- Обучение промпт-инжинирингу стоит оценивать по тому, умеет ли сотрудник поставить задачу, подобрать исходные данные и проверить результат.
- Звание «лучшего эксперта», которое присвоили нейросети, не заменяет условий задачи и проверки фактов.
- Готовый шаблон помогает в повторяющейся работе, если сотрудник понимает, когда его применять нельзя.
- Хорошее учебное упражнение – найти недостающие сведения до того, как просить ИИ написать письмо клиенту.
На 12 октября 2026 года Local Enterprise Office South Dublin запланировал практический семинар по ИИ и составлению запросов для бизнеса. В описании – применение ИИ на рабочем месте. Меня как HR-директора здесь цепляет вопрос: что сотрудник должен уметь после обучения промпт-инжинирингу? Я бы проверяла, может ли он объяснить задачу и решить, годится ли результат. Но есть и другой путь – собрать библиотеку заклинаний. Для него и пригодятся эти антисоветы.
Промпт-инжиниринг: обучение начните с назначения нейросети гением
Пусть каждый запрос начинается словами «Ты лучший в мире эксперт». Должность выдали, квалификацию считать подтверждённой.
Эту надежду уже проверяли исследователи. Минцянь Чжэн и соавторы в работе, опубликованной на EMNLP в 2024 году, проверяли четыре семейства языковых моделей на 2410 фактических вопросах. Добавление ролей в системные инструкции не улучшило результаты относительно варианта без роли. Автоматически подобрать удачную роль тоже оказалось трудно. Вывод относится к исследованным моделям и задачам; запрещать на его основании роли во всех запросах было бы странно. Исследование.
Я бы не запрещала сотруднику писать «ты редактор». Так удобно обозначить ожидаемую работу. Только следом нужны сведения: для кого текст, какую мысль передать, что сохранить. «Ты гениальный редактор» не сообщает ничего из этого.
В российской программе BiometricLabs среди навыков прямо указаны структура запроса, ограничения и проверка ответа. За такие пункты я и цепляюсь, когда читаю программу обучения: что именно сотрудник научится делать и как это проверить?
Выдайте сборник промптов и спрячьте исходные данные
Возьмём учебный запрос: «Напиши убедительное письмо клиенту с предложением продлить обслуживание. Тон дружелюбный, без канцелярита».
Выглядит вполне прилично. Кроме мелочи: условия обслуживания остались у человека в голове. Состав работ, порядок оплаты, предыдущие договорённости с клиентом, ожидаемый ответ на письмо – всё это модели ещё предстоит узнать (если человек вспомнит приложить).
Я бы засчитала сотруднику найденный пробел, даже если самого письма пока нет. Иногда полезнее вовремя остановиться, чем выдать аккуратный текст с обещаниями, которые никто не согласовывал.
Anthropic в рекомендациях по работе с контекстом советует давать ясные инструкции, подбирать полезные примеры и отбирать значимую информацию. Контекст – это сведения, доступные модели при подготовке ответа. Тащить в запрос весь архив переписки с расчётом «сама разберётся» я бы не предлагала.
Вместо очередной порции шаблонов дайте сотруднику такое упражнение:
- Сформулировать цель письма: какое решение должен принять адресат.
- Найти подтверждённые условия предложения и указать, откуда они взяты.
- Отделить неизвестное: какие сведения нужно уточнить у владельца задачи.
- Описать пригодный результат: что обязательно включить и чего обещать нельзя.
После этого учебный запрос может выглядеть так:
Подготовь черновик письма действующему клиенту о продлении обслуживания. Используй только приложенные согласованные условия. Цель письма – получить подтверждение готовности обсудить продление. Не добавляй скидки, сроки и обязательства, которых нет в исходных сведениях. Если для предложения не хватает условий, сначала перечисли вопросы ко мне.
Условия всё равно придётся приложить. Последняя фраза за человека этого не сделает и не гарантирует, что модель заметит каждый пробел.
Я бы добавила небольшую проверку: убрала из учебного пакета существенное условие и попросила сотрудника объяснить, можно ли продолжать. Заметил пропуск, знает, у кого уточнить, – вот уже навык, который можно увидеть в работе. Папка с промптами сама за него не ответит.
Принимайте экзамен по красоте ответа
Ровные абзацы, доброжелательный тон, уверенное завершение. Можно поставить зачёт и только потом узнать, что клиенту пообещали лишнее.
На такой приёмке я бы попросила показать, какие сведения сотрудник использовал, чего ему не хватило и почему письмо можно отправлять. Проверять здесь есть что: все условия совпадают с источником, новых обязательств нет, адресату понятен следующий шаг. Красота слога подождёт.
В CRT AI-first подход предполагает, что AI Software Engineer ведёт задачу от бизнес-постановки до работающего решения. Для меня смысл разработки с ИИ-агентами именно в этой ответственности. Получить ответ – ещё не значит выполнить задачу.
Я против того, чтобы главным итогом обучения становились заученные формулировки. Но если задача стабильна, исходные данные устроены одинаково, а шаблон проверен на характерных случаях, сочинять запрос заново незачем. К нему я бы приложила короткую памятку: какие поля заполнить, что проверить и при каких изменениях остановиться.
Вопросы и ответы
Нужно ли всем сотрудникам становиться промпт-инженерами?
Я бы не ставила такую цель. Для повседневной работы полезнее научиться описывать свою задачу, передавать разрешённые исходные данные и оценивать ответ в пределах собственной компетенции.
Можно ли учиться на готовых шаблонах?
Да, если разбирать назначение каждой части запроса. Полезное упражнение – изменить условия задачи и объяснить, какие части шаблона теперь не подходят.
Что делать
Возьмите обезличенную рабочую задачу и попросите сотрудника составить запрос, объяснить, зачем он выбрал именно эти сведения, и заранее назвать критерии пригодного ответа. С такого разбора я бы и начинала оценивать обучение. Ориентир по ответственности за задачу – роль AI Software Engineer: специалиста, который доводит работу до решения.
Обсудить задачу
