Нейросети могут многое: написать текст, нарисовать картинки или ответить на вопросы. Но ограничений у них до сих пор достаточно. Расскажу про недостатки нейронных сетей, объясню, в каких ситуациях не помогут боты и как можно обойти проблему.
Как решить практически любую задачу с помощью нейросети
В мире нейронок популярен термин декомпозиция. Он означает, что большие задачи нужно разбивать на несколько маленьких, и тогда почти любая задача под силу роботу.
Даже если вы придумаете один подробный запрос, будьте готовы к тому, что с ответом бота придется работать и прояснять какие-то вещи.
Промпт может быть очень подробным, структурированным и самым-самым. Но это не значит, что нейронка проанализирует все данные и выдаст такой же качественный ответ. Поэтому лучше разбить одну задачу на несколько мелких и вместо одного запроса делать несколько к каждой мелкой задаче. Вот как можно разбить написание статьи на несколько этапов:
- Генерируете идеи.
- Создаете структуру будущего текста.
- Определяете ключевые моменты для каждого раздела.
- Пишете первый раздел, исходя из ключевых моментов.
- Пишете остальные разделы по отдельности.
- Улучшаете сгенерированные разделы по отдельности.
- Собираете окончательный текст.
По аналогии так можно делать с любой задачей. Например, нужно разбить на мелкие задачки прототипирование сайта:
- Создать идеи для сайта.
- Определить целевую аудиторию.
- Проанализировать конкурентов.
- Создать структуру сайта (sitemap).
- Определить ключевые моменты для каждого раздела.
- Сделать прототип каждой страницы в отдельности.
Думаю, суть вы поняли: берем одну большую задачу → дробим ее на несколько мелких → приходим к нейросети с мелкими задачами.
Теперь разберёмся, с какими маркетинговыми задачами не стоит приходить к боту и как их декомпозировать.
Нейросеть не станет контент-маркетологом
Контент-маркетолог — это специалист, который занимается продвижением товаров или услуг через контент. В его обязанности входят разные функции
Разработка стратегии контент-маркетинга. Специалист исследует интересы и потребности целевой аудитории, изучает данные по конкурентам, совместно с командой маркетинга определяет цели продвижения. Продумывает форматы контента и выбирает наиболее эффективные каналы.
Участие в создании и распространении контента. Специалист разрабатывает контент-план, иногда сам создает материалы, отслеживает распространение и продвижение публикаций.
Анализ эффективности. Специалист анализирует данные, чтобы понять, помогает ли контент-маркетинг достигать целей бизнеса и выполнить план продаж.
Кажется, что все эти задачи может решить нейронка: разработать стратегию продвижения, создать контент-план, написать текст и оценить его эффективность. Но если мы поручим все эти задания нейросети одновременно, то вот что получим:
При беглом взгляде ответ выглядит классно: нейросеть придумала контент-план, сама написала статью и предложила что-то в блоке с оценкой эффективности. Но если присмотреться, заметно много проблем:
- Контент-план короткий. Всего 8 статей. При этом непонятно, что значит «обучающий пост», «кейс-стадии» и т.д. Что хотел сказать бот, известно только ему самому.
- Статья тоже посредственная. В ней нет подробностей, фактов, интересных мыслей. Она выглядит хуже рерайта за 10 рублей с биржи копирайтинга (да простят меня копирайтеры).
- А на анализ текста нейронка вовсе забила и дала непонятные рекомендации.
В общем, с задачей бот не справился. Создаётся ощущение, что нейросети — это прикол, и в них нет смысла. Но это не так. Даже такую глобальную задачу можно решить с помощью нейронной сети, если разбить все на небольшие запросы: сначала сделать контент-план → потом написать статью → проанализировать какой-то текст.
Это можно сделать при помощи таких промптов.
Создаем контент-план. Чтобы создать контент-план, нужно дать задание нейросети, как и обычному специалисту. Объяснить, для чего нужны тексты и для кого мы пишем.
В ответ получаем такой контент-план:
Выглядит неплохо. Информации больше, чем в плане из первой попытки. И сами статьи выглядят интереснее. Идем дальше — напишем текст.
Пишем статью. Здесь качество ответа сильно зависит от промпта, по запросу «напиши текст» сделать что-то толковое не получится. По сути, это доказывает одно из главных ограничений нейросетей — они не возьмут на себя плохо поставленные задачи. Но, если сформулировать более-менее подробный промпт, можно получить неплохой текст.
Например, я отправил в нейросеть такой запрос:
И получил такой черновик:
Конечно, текст нужно дорабатывать. Но он все равно выглядит лучше чем то, что предложила нейросеть в прошлый раз.
Анализируем тексты. И последняя задача, которая была не под силу нейронке в первый раз. Сейчас мы попробуем проанализировать статистику по текстам отдельным промптом и посмотрим, что получилось:
Вот как бот проанализировал мою информацию:
В итоге бот выделил удачные и неудачные статьи. Увидел, какой формат и тематики наиболее популярны и дальше пошел в глубокий анализ.
Подытожим. В обеих попытках я хотел от бота одинаковых вещей: контент-плана, статьи и анализа. Но в первый раз бот не дал внятного ответа, а во второй раз разложил все по полочкам. Поэтому вывод простой — не спешите думать, что нейронка чего-то не может. Сначала разбейте задачу и делайте потоки запросов.
Мы в агентстве много тестили генерацию статей нейросетями, и пока что кажется, что сдались. Они плохо держат большой контекст, начинают галлюцинировать, подтасовывать факты, повторять одну и ту же информацию несколько раз.
В итоге получается, что на проверку и правки сгенерированной статьи уходит столько же времени, сколько и на ее написание.
Большую хорошую статью сгенерировать нейросетями можно, но пока что это никак не экономит время. Человек делает быстрее.
Зато мы активно используем нейронки для ускорения какой-то части работы. Например, расшифровываем созвоны с экспертами, придумываем структуру статей и заголовки, брейнштормим идеи и так далее. Но пишет потом все же человек.
Нейросеть не станет веб-дизайнером
С текстами вроде понятно — определенные ограничения есть, но их можно обойти. А что с картинками?
Нейросеть не сгенерирует прототип лендинга с готовыми кнопками, изображениями и интересным текстом. Если мы попытаемся сделать что-то подобное, получим кашу:
Также нейросеть не проработает дизайн приложения, не создаст брендбук и не сможет распознать, какое сочетание цветов будет идеально выглядеть на сайте.
По аналогии с текстом кажется, что здесь все проблемы решит декомпозиция. Например, сначала сделаем прототип → потом нарисуем картинки, подходящие под стилистику → напишем текст.
Но это не совсем так. Как бы вы не старались, сделать проработанный прототип не получится. Точно так же не получится продумать дизайн приложения и разработать брендбук. Это пока что под силу только дизайнерам.
Но в плане визуального контента ставить крест на нейросетях не стоит. Они прекрасно справляются с мелкими задачами.
Рисуют логотипы и иконки:
Генерируют продуктовые фото товаров:
Помогают сделать картинки для рекламных объявлений:
В общем, нейросети создают сотни картинок под любые нужды, где задача — сгенерировать одно конкретное изображение.
Но и здесь нужно понимать — иногда лучше просто пообщаться с дизайнером, чем тратить время на создание изображений, над которыми еще долго придется работать. Причина простая: на это уйдет меньше времени, чем на попытки сгенерировать нужные референсы.
Генерировать адекватные макеты у нас пока что не вышло. Максимально жизнеспособный инструмент сделала Figma, но оказалось, что он копирует чужие дизайны, и его закрыли на доработку.
Поэтому все макеты пока что делают дизайнеры вообще без применения нейронок.
А вот с иллюстрациями и графикой нейронки помогают. Дизайнер может быстро нагенерить иконки в едином стиле, сделать «профессиональный фотосет» для спикера на основе его домашней фотки на фоне дивана, нарисовать персонажей и так далее. Это активно используем уже больше года, значительно экономит время и ресурсы.
Нейросеть не автоматизирует все задачи разом
Еще одно ограничение нейросетей — они не автоматизируют все бизнес-процессы одной кнопкой. Невозможно разработать и натренировать нейросеть, которая возьмет на себя всё: проанализирует карты клиентов, определит положение в воронке каждого, начнет общаться с людьми от лица компании и классифицирует лиды.
Пока что нет решений, которые смогут справиться с этими задачами разом. Но и здесь есть выход — создать отдельные предобученные нейросети под каждую задачу. И за это необязательно платить — сделать кастомного бота можно самостоятельно в ChatGPT. Подробная инструкция по созданию собственных ботов уже есть в нашем блоге.
Пока не появились полноценные агенты, говорить об автоматизации всех процессов рано.
Нейронки помогают автоматизировать отдельные кусочки работы: расшифровать созвон, написать follow-up, проверить диалог сейлза с клиентом по чек-листу, ответить в чате на простые вопросы.
Но, во-первых, они все еще совершают много ошибок. А во-вторых, сводить все вместе пока что приходится руками.
Получается, что они экономят время сотрудникам в некоторых рутинных делах, но пока еще не могут никого из них заменить.
Это всё — объемные задачи, которые возможно решить с помощью декомпозиции. Но есть и другие задачи, которые пока что лучше не поручать нейросетям.
Парсинг. Сейчас нейросети плохо ищут информацию в интернете и плохо обрабатывают поисковые запросы. Например, если вы попросите собрать 10 названий пылесосов с сайта Х, нейросеть просто найдет 10 названий пылесосов на разных сайтах. А на ресурс Х может даже не зайти. Побороть эту проблему можно, но для этого придется сохранять страницу сайта X в HTML-формате и объяснять боту, что нужно на ней искать. На это уйдет много времени и сил, проще воспользоваться парсером.
Анализ и смешивание таблиц. Нейросеть может проанализировать таблицу и даже придумать рабочую формулу. Но если вы дадите ей большую таблицу на 500+ строк и попросите выписать оттуда определенные названия — нейросеть сломается во время ответа, и исправить это не получится. Вся проблема — в переполнении контекстного окна, памяти бота. Когда память переполняется, нейросеть выходит из строя и не может дальше отвечать.
Ответы на серьезные вопросы. Проблема нейронок в том, что они могут проанализировать огромные объемы данных, но не могут глубоко в них погрузиться.
Объяснить эту проблему можно отличной пословицей: «Не на пользу читать, коли только вершки хватать». Сейчас нейросети в большинстве случаев хватают информацию именно по верхам и транслируют ее человеку. И даже если вы скормите боту редполитику на 100+ страниц, объясните принципы общения с клиентами в двух томах, ответы бота все равно не будут идеальными.
Все потому, что бот не сможет проанализировать такие большие объемы информации и каждый раз искать там ответ. Вместо этого он найдет общие закономерности в документах и будет выдавать ответы, которые, на его взгляд, максимально релевантны в конкретной ситуации.
Креативное решение проблем. Нейросети могут придумывать идеи и создавать контент, но они не способны мыслить креативно. Любая информация для ИИ — это набор символов в определенном порядке, и эти символы нейронка трансформирует в понятный для себя код. Нейросеть не всегда «осознает» контекст и плохо понимает абстракции. Поэтому там, где нужно придумать что-то креативное, нейросеть точно не пригодится.
Вместо заключения: почему нейросети пока что не такие универсальные, как человек
У человека есть одно важное умение — применять полученные навыки в разных сферах и контекстах. Еще в школе мы учим таблицу умножения и геометрию, чтобы использовать знания при строительстве или расчетах в физике. Мы с детства умеем комбинировать несколько навыков, чтобы решать разные задачи. И этот навык не теряется, если мы устраиваемся на новую работу или попадаем в другое окружение.
С нейросетями всё иначе — они применяют знания изолированно, в рамках конкретных задач. Нейросеть не может совмещать и комбинировать знания, использовать навыки из одного чата в другом чате и контексте. Поэтому главное ограничение бота — логически-смысловое мышление. Пока что его нет, поэтому все задачи, где такое мышление необходимо, бот решить не может.
СВЕЖИЕ СТАТЬИ
Другие материалы из этой рубрики
Не пропускайте новые статьи
Подписывайтесь на соцсети
Делимся новостями и свежими статьями, рассказываем о новинках сервиса
«Честно» — авторская рассылка от редакции Unisender
Искренние письма о работе и жизни. Свежие статьи из блога. Эксклюзивные кейсы и интервью с экспертами диджитала.