Почему промпты не спасают плохой процесс
Последние пару лет у меня ощущение, что рынок AI немного зациклился на промптах. Куда ни посмотри — везде разговоры про «идеальную структуру запроса», «100 лучших промптов для бизнеса» или «секретные техники общения с ChatGPT». Складывается впечатление, будто главный навык новой эпохи — научиться правильно формулировать запросы, и тогда AI magically начнёт решать задачи за тебя.
Я и сам в какой-то момент так думал. Казалось, что всё сводится к качеству запроса: найдёшь правильную формулировку — и модель начнёт выдавать сильный результат стабильно. Но чем больше я работал с реальными внедрениями AI, тем чаще сталкивался с одной и той же проблемой: хороший промпт почти никогда не спасает плохой процесс.
Да, он может ускорить работу. Иногда — очень заметно. Но если внутри уже есть хаос, AI обычно этот хаос не исправляет. Он делает его быстрее, масштабнее и, что самое неприятное, иногда даже убедительнее. Потому что теперь всё выглядит более умно и профессионально, хотя фундаментальная проблема никуда не исчезла.
И здесь, как мне кажется, происходит главное недопонимание. Многие до сих пор воспринимают AI как «очень умный чат», которому можно задать вопрос и получить магический ответ. Но в рабочих задачах AI почти никогда не живёт сам по себе. Он становится частью системы: процесса принятия решений, логики работы, цепочки действий. И если система изначально работает плохо, точка отказа обычно находится совсем не в prompt engineering.
Она возникает раньше.
Например, в хаотичных данных. Или в ситуации, когда никто толком не понимает, как принимаются решения. Или когда ответственность размыта и непонятно, кто вообще должен реагировать на выводы модели.
Я видел один и тот же сценарий уже десятки раз. Сначала команда вдохновляется: «Сейчас автоматизируем половину рутины». Начинается активный этап тестов, все делятся находками, собирают базы промптов, обсуждают инструменты. Первые результаты часто даже радуют — кажется, что вот оно, будущее уже наступило.
Но потом качество начинает плавать.
В один день AI выдаёт сильный анализ, в другой — поверхностную банальность, в третий сотрудники уже автоматически всё перепроверяют руками, потому что доверие начинает падать. Через какое-то время звучит знакомая фраза:
«Ну, AI пока сыроват».
Хотя если разбираться честно, проблема часто была вообще не в AI.