миллионом поставщиков и практически нулевой добавленной стоимостью. Дескать, вот ссылка с 500 лучшими промптами-для-всего-на-свете. А вот с 1000. Думаю, вы и сам и такое видели.
Доступность — это хорошо. Однако сфера применения таких промптов не распространяется на серьезные бизнес-задачи (да и на средние по значимости тоже). Все же, в бизнесе требуются промпт-инженеры (а то и инженеры по данным), которые руками и головой будут помогать заказчику получать качественный результат. Такой, который не смогут дать ни типовые промпты из библиотеки, ни даже их некоторая модификация силами самих энтузиастов.
Почему я так считаю?
Промпты, которые стали коммодити, совершенно не настроены на задачи конкретного бизнеса и совсем не заточены под специфику… Это естественно и очевидно… но так печально смотреть на тех, кто пытается их применить в бизнесе и ждет классного результата. А результат первой такой попытки бывает предсказуемо «не-вау» (в большинстве случаев). Как если бы современный экскаватор попал в руки человека, который видел, как им управлять, на Ютьюб (простите, у меня почти так же однажды с полноприводной машиной на серьезном бездорожье получилось).
На что я опираюсь? В первую очередь, на качестве результата при использовании «типовых» промптов в бизнес-задачах, с которыми сталкиваюсь сам на стратсессиях и около них. Это могут быть такие задачи, как сделать черновик SWOT, провести поиск идей или рисков, собрать перечень 50 возможных бизнес-моделей, агрегировать типичные сложности или возражения.
А в таких задачах бизнеса типовой промпт обеспечивает, на мой взгляд, качество на уровне «5-6/10» максимум. И увы, это никак не может «впечатлить» толковых руководителей, и я видел немало случаев, когда они разочаровывались в технологии, попавшей в не слишком умелые руки.
Чтобы дать результат на уровне 8-9/10 (ну а 10/10 люди вряд ли когда-то поставят за идеи кому-то кроме себя) — нужен кастомный промпт, а лучше, живой промпт-инженер, которые сделает три важные вещи.
Что полезного для бизнеса может сделать промпт-инженер?
1. Заранее прогонит типовые промпты на поставленной бизнесом задаче и сделает свой оптимальный (+ будет понимать, как его модификации могут влиять на результат)
2. Даст возможность экспертам попробовать созданный им промпт, услышит их обратную связь и внесет изменения на ее основе (и он сделает это втрое быстрее, чем тот, кто только что увидел этот промпт). А еще — сделает несколько итераций. Ну и наконец — «дообучит» нейросеть, вводя в промпт примеры ответов, вот только что понравившиеся экспертам.
3. Ну и самое интересное — он предложит более продвинутые промпт-стратегии, когда результат достигается за несколько шагов и позволяет значительно повысить качество результата (вот мой кейс промпт-стратегии с поиском ответов на типичные возражения для создания сценариев продажи).
Исходя из этого, на ближайшие 1-2 года я вижу три пути развития практическиого применения ИИ в бизнесе:
1. Нейросети, требующие обучения на больших данных, продолжат развиваться своим путем. И еще долго только дата-инженеры смогут их настраивать, обучать и добиваться хорошего результата.
2. Использование LLM для серьезных задач в сферах, где время заказчиков результата стоит дорого, а последствия значительны, будет развиваться с использованием работы промпт-инженеров. Топ-менеджер сам если и полезет, то для своего удовольствия… а копаться с обратной связью от других точно не станет (кроме малого числа энтузиастов, но это исключение, да и времени у топов мало).
In the “Bear Market Screaming Therapy Group” on Telegram, members are only allowed to post voice notes of themselves screaming. Anything else will result in an instant ban from the group, which currently has about 75 members. Content is editable within two days of publishing Matt Hussey, editorial director at NEAR Protocol also responded to this news with “#meIRL”. Just as you search “Bear Market Screaming” in Telegram, you will see a Pepe frog yelling as the group’s featured image. The optimal dimension of the avatar on Telegram is 512px by 512px, and it’s recommended to use PNG format to deliver an unpixelated avatar. Over 33,000 people sent out over 1,000 doxxing messages in the group. Although the administrators tried to delete all of the messages, the posting speed was far too much for them to keep up.
from us
