Модель 4D: делегирование, описание, различение, добросовестность
Модель 4D — это способ разложить работу с ИИ на четыре навыка, которые можно тренировать по отдельности. Она нужна не для того, чтобы выучить термины, а чтобы, столкнувшись с плохим результатом, вы могли сказать: «проблема в делегировании, я отдал не ту задачу», а не «ИИ опять тупит». Разберём все четыре и посмотрим, как они выглядят на одной рабочей задаче.
Четыре вопроса
У любой задачи с ИИ есть четыре момента, где всё может пойти не так. Модель 4D называет их по первой букве английских слов.
Делегирование (Delegation) — решить, какую часть работы отдать ИИ, какую оставить себе, а какую делать вместе. Вопрос: что и кому?
Описание (Description) — объяснить ИИ задачу так, чтобы результат был тем, что нужно. Вопрос: как объяснить?
Различение (Discernment) — оценить, что получилось: результат, ход работы и поведение модели. Вопрос: это хорошо?
Добросовестность (Diligence) — отвечать за то, как вы используете ИИ: какие данные ему даёте, кому говорите о его участии, что отправляете дальше. Вопрос: за что я отвечаю?
Порядок не случайный. Делегирование идёт до того, как вы открыли чат. Описание и различение чередуются, пока результат не устроит. Добросовестность пронизывает всё — от выбора инструмента до момента, когда результат уходит клиенту.
Делегирование: три составляющих
Прежде чем что-то отдать модели, нужно понять три вещи.
Осознание задачи. Что я на самом деле пытаюсь сделать и что считаю хорошим результатом? Звучит банально, но большинство неудачных запросов начинаются с того, что человек сам не сформулировал цель. «Помоги с презентацией» — это не задача. «Мне нужно за десять слайдов убедить клиента, что без этапа исследований проект провалится» — задача.
Осознание платформы. Что умеет и чего не умеет конкретный инструмент? Чат без доступа в интернет не знает, что случилось на прошлой неделе. Модель без подключённого трекера не увидит ваши задачи. Инструмент с генерацией картинок не заменит дизайнера в работе с сеткой. Об этом подробно — в модуле про генеративный ИИ.
Распределение работы. Кто делает какую часть: я, модель или мы вместе? Здесь применяются три режима из первого урока: автоматизация, дополнение, агентность.
Описание: три составляющих
Когда решено, что отдавать, нужно это объяснить. Хорошее описание задачи содержит три слоя.
Описание результата. Что должно получиться: формат, объём, аудитория, стиль, обязательные элементы. «Чек-лист на 20–30 пунктов для ручного регресса формы оплаты, группировка по экранам, каждый пункт — одно проверяемое действие».
Описание процесса. Как модель должна к этому идти: сначала прочитать документ, потом задать вопросы, потом писать; разобрать по шагам; проверить себя по списку критериев. Это особенно важно, когда задача большая.
Описание поведения. Как модель должна вести себя в диалоге: кратко или подробно, спорить или соглашаться, задавать вопросы или действовать. «Если в ТЗ есть неоднозначность, не додумывай, а спроси» — это описание поведения, и оно экономит больше всего времени.
Различение: три составляющих
Результат получен. Теперь надо решить, хорош ли он, и здесь тоже три взгляда.
Различение результата. Верен ли текст, работает ли код, уместен ли тон. Это то, что обычно называют «проверить».
Различение процесса. Как модель пришла к результату? Если она рассуждала вслух — есть ли в рассуждении дыры? Если пропустила шаг, который вы просили, значит, доверять остальному стоит меньше.
Различение поведения. Удобно ли с ней работать в этой задаче? Может, она слишком многословна, соглашается со всем подряд или, наоборот, спорит там, где надо просто сделать. Это сигнал поправить описание поведения на следующем круге.
Добросовестность: три составляющих
Последний навык — про ответственность, и он тоже раскладывается на три.
Добросовестность в использовании. Какой инструмент вы выбираете и что в него отправляете. Данные клиента, персональные данные, доступы — не в любой чат.
Прозрачность. Кому и что вы говорите об участии ИИ. Коллеги должны знать, что тест-кейсы сгенерированы и не проверены полностью; клиент — что первичный анализ делала модель, если это влияет на его решения.
Ответственность за результат. Всё, что вы отправили дальше, — ваше. Не «модель ошиблась», а «я не проверил».
Одна задача через четыре D
Возьмём менеджера проекта, которому нужно написать клиенту статус за неделю.
Делегирование. Цель — чтобы клиент понял, что происходит, и принял два решения, которые от него ждут. Модель не знает, что было на неделе; значит, ей нужно дать заметки со стендапов и список задач из трекера. Отдаём модели структурирование и формулировки, оставляем себе оценку рисков и тон.
Описание. Результат: письмо на 150–200 слов, три блока — сделано, в работе, нужно от вас; два вопроса клиенту в конце. Процесс: сначала выписать все факты из заметок, потом составить письмо, не добавляя ничего, чего нет в заметках. Поведение: если какой-то факт неясен, отметить его в скобках, а не сглаживать.
Различение. Проверяем каждый факт против заметок. Замечаем, что модель написала «интеграция почти готова», хотя в заметках было «интеграция заблокирована ожиданием доступов». Замечаем, что тон слишком бодрый для недели с двумя срывами.
Добросовестность. В заметках были внутренние обсуждения бюджета — их в модель не отправляли. Письмо уходит от имени менеджера, и он отвечает за каждую строчку, включая исправленную фразу про интеграцию.
Вся эта работа заняла минут десять вместо тридцати. Но не потому, что модель «написала письмо», а потому, что менеджер знал, что ей отдать, как объяснить и что проверить.
Попробуйте сами
10–15 мин на рабочем месте- Возьмите задачу, которую вы делаете с ИИ регулярно. Разложите её на четыре D письменно, в четыре строки: что отдаю; как описываю результат, процесс и поведение; как проверяю; за что отвечаю сам. Обычно одна из строк оказывается пустой — это и есть ваше слабое место.
- Вспомните последний плохой результат от модели. Определите, в каком из четырёх D была причина. Подсказка: если вы не сформулировали цель — делегирование; если модель додумала — описание; если ошибка ушла дальше — различение; если стало неловко перед клиентом или коллегой — добросовестность.
Коротко
- 4D — четыре навыка: делегирование (что и кому), описание (как объяснить), различение (это хорошо?), добросовестность (за что отвечаю).
- Делегирование: осознание задачи, осознание платформы, распределение работы.
- Описание: результат, процесс, поведение модели.
- Различение: результат, процесс, поведение — те же три слоя, но со стороны проверки.
- Добросовестность: что отправляю в инструмент, кому говорю об ИИ, за что подписываюсь.
- Каждую неудачу с ИИ можно отнести к одному из четырёх D — так её проще исправить.
Видеоверсия
Сценарий озвучки · 443 слова, ≈ 3 мин
Модель четыре Д — это способ разложить работу с ИИ на четыре навыка, которые можно тренировать по отдельности. Она нужна не ради терминов. Она нужна, чтобы, получив плохой результат, вы могли сказать «я отдал не ту задачу» или «я не описал формат», а не «ИИ опять тупит».
У любой задачи с ИИ есть четыре момента, где всё может пойти не так. Первый — делегирование: решить, какую часть работы отдать модели, какую оставить себе, а какую делать вместе. Второй — описание: объяснить задачу так, чтобы результат был тем, что нужно. Третий — различение: оценить, что получилось. И четвёртый — добросовестность: отвечать за то, как вы используете ИИ, какие данные ему даёте и что отправляете дальше.
В каждом навыке три составляющих. Делегирование начинается с осознания задачи: что я на самом деле пытаюсь сделать? «Помоги с презентацией» — это не задача. «Мне нужно за десять слайдов убедить клиента, что без исследований проект провалится» — задача. Дальше осознание платформы: что умеет конкретный инструмент. Чат без интернета не знает про прошлую неделю, модель без трекера не видит ваши задачи. И распределение работы: кто делает какую часть.
Описание тоже трёхслойное. Описание результата — формат, объём, аудитория, стиль. Описание процесса — как модель должна к этому идти: сначала прочитать, потом спросить, потом писать. И описание поведения — как вести себя в диалоге. Фраза «если в ТЗ неоднозначность, не додумывай, а спроси» — это описание поведения, и оно экономит больше всего времени.
Различение зеркально описанию. Различение результата — верен ли текст, работает ли код. Различение процесса — как модель к этому пришла, нет ли дыр в рассуждении. Различение поведения — удобно ли с ней работать, не слишком ли она многословна, не соглашается ли со всем подряд.
И добросовестность: какой инструмент вы выбираете и что в него отправляете; кому говорите об участии ИИ; и главное — всё, что вы отправили дальше, ваше. Не «модель ошиблась», а «я не проверил».
Посмотрим на одну задачу целиком. Менеджер пишет клиенту статус за неделю. Делегирование: цель — чтобы клиент понял, что происходит, и принял два решения. Модель не знает, что было на неделе, значит, ей нужны заметки со стендапов. Отдаём ей структуру и формулировки, оставляем себе оценку рисков и тон. Описание: письмо на двести слов, три блока, два вопроса в конце, ничего не добавлять сверх заметок, неясное отмечать в скобках. Различение: проверяем каждый факт. Замечаем, что модель написала «интеграция почти готова», хотя в заметках было «заблокирована ожиданием доступов». Замечаем, что тон слишком бодрый для недели с двумя срывами. Добросовестность: внутренние обсуждения бюджета в модель не отправляли, а письмо уходит от имени менеджера, и он отвечает за каждую строчку.
Десять минут вместо тридцати. Но не потому, что модель написала письмо, а потому, что менеджер знал, что ей отдать, как объяснить и что проверить. Дальше в курсе мы пройдём каждый из четырёх навыков отдельно.