#Промптинг
Промпт-инжиниринг (Prompting) и нейросети для специалиста по ОТ. Как правильно формулировать запросы к ChatGPT или Claude для автоматизации рутины. Кейсы использования ИИ для мгновенной генерации черновиков инструкций, перевода технических регламентов, анализа базы законодательных сдвигов и создания чек-листов аудита.
Промптинг в ИИ: фундаментальный навык HSE-специалиста будущего
ИИ перестаёт быть игрушкой энтузиастов и становится частью повседневной работы HSE: от создания контента и обучения до анализа рисков и машинного зрения на площадках. На сессии обсудим, как перевести ИИ из разряда модного эксперимента в рабочий инструмент, который помогает выполнять производственные задачи, усиливать культуру безопасности и не теряет при этом человеческий фокус. Ключевые тезисы докладов сессии: Какие задачи HSE реально решаются с помощью ИИ уже сегодня Как через ИИ-инструменты вовлекать работников в анализ рисков Из чего состоит системный подход к внедрению ИИ Роль HSE-руководителя в цифровой трансформации
Иллюзия «Цифрового Оракула»: почему ИИ в безопасности остается калькулятором, а не экспертом
Индустрия охраны труда и промышленной безопасности оказалась под мощным давлением. Это давление исходит не только от регулятора, но и от так называемого «технологического хайпа». Топ-менеджмент, впечатленный презентациями о цифровой трансформации, требует немедленного внедрения искусственного интеллекта. Возникает опасная иллюзия: кажется, что алгоритмы — это «волшебная кнопка», которая мгновенно уберет человеческий фактор и сведет травматизм к нулю. Однако за красивыми демоверсиями скрывается фундаментальная подмена понятий. Рынку продают ИИ как «интеллект» (понимающую сущность), хотя технически он остается мощным калькулятором вероятностей. В процессах, где цена ошибки - жизнь человека, эта путаница может привести к тяжелым последствиям. Мы рискуем столкнуться с жестким разочарованием, когда реальность математической статистики разобьется о хаос реального производства. Никому не навязываю мнение, делюсь опытом человека, который активно внедряет и работает с ИИ с начала 2024 года. Проблема контекста: ИИ не видит сути Главное отличие опытного руководителя от нейросети - понимание контекста. Эксперт считывает «слабые сигналы»: нервозность в голосе, усталость бригады, неочевидные признаки отклонений. Искусственный интеллект работает иначе — он замкнут в рамках математической модели. Система компьютерного зрения не понимает, что такое «нарушение». Она просто видит набор пикселей и сравнивает его с образцом. Для алгоритма блик на каске и отсутствие каски — это просто данные. Отсюда возникает риск «метрической слепоты». Если полностью доверить контроль алгоритмам, компания получит идеальные отчеты и зеленые графики, в то время как реальная культура безопасности будет деградировать. ИИ будет оптимизировать цифры, игнорируя реальные, но не оцифрованные угрозы. Парадокс эффективности и скрытые затраты Опыт внедрения генеративных моделей и систем аналитики позволяет вывести правило 70/30, которое имеет четкое финансовое выражение. Первые 70% работы - создание черновика документа, первичный анализ видео - ИИ делает мгновенно. Это создает вау-эффект и иллюзию экономии. Но оставшиеся 30% - доведение результата до идеала и проверка точности — требуют огромных ресурсов. Это скрытая стоимость внедрения, о которой молчат вендоры. Экономия на старте оборачивается многократными затратами на доработку, валидацию и поддержку системы. Руководство должно понимать: сотрудник, который раньше писал инструкцию час, теперь тратит тот же час на исправление ошибок ИИ. Это не сокращение фонда оплаты труда, а смена деятельности: вместо творчества специалист занимается бесконечным контролем за машиной. Новые риски и цена ошибки Внедрение ИИ приносит угрозы, которые имеют не только техническое, но и колоссальное финансовое измерение. Ошибка нейросети, приведшая к инциденту, — это не просто сбой кода. Это иски, штрафы, остановка производства и падение акций. Во-первых, это «галлюцинации» системы. Генеративные модели могут убедительно выдумывать факты, ссылаясь на несуществующие ГОСТы. Применение таких регламентов юридически ничтожно, а последствия для бизнеса могут быть фатальными. Во-вторых, наследование ошибок. Алгоритм - зеркало данных. Если на предприятии годами скрывали мелкие инциденты, ИИ научится считать это нормой и пропустит реальную аварию. В-третьих, утечки данных. Загрузка внутренней документации в облачные чат-боты делает данные публичными. С мая 2025 года, уже более 600 уголовных дел, связанных с утечками, подтверждают: конфиденциальность становится уязвимой. Что делать? Принципы ответственного внедрения Диагноз ясен, но как действовать практикам? Чтобы внедрение ИИ не стало катастрофой, необходимо следовать четырем принципам «цифровой гигиены». Принцип «Человек в контуре» (Human-in-the-Loop). Никакой полной автономии в критических зонах. Любое решение ИИ - будь то наложение штрафа или допуск к работе - должно быть верифицировано экспертом. Автоматизация - это помощь человеку, а не его устранение. ИИ предлагает гипотезу, эксперт принимает решение. Принцип «Повышения технологической зрелости команды». ИИ не взлетает в среде, где люди боятся технологий, не понимают их назначение или воспринимают как угрозу. Команда должна пройти «апгрейд»: базовая цифровая грамотность, понимание принципов работы ИИ, навыки интерпретации выводов модели и ответственность за диалог с системой. Зрелая команда - это страховка от ошибок и ключ к тому, чтобы ИИ стал инструментом, а не ещё одним источником хаоса. Принцип «Поэтапного внедрения». Не начинайте с систем, от которых зависит жизнь людей. Начните со вспомогательных задач. Пусть ИИ ищет скрытые закономерности в архивах несчастных случаев, составляет черновики типовых отчетов или проверяет комплектность аптечек. Отработайте технологии там, где цена ошибки — время, а не здоровье. Принцип «Аудита данных». Прежде чем «скормить» данные алгоритму, проведите их жесткую ревизию. Была ли на предприятии культура замалчивания? Если да, то «грязные» данные испортят любую, даже самую совершенную модель. Очистка данных от предвзятости - обязательный этап перед запуском. Стратегия будущего: От замены к усилению Самый большой страх специалистов - деградация навыков и потеря работы — основан на неверном посыле. Нам нужно сменить парадигму с AI (Искусственный Интеллект) на IA (Усиление Интеллекта). ИИ не должен заменять эксперта по охране труда. Он должен стать его «экзоскелетом» для ума - супер-помощником, который обрабатывает тонны руды данных, оставляя человеку чистый концентрат для принятия решений. Вместо деградации нас ждет трансформация навыков. Появляются новые роли: специалисты, которые станут мостом между миром алгоритмов и реальным производством. Именно они будут отвечать за то, чтобы «цифра» адекватно описывала физическую реальность цеха. Заключение Искусственный интеллект в охране труда - это не «волшебная таблетка», а сложный, дорогой и потенциально опасный инструмент, требующий высочайшей культуры эксплуатации. Инвестиции в ИИ бессмысленны без параллельных инвестиций в людей - в их экспертизу и способность задавать системе правильные вопросы. Будущее безопасности принадлежит не тем, кто купит самый разрекламированный алгоритм, а тем, кто сможет выстроить симбиоз человека и машины. Там, где холодная логика калькулятора служит тёплому разуму эксперта, не подменяя его. И теперь к вопросам построения культуры производственной безопасности добавляется новая, неизбежная задача - культура работы с ИИ. Не просто внедрить систему, а встроить её в живой контекст предприятия: в процессы, в обучение, в ответственность и в ежедневные привычки команды. Именно те организации, которые научатся соединять профессиональную культуру и цифровую зрелость, будут управлять рисками по-настоящему, а не на бумаге. Прежде чем внедрять ИИ, задайте себе главный вопрос: готовы ли вы нести ответственность за решения, которые вы не до конца понимаете и что стоит сделать для этого самого понимания?
Погружение в ИИ. Краткая инструкция для новичков, как сделать себе персонального ассистента
Введение: что такое текстовые модели ИИ В этой статье речь идёт о текстовых моделях искусственного интеллекта — программах, которые могут читать ваши запросы на естественном языке и создавать тексты, таблицы, списки или ответы на вопросы. Они отличаются по назначению и сложности: Чат-боты — отвечают на вопросы и ведут беседу. Генераторы текстов — могут писать статьи, инструкции, резюме. Специализированные модели — обучены на конкретной сфере, например, медицине, юриспруденции или охране труда. Для погружения мы будем использовать универсальную текстовую модель, такую как GPT-чат, потому что такая модель: Понимает обычный язык. Способна вести беседу, отвечать на вопросы и создавать инструкции. Достаточно безопасна и доступна через бесплатные приложения или браузер. Цель — научиться шаг за шагом использовать текстовую модель как персонального ассистента, а затем постепенно обучить её выполнять задачи по охране труда. Шаг 1. Первая беседа с ИИ Откройте бесплатное приложение на телефоне или используйте браузер. Задайте любые вопросы, чтобы понять, как ИИ отвечает. Примеры: «Найди уютный отель у моря в Паттайе и объясни, почему он хороший выбор» «Как поздравить коллегу с днём рождения, чтобы было искренне и оригинально» «Write a short birthday greeting in English» Для каждого запроса создавайте отдельную вкладку или документ. Так вы сможете возвращаться к удачным решениям и постепенно формировать свою личную библиотеку промптов. Совет: На этом этапе главное — привыкнуть к формату и увидеть, что ИИ понимает обычный язык, а не требует технических навыков. Шаг 2. Формулируем запросы ИИ выполняет ровно то, что вы просите. Чтобы ответы были полезными: Укажите контекст: «Вы — специалист по охране труда крупного предприятия». Чётко сформулируйте задачу: «Составьте инструкцию», «Объясните простыми словами». Определите формат ответа: список, таблица, короткий абзац. Примеры: «Вы — эксперт по охране труда. Объясните простыми словами, зачем нужна система управления охраной труда» «Составьте таблицу: опасность — мера контроля — ответственный» «Подготовьте короткое поздравление коллеге с днём рождения» Совет: Когда находите удачное решение, сохраняйте его в отдельной вкладке. Так формируется ваша личная библиотека промптов, которую можно использовать повторно. Шаг 3. Первые профессиональные задачи После освоения простых запросов можно переходить к работе по охране труда: Найти актуальные требования по обучению работников. Сравнить нормы по СИЗ для офисных и производственных сотрудников. Составить шаблон отчёта о несчастном случае. Объяснить разницу между инструктажем и стажировкой простыми словами. Используйте таблицы или списки, чтобы результаты сразу были удобны для работы. Для каждого типа задачи лучше создать отдельную вкладку или документ. Совет: В начале используйте простые данные — нормативные документы, внутренние инструкции, небольшие отчёты. Это позволит без риска потренироваться с ИИ. Шаг 4. Пробуем более сложные задачи Когда простые задачи освоены, можно постепенно усложнять: Анализировать документы и выделять ключевые обязанности работодателя. Сокращать длинные нормативные документы до одной страницы без потери смысла. Составлять таблицы вероятности инцидентов по категориям риска. Сравнивать требования ISO 45001 с национальными нормами. Совет: Сохраняйте отдельные вкладки для каждого типа сложной задачи. Так вы быстро находите лучшие решения и формируете готовые шаблоны для будущей работы. Шаг 5. Создаём библиотеку промптов Каждый удачный запрос сохраняйте. Разделите библиотеку на категории, например: Анализ нормативной документации Подготовка документов Отчётность и презентации Анализ рисков Коммуникации и обучение В библиотеку складывайте только реально работающие решения и запросы. Со временем это превращается в набор готовых инструментов, которые можно использовать снова и снова. Совет: Не пытайтесь сохранить всё подряд. Сохраняйте только промпты, которые дают качественный результат с первого или второго раза. Шаг 6. Планируем карьеру ИИ Когда предыдущие шаги освоены, можно поручать более сложные задачи: Подбор мер по снижению рисков. Проверка инструкций на соответствие требованиям. Создание дашбордов по показателям безопасности. Подготовка отчётов и презентаций для руководства. Таким образом ваш ИИ постепенно превращается в полноценного ассистента, который помогает решать профессиональные задачи и освобождает время для главного — анализа рисков и работы с людьми. Итог Начинайте с простых вопросов, постепенно усложняйте задачи, сохраняйте лучшие решения в библиотеке промптов и используйте их повторно. Через несколько недель вы получите персонального помощника, который экономит время, систематизирует информацию и помогает принимать решения.
Как я создала ИИ-ассистента для разработки инструкций по охране труда
Внедрять ИИ в охрану труда — это не просто дать нейросети задачу. Это процесс, где мы сначала становимся учениками, чтобы потом научить машину. Расскажу, как я автоматизировала разработку инструкций по охране труда. С чего я начала: проверка гипотезы Прежде чем создать ИИ-ассистента, я решила проверить, как нейросети в принципе справляются с такой задачей. Сначала я работала с Grok - он отлично обучается, всё запоминает, и у него нет ограничения по количеству текста. Потом попробовала работать с ChatGPT и обнаружила, что у него есть ограничения по выдаваемому объему текста, из-за чего он сам по своему усмотрению начинает сокращать текст инструкции по охране труда, чего я категорически не могла ему позволить. Гигачат от Сбера, к сожалению, вообще не поняла, что делать и выдавала нестабильный результат. Ну а DeepSeek оказался большим фантазером - за ним не уследить, где и что он насочинял, а где правда. Вторая проблема, с которой я столкнулась: нейросети не умеют формулировать развернутые, конкретные описания, понятные для сотрудников. Они выдают общие фразы, но не прописывают, что именно, как именно и в какой последовательности должен делать работник. Мне пришлось показывать примеры, добиваясь того самого стиля, какой необходим для изложения инструкций по охране труда. Когда я получила результат, который мне понравился, то сохранила его, как эталонный пример инструкции. Инвариантные и вариативные части инструкции Когда нейросеть научилась понимать разницу между плохой и хорошей инструкцией, проанализировала, что постоянно в инструкции, а что - переменная часть. Инвариантная часть (то, что всегда одинаково): Структура. Жестко задана Приказом Минтруда №772н. Стиль. Всегда деловой, с развернутыми и однозначными формулировками. Системные ссылки. Постоянное обращение к Положению о СУОТ предприятия. Вариативная часть (то, что меняется): Должность и соответствующий ей профстандарт. Перечень профессиональных рисков. Именно он определяет ключевое содержание - те самые конкретные действия сотрудника. Это разделение стало ключом к автоматизации. Алгоритм создания ассистента: 3 ключевых шага Шаг 1. Сбор и структурирование базы знаний. Ассистент не должен «фантазировать». Я собрала для него пакет документов, на которые он обязан опираться: Приказ Минтруда №772н в усеченной версии - нет смысла выкладывать в базу знаний ассистента весь текст приказа, лучше оставить только то, что касается именно разработки инструкций по охран труда. Так ассистент будет лучше и корректнее работать. Перечень актуальных для предприятия Правил по охране труда с небольшим описанием для лучшей ориентации нейросети. Положение о СУОТ компании. Эталон инструкции по охране труда. Шаг 2. Разработка промта (технического задания для ИИ). Промт - это мозг ассистента. Он должен быть максимально детальным. Мой промт (в короткой версии) выглядит так: Ты – эксперт по охране труда. 🔹 Задача: разрабатывать инструкции по охране труда (ИОТ) для работников строго по образцу («ИОТ_Образец по написанию», загружен в базу). 🔹 Алгоритм работы: Найди профстандарт (или ЕКС/ЕТКС) для указанной должности. Если профстандарта нет — используй ЕКС/ЕТКС. Извлеки из профстандарта обобщённые трудовые функции, типовые трудовые действия, знания и умения. На их основе сформируй обязанности, вредные и опасные производственные факторы, профессиональные риски. Сопоставь риски со «Списком нормативных документов» и включи только те Правила по охране труда, которые реально применимы к профессии. Перепиши текст инструкции разделами (I–V) по кальке из «ИОТ_Образца по написанию», сохраняя стиль, структуру и сквозную нумерацию. В разделе I всегда указывай: профстандарт, Приказ Минтруда № 772н, локальные акты работодателя («Положение о СУОТ» и «Политика в области охраны труда»). 🔹 Форматирование: Заголовки разделов: римскими цифрами (I, II, III, IV, V). Основные пункты: сквозная арабская нумерация (1., 2., 3.… до конца раздела V). Вложенные подпункты внутри основного пункта: X.1., X.2., X.3.… (например: «4. Перечень опасных факторов», затем «4.1. …», «4.2. …»). После завершения вложенного перечня продолжай основную нумерацию (например, после 4.10 идёт 5.). Абзацы и подпункты выводи точно по образцу. Никаких «*» или «-» для списков. 🔹 Что нельзя: Нельзя вести рассуждения, комментарии или задавать уточняющие вопросы. Нельзя сокращать текст или менять стиль. Нельзя добавлять новые разделы. Нельзя предлагать варианты («бригадир такой или такой»). Нельзя выдавать всю инструкцию целиком. 🔹 Вывод текста: Каждый ответ = один полный раздел. Всегда сохраняй сквозную нумерацию. Выводи только готовый текст инструкции. Никаких вводных слов («понял», «отлично», «составлю»). Шаг 3. Настройка и запуск. Объединив все компоненты в конструкторе ассистентов (например, в ChatGPT), я получила рабочего «цифрового напарника». Какое-то время с ним нужно поработать, чтобы выявить ошибки в работе и улучшить промт для их устранения.
Шесть простых вопросов, которые превратят ИИ из фантазера в помощника
Когда я только начинала работать с ИИ, меня охватывало странное чувство. Я знала, что он может всё, но на мои простые запросы он часто выдавал что-то общее и невнятное. Ощущение было такое, будто я пытаюсь управлять сложнейшим станком, просто тыкая в него пальцем. Разочарование и мысль: «Ну вот, и эта технология не для меня». Всё изменилось, когда я перестала просто «спрашивать» и начала «ставить задачу». Я поняла, что ИИ — не "поисковик", а новый сотрудник. И ему, как и любому стажёру, нужна чёткая инструкция. Наставник научил меня простому чек-листу из шести пунктов, который теперь использую перед любым запросом. Вот этот шаблон, который превращает разочарование в результат: 1. Чего я хочу? (Цель)Раньше: «Напиши что-нибудь про СИЗ».Теперь: «Мне нужен текст для памятки о важности использования касок». 2. Кто ты? (Роль ИИ)Раньше: (просто задавала вопрос)Теперь: «Выступи в роли опытного инженера по охране труда, который объясняет новичкам основы». 3. Как ты это скажешь? (Стиль)Раньше: (стиль был случайным)Теперь: «Объясни простыми словами, без канцеляризмов, дружелюбно, но убедительно». 4. В какой форме? (Формат)Раньше: (получала сплошной текст)Теперь: «Сделай краткий список ключевых тезисов». 5. Чего делать не стоит? (Ограничения)Раньше: (не задумывалась)Теперь: «Не используй шаблонные фразы вроде "в современном динамичном мире"». 6. Для кого это? (Аудитория)Раньше: (не указывала)Теперь: «Памятка для рабочих на производстве, в основном мужчины 40+». Попробуйте один раз прописать свой запрос по этим пунктам. Вы удивитесь, насколько по-разному можно получать ответы. Вместо того чтобы гадать, что же он выдаст в этот раз, вы получите предсказуемый и точный результат.
От цифровой грамотности к ИИ-грамотности: новые компетенции специалиста по охране труда
Цифровая трансформация в охране труда проходит новый, качественный этап. Если ранее фокус был на цифровой грамотности — умении работать с готовыми инструментами для сбора и анализа данных, — то сейчас на смену ей приходит ИИ-грамотность. Это не просто смена софта, это смена парадигмы работы специалиста. Эволюция ключевых задач и компетенций Было: Цель — быстро получить и показать данные.Специалист выступал в роли оператора: его задача заключалась в точном и быстром сборе данных и занесении их в информационную систему (Excel, 1С, др.) и их визуализации, например, в Power BI или DataLens. Ключевой навык — техническое умение работать с готовым интерфейсом. Стало: Цель — научить нейро-систему думать и работать, чтобы освободить время для работы с людьми.Специалист становится архитектором процессов. Его цель — научить нейросеть думать и работать, чтобы высвободить собственное время для стратегических и человеко-ориентированных задач: прямой работы с персоналом, глубокого анализа рисков и профилактики. Что входит в ИИ-грамотность на практике: Глубокая работа с документами. Речь идет не о простом хранении, а о структурировании массивов информации, их анализе и категоризации с помощью ИИ для мгновенного поиска и выявления связей. Создание и обучение базы знаний. Специалист "скармливает" ИИ-ассистенту нормативные документы, инструкции и прошлые кейсы, "обучая" его давать точные и контекстные ответы. Проектирование логики взаимодействия. Это ключевая задача. Архитектор продумывает, как будет выстроен диалог между человеком и ИИ, чтобы минимизировать ошибки и повысить эффективность процессов, а не просто реагировать на запросы. Вывод Ключевой навык современного специалиста по охране труда сместился с владения интерфейсами к промтингу — умению правильно ставить задачи ИИ, проверять и корректировать его работу. Это требует не только технической подкованности, но и глубокого предметного знания своей области. Только так ИИ превращается из простого инструмента в интеллектуального союзника, способного выстроить новую культуру безопасности на предприятии.
Три мифа об искусственном интеллекте
Что если главное препятствие для внедрения ИИ в охрану труда не технологии, а наши собственные заблуждения? Собрала три самых распространенных мифа, которые стоят между нами и цифровым помощником. Миф №1: «ИИ может всё» Знакомо? Обратились к нейросети — и ждёте, что она сразу выдаст идеальный текст, схему, решение. А если не получилось… «Искусственный интеллект — это ерунда, не работает!» Но давайте начистоту. Искусственный интеллект — не волшебник. Это инструмент. Как молоток: можно построить дом, а можно случайно попасть по пальцу. Всё зависит от того, кто и как его использует. Почему ИИ не выдаёт «идеальное» с первого раза? Он не читает мысли. Если спросить его расплывчато — получите общий ответ. Ему нужны чёткие инструкции. Как начинающему сотруднику — без ТЗ результат предсказуем. Он учится на примерах. Чем точнее вы покажете, что вам нужно — тем ближе будет результат. ИИ не заменяет эксперта. Он его усиливает. Вместо того чтобы ждать чуда, попробуйте: Объяснить задачу шаг за шагом. Уточнить контекст. Дать пример желаемого результата. Как с живым помощником — только терпеливее и без усталости. Миф №2: «ИИ должен быть простым, как выключатель» Включил — свет есть. Выключил — света нет. Никаких сложностей. Почему-то с искусственным интеллектом многие ждут этой же кнопочной логики. Нажал — получил готовое решение. Не работает? Значит, инструмент плохой. Стоп. Давайте вспомним, как мы внедряем на предприятиях информационные системы: ERP, CRM, системы документооборота. Под них выделяют бюджет, пишут ТЗ, проводят обучение, месяцами настраивают процессы и держат целый отдел техподдержки. Никто не ждёт, что сложный софт заработает сам по себе после установки. Но когда речь заходит об ИИ — эти правила почему-то отменяются. От него ждут: Простоты на уровне бытового прибора Мгновенных результатов без обучения Работы «из коробки» без настройки А если нейросеть не понимает запрос с первого раза — значит, «она негодная». Правда в другом: ИИ — не выключатель. Это сложная система, которая требует: Обучения — в том числе и вас: как ставить задачи, какие промты работают; Настройки — под ваши процессы и терминологию; Практики — чем больше работаете вместе, тем лучше результат. ИИ не заменяет эксперта — он становится его умным помощником, «цифровым напарником». Но и для напарника нужно время, чтобы вникнуть в специфику вашей работы. Вы же не ждёте от нового сотрудника полной эффективности в первый день? Дайте время и настройку своему ИИ. Миф №3: «Для работы с ИИ не нужны особые компетенции» Сложилось два полярных взгляда на искусственный интеллект. Кто-то панически боится и обходит его стороной. Кто-то, напротив, считает, что это просто «ещё один поисковик» — зашёл, спросил, получил. Правда, как всегда, посередине. Да, чтобы попросить нейросеть переписать абзац или составить простой список, не нужно быть Data Scientist-ом. Это уровень бытового использования, и он действительно доступен каждому. Но если вы хотите, чтобы ИИ превратился в настоящего помощника, который возьмёт на себя всю рутину, одних бытовых навыков мало. Это всё равно что ожидать, что, научившись включать компьютер, вы сразу сможете написать для него сложную программу. Чтобы заставить ИИ работать на вас по-настоящему, нужны две группы компетенций: Глубокое знание своей предметной области. Невозможно автоматизировать то, что вы сами до конца не понимаете. Вы должны чётко видеть свои процессы, задачи и «узкие места». Понимание, как «думает» машина. Вам нужно научиться: – Структурировать свои знания так, чтобы их мог усвоить алгоритм. – Формулировать задачи на языке, понятном для ИИ. – Работать с данными: готовить, загружать, проверять. ИИ — это не замена эксперту. Это его усилитель. И его мощность напрямую зависит от квалификации того, кто за рычагами. Чем лучше вы знаете своё дело и основы работы с ИИ, тем больше сложных и рутинных задач вы сможете ему делегировать.