Всем привет! На связи Денис Куров, и вы на канале «AI по Фейнману».
Как вы знаете, мой принцип – чтобы по-настоящему в чем-то разобраться, нужно попытаться это объяснить. Сегодня разберем ошибку, которая стоит вам времени, денег и нервов при работе с AI.
Что такое XY-проблема простыми словами?
Давайте на секунду забудем про AI. Представьте, что вы пришли в автосервис и говорите мастеру: «Мне нужно, чтобы вы проверили давление в левом переднем колесе и подкачали его до 2.2 атмосфер». Мастер пожимает плечами, выполняет задачу и отдает вам машину. Вы уезжаете, но через 15 минут машину снова уводит в сторону.
Вы возвращаетесь злой, а мастер спрашивает: «А что вообще случилось?» И вы наконец-то произносите: «Машину уводит влево при движении прямо».
Вот она, суть:
- Проблема X (настоящая): Машину уводит влево
- Решение Y (которое вы придумали сами): Наверное, спустило колесо, надо подкачать
Вы попросили помощи с вашим решением (Y), а не с вашей реальной проблемой (X). В итоге вы потратили время и деньги, а проблема не решена. А ведь её причиной мог быть не прокол, а сход-развал или проблемы с подвеской, о которых опытный мастер догадался бы, знай он реальную проблему X.
XY-проблема – это когда вы просите помощи в реализации вашего предполагаемого решения (Y), вместо того чтобы описать изначальную проблему (X).
А теперь главное: как XY-проблема убивает эффективность AI
С большими языковыми моделями (LLM) вроде ChatGPT или Claude происходит то же самое, но в промышленных масштабах. Мы относимся к AI как к простому исполнителю, а не как к партнеру-эксперту. Мы просим его помочь нам с нашим костыльным решением Y, полностью игнорируя его способность найти элегантное решение для проблемы X.
Конкретный пример: анализ пользовательских отзывов
Задача (Проблема X): Мне нужно проанализировать 500 отзывов пользователей из App Store, чтобы найти 3 главные причины недовольства клиентов и сформулировать гипотезы для улучшения продукта в следующем спринте.
Как мыслит человек, попавший в ловушку XY-проблемы: «Так, сначала нужно как-то сгруппировать эти отзывы. Наверное, по ключевым словам. Например, "ошибка", "реклама", "неудобно", "цена". Попрошу-ка я AI помочь мне с этим».
❌ Плохой промпт (просим решить Y):
Проанализируй этот массив текстов [вставить 500 отзывов].
Сгруппируй их по следующим категориям: "Баги и ошибки",
"Навязчивая реклама", "Сложный интерфейс", "Высокая цена".
Что не так с этим промптом?
- Я навязал AI свои категории. А что, если главная проблема в низкой производительности на старых устройствах? Или в отсутствии какой-то важной функции, о которой я даже не подумал? Мои категории ограничивают анализ.
- Я заставляю AI делать черновую работу. Он просто раскидает отзывы по моим папкам, а основную аналитическую работу – поиск инсайтов и формулирование гипотез – я оставляю себе.
✅ Хороший промпт (описываем проблему X):
Ты — опытный продакт-аналитик. Твоя задача — помочь мне улучшить наш продукт.
Вот выгрузка из 500 последних отзывов пользователей [вставить 500 отзывов].
Проанализируй их и сделай следующее:
1. Определи 3-5 самых частых и критичных тем, на которые жалуются пользователи
2. Для каждой темы приведи 2-3 характерных примера из отзывов
3. Для каждой темы предложи одну конкретную гипотезу по улучшению продукта,
которую можно было бы проверить в следующем спринте
Формулируй гипотезы в формате: "Если мы сделаем [изменение], то это улучшит [метрика], потому что [причина]"
Чувствуете разницу?
Во втором случае мы не указываем AI, как делать, а описываем, что нам нужно в итоге и зачем (улучшить продукт). Мы даем ему контекст («ты продакт-аналитик») и полную свободу для анализа. Результат будет на порядок качественнее. Мы переложили с себя не только рутину, но и часть экспертной работы.
Как избежать XY-ловушки: практический чек-лист
Прежде чем написать промпт, задайте себе эти вопросы:
- Какова моя конечная цель? Не «написать скрипт», а «удалить дубликаты». Не «сгруппировать отзывы», а «найти главные проблемы пользователей».
- Не придумал ли я уже решение за AI? Если ваш промпт содержит конкретный метод или алгоритм, остановитесь. Возможно, вы уже на пути к проблеме Y.
- Достаточно ли у AI контекста? Объясните, зачем вам это нужно. «Мне нужен этот текст для email-рассылки маркетологам», «Мне нужен этот код для интеграции с API Stripe».
- Могу ли я начать промпт со слов «Моя проблема в том, что...»? Это простой трюк, который заставляет сфокусироваться на корневой задаче X.
Бонус: ещё один пример из реальной жизни
Плохо: «Напиши мне 10 заголовков для поста в LinkedIn длиной не более 50 символов с хэштегами #AI #ML #продакт»
Хорошо: «Я продакт-менеджер, запускаю новую AI-фичу в нашем приложении. Нужно написать пост в LinkedIn, чтобы привлечь внимание коллег из продуктовых команд и показать, как мы решили проблему пользователей. Целевая аудитория — PM и аналитики, которые тоже работают с AI-инструментами. Помоги сформулировать цепляющий заголовок и структуру поста».
Главное
Освоив этот подход, вы начнете получать от AI качественные решения бизнес-задач, а не просто формальные ответы. Вместо использования мощных языковых моделей для рутинных операций вы сможете делегировать им аналитическую и экспертную работу.
Это ключевой навык для эффективного применения AI в профессиональной деятельности.
А вы сталкивались с XY-проблемой в работе или при общении с AI? Замечали, как сами или ваши коллеги просили помощи с решением, а не с проблемой? Поделитесь своими историями в комментариях!
Подписывайтесь на канал, чтобы вместе разбираться в мире AI!
#промптинжиниринг #AIпоФейнману #chatgpt #практическийAI #промптхаки #работасAI #нейросети #продуктменеджмент #разборслучаев #цифровойпродукт
Мой канал AI по Фейнману | Объясняет Денис Куров
Чтобы по-настоящему в чем-то разобраться, нужно попытаться это объяснить. Я Денис Куров, продакт, и этот канал — мой способ освоить мир AI. Я разбираюсь в сложных темах, чтобы превратить их в прикладные решения для бизнеса и IT-продуктов.