С появлением новых поколений языковых моделей, таких как Claude Fable 5, становится очевидно: разницу в результатах все чаще определяет не сам искусственный интеллект, а то, насколько человек умеет с ним взаимодействовать.

В сети регулярно появляются необычные примеры использования Fable 5: от интерактивного «магического дневника» в стиле «Гарри Поттера» до запуска классических компьютерных игр на мобильных устройствах и создания анимированных ASCII-автопортретов. Во многих случаях авторы проектов используют не одну удачную подсказку (prompt), а десятки итераций, постоянно уточняя идеи и проверяя гипотезы.

Главная проблема сегодня заключается уже не в недостатке возможностей ИИ, а в том, что сами пользователи не всегда ясно понимают собственные требования. Они ссылаются на известный принцип «карта — не территория»: любое текстовое описание задачи представляет собой лишь упрощенную модель реальной ситуации. Во время выполнения проекта неизбежно возникают детали и ограничения, которые невозможно полностью предусмотреть заранее.

Поэтому вместо стремления написать идеальный запрос предлагается другой подход — помогать искусственному интеллекту выявлять «неизвестные неизвестности», то есть аспекты задачи, о которых пользователь сам еще не задумался.

Для этого рекомендуется начинать работу с небольших прототипов, нескольких вариантов дизайна или предварительных демонстрационных решений. Такой способ позволяет быстро увидеть, что действительно соответствует ожиданиям, а что требует пересмотра.

Еще одна рекомендация — превратить AI в собеседника, который задает уточняющие вопросы. Вместо того чтобы сразу приступать к реализации проекта, модель может последовательно выяснять ключевые решения, влияющие на архитектуру системы, пользовательский интерфейс или структуру данных. Это помогает сформулировать требования значительно точнее.

Во время длительной работы над проектом авторы советуют поручать модели вести журнал принятых решений. Если AI вынужден отклониться от первоначального плана, он должен фиксировать причины изменений и возможные риски. Такой подход делает процесс разработки более прозрачным и позволяет человеку сохранять контроль над результатом.

Интересной выглядит и идея использовать искусственный интеллект в роли экзаменатора. После завершения проекта модель может подготовить отчет о внесенных изменениях и составить вопросы, проверяющие понимание проделанной работы. Это позволяет убедиться, что разработчик действительно разобрался в полученном результате, а не просто принял предложенные AI изменения.

Современные модели становятся настолько мощными, что основным ограничением оказывается уже не их способность писать код или создавать контент, а умение человека правильно формулировать задачи, замечать пробелы в собственных знаниях и постоянно проверять свои гипотезы.

По мере развития искусственного интеллекта именно эти навыки, вероятно, будут все сильнее определять эффективность работы с новыми технологиями.