Текст принято начинать с плана и тезисов. Но тезисы — это уже ответы. Начинать лучше с постановки правильных вопросов

Почему так важно уметь задавать вопросы

Тексты, графику, видео все чаще создают с помощью нейросетей — и дальше это будет только ускоряться. Как выделиться в мире победивших нейросетей?

Так же, как и раньше. По-прежнему важны внутренняя мотивация работать на совесть, внимательность, неравнодушие. По нашему опыту, лучшие результаты с нейросетями показывают те, кто и без них работал лучше всех: вкус, дисциплину и контроль качества нейросеть не заменяет — она их усиливает.

А еще важно уметь задавать вопросы. Текст обычно начинают с плана и тезисов. Но тезисы — это уже ответы. А начинать полезнее с постановки правильных вопросов.

Сейчас на каждом интернет-углу рассказывают о пузыре искусственного интеллекта. Якобы это как доткомы, Nvidia и OpenAI гоняют деньги по кругу, пользы мало, внедрение ничего не дает и вообще скоро все лопнет. Многие это читают видят и повторяют на автопилоте.

А стоило бы задать несколько простых вопросов:

1. Есть ли польза от ИИ?
2. Прогрессирует ли ИИ?
3. Зарабатывают ли ИИ-компании?

1) Польза есть. ИИ не сводится к мемам. Это рекомендации на YouTube, биометрия в смартфоне, компьютерное зрение на кассах самообслуживания, самонаведение в военных дронах, антифрод, поиск, перевод и еще тысячи прикладных сценариев.

2) ИИ прогрессирует. Прогресс местами неровный, но фантастически быстрый: с конца 2022-го качество генерации текста, кода, изображений и удобство применения выросли так, что во многих задачах нейросети уже сопоставимы с сильным специалистом — если правильно поставить задачу и проверять результат.

3) Деньги зарабатывают. За три года ИИ-лаборатории вышли с нуля на миллиарды долларов выручки. Доход OpenAI в 2025 году ожидается на уровне $13 млрд. До конца десятилетия их выручка может достигнуть $100 млрд в год. Ни один рынок еще не рос так быстро.

Чтобы ответить на эти вопросы, не обязательно глубоко погружаться в ИИ. Ответы либо очевидны, либо находятся за 10 минут. Главное — сначала задать сами вопросы, а уже потом собирать ответы. 

Как задавать правильные вопросы

Теперь разберем, как задавать правильные вопросы?

Правильный вопрос уменьшает неопределенность там, где это влияет на решение.

Отсюда базовые критерии:

• Проверяемость: я заранее знаю, как оценю ответ (метрики/критерии/источник)
• Применимость: ответ меняет следующее действие или выбор
• Ограниченность: вопрос задает контекст и рамки, чтобы ответ не был про все на свете

1. Цель и ставка

Зачем мы об этом думаем, и что на кону?

• Что мы пытаемся изменить в реальности?
• Как выглядит успех в одной фразе (и в одном числовом индикаторе, если возможно)?
• Какое решение мы принимаем: выбрать A/B, запустить или не запускать, нанять или не нанять?
• Что будет, если мы ничего не сделаем (стоимость бездействия)?
• Что «ставка»: деньги, время, репутация, безопасность, моральные последствия?
• Какой временной горизонт (иначе цель расплывается)?

2. Контекст и ограничения

В каком мире это должно работать?

• Для кого: пользователь, клиент, команда, рынок, я сам?
• В каком формате должен существовать результат: решение, план, текст, прототип, политика, стратегия?
• Какие ограничения жесткие, а какие мягкие: бюджет, сроки, ресурсы, компетенции?
• Какие запреты и границы: юридические, этические, брендовые, безопасность, конфиденциальность?
• Какие внешние условия нельзя контролировать (регуляторика, конкуренты, инфраструктура)?
• Какой допустимый уровень риска: «можно ошибиться» или «ошибка недопустима»?

3. Ценности и компромиссы

Что мы оптимизируем и чем готовы заплатить?

• Что главнее: скорость, качество, цена, надежность, масштабируемость, безопасность?
• Какими компромиссами готовы платить: быстрее, но хуже; дороже, но надежнее; сложнее, но масштабируемо?
• Что точно нельзя приносить в жертву (красные линии)?

4. Определения

Развеиваем туман:

• Что называем «пузырем», «пользой», «качеством»?
• Какие термины надо зафиксировать заранее?
• Какие метрики привязаны к терминам: «польза» — это экономия времени, рост конверсии, снижение ошибок?
• Где возможна подмена: выручка ≠ прибыль, демо ≠ внедрение, впечатляюще ≠ полезно.

5. Факты против интерпретаций (и качество доказательств)

Отделяем наблюдаемое от объясняемого:

• Какие факты у нас есть? Откуда они (данные, отчеты, наблюдения, эксперименты)?
• Насколько источники надежны: первичные и вторичные, заинтересованные и нейтральные, репрезентативные и случайные?
• Что мы не знаем? Это критично или вторично?
• Какие факты на деле являются интерпретациями («рынок перегрет» — это факт или вывод)?
• Какие данные нам нужны минимально, чтобы перестать гадать?

6. Карта неопределенностей и приоритезация вопросов

Правильный вопрос — это еще и правильный порядок вопросов:

• Какие неизвестные самые дорогие: что может сильно повлиять на решение и при этом неизвестно?
• Какие вопросы можно не задавать, потому что ответ ничего не меняет?
• Если разрешено задать только три вопроса, то какие?

7. Разбор до первых принципов

Декомпозируем систему на механизмы:

• Какие базовые причины и механизмы здесь работают?
• Из чего состоит система (технология, люди, процессы, экономика, политика стимулов)?
• Какие допущения держат конструкцию: «данные будут», «люди будут пользоваться», «стоимость упадет»?
• Что здесь ограничение физики, математики и экономики, а что — привычка, традиция или инерция?
• Где самое узкое горлышко: скорость, стоимость, качество, доверие, легальность?

8. Модель или гипотеза (минимум две)

Формулируем объяснение, которое можно проверить:

• Какое объяснение лучше всего связывает факты (механизм причинности, а не набор тезисов)?
• Какая альтернативная гипотеза конкурирует с нашей (минимум одна, лучше две)?
• Какие наблюдения каждая гипотеза предсказывает?
• Где модель «объясняет задним числом», а где реально предсказывает?

9. Вероятности и базовый сценарий

Чтобы не попасть в ловушку красивой истории:

• На что это похоже по классу случаев (референс-класс): как обычно заканчиваются такие проекты или решения?
• Какие три сценария (плохой, средний, хороший) и их вероятности хотя бы грубо?
• Какая ключевая переменная двигает вероятность сильнее всего?
• Это делает мышление не «верю/не верю», а «на сколько процентов и почему».

10. Фальсификация

Встроенная защита от самообмана:

• Какое наблюдение или результат докажет, что мы ошиблись?
• Какие условия должны выполниться, чтобы мы честно признались в необходимости изменить вывод?
• Какие «триггеры пересмотра» фиксируем заранее (дата, метрика, порог)?
• Что мы считаем неопровержимым? И не является ли это уходом от проверки?

11. Эксперимент / следующий шаг

Если тест возможен — тестируем:

• Какой самый дешевый тест даст максимум информации?
• Как быстро можно получить сигнал?
• Какую метрику измеряем и как фиксируем результат (протокол)?
• Это решение обратимое или необратимое?
• Если необратимое — что нужно проверить до шага? Если обратимое — почему не ускоряемся?

12. Обратная связь и обновление позиции

Закрываем цикл:

• Что стало ясно после теста, чего не было ясно до него?
• Как меняем план/процесс/правила на основе результата?
• Что сохраняем как артефакт: чек-лист, шаблон вопросов, метрики, красные флаги?
• Какая новая неопределенность стала главной (следующий цикл)?

***

Нужна помощь с контент-маркетингом: текстами, видео, графикой? Напишите нам.