Иногда поражаюсь тому, как нейросеть воспринимают как что-то, чему нужно специально учиться: читать инструкции о промптах, изучать сложные конструкции запросов, разбираться в возможностях моделей, пройти курс на Ютубе, потом пройти платный в рассрочку, поставить локально, настроить MCP для агентов и вот тогда уже можно...И обязательно нужно пользоваться ИИ для чего-то сложного: писать компиляторы, анализировать большие массивы данных, автоматизировать бизнесы и проектировать ракеты для полетов на Марс.
Имеет место быть, но мой опыт скромнее — я использую нейросеть для десятков маленьких задач. Это как рабочие задачи, так и вопросы про обучение, компьютеры, автомобили, фотографии, игры и что-то совершенно бытовое.
Меня зовут Кирилл, я работаю в Альфа-Банке мобильным банкиром: общаюсь с клиентами, помогаю им подобрать и оформить банковские продукты. Я не разработчик, не аналитик данных и не специалист по искусственному интеллекту. Уже около двух лет я пользуюсь ИИ. История с ИИ для меня началась с простого вопроса, а теперь я спрашиваю нейросеть почти обо всём.
Особого момента не было
У меня не было момента, когда я решил: «С сегодняшнего дня буду активно использовать искусственный интеллект». Всё прозаичнее — однажды появилась задача и я решил ее нейросетью. И всё завертелось. Быстро сформировался привычный способ работы: я задаю вопрос, уточняю, а если ответ слишком сложный, прошу объяснить попроще; когда не хватает информации прошу добавить контекст; повторить по необходимости.
Это стандартная схема работы с ИИ. Работает везде, в том числе и на работе: сформулировать мысль, изменить стиль текста, объяснить сложную информацию более понятным языком, разобраться в тексте с юридической или медицинской терминологией.
Я часто переспрашиваю. Это моя самая любимая фича в нейросетях — возможность переспросить.
Нет необходимости сразу правильно сформулировать всё до мелочей. Не нужно быть занозой и висеть у кого-то над душой. Нет нужды испытывать это неловкое чувство от того, что ты что-то не знаешь и сейчас получишь за это двойку.
С ИИ всё просто, душевно и по — я не обязан заранее знать правильные термины или точно понимать, какую информацию мне нужно найти. Я просто иду в нейросеть и всё узнаю. Я так с нейросетью ПК собрал.
Как я начал использовать нейросеть на 100%
Когда начинаешь собирать ПК, то быстро выясняется, что выбрать один компонент отдельно недостаточно. Процессор связан с материнской платой, видеокарта — с блоком питания и корпусом, охлаждение — с корпусом и процессором, а оперативная память с платформой.
А ещё есть цены, характеристики, размеры, температура, шум и огромное количество конкретных моделей.
Я понял, что один я это не вывезу и заставил поработать нейросеть, чтобы она мне помогла выбрать комплектующие. Сначала сравнил два процессора, потом видеокарты по производительности, цене и объёму памяти, а дальше начал учитывать корпус и охлаждение. Потом поменял один компонент и снова пересчитал всю конфигурацию.
В результате у меня стоит:
- Процессор: AMD Ryzen 7 5800X3D
- Кулер: Thermalright Peerless Assassin 120 SE (чёрный, без RGB)
- Материнская плата: GIGABYTE B550M AORUS ELITE AX
- Видеокарта: Palit GeForce RTX 5070 Ti GamingPro-S
- Оперативная память: Kingston Fury Beast 32GB DDR4-3200
- SSD: MSI SPATIUM M560 2TB
- Блок питания: Lian Li SX850P 850W Platinum
- Корпус: Thermaltake Versa H17
Охлаждение корпуса
- Передняя панель (вдув): 3 × ARCTIC P12 Pro
- Задняя панель (выдув): 1 × ARCTIC P12 Pro
- Верхняя панель (выдув): 1 × ARCTIC P14 Pro
Это очень сильная игровая сборка для 1440p. Сочетание Ryzen 7 5800X3D + RTX 5070 Ti позволит играть в современные игры на высоких и ультра-настройках с большим запасом на несколько лет.
На сравнении вариантов я особенно хорошо заметил экономию времени. Раньше для такого выбора пришлось бы открывать множество вкладок, отдельно читать характеристики каждой модели и самостоятельно собирать всё в голове.
Теперь часть этой работы можно с легкой душой переложить на нейросеть.
Есть важная оговорка: нейросеть помогает мне быстрее построить картину, но не отменяет необходимость думать и проверять. Если речь идёт о дорогой покупке, технических характеристиках или совместимости компонентов, я дополнительно проверяю информацию. А у меня были покупки и дороже ПК.
Как-то я купил BMW X1 и с ним произошла та же история, что и с ПК. После покупки мне было интересно буквально всё: как работает каждая кнопка на приборной панели, какие функции есть у машины, какие у неё слабые места, на что обратить внимание при эксплуатации и как устроены отдельные системы.
Можно было каждый раз искать ответ на профильных форумах, смотреть видео или листать руководство. Но искать куски разрозненной информации среди веток «Не работает парктроник» или «Как включать поворотники на семерке?», а потом сшивать их, — такое себе.
К тому же часть опций может быть заложена в машине с завода, а в конкретной комплектации может быть не активирована. На форумах действительно обсуждают, как их активировать, но это уже следующий шаг: сначала нужно понять, есть ли аппаратная база, а потом — как её включить. Если просто читать форум, легко запутаться: кому-то функция доступна, а у меня , допустим, в VIN-декодере её нет, а еще выяснится, что в ветке пишут вообще про американскую версию. К примеру, у меня BMW x1 f48 2021 года. В этой модели может стоять и Aisin, и ZF 8HP. Я думал, что у меня стоит ZF 8HP, но по номеру движка 18d Xdrive WBA11AD0505U53256 нейросеть меня разуверила — у меня 8-ступенчатый автомат Aisin AWF8F35.
Всё это за 3 минуты. Прощайте форумы!
Нейросеть не обязательно должна знать за меня всё. Иногда достаточно, чтобы она помогла быстро разобраться в том, чего я раньше не знал.
И здесь пытливый читатель может задать вопрос: «Да так ведь и отупеть недолго?»
Отнюдь.
Много учусь и думаю
Есть распространённый страх: если постоянно пользоваться ИИ, человек начнёт думать меньше. Например, в 2025 году в Швейцарии провели мета-анализ и выявили, что есть некая негативная корреляция между уровнем критического мышления и использования ИИ: люди, использующие GenAI как «автомат готовых ответов», постепенно теряют навык фактчекинга и глубокого анализа.
С исследователями спорить не могу, но на своём опыте я заметил скорее другое.
Когда использую нейросеть правильно, мне приходится больше уточнять и задавать больше вопросов. Готовый текст меня почти никогда не устраивает. Я могу спросить: «Почему ты так решил?», «А какие есть альтернативы?», «Что изменится, если поменять это условие?», «Какие здесь могут быть ошибки?», «Что мне нужно проверить самостоятельно?»
В таком режиме нейросеть становится скорее собеседником для работы с информацией, чем автоматом по выдаче готовых ответов.
Нейросеть стала для меня фактически инструментом для обучения. Если мне что-то интересно, я могу начать с самого простого вопроса, потом попросить объяснить подробнее, попросить привести пример, задать свой вариант и спросить, правильно ли я понял, попросить придумать практическую задачу. А затем разобрать её вместе. Если использовать ИИ как собеседника и постоянно переспрашивать («Почему ты так решил?»), то мозг, наоборот, тренируется.
Например, в World of Tanks я могу спросить не «Как играть на этом танке», а разобрать конкретную механику: какое оборудование поставить, как вести себя в бою, как правильно танковать, где занимать позицию, как работает конкретная механика выстрелов.
То есть вместо десятков разрозненных гайдов можно сначала описать свою ситуацию и попросить объяснить механику, а затем задать следующий вопрос уже исходя из полученного ответа.
Получается что-то вроде персонального репетитора, которому можно задавать очень много вопросов. Я так изучал основы Python, а затем использовал знания для создания Telegram-чат-ботов, которые работают по заданному скрипту.
Мне было важно не просто получить готовый код, а понять, как он работает, вплоть до того, как работает конкретный кусок кода и «Что это за странная функция?» Не понял — переспросил. Понял частично — попросил другой пример. Кажется, что понял — попробовал сделать самостоятельно. Получил ошибку — показал её и разобрал вместе с ней.
Именно последняя часть для меня особенно важна. Если нейросеть просто выдаёт готовый код, я могу скопировать его и ничего не понять. Кажется, что я знаю, потому что скопировал, но это иллюзия. Если же я разбираюсь, почему код работает именно так, знания остаются у меня.
Исследование я это подтверждают. В работе «Generative AI Can Harm Learning» (Bastani H. et al. (2024) изучили влияние ИИ на учёбу. Взяли 1000 школьников и проверили, как влияет доступ к ИИ. Одной группе дали нейронку без ограничений, а другой нейронку, которая только подсказывала, а не выдавала ответ. Обе группы, что примечательно, показали улучшения показателей. Вот только когда доступ к ИИ отрезали, то у первой группы результаты ухудшились, а у второй практически нет. Другими словами, если полагаться на ИИ-костыль, то логично, что мозгу будет незачем думать. Но если осознанно относиться к обучению и воспринимать нейронку не как замену мозгу, а как репетитора, то всё меняется.
Но не от того, что каким-то магическим образом она умеет учить всему на свете, а потому что у такого «репетитора» есть одно очень удобное свойство — бесконечное терпение. Ему можно задать следующий вопрос сразу. И опять. И опять. И опять. И так до бесконечности. И никто не устанет, не попросит перерыв и не отмахнется.
Есть прошлогоднее исследование Microsoft Research «LLMs Get Lost In Multi-Turn Conversation». В нём изучали, как люди усваивают новые знания (например, основы программирования), читая сухую документацию или общаясь с LLM. Выяснилось, что возможность задать «глупый вопрос» без страха осуждения ускоряет понимание сложных концептов на 35%.
Это то, о чём я говорю. ИИ снимает социальные страхи
Есть ещё одна вещь, которую я заметил за собой.
Иногда мы откладываем задачу не потому, что она действительно сложная, а потому что хотим сразу сделать всё правильно.
Нужно написать хороший текст — сначала надо понять структуру.
Нужно разобраться в новой теме — сначала надо изучить терминологию.
Нужно выбрать технику — сначала надо прочитать десятки обзоров.
Нужно написать программу — сначала надо изучить программирование.
ИИ снижает порог входа. И это хорошо. В 2025 году исследователи из MIT и Harvard провели масштабный эксперимент (MIT Initiative on the Digital Economy) на сотнях реальных специалистов (консультантах, аналитиках), и доказали, что ИИ дает буст (до +40% к скорости, это ничего себе) в незнакомых или средних по сложности задачах, выравнивая навыки слабых специалистов до уровня сильных. Другими словами в незнакомых задачах ИИ помогает.
Это то то, что я заметил на себе и одно из самых полезных изменений от регулярного использования ИИ: у меня снизился порог входа в незнакомую задачу. С ИИ легче.
Так всё-таки ИИ делает нас умнее или ленивее?
Когда появились электронные карты, нас стращали, что разовьётся топографический кретинизм. Ещё раньше, когда появился широкополосный интернет Google, и вместо того, чтобы выбирать пылесос в оффлайне, обегая кучу магазинов, стало возможно искать информацию в интернете дома.
Ещё раньше роль пугала исполняли калькуляторы — мол, не пользуйтесь калькуляторами, а то отупеете, сложить пару чисел не сможете. А до калькуляторов нас пугали таблицами Брадиса. Они были настоящим спасением: с их помощью можно было находить значения синусов, косинусов, тангенсов и котангенсов с точностью до минуты. Это выручало в школе и в вузах, когда под рукой не было калькуляторов. Но из-за этого нас стращали, что мы совсем умственно расслабимся.
Ну а если спускаться вглубь веков, то нас всех испортило сельское хозяйство. На все «100%» мозг работал у охотников-собирателей. Люди ориентировались по звёздам и холмам, строили маршруты, находили добычу, следили за обстановкой, развивали язык, осваивали абстрактные понятия. А с переходом к земледелию, как отмечают учёные, что с переходом к земледелию человеческий мозг стал менее мощным. Ведь бороться за выживание уже не надо.
ИИ не виноват. Если что, во всём виновата мотыга.
Если что, в шутке лишь малая доля шутки, так как на эту тему есть достаточно исследований, к примеру, исследование Эдуарда Олмана (Нейробиология, 2025) «Влияние автоматизации на нейропластичность». В нём рассказано, как автоматизация бытовых задач (от мотыги и калькулятора до GPS-навигаторов) исторически меняла объемы памяти человека, освобождая энергию мозга для абстрактного и творческого мышления.
Так что ИИ не виноват. Всё зависит от того, что именно человек делает с ответом. Можно написать запрос, получить готовый текст, скопировать его и закрыть чат. А можно получить ответ, засомневаться, задать ещё 5 вопросов, проверить факты, попробовать сделать что-то самостоятельно и в результате действительно разобраться.
В первом случае ИИ вполне может превратиться в замену мозга и через некоторое время придётся идти на МРТ, чтобы проверить, что он всё ещё на месте. Во втором — становится инструментом, который помогает эти усилия направить.
Кто-то включает голову и использует его как помощника, а кто-то просто копирует текст из окна и потом удивляется, почему думать так тяжело. Сейчас нейросети это как калькулятор раньше — удобно и быстро.
Но всё хорошо в меру: если совсем перестать считать в уме, мозг расслабляется. «Калькулятор» калькулятором, но и учебник Рачинского держите рядом:-)
Вместо заключения
История с ИИ для меня началась с простого вопроса, а теперь я спрашиваю нейросеть почти обо всём. В какой-то момент я начал воспринимать нейросеть не как отдельный сервис «для ИИ-задач», а как универсальный инструмент, к которому можно обратиться практически с чем угодно.
Могу ли я теперь прожить без ИИ?
Я вполне могу прожить день без ChatGPT.
Но за два года он настолько органично встроился в мои задачи, что теперь я замечаю другую вещь — теперь я стал задавать больше вопросов, чего раньше за собой не замечал.
Можно не знать термин, не знать, как сформулировать проблему, можно задать глупый вопрос, переспросить и попросить объяснить ещё раз. Можно задать столько вопросов, сколько хочется. С ИИ я стал более любознательным. И это хорошо.
Мораль моего эссе не том, насколько умной стала нейросеть, а в том, насколько больше вопросов мы теперь можем себе позволить задавать.