ИИ не заменит экспертов. Он сделает одних незаменимыми, других — лишними

01 — Обман

Что именно вам продают под видом свободы?

Вам продают идею, что инструмент отменил необходимость уметь. Что насмотренность, годы практики, шишки и провалы обнулились, потому что теперь есть окно с текстовым полем. Это очень удобная идея — она бьёт точно в дофамин: можно ничего не уметь и при этом «нанять автоматизированную команду ИИ за 0 долларов».

Проблема в том, что собрать команду без ресурса экспертизы — своей или чужой — это утопия. ИИ не выдаёт вам компетенцию. Он выдаёт текст, который выглядит как работа компетентного человека. А это разные вещи, и разницу видит только тот, у кого компетенция есть.

Маркетологи усиливают обман заголовками «создай агента за 1 минуту», «автоматизируй всё». Звучит как свобода от навыка. На деле это перекладывание навыка на того, у кого он уже есть, — и продажа этого как «магии» тем, у кого его нет.

02 — Машина

Почему машина усиливает, а не выравнивает?

Чтобы понять обман, посмотрим на устройство модели — без мистики. Большая языковая модель не «знает» правильный ответ и не «думает» над вашей задачей. Она предсказывает самый высоковероятный следующий фрагмент текста исходя из контекста, который вы ей дали.

Ключевое слово — контекст. Качество ответа определяет не магия модели, а то, насколько точный, полный и грамотно ограниченный вход вы подали. А качество входа — это и есть ваша экспертиза. Попросите «без контекста» — получите самое вероятное, то есть среднее по интернету, то есть клише. Дайте экспертный вход — получите ответ вокруг вашей конкретной задачи.

БЕЗ КОНТЕКСТА: «Как мне повысить цены?»
→ общие советы уровня статьи из интернета

С ЭКСПЕРТНЫМ ВХОДОМ: «У меня B2B-услуга, средний чек 80к,
повышала цены дважды за 2 года без потери клиентов через письмо
за месяц + объяснение ценности. Сейчас нужно поднять ещё на 20%.
Предложи текст письма в том же стиле, что сработал раньше:
[приложить прошлое письмо]»
→ ответ, который можно использовать сразу

Машина не выравнивает игроков. Она усиливает разрыв между теми, кому есть что в неё вложить, и теми, кому нечего.— Анжела Петкова

03 — Уязвимости

Где вас подводит отсутствие экспертизы?

Когда вы решаете задачу не из своей области, отсутствие экспертизы бьёт в трёх конкретных точках — на каждом шаге работы с нейросетью:

• Вы не видите ситуацию целиком. Чтобы дать корректный контекст, надо сначала правильно проанализировать задачу. Без опыта вы не понимаете, что важно, а что шум, — и кормите модель неполной или искажённой картиной.
• У вас нет паттернов «сработало / не сработало». Эксперт носит в голове карту удачных и провальных стратегий. Без неё вы не можете задать модели рамки и отсечь заведомо плохие пути.
• Вы не можете проверить ответ. ИИ выдаёт правдоподобное. Отличить рабочее решение от красивой ошибки может только тот, у кого есть насмотренность. Без неё вы принимаете подделку за результат.

Заметьте: ни одна из трёх — не про «слабую модель». Все три про то, чего не хватает на входе и на проверке. Модель тут ни при чём — она лишь усиливает то, что вы принесли.

[ ] Я могу описать ситуацию целиком, не только то, что на поверхности?
[ ] Я знаю хотя бы 2 похожих случая — один удачный, один провальный?
[ ] Я смогу отличить хороший ответ модели от правдоподобного, но
    неверного, если увижу оба?

0–1 «да» → найдите эксперта для проверки перед тем, как действовать
2–3 «да» → можно использовать ИИ, но перепроверяйте ключевые решения

04 — Множитель

Насколько сильнее множитель, если экспертиза есть?

Обман работает только в одну сторону. Если экспертиза есть, ИИ становится самым мощным множителем, который у вас был, — и разрыв измерим.

Один владелец агентства, который это проверял, обнаружил: добавление реальных примеров при постановке задачи делало результат примерно в пять раз лучше. Та же модель, та же задача — менялся только экспертный вход. А на конференции руководитель из Amazon сформулировал то же на уровне бизнеса: general-модели у всех одинаковые, конкурентное преимущество — это ваши данные. Каждый может сказать «напиши заголовок объявления»; но если за вами результаты сотен кампаний с разбором, что сработало, ответ будет совершенно другим.

05 — Решение

Что делать тем, у кого экспертиза есть?

Подход к экспертоёмким задачам — это не «написать промт получше», а перенести в модель то, что обычно живёт только в голове специалиста:

• Дать полный контекст — не запрос в одну строку, а ту картину задачи, которую вы видите как профессионал.
• Заложить ограничения — свои паттерны успешных и провальных решений, рыночные рамки, границы допустимого.
• Выстроить проверку — критерии, по которым вы сами отличаете хорошее от правдоподобного, отданные модели как чек-лист.

Слева вы просите модель быть экспертом вместо вас. Справа вы делаете её множителем своей экспертизы. Первое — обман. Второе — рычаг.

06 — На практике

Как собрать это, чтобы пользоваться каждый день?

Перенос экспертизы — разовая работа, не ритуал на каждый запрос. Соберите её один раз в проект или папку: ваши лучшие разборы, паттерны «сработало / не сработало», критерии проверки, рамки. Модель читает оттуда — и каждый ответ стартует уже на вашем уровне, а не на среднем.

Дальше — исправляйте. Каждый раз, когда модель ошиблась, не правьте только выход: добавьте правило, которое не дало бы ошибке повториться. Через несколько кругов вы перестаёте промптить с нуля и начинаете делегировать тому, кто уже знает, как вы думаете.

1. Модель ответила не так → не переписывайте вручную
2. Спросите себя: какое правило я применил бы, но не озвучил?
3. Добавьте это правило в постоянный контекст («никогда не …»,
   «всегда сначала …»)
4. В следующий раз модель уже не ошибается так же — проверено
   через 3–5 циклов правок на реальных задачах

Вот тогда и сбывается обещание, которым размахивают маркетологи, — только честно: не «ИИ вместо эксперта», а «эксперт, усиленный ИИ». Это и есть линия, которая в ближайшие годы разведёт незаменимых и лишних.