Когда случайность принимаешь за закономерность
В последнее время всё чаще ловлю один и тот же паттерн: человек берёт опыт из одной точки и натягивает его на всё подряд.
Пример. Кто-то попробовал одну модель, скормил ей кашу из кривых данных, получил на выходе мусор. Вывод готов: «Да эти ваши ИИ бесполезны, только мешают. Выбрасываем, не смотрим, не трогаем».
Обратная история. Ребята за вечер собрали небольшой PoC с помощью модели, ускорили разработку раза в три-четыре, выдохнули и тут же раскатывают этот результат на каждый проект, до которого дотягиваются. Ну а что, один раз же сработало.
Объяснение простое и не очень лестное для нас. Мы ленивы. Чтобы понять, почему здесь взлетело, а там провалилось, нужно глубоко погрузиться в конкретный кейс. А с высоты helicopter view куда проще: взял одни данные и растянул на всё остальное.
Засада в том, что ни в первом, ни во втором случае нет никакой абсолютной истины. Её вообще не существует. Правда обычно лежит где-то посередине и намертво завязана на контекст: какой контекст у самого человека, что он передал модели, в какой инфраструктуре проект живёт и будет развёрнут.
Поэтому
сбор контекста для меня — один из важнейших этапов любой разработки. Да и любого решения вообще. Чем больше информации на входе, тем точнее выбор на выходе. Звучит банально, но по факту мы постоянно решаем на огрызках данных, а потом удивляемся результату.
И отдельный, недооценённый навык —
уметь честно сказать: «Мне сейчас не хватает информации, чтобы это решить». Не угадать, не натянуть прошлый опыт, а признать пробел и пойти его закрывать.
Что помогает мне не скатиться в скоропалительные выводы:
Иду к тем, кто копнёт глубже. Не стесняюсь дёргать конкретных спецов, готовых разобрать кейс по косточкам: почему у одного получилось так себе, а у другого космос. Чаще всего ответ не в том, что «ИИ хороший» или «ИИ плохой», а в десятке деталей, которые с высоты не видно.
Собираю конкретную статистику. Прежде чем выносить вердикт, стараюсь набрать цифры, на которые реально можно опереться. Когда под рукой выборка кейсов с понятными метриками, решение перестаёт быть вкусовщиной.
Чек-лист на полноту информации. Подсмотрел когда-то на курсе Стратоплана: перед решением прогоняешь себя по списку — достаточно ли данных, все ли альтернативы рассмотрел, что упускаю. Механически, занудно, но отлично отрезвляет, когда рука уже тянется сделать громкий вывод из одного наблюдения.
Учу ребят формировать конкретные предложения. Большая разница между «меня что-то не устраивает» и «вот замечание: в таком-то процессе это создаёт такое-то неудобство, и, по моему мнению, починить можно вот так». Первое — фоновый шум, который ни к чему не приводит. Второе — готовый материал для решения. Этот навык вытаскивает наружу тот самый контекст, без которого любое улучшение остаётся гаданием.
Так что прежде чем хоронить технологию или, наоборот, тащить её во все щели, спроси себя: я правда разобрался в кейсе или просто экстраполировал одну случайность в закономерность?
