Как стать лучшим AI-Builder, или Топ худших ошибок с AI и как их преодолеть

Все поинты ниже применяются при общении, промптинге и ежедневной работе с AI — и во многом они пересекаются с тем, как общаются люди между собой.

1. «Нельзя ошибаться» → Ошибаться это нормально. Спрашивайте проанализировать и исправить их, создавайте культуру инструментов и регрессионного тестирования, чтобы отлавливать и разбирать ошибки (то есть занимайтесь развитием engineering stewardship).

2. Угрозы / Неэтичная лексика → Относитесь к общению с AI так же, как к общению с любым человеком. Поощряйте сотрудничество, креативность, ответственность и чувство собственности (ownership). Делегируйте и обсуждайте вместо того, чтобы микроменеджить каждый шаг. Обсуждайте этику работы, фиксируйте и разбирайте важные решения, включая выбор технологий. Задайте четкие границы ответственности: что делает человек, что делает AI и где проходит эта размытая грань. Работайте с этическими принципами — потому что они напрямую влияют на каждое решение, доверие и прозрачность (см. статью здесь: https://dev.to/arenukvern/small-thought-developer-ethics-may-be-a-bridge-to-work-with-ai-tools-3mha или мой личный этический манифест: https://dev.to/arenukvern/my-principles-at-work-credo-182c).

3. «AI знает всё» vs «AI — это просто генератор/предсказатель» → Используйте стюардшип, менторство и непрерывное обучение как основу инженерной культуры. Четко разграничьте задачи: когда вам нужен детерминированный результат — создавайте инструменты вместе с ИИ вместо того, чтобы заставлять писать и проверять всё вручную / через вызовы функций. Если вам нужна генерация кода — пишите её на удобном вам языке (например, для меня отличной связкой оказались justfile + dart как наиболее быстрый и надежный тулинг). Если процесс кажется рутинным, автоматизируйте его с помощью AI, но не встраивайте AI внутрь самой автоматизации: генеративное != предсказуемое. Вся декларативная логика должна уходить в CI, тесты и тулинг. Заметьте, всё это буквально упирается в этику: когда вы четко определяете понятия, зоны ответственности и владение кодом, это создаёт доверие и прозрачность всей системы.

4. Ловушка «Я знаю, как работать с AI» → Никто не знает, как правильно работать с AI, потому что мы только начинаем исследовать этот путь. Выстраивайте образовательные «ladders/лестницы» — определенные ориентиры и характеристики, которые помогут направить и людей, и AI, упростив понимание того, как работать с конкретным проектом и друг с другом (в качестве примера я разработал https://github.com/arenukvern/skill_steward, чтобы направлять и обучать генеративной архитектуре, применимой этике и тому, какие инструменты нужны под определенный масштаб проекта).

5. «Остальные люди / AI должны разобраться во всём сами и быстро, иначе они — глупы» → Всегда начинайте с организации базы знаний / FAQ / вики. Документация должна быть полезной, а не просто дублировать код (иначе в ней нет смысла), и её должно быть легко найти, изменять и масштабировать. Как и в любой разработке (продуктовой, дизайне и т.д.), всё должно начинаться с чистого листа. И сейчас это очень легко измерить: сколько вызовов функций, сколько усилий (в токенах или когнитивном времени) требуется AI или человеку, чтобы решить конкретную проблему? Насколько сложен путь передачи знаний? Пересекаются ли термины, удобно ли вообще использовать эти знания? Пример терминов, которые предпочитаю использовать я, можно посмотреть в статье:  https://habr.com/ru/articles/1061524/

6. «Каждый сам за себя» / Запрет на открытые разговоры об AI, включая страхи, тревоги и сложности, challenges → Именно поэтому этика должна быть заложена в сам фундамент сотрудничества и диалога. Как говорят многие, страх рождается из неизвестности. С приходом AI появляются огромные ментальные, эмоциональные и профессиональные вызовы в перестройке рабочих процессов, и никто до конца не знает, как всё должно выглядеть. Поэтому вместо того, чтобы закрывать опыт за «заборами», поощряйте человеческое творчество (creativity). То самое творчество, которое вдохновляет людей путешествовать, исследовать, совершать открытия, задаваться вопросом «а что ещё возможно?» и мечтать об освоении далекого космоса или восстановлении экологии Земли… Каждый человек может проявлять любопытство и делать свою работу наилучшим образом — создавать, итерировать и создавать снова, вдохновляя других и работая в команде. Именно в этом нам и должен помогать AI, а не только в погоне за метриками. Каждому нужно свое время, чтобы освоиться и понять эти изменения, а окружающие могут помочь курировать этот путь любопытства, знаний и взаимопонимания.

Я прошу прощения за обилие ссылок, но поскольку они — часть моего личного опыта и пути, я добавил их в надежде, что они окажутся полезными и для вас.

Спасибо за ваше время.

Пожалуйста, делитесь своими мысли в комментариях 🙂 Это действительно помогает алгоритмам показывать эту статью другим читателям, и это будет отличной поддержкой с вашей стороны 🙂

Хорошего вам дня!

С уважением, Антон

disclaimer: cover image is made in Leonardo.io