Одно из самых полезных применений ИИ выходит за рамки вопросов и ответов: с его помощью можно разбирать идеи, гипотезы, бизнес-модели, решения и проблемы через разные интеллектуальные фреймворки.
Этот подход к мышлению интересует меня всё больше.
Когда мне попадается глубокое видео, статья, подкаст или книга, больше всего меня интересует структура, которая стоит за выводом. Сам вывод — не обязательно.
Как думает этот человек? Какие шаги проходит? Какие допущения проверяет? Через какие оптики смотрит на проблему? Какими критериями руководствуется в суждениях?
Иначе говоря, меня интересует архитектура его рассуждения.
Потому что, когда эта архитектура прочна, ею можно пользоваться.
От потребления идей к извлечению фреймворков
Мы тратим удивительно много времени на потребление чужого мышления.
Смотрим глубокое интервью, читаем убедительный разбор, слушаем, как кто-то раскладывает сложную проблему. Понимаем, что там есть что-то ценное. Возможно, сохраняем ссылку, делаем пару заметок или делимся с кем-то.
А потом, чаще всего, идём дальше.
Что, если обращаться с ценным интеллектуальным контентом иначе?
Можно сохранять не только выводы, но и фреймворк, который к ним привёл.
Выделить последовательность вопросов, критерии оценки, исходные допущения и задействованные оптики. А затем записать эту структуру в формате, пригодном для повторного использования, — хотя бы в простом Markdown-файле.
Тогда в следующий раз, столкнувшись с похожей проблемой, не придётся восстанавливать исходную мысль по памяти.
Можно будет сразу применить фреймворк.
Возьмём проверку бизнес-идеи.
Спросить у ИИ, хороша ли идея, — самый простой ход. Можно пойти дальше и рассмотреть ту же идею через несколько независимых фреймворков.
Фреймворк валидации может вскрыть слабые допущения о клиентах и спросе.
Стратегический — показать конкурентные слабости или упущенные возможности.
Архитектурный — обнаружить, что само решение плохо структурировано.
Модель рисков — найти уязвимости, о которых мы не думали.
Фреймворк масштабирования — определить, что сломается, если идея действительно выстрелит.
Важно, что эти фреймворки не обязательно согласны друг с другом.
Именно этим они и полезны.
Каждый открывает своё измерение проблемы. Вместе они дают более богатую картину, чем одно мнение, сгенерированное моделью.
От отдельных промптов к системам мышления
Ещё интереснее становится, когда процесс автоматизирован.
Представьте, что вы описываете бизнес-идею в голосовом сообщении.
Система расшифровывает его, извлекает нужную информацию и раскладывает её в структурированный формат.
Затем эта информация проходит через несколько фреймворков — последовательно или параллельно.
Каждый фреймворк исследует свою сторону идеи. Результаты собираются, сравниваются и складываются в связный анализ.
Слабые допущения становятся видны. Риски выявляются. Появляются возможности. Противоречия между оптиками выходят на поверхность, и их можно разобрать.
Вместо одного ответа ИИ мы получаем структурированный разбор идеи через несколько разных систем рассуждения.
И тот же подход выходит далеко за пределы проверки бизнес-идей.
Его можно применять к стратегическим решениям, разработке продуктов, организационным задачам, личным проектам — почти к любой повторяющейся проблеме, которую полезно рассмотреть с нескольких сторон.
Сложность автоматизации здесь вторична.
Главное — сдвиг в понимании роли ИИ.
Мы перестаём относиться к нему как к авторитету, выдающему ответы, и начинаем видеть в нём систему, которая помогает работать с разными способами мышления.
Это не отменяет необходимости суждения. У фреймворков свои допущения и ограничения, и их результаты по-прежнему нужно подвергать сомнению.
Но они могут сделать наше рассуждение более явным, систематичным и доступным для проверки.
Настоящая возможность
Думаю, это один из самых недооценённых способов использовать ИИ — как инфраструктуру мышления.
Мышление он при этом не заменяет.
И его роль шире, чем генерация текста или быстрые ответы.
Будущая ценность ИИ может зависеть не только от того, насколько способнее станут модели, но и от того, насколько хорошо мы научимся строить вокруг них системы.
Системы, которые сохраняют полезные интеллектуальные фреймворки, связывают разные оптики и помогают нам проверять собственные допущения.
Возможность здесь шире, чем научить ИИ лучше думать за нас.
Она в том, чтобы создать лучшие условия, в которых мы думаем сами.