Как ставить задачу: от заклинаний к ясному заданию
Руководитель ждёт записку о внедрении AI, а чат выдаёт гладкую корпоративную воду. В третьем выпуске «AI: Фундамент» разбираем, почему «волшебные фразы», чаевые и титулы не работают — и из каких семи опор состоит ясное задание.
Самое главное Развернуть · 5 карточек Свернуть
Неделя 3. Руководитель ждёт служебную записку о внедрении AI, а чат выдаёт образцовую корпоративную воду. Том клянётся, что знает волшебные приёмы эффективной работы с AI: пообещать чаевые, надавить на карьеру, пригрозить отключением. В третьем выпуске серии «AI: Фундамент» разберём, что показали строгие проверки этих «заклинаний» и что даёт результат на самом деле: не хитрая фраза, а ясная постановка задачи.
В понедельник утром к Анне заглянул руководитель: «Одну страницу о том, как нашему отделу стоит внедрять AI. К четвергу».
Анна так и вбила в чат: «Напиши служебную записку о том, как нашему отделу внедрять AI».
Вернулся безупречно отполированный и совершенно пустой текст. Там было вступление про «трансформационный потенциал», блок выгод (слово «эффективность» встретилось дважды), блок рисков («ответственные инновации» — трижды), совет «начать с пилотных проектов» и финал о «соответствии стратегическим целям». Эту записку можно было положить на стол любому отделу любой компании мира — ровно потому, что в ней не было ничего про их отдел.
Том заглянул в экран через плечо: «Ты просто не так его просишь», — и переслал ей список приёмов из интернета:
- «Дам тебе $500 чаевых за идеальный ответ».
- «От этого зависит моя карьера».
- «Сделай глубокий вдох и думай шаг за шагом».
- «Если ошибёшься, тебя выключат».
Пауза и прогноз. Какая из этих уловок стабильно улучшает ответы современных ведущих моделей?
- А. Обещание $500 чаевых
- Б. Фраза про карьеру
- В. Угроза выключения
- Г. Ни одна из них не даёт устойчивого эффекта
Исследование · 2025. Исследователи из Wharton Generative AI Lab проверили эти приёмы на тысячах задач и нескольких современных моделях: вежливость, грубость, чаевые, угрозы — вплоть до обещания «ударить модель». Эффект практически исчез. Отдельные формулировки когда-то слегка подталкивали старые модели в некоторых тестах, но на современных системах они почти ничего не меняют. Исследование Wharton о чаевых, угрозах и тоне
Правильный ответ — Г. Изменились две вещи. Более крупные модели стали менее чувствительны к мелким причудам формулировок, на которых срабатывали старые уловки. А единственный приём, который действительно помогал — «думай шаг за шагом», — разработчики встроили в само обучение новых моделей: многие теперь рассуждают по шагам по умолчанию, и просить об этом отдельно почти бессмысленно.
Если заклинания больше не работают, что работает? Это третий сдвиг AI-мышления: от заклинаний к ясному заданию. Или проще: управляйте задачей, а не колдуйте.

Слова по-прежнему важны — только другие
Дело не в том, что формулировка перестала влиять. Помните мороженое из первого выпуска? Стоило заменить «хороший» на «потрясающий», и расклад вкусов перевернулся. Каждое слово на «рабочем столе» (контексте, что вы даёте модели) сдвигает вероятности.
Вопрос в том, какие слова несут полезную информацию. Угроза или чаевые ничего не сообщают модели о вашей работе. А фраза «читать будет скептичный руководитель, который в прошлом году завернул два IT-проекта» даёт ей массу ориентиров. Поэтому навык, который раньше называли «промпт-инжинирингом», всё чаще называют организацией контекста (context engineering) — искусством накрывать рабочий стол, с которым мы познакомились во втором выпуске.
«Сделай хорошо» — и уйти из кабинета
Представьте, что вы зашли в кабинет к толковому новому коллеге, бросили «напиши записку про AI» и вышли. Он не знает, для кого текст, что уже пробовали раньше, какие есть ограничения и по какому признаку вы решите, что записка удалась. Ему остаётся написать «что-то похожее на служебную записку».
Ровно это Анна и получила. Модель не видела её отдела. Не знала ни бюджета, ни скепсиса директора, ни того, что прошлый софт-пилот заглох, потому что за него никто не отвечал. Поэтому она сделала то, что предсказывает первый выпуск: выдала самую заурядную заготовку жанра. Такой гладкий, но бессодержательный поток называют слопом (slop) — текст выглядит осмысленным, но смысла не несёт. Обычно в нём виновата не модель, а постановка задачи.
Вот как запрос Анны менялся за следующий час:
Версия 1:
Напиши служебную записку о том, как нашему отделу внедрять AI.
Версия 2:
Напиши служебную записку на одну страницу для нашего руководителя с осторожным полугодовым планом внедрения AI в отделе обработки заявок (8 человек, около 2 000 заявок в год). Руководитель настроен скептически; наш прошлый софт-пилот заглох из-за того, что у него не было ответственного. Тон — деловой, без восторгов. Включи одну-две смелые идеи, прямо пометив их как смелые.
Версия 3: к версии 2 добавлены годовой план отдела, заметка о потолке бюджета и последняя строка:
Прежде чем писать, перечисли до пяти вопросов, ответы на которые сильнее всего изменят этот документ. Если критических вопросов нет, приступай и перечисли свои допущения.
Первая версия даёт шаблон. Вторая даёт правдоподобный черновик. Третья даёт документ, который руководитель действительно дочитает до конца. И ни в одной из них нет «волшебных слов».
Из чего состоит ясное задание
В каждой профессии, где работу передают другим людям, придумали свой формат постановки задачи: техническое задание, креативный бриф, регламент, приказ. Все они решают одну задачу — перенести понимание из одной головы в действия другой. Для работы с AI надёжное задание (бриф) обычно закрывает семь пунктов. Быстрому вопросу не нужен ни один. Серьёзная задача рассыпается, если их пропустить.
| Элемент | На какой вопрос отвечает | В записке Анны |
|---|---|---|
| 1. Цель и читатель | Зачем это нужно и кто будет читать? | Для скептичного руководителя, который решает, выделять ли бюджет на пилот |
| 2. Материалы | На что опираться? | Годовой план, справка по бюджету (актуальные, с пометками; см. выпуск 2) |
| 3. Ограничения | Что сохранить, чего избегать, чего никогда не обещать? | Одна страница; без названий конкретных поставщиков; никаких обещаний сократить штат |
| 4. Допустимые выводы и выход для неизвестного | Что можно додумать самому, а что оставлять открытым? | «Если цена не указана в материалах, напиши „требует оценки“» |
| 5. Форма | Как должен выглядеть итог? | Записка: проблема, предложение, риски, какое решение нужно |
| 6. Критерий готовности | Как вы поймёте, что получилось? | После одного прочтения руководитель может сказать конкретному пилоту «да» или «нет» |
| 7. Как будет проверяться | Какие опоры нужны вам для сверки? | Каждая цифра привязана к источнику; сначала показать план |
Четвёртый элемент — это первая линия защиты из первого выпуска, встроенная в привычку. Седьмой готовит почву к четвёртому выпуску.
До и после: протокол Тома
Помните четверг второй недели, когда в сводке Тома фраза «постараемся закрыть к пятнице, если получим данные» превратилась в твёрдый срок? Вот его исходный запрос и вариант, который переписала Анна:
| Запрос Тома | Задание Анны |
|---|---|
| «Сделай выжимку встречи и выпиши задачи». | «По приложенной стенограмме сделай таблицу для участников встречи. Раздели принятые решения, предложения и открытые вопросы. Ставь ответственного и срок только если о них прямо договорились; иначе пиши „не назначено“. Сохраняй в строке любые условия („если“, „при условии“, „после того как“). Для каждой строки приведи подтверждающую цитату. Сначала покажи три строки». |
| Нет адресата, категорий, правила для условий и опоры для проверки | Есть цель, материалы, ограничения, законный выход, форма и встроенная проверка |
Задание Анны длиннее, но каждая фраза в нём работает. Такая постановка поймала бы условную «пятницу» на входе. Проверять итог всё равно нужно: чёткое задание снижает риск, но не отменяет ошибок.
Попробуйте сейчас (10 минут). Возьмите реальную некритичную задачу с этой недели.
- Сформулируйте её одной строкой — так, как пишете обычно.
- Перепишите запрос по семи элементам (пропустите только те, что точно не применимы).
- В новом чате отправьте второй вариант и допишите: «Прежде чем начинать, задай мне до трёх вопросов, ответы на которые сильнее всего изменят результат».
Как обычно меняется результат от версии к версии (на примере письма клиенту о задержке):
- 1. Одна строка: Гладкие дежурные извинения с обещанием «решим всё в ближайшее время» — не тот тон и придуманное обещание.
- 2. Задание из 7 пунктов: Попадает в деловой тон получателя, держит ограничение («не называть новую дату») и честно ставит «будет согласовано дополнительно».
- 3. Задание + три вопроса до старта: Модель спрашивает «Упоминать ли смену подрядчика и кто подписывает письмо?» — и убирает последний пробел, из-за которого второй вариант пришлось бы править руками. (Отметьте в своём прогоне ту самую одну строчку задания, которая дала главный скачок качества.)
Когда вы ещё сами не знаете, чего хотите
Иногда честный ответ на вопрос «Зачем это нужно?» звучит как «Пока не до конца понимаю». Тогда разведайте прежде чем строить:
Мне нужно разгрести накопившиеся жалобы заявителей, но я пока не понимаю, какой итоговый документ мне нужен. Задай до пяти вопросов, которые сильнее всего повлияют на подход, а затем предложи три возможных формата результата и что потребуется для каждого.
Ещё один удивительно рабочий приём — сначала наговорите, потом структурируйте. Опишите ситуацию вслух через голосовой ввод: предысторию, сомнения, сырые наброски. Затем попросите модель разложить сказанное по четырём полкам:
- факты;
- принятые решения;
- ограничения;
- открытые вопросы.
После этого обязательно проверьте цифры, имена и специальные термины — именно на них чаще всего сбивается распознавание речи.
Покажите, а не только расскажите
Просьба «пиши ясно» оставляет бесконечный простор для трактовок. Два удачных образца и один неудачный — с пояснением в одну фразу, в чём разница, — работают куда точнее:
Вот две сводки, которые нам подошли, и одна неудачная. В удачных сохранены все цифры и условия; в неудачной выпала оговорка «при согласовании бюджета». Ориентируйся на удачные.
Здесь есть одна ловушка: модель может скопировать случайные детали примеров — их длину, имена или любимые обороты. Выбирайте образцы, разные внешне, но единые по нужному вам качеству, и назовите это качество словами.
Роли задают угол зрения, а не добавляют ума
Пауза и прогноз. Если начать запрос со слов «Ты физик с мировым именем», станут ли ответы модели на вопросы по физике точнее?
- А. Да, экспертная роль заметно повышает точность фактов и выкладок
- Б. Нет, меняются подача и словарь, но не фактическая точность
Исследование · 2025. Та же команда исследователей из Wharton проверила экспертные роли. Если назвать модель экспертом, меняются её словарь, тон и манера подачи, но не фактическая точность. «Ты блестящий физик» не улучшает физику. «С тридцатилетним опытом и международными премиями» не добавляет ни доказательств, ни знаний. Исследование Wharton об экспертных ролях

Значит ли это, что роли бесполезны? Вовсе нет. Роль — это руль, а не форсирование двигателя, а повернуть руль часто именно то, что нужно. Роли отлично работают, когда требуется взгляд с другой стороны. Перед тем как отнести записку директору, Анна попросила модель:
Прочти эту записку трижды: глазами скептичного финансового директора, который ищет скрытые расходы; глазами нового сотрудника, не знающего нашего жаргона; и глазами члена команды, которому придётся менять привычную работу. Для каждого назови два первых возражения.
«Новый сотрудник» поймал три аббревиатуры, непонятные за пределами отдела. «Финансовый директор» спросил, кто оплатит лицензии после окончания пилота. Ни один из этих «рецензентов» не стал умнее базовой модели — каждый оказался полезен под своим углом. Рекомендации Anthropic по постановке задач.
Порядок решает: дайте сначала посмотреть, потом прыгать
В первом выпуске мы видели, что модель пишет по одному токену и опирается на уже написанное. Используйте это вместо того, чтобы с этим бороться:
- Варианты раньше вывода. «Перечисли три возможные трактовки этого пункта, затем укажи, какую из них подтверждает текст».
- Опора раньше оценки. «Сначала процитируй относящиеся к делу абзацы, потом дай своё заключение».
- Выписка раньше письма. «Сначала выпиши строго то, что сказано в заметках. Затем напиши письмо, опираясь только на этот список». Такой двухшаговый порядок почти не оставляет щелей для выдуманной «пятницы».
А как же «думай шаг за шагом»?
У этой уловки есть реальная история: она заметно помогала старым моделям и подтолкнула создание рассуждающих моделей (reasoning models), которых специально учат прорабатывать шаги до ответа. На таких моделях совет переворачивается: OpenAI предупреждает, что команда «думай шаг за шагом» рассуждающим моделям обычно не помогает, а порой и мешает, потому что они уже делают это внутри себя. Рекомендации OpenAI для рассуждающих моделей.
Но если ваша цель — разобраться самому, просить пошаговый разбор по-прежнему полезно. Просто оценивайте рассуждение и итоговый ответ раздельно. Если не уверены, какой режим у вашей модели, посмотрите описание в интерфейсе или начните с прямого задания и проверяемого результата.
Ваша подача ведёт модель на поводу
Есть ещё один способ, которым формулировка меняет ответ, — и он прячется в вашем энтузиазме. Дописав записку, Анна чуть не спросила: «Правда, сильное предложение?» Такой вопрос заранее объявляет, какой ответ вы хотите услышать. Как увидим в четвёртом выпуске, модели охотно подыгрывают.
- Вместо «Разве вариант Б не лучше?» — «Сравни А и Б по этим трём критериям».
- Вместо «Проверь, что мой разбор верен» — «Что должно быть правдой, чтобы этот вывод оказался ошибочным? Где он слабее всего?»
- Если у вас уже есть любимый вариант, лучше не называть его, пока не увидите сравнение.
Правки по делу и когда проще начать заново
Фраза «сделай лучше» почти ничего не говорит модели. Назовите конкретный изъян и требование, которое нарушено:
- ❌ «Сделай более профессионально».
- ✅ «Во втором абзаце обещан результат „в течение нескольких недель“. В материалах сроков нет — убери».
Двух-трёх прицельных правок обычно хватает, чтобы понять, дотянет ли модель. Если нет — разберитесь почему: неясное задание, чего-то не хватает на столе или задача за неровной границей возможностей? И помните: длинный чат, набитый отвергнутыми черновиками, тянет модель назад к ним. Зачастую быстрее всего сработает новый чат с обновлённым заданием, куда вы вписали всё, чему научили неудачные попытки.
Полезный вопрос в любой момент: «Какой дополнительной информации не хватает, чтобы сделать этот ответ заметно точнее?» Подсказки модели хорошо ложатся в чек-лист для следующего задания.
На каком языке писать запрос? На том, на котором вы точнее всего сформулируете требования. Качество ответа меняется в зависимости от модели и темы; если цена ошибки высока, сравните на собственных задачах.
Соберите небольшую библиотеку проверенных заданий
Часть задач повторяется: ответы по статусам, еженедельные сводки, протоколы встреч. Когда задание сработало — особенно если оно закрыло ошибку, которую вы правили уже не раз, — сохраните его. Анна сохранила шаблон протокола, приписав сверху одну строчку: «Никогда не записывай предложение как решение; сохраняй все условия».
Только не тащите туда всё подряд. Разовое ограничение («в этом письме не упоминай бюджет»), сохранённое как общее правило, превращается в мину замедленного действия. В пятом выпуске разберём, как такие сохранённые инструкции (их часто называют навыками — skills) оформлять и проверять, чтобы они не подводили.
Старые привычки — под пересмотр
| Привычка | В чём проблема | Что делать вместо этого |
|---|---|---|
| «Ты гений с мировым именем» | Меняет стиль, но не добавляет точности и фактов | Дайте нужный угол зрения, материалы и критерии |
| Чаевые, угрозы, «постарайся» | На современных моделях почти нет стабильного эффекта | Назовите важные ограничения и проверьте итог |
| Копировать чужой «идеальный промпт» | Ответы меняются, а ваш контекст отличается от чужого | Сохраняйте и проверяйте собственные задания |
| «Всегда думай шаг за шагом» | Лишнее или вредное указание для рассуждающих моделей | Учитывайте тип модели; просите шаги, когда учитесь |
| Загружать всё «на всякий случай» | Старые файлы заглушают нужную деталь | Отбирайте и подписывайте источники (выпуск 2) |
| «Сделай лучше» | Не объясняет, что именно не так | Назовите дефект и требование, которое нарушено |
| Спорить десять раундов подряд | Предыдущий текст продолжает утягивать модель | Откройте новый чат с исправленным заданием |
| «Правда же, здорово вышло?» | Подсказывает модели желаемый ответ | Просите сравнение по явным критериям |
Не превращайте эту таблицу в список жёстких запретов. Если какой-то приём у вас работает — проверьте его на нескольких новых похожих задачах. Единичный яркий успех легко принять за правило.
В четверг Анна передала директору одностраничную записку с конкретным пилотом, назначенным ответственным, открытым вопросом по бюджету и одной смелой идеей. Директор дочитал до конца и спросил неожиданно: «А AI-то этот план понравился?»
Очень понравился — и именно это вскоре стало проблемой.
Сдвиг 3: от заклинаний к ясному заданию. Секретных фраз нет. Модель работает лучше по тем же причинам, что и толковый коллега: она понимает цель и читателя, держит на столе нужные материалы, видит ограничения, имеет право сказать «неизвестно» и знает критерий готовности и способ проверки. Умелая работа с AI сегодня — не поиск хитрых трюков, а управленческий навык: точно объяснить, что вам на самом деле нужно.
Практика: найдите своё повторяющееся упущение
Посмотрите на задание из сегодняшнего упражнения, которое сильнее всего улучшило результат (7 элементов: цель и читатель, материалы, ограничения, законный выход для неизвестного, форма, критерий готовности, опора для проверки). Какой из семи элементов вы пропустили в своей однострочной версии? Повторите то же самое ещё на двух задачах на этой неделе. Большинство людей обнаруживают, что раз за разом забывают один и тот же пункт — чаще всего читателя или критерий готовности. Узнать свою слепую зону ценнее любого шаблона промпта.
На следующей неделе
Анна набрасывает план, как перестроить работу с входящими заявками в отделе, и спрашивает мнение у AI. Тот в восторге: ясно, убедительно, новаторски. Ирина читает тот же план за две минуты и находит в нём дыру размером с ворота. Тем временем эксперимент с тремя чат-ботами и «перевозбуждённой выдрой» показывает, что чат Анны не одинок в этой привычке. В четвёртом выпуске: почему убедительные ошибки так складно звучат, зачем AI вам льстит и на что опираться при проверке.
AI: Фундамент — содержание серии
- Что находится по ту сторону окна чата: как языковая модель собирает ответ, почему AI бывает гениален и небрежен в один день и какие две привычки ловят придуманные обещания.
- Что видит модель: рабочий стол модели, что на самом деле значит «она запомнила» и как оформлять материалы, чтобы находилась нужная деталь.
- Как ставить задачу: почему волшебные слова перестали работать и из чего на самом деле состоит ясное задание.
- Доверяйте проверке, а не тону: откуда берутся убедительные ошибки, почему AI вам льстит и на какую внешнюю опору опираться при проверке.
- Как делегировать: когда передача работы AI окупается, как ставить задачу агенту и как не дать его ошибкам превратиться в действия.
- Оставаться в контуре: как учиться с AI, не теряя собственных навыков, и какие человеческие качества дорожают по мере роста моделей.
Только работающие инструменты
Раз в неделю — практические приёмы и шаблоны, проверенные в реальной работе.