Найти в Дзене

Парадокс ИИ-эффективности

Парадокс ИИ-эффективности У вас же тоже есть сотрудники-перфекционисты, которые могут превратить 15-минутную задачу в двухнедельный проект? Кажется, что мы научили этому и искусственный интеллект! Кейс №1: "Переделать нельзя починить" Представьте менеджера, который вместо исправления одной опечатки в квартальном отчёте решает переписать все отчёты за год. Абсурд? Несколько месяцев назад Replit мог творить чудеса (пример был раньше), но чем он становится умнее, тем дороже. То он в течение часа сам с собой пытается решить проблему с авторизацией, то при наполнении базы данных информацией (которую усердно сам собирал несколько минут через API с помощью Perplexity и Claude), решает, что на одной из записей он ошибся и просто начинает всё заново ... с пересоздания базы. Сегодня ии-агенты настолько самостоятельные, что сами решают, что им делать, пока не поймут, что их устраивает результат. Потому что "так будет правильнее" Кейс №2: "Паралич выбора" Помните того продакт-менеджера с безлимитн
Почему внедрение искусственного интеллекта не всегда приводит к росту продуктивности
Почему внедрение искусственного интеллекта не всегда приводит к росту продуктивности

Парадокс ИИ-эффективности

У вас же тоже есть сотрудники-перфекционисты, которые могут превратить 15-минутную задачу в двухнедельный проект? Кажется, что мы научили этому и искусственный интеллект!

Кейс №1: "Переделать нельзя починить"

Представьте менеджера, который вместо исправления одной опечатки в квартальном отчёте решает переписать все отчёты за год. Абсурд?

Несколько месяцев назад Replit мог творить чудеса (пример был раньше), но чем он становится умнее, тем дороже. То он в течение часа сам с собой пытается решить проблему с авторизацией, то при наполнении базы данных информацией (которую усердно сам собирал несколько минут через API с помощью Perplexity и Claude), решает, что на одной из записей он ошибся и просто начинает всё заново ... с пересоздания базы.

Сегодня ии-агенты настолько самостоятельные, что сами решают, что им делать, пока не поймут, что их устраивает результат. Потому что "так будет правильнее"

Кейс №2: "Паралич выбора"

Помните того продакт-менеджера с безлимитным бюджетом? Три месяца исследований, пять совещаний и две консалтинговые компании... чтобы выбрать цвет кнопки!

Так и мой ИИ-агент (вспоминаем, кто такой ИИ-агент): чем больше инструментов я ему даю, тем дольше он думает, и тем чудесатее выбор. В итоге – совещается сам с собой и... не выбирает оптимальный! Даже когда ему явно говоришь: "не знаешь - используй поиск", кажется, что сочинять ему приятнее :)

Что мы получаем:

• ИИ-перфекционист: "Зачем чинить, если можно пересоздать?"

• ИИ-инструменталист: "Зачем калькулятор, если есть википедия?"

❓ ROI? Какой ROI? 😂

ИИ-агенты пока сами не умеют делать выбор с учетом предполагаемых затрат.

Да, эти лишние итерации стоят денег, и пока они дешевле, чем затраты на реальных разработчиков.

Жаль только, что наше время, которое должно высвобождаться, начинает тратиться на постоянные "опять не то".

Иногда "достаточно хорошо" лучше, чем "идеально". И похоже, этому правилу нужно учить не только сотрудников, но и ИИ.

Правда, в ближайшее время нам придется жить с этими недостатками ИИ и учитывать их в своей работе, особенно если наша цель создать полностью автономный бизнес.

@ReymerDigital

P.S. Всё больше убеждаюсь, что будущее за мультиагентными системами, где каждый ИИ-агент специализируется на конкретной задаче. Как в хорошей команде: кто-то генерит идеи, кто-то их фильтрует, а кто-то просто берет и делает.