![KILL[33.Rus]](/data/avatars/m/84/84884.jpg?1789115562){kind=avatar}
KILL[33.Rus]
Местный
Если передать искусственному интеллекту все этапы выполнения задачи, это может снизить качество контроля, даже когда окончательное решение формально остается за сотрудником. 
Об этом рассказал бизнес-эксперт Дмитрий Трепольский.
«Риск возникает, когда человек перестает разбираться в исходных данных и промежуточных действиях, ограничиваясь просмотром готового ответа. Убедительный текст или аккуратная таблица способны скрывать ошибочные выводы. Особенно важно учитывать цену ошибки. Подготовка черновика письма и расчет, от которого зависит безопасность людей, требуют разной глубины проверки. Они уверенно генерируют несуществующие законы, ошибочные формулы и выдуманные факты, которые легко пропустить при поверхностной проверке», — отметил Трепольский, говоря о возможных ошибках генеративных моделей.
Эксперт предложил разделять работу на три этапа.
Сначала человек определяет проблему, исходные требования и ограничения. Затем ИИ помогает обрабатывать информацию, готовить варианты и выполнять повторяющиеся операции. На последнем этапе специалист проверяет результат и принимает решение. 
Для качественного контроля необходимы знания предметной области и понимание того, как решается задача, подчеркнул эксперт. Поэтому начинающему сотруднику недостаточно освоить только запросы к нейросети, важно учиться анализировать исходные данные и обосновывать выводы, добавил Трепольский.
Часть задач эксперт рекомендовал периодически выполнять самостоятельно.
Другой способ поддерживать внимательность — объяснять, почему предложение модели принято или отклонено, считает Трепольский. 
Он также посоветовал учитывать правила обращения с рабочими данными и зависимость от внешнего сервиса: автоматизация не снимает со специалиста необходимости понимать результат, который он передает работодателю или клиенту.
Об этом рассказал бизнес-эксперт Дмитрий Трепольский.
«Риск возникает, когда человек перестает разбираться в исходных данных и промежуточных действиях, ограничиваясь просмотром готового ответа. Убедительный текст или аккуратная таблица способны скрывать ошибочные выводы. Особенно важно учитывать цену ошибки. Подготовка черновика письма и расчет, от которого зависит безопасность людей, требуют разной глубины проверки. Они уверенно генерируют несуществующие законы, ошибочные формулы и выдуманные факты, которые легко пропустить при поверхностной проверке», — отметил Трепольский, говоря о возможных ошибках генеративных моделей.
Эксперт предложил разделять работу на три этапа.
Сначала человек определяет проблему, исходные требования и ограничения. Затем ИИ помогает обрабатывать информацию, готовить варианты и выполнять повторяющиеся операции. На последнем этапе специалист проверяет результат и принимает решение. Для качественного контроля необходимы знания предметной области и понимание того, как решается задача, подчеркнул эксперт. Поэтому начинающему сотруднику недостаточно освоить только запросы к нейросети, важно учиться анализировать исходные данные и обосновывать выводы, добавил Трепольский.
Часть задач эксперт рекомендовал периодически выполнять самостоятельно.
Другой способ поддерживать внимательность — объяснять, почему предложение модели принято или отклонено, считает Трепольский. Он также посоветовал учитывать правила обращения с рабочими данными и зависимость от внешнего сервиса: автоматизация не снимает со специалиста необходимости понимать результат, который он передает работодателю или клиенту.
