Почему разумные люди делают слоп: пять сценариев оператора

Взвешенное среднее по интернету

Начнём с механики, без которой не понять всё остальное.

Языковая модель обучена на гигантском массиве текстов. Когда ты даёшь ей запрос без специфики - «напиши статью про маркетинг» - она делает ровно то, что должна: выдаёт взвешенное среднее всего, что когда-либо было написано про маркетинг. Самые частые мысли. Самые типичные формулировки. Самую вероятную структуру.

А теперь вспомни определение из первого урока. Текст без точки зрения, без специфики, собранный из самых затёртых формулировок - это что? Это слоп. Взвешенное среднее и есть слоп по определению. Не потому что модель глупая, а потому что среднее по миллиону текстов не может иметь твою позицию, твои цифры и твой опыт - их там просто нет.

Кстати, отсюда же знаменитое ощущение «вроде нормально, но что-то не то» от сырых генераций. Среднее всегда выглядит знакомо - ты тысячу раз видел эти формулировки, поэтому мозг не спотыкается. И оно же никогда не цепляет - по той же самой причине.

Отсюда главный вывод курса: модель выдаёт слоп не тогда, когда она плохо работает, а тогда, когда ей не дали ничего, кроме запроса на среднее. Виноват не инструмент. Виноват сценарий, по которому действовал человек. Таких сценариев пять, и сейчас ты, скорее всего, узнаешь в одном из них себя. Это нормально - в них в разное время побывали все, включая автора этих строк.

Сценарий 1: жадность до объёма

«Напиши 20 постов для моего инстаграма». «Сгенерируй 50 статей под SEO». «Сделай контент-план на три месяца и сразу все тексты».

Логика понятна: раз генерация бесплатная, почему бы не взять побольше? Но посмотри, что происходит с качеством. Один пост ты бы прочитал, поправил, усилил. Двадцать постов ты пролистаешь по диагонали и зальёшь в отложку как есть. Объём физически убивает редактуру: на неё не остаётся ни времени, ни внимания.

В результате аудитория получает двадцать порций взвешенного среднего подряд. После третьей она перестаёт читать, после пятой - отписывается. Ты сэкономил день работы и потерял канал.

Здесь же прячется арифметическая ошибка, которую совершают почти все: кажется, что двадцать постов «по чуть-чуть» соберут больше внимания, чем один сильный. На практике охваты устроены наоборот: алгоритмы и люди реагируют на вовлечение, а вовлечение даёт только тот контент, который зацепил. Двадцать средних постов дают двадцать нулей. Один пост с конкретикой и позицией - комментарии, репосты и подписчиков.

Рабочее правило: генерируй столько, сколько готов всерьёз отредактировать. Один сильный пост работает лучше двадцати средних - он единственный из них вообще работает.

Сценарий 2: нет контекста

«Напиши статью про маркетинг». Для кого? Для владельца шиномонтажа или для директора по маркетингу сети отелей? Что они должны сделать после прочтения? Что ты сам думаешь по этой теме? Какие у тебя данные?

Модель не телепат. Всё, чего нет в запросе, она заменит средним по интернету. «Статья про маркетинг» без контекста - это статья для никого: каждый читатель почувствует, что писали не для него, потому что писали действительно не для него.

Сравни два запроса. Первый: «напиши пост про пользу CRM». Второй: «напиши пост для владельцев небольших автосервисов, которые ведут записи клиентов в тетрадке. Главная мысль: они теряют повторные визиты, потому что не напоминают о себе. У меня есть цифра: после внедрения напоминаний возвращаемость клиентов выросла с 19 до 31 процента за квартал. Тон - разговор равного с равным, без поучений».

Второй запрос длиннее на минуту набора. Результат отличается на порядок - потому что модели впервые есть с чем работать, кроме среднего.

Сценарий 3: нет вкуса

Третий сценарий коварнее: человек дал контекст, получил результат - и не видит, что результат посредственный. Не потому что глуп, а потому что не отличает хорошее от приемлемого. Текст грамотный? Грамотный. По теме? По теме. Ну и отлично, публикуем.

Это как с кофе: пока не попробовал хороший, растворимый кажется нормальным. Вкус - это способность видеть разницу между «сойдёт» и «сильно», и без него оператор принимает первый же связный результат. А первый связный результат, как мы выяснили, - это среднее.

Маркер этого сценария - фраза «по-моему, нормально получилось» без единого аргумента, что именно получилось нормально. Если не можешь назвать, что в тексте сильного, - скорее всего, сильного там нет. Скорая помощь, пока вкус не натренирован: сравнивай результат не с пустотой («лучше, чем ничего»), а с лучшим образцом в своей нише, положенным рядом. На фоне пустой страницы любой текст выглядит победой; на фоне сильного конкурента - сразу видно, чего не хватает. Вкус - навык, и он тренируется; этому посвящён весь следующий урок.

Сценарий 4: нет проверки

Модель ошибается. Не иногда - регулярно. Выдумывает цифры, путает даты, приписывает людям чужие цитаты, уверенно ссылается на несуществующие исследования. И делает это тоном отличника, без тени сомнения.

Здесь ломаются даже опытные люди, потому что мы привыкли: уверенная подача коррелирует с компетентностью. У человека - в среднем да. У модели - нет. Уверенность модели не значит ничего. Она одинаково гладко сообщит тебе настоящую статистику и выдуманную.

Классика жанра - юристы, которые подавали в суд документы со ссылками на прецеденты, сгенерированные ИИ. Модель уверенно процитировала дела, которых никогда не существовало; проверить было лень. Итог - санкции суда и заголовки в мировой прессе. Заметь: это были не дилетанты, а практикующие юристы. Сценарий «нет проверки» не щадит никого.

Оператор без проверки рано или поздно публикует «исследование Гарварда», которого не существует. Дальше - чья-то проверка фактов, скриншот, и твоя репутация оплачивает сэкономленные десять минут. Правило простое: каждый факт, который можно проверить, проверяется до публикации. Цифры, имена, даты, цитаты, ссылки - всё.

Сценарий 5: нет итераций

Последний сценарий - самый массовый. Человек пишет запрос, получает ответ, копирует, публикует. Один заход, finita.

Но первый ответ модели - это не финальный продукт. Это черновик и приглашение к разговору: вот моё понимание задачи, что поправим? Опытные операторы знают, что приличный результат обычно появляется на втором-четвёртом запросе: после «убери первый абзац, он пустой», «добавь пример из моих данных», «перепиши вывод - сейчас он ни о чём».

Принять первый ответ - всё равно что взять первый дубль в кино. Иногда везёт. В девяти случаях из десяти - нет. Разница между оператором, который делает слоп, и оператором, который делает работу, часто сводится к трём дополнительным сообщениям в том же чате.

Зеркало

Сведём пять сценариев в одну мысль. Жадность до объёма, пустой вход, слепота к качеству, доверчивость к фактам, лень итераций - всё это свойства не модели, а человека перед ней.

ИИ работает как зеркало компетентности. Маркетолог, который понимает свою аудиторию, получает от модели усиление: она быстро оформляет его мысли, которые без неё оформлялись бы день. Человек, которому нечего вложить, получает усиление пустоты - быстро и в любых объёмах. Инструмент один. Отражения разные.

Поэтому главный навык работы с ИИ - вовсе не «уметь писать промпты». Это навык понимать, чего ты хочешь: для кого, зачем, с какой мыслью, по какому критерию ты отличишь удачный результат от неудачного. Промпт - лишь способ это сформулировать.

Быстрая самодиагностика

Пять вопросов - по одному на сценарий. Отвечай честно, это займёт минуту:

1. Когда я в последний раз просил ИИ сгенерировать больше пяти единиц контента за раз - и сколько из них я реально отредактировал?
2. Мой последний промпт был длиннее трёх предложений? Были ли в нём мои факты, аудитория и цель - или только тема?
3. Могу ли я объяснить про свой последний принятый результат, что именно в нём хорошо - тремя конкретными фразами?
4. Проверил ли я каждую цифру и ссылку в последнем опубликованном тексте - или поверил на слово?
5. Сколько итераций было у последней задачи: одна - или две-четыре?

Если на два и больше вопросов ответ неприятный - поздравляю, ты нашёл свои точки роста, и они конкретные. Это куда лучше, чем абстрактное «надо лучше работать с ИИ».