Это больше не ХИ‑ХИ: как использовать ИИ — и не разучиться думать

«Ну понятно, до нормального результата ещё года два». Так можно было сказать про нейронки… примерно полгода назад. И вот мы здесь. ИИ уже делает кучу вещей сильно быстрее и проще.

И вот здесь начинается самое дискуссионное. Потому что вместе с рабочей задачей есть риск передать искусственному интеллекту ^[1] и кое‑что важное: поиск и анализ информации, который влияет на развитие собственного интеллекта. 

Привет! Это Денис Румянцев, руководитель продуктовой разработки в Профи.ру. Я не сторонник ни полного восторга от ИИ, ни идеи «давайте всё запретим, пока не поздно». 

Для меня это просто инструмент, который нужно нормально встроить в работу. В этой статье как раз и поговорим, как это может выглядеть на практике.

Помогать(,) нельзя(,) думать за вас

У ИИ есть очень приятное свойство: он умеет сокращать путь до результата. Там, где раньше нужно было час разбираться, перебирать варианты и проверять себя, теперь иногда достаточно нормально сформулировать вопрос. 

Звучит как подарок. Чем быстрее решается задача, тем больше всего можно успеть. Но есть и обратная сторона. Что будет, если вместе с путём до результата мы начнём сокращать и путь до понимания?

Раньше, чтобы починить баг, приходилось залезать в код, разбираться, как там что работает, смотреть на параметры и типы. В процессе можно было найти какой‑то нетипичный сценарий, покопаться в нём. В итоге узнать что‑то для себя новое. 

И даже если изначально ты залезал, чтобы починить что‑то одно, по дороге получалось вникнуть во много всего остального. 

Теперь можно просто спросить нейросеть. Она, скорее всего, сразу выдаст готовый ответ — и даже с первого запроса. Задача закрыта, можно идти на обед. И вот здесь ловушка. Ты получил верный ответ, но мог так и не понять, почему он правильный. 

Вроде всё хорошо: баг исправлен, время сэкономлено, бизнес доволен. Но если постоянно пропускать этот этап, можно постепенно отвыкнуть разбираться в сложных вещах. Возникает конфликт ^[2] между эффективностью и собственным развитием.

И как балансировать

Если нейросеть помогает сделать ту же работу быстрее, логично ^[3] этим пользоваться. Не нужно тратить час на задачу, которую можно решить с ИИ за пять минут только ради того, чтобы сохранить старые порядки.

Проблема с саморазвитием ведь не появилась вместе с ИИ. Раньше можно было, например, скопировать готовый ответ со Stack Overflow и тоже особо не разбираться. Просто с появлением нейронок она стала заметнее. 

И, как и со многими вещами, новая проблема решается старым добрым самоконтролем. Если хочется учиться и развиваться, можно использовать на это время, которое освобождают нейросети. И установить для себя правила:

1. Не использовать ИИ только как кнопку «сделай за меня». Когда нужно разобраться в теме, можно попросить его объяснять решения, задавать дополнительные вопросы, останавливаться на непонятных местах. 

2. Специально бронировать время на развитие. Выполнять рабочие дела быстро — с помощью нейросетей. Но отдельно занимать в календаре слоты под обучение ^[4]. В это время добросовестно разбираться в чём‑то новом или копаться в задаче, которую до этого решил ИИ.

3. Заранее определить, что делегируется нейросетям, а что остаётся человеку. Потому что, помимо важного вопроса про развитие, есть ещё две темы: безопасности и здравого смысла.

Что в Профи.ру делают нейросети

Большой вопрос — куда пристраивать нейросети. Есть процессы, которые и раньше можно было автоматизировать, но это просто не имело смысла. Чтобы сделать даже небольшую автоматизацию, нужно было потратить много времени и сил — гораздо больше, чем ушло бы на выполнение задачи вручную.

С ИИ этот баланс немного поменялся. Саму автоматизацию теперь можно делать быстрее и дешевле. Поэтому появился смысл браться и за те задачи, до которых раньше не находились ресурсы.

Более того, мы сейчас для себя выбрали подход: даже некоторые «дорогие» автоматизации всё равно делать — например, те, где нужны специальные MCP, дополнительные настройки и ограничения. Не потому, что они сразу окупятся, а чтобы коллеги получали опыт ^[5] внедрения ИИ‑агентов и понимали, как с ними работать на практике. 

В таких случаях инфраструктурная команда помогает только с доработкой core‑механик, с остальным заказчик должен разобраться сам.

В Профи.ру, например, появился агент, который помогает собирать информацию по A/B‑тестам. Он берёт данные по эксперименту, основные гипотезы и контекст, находит в задачах и документации дизайн эксперимента, дополняет его макетами из Figma и вариантами теста. Затем собирает ключевые метрики — в том числе с разной сегментацией — и оценивает влияние эксперимента при раскатке.

На этом он не останавливается: сопоставляет результаты с качественными исследованиями, если они проводились, обсуждениями и решениями команды. В конце формирует рекомендации и приносит всё одним файлом, с которым команда уже может принимать финальное решение. Все его действия можно залогировать и потом посмотреть, что именно он делал.

А вот к ревью пока другой подход. Часть работы уже делает ИИ, но полностью поручить процесс нейросетям мы не готовы — особенно в том, что касается основных систем Профи.ру. Зато искусственный интеллект мог бы проверять решения, которые вайб‑кодят и запускают сотрудники компании. 

В планах — сделать отдельную платформу, где можно будет обращаться к собственным моделям компании, работать через агентов с внутренними инструментами и собирать свои решения в изолированном контуре. Получается, человек будет решать, что ему нужно сделать, ИИ — помогать это собрать, а отдельный агент — проверять, не сделал ли пользователь вместе с полезным решением что‑нибудь опасное.