AI для лучших решений: фреймворки, «за» и «против», адвокат дьявола
AI — неожиданно хороший спарринг-партнёр для принятия решений, если перестать использовать его как «машину ответов». Рабочий процесс для принятия лучших решений с помощью AI — и промпты, которые заставляют его спорить, а не соглашаться.
Когда перед вами трудное решение, инстинктивно хочется спросить модель: «что мне делать?» Это неправильный вопрос. Модель либо выдаст вежливое и уклончивое «зависит от...», либо — что хуже — даст уверенный ответ, исходя из той рамки, которую вы ей задали. Ни то, ни другое не является поддержкой принятия решения; и то, и другое — приукрашенная подтверждающая предвзятость.
Есть способ лучше. AI — неожиданно хороший спарринг-партнёр для решений, если использовать его так: чтобы вытаскивать аргументы, которые вы упустили, чтобы оспаривать рамки, которые вы уже приняли, чтобы играть роль скептика, которого вам не хватает в команде. Эта статья — рабочий процесс именно для этого.
Сдвиг рамки
Сдвиг в мышлении — от «скажи мне ответ» к «помоги мне подумать». Конкретно:
- Вместо «что мне делать?» → «помоги мне разобраться в моей собственной ситуации».
- Вместо «какие есть «за» и «против»?» → «какие самые сильные «за» и «против», и какие из моих допущений слабее всего?»
- Вместо «что бы ты порекомендовал?» → «какой самый правдоподобный аргумент против того, к чему я склоняюсь?»
Одна и та же модель выдаёт кардинально разные результаты в зависимости от того, какой вопрос вы задаёте. Сдвиг рамки — это вся игра.
Четырёхшаговый рабочий процесс решения
Повторяемый процесс для любого значимого решения:
- Рамка — выложить ситуацию на стол начисто.
- Генерация — произвести аргументы и варианты, больше, чем вы бы придумали в одиночку.
- Стресс-тест — заставить модель атаковать вашу склонность.
- Решение — выбрать, откалиброванно по реальной уверенности.
Разберём каждый шаг.
Шаг 1: Рамка
Самая большая ошибка в промптах для решений — начинать слишком быстро. У вас есть ощущение от ситуации; вы коротко её описываете; модель цепляется за вашу рамку. На выходе — отполированная версия вашего собственного начального смещения.
Заставьте модель сначала вас опросить.
Я собираюсь принять решение. Прежде чем что-либо говорить, задай мне 5–7 вопросов, ответы на которые тебе нужны, чтобы дать мне полезное партнёрство в мышлении. Охвати: какие на самом деле есть варианты, в чём мои реальные ограничения, кого ещё это затрагивает, как выглядит успех, о чём я жалел бы больше всего. Жди моих ответов.
Обратите внимание на строку «охвати». Без неё модель задаёт общие вопросы. С ней вы получаете вопросы, которые касаются каждого измерения решения.
Отвечайте честно. Часто сам процесс ответа что-то вскрывает — что вы фактически не определили варианты, что вы не сформулировали реальное ограничение, что вы не знаете, как выглядит успех. Эти откровения дают 30% ценности всего упражнения.
После ваших ответов у модели есть ситуация. Теперь она может реально помочь.
Шаг 2: Генерация
Теперь просите аргументы и варианты. Хорошо работает шаблон structured-template:
Теперь дай мне:
>
Три самых сильных аргумента за каждый вариант. Цитируй мои ответы там, где они подкрепляют пункт. Помечай всё, в чём ты не уверена.
>
Два варианта, которые я могу упускать. Иногда лучший выбор — тот, который я ещё не рассмотрел. Если ты их видишь, назови.
>
Самый важный фактор, который мне стоит взвесить. Какое измерение действительно имеет большее значение в этом решении?
>
Моё самое слабое допущение. Что из того, что я тебе сказал, скорее всего ошибочно или вероятнее всего изменится?
Вы получите список шире, чем сами бы сгенерировали. Строка про «варианты, которые я могу упускать» особенно полезна. Люди часто формулируют решения как бинарные («принять оффер или нет»), хотя на деле вариантов четыре или пять («принять, отказаться, торговаться, выбрать третий вариант, отложить решение»).
Надёжный продолжающий вопрос: «Для моего самого слабого допущения — если оно окажется ошибочным, как изменится решение?» Это вопрос на чувствительность, который люди редко задают сами себе, но именно это делают хорошие принимающие решения.
Шаг 3: Стресс-тест
Теперь самый недоиспользуемый приём в решениях с помощью AI. Заставьте модель возражать.
Теперь сыграй адвоката дьявола против моей склонности. Допустим, я собираюсь выбрать [вариант, к которому склоняюсь]. Построй самый сильный правдоподобный аргумент против. Будь конкретна — не общие опасения, а реальные сценарии, в которых это окажется неправильным выбором.
Результат часто открывает глаза. Модели умеют аргументировать обе стороны; они просто по умолчанию выбирают ту, которую, как им кажется, вы хотите услышать. Явная просьба о противоположной стороне разблокирует её.
Более агрессивная версия:
Представь, что прошло два года, и это решение оказалось катастрофой. Что произошло? Проведи меня шаг за шагом через наиболее правдоподобный сценарий провала.
Эта pre-mortem-рамка — классический приём науки о принятии решений, и модель справляется с ним хорошо. Вы часто увидите риски, которые упустили, и обнаружите, что один из них тревожнее, чем вы предполагали.
Для решений, где у вас сильная интуиция, попробуйте также:
Перечисли три причины, по которым я могу выбирать это по неправильным основаниям — предвзятость, привычность, sunk-cost, желание выдать желаемое за действительное.
Честную самопроверку трудно сделать в одиночку. Модель охотно сделает её за вас.
Шаг 4: Решение
Теперь у вас гораздо более богатый взгляд на решение. Финальный шаг — принять его, причём с откалиброванной уверенностью.
Учитывая всё, что мы обсудили, какова твоя рекомендация? Включи:
>
1. Выбор, который ты бы сделала, одной фразой. 2. Уровень уверенности: низкий (40–60%), средний (60–75%) или высокий (75%+). 3. Один новый факт, который изменил бы твой ответ.
>
Говори прямо. Без вежливого «зависит» — мне нужна позиция.
Уровень уверенности важен. Рекомендация с «высокой уверенностью» — это совсем другое, чем «это пограничный случай, слегка склоняюсь к X», и действовать по ним нужно по-разному. Без явной просьбы об уверенности модель подаст их одним и тем же голосом.
Прочитайте рекомендацию. Затем примите решение. Рекомендация — это вход, а не выход; принимающий решение всё ещё вы. Но теперь — лучше информированный.
Несколько полезных приёмов под типы решений
Работа и карьера. Шаг с опросом критически важен. Большинство людей формулируют это как «брать ли мне эту работу», тогда как настоящий вопрос — «чего я хочу от работы в ближайшие два года и служит ли это этой цели». Заставьте модель спросить о вашем двухлетнем горизонте, финансовых ограничениях, семейной ситуации и о том, о чём вы жалели бы больше всего. Решение часто проясняется, как только это оказывается на бумаге.
Решения о найме. Агрессивно используйте шаблон devil's advocate. Большинство решений о найме идут не так, потому что нанимающий менеджер влюбился в одного кандидата и перестал придирчиво смотреть. «Построй кейс против найма [имя]» даёт полезную информацию.
Стратегические и бизнес-решения. Используйте pre-mortem («представь, что это провалилось через два года»). Большинство стратегических решений принимают в оптимистичном режиме; pre-mortem вскрывает зависимости и риски, которые оптимизм затирает.
Крупные покупки. Используйте рамку «самое слабое допущение». Большинство крупных покупок опирается на какие-то предположения о будущем использовании или будущих доходах, которые могут не сбыться. Проверка допущения до покупки экономит реальные деньги.
Отношения и личные решения. Используйте рамку «о чём я жалел бы больше всего». В личных решениях ретроспективно доминирует сожаление; вытаскивание того, о чём вы реально пожалели бы, помогает отделить это от временного дискомфорта.
Распространённая ловушка
Ловушка: использование AI как машины подтверждения. Вы заходите с чёткой склонностью, пишете промпт, который незаметно смещён в её пользу, и модель послушно производит подкрепление. Вы чувствуете себя подтверждённым; принимаете решение; ничего не было продумано.
Защита структурна: всегда прогоняйте шаг адвоката дьявола, как бы очевидной вам ни казалась ваша склонность. Если после построения самого сильного контраргумента вы всё ещё чувствуете уверенность — вы реально подумали. Если контраргумент вас расшатывает — это модель делает ровно то, что сделал бы хороший советник: возражает, чтобы вы не действовали на основании полупродуманного.
Полезная самопроверка: в конце каждого разговора о решении спросите себя: «что модель сказала такого, о чём я уже не думал?» Если ответ — «ничего», вы плохо использовали модель. Перезапустите процесс с более честной рамкой.
Custom GPT, чтобы это вошло в рефлекс
Если вы делаете это часто, соберите Custom GPT (или Claude Project) «Decision Sparring Partner» с встроенным процессом. Инструкции вроде:
Когда тебе задают вопрос о любом решении, следуй строгой последовательности:
>
1. Задай 5–7 вопросов о вариантах, ограничениях, тех, кого это затрагивает, критериях успеха и о том, о чём человек жалел бы больше всего. Жди ответов. 2. Перечисли самые сильные аргументы за каждый вариант, варианты, которые человек может упускать, самое важное измерение и самое слабое допущение. 3. Сыграй адвоката дьявола против варианта, к которому человек склоняется. Построй самый сильный правдоподобный контраргумент. 4. Дай прямую рекомендацию с уровнем уверенности и фактом, который изменил бы ответ.
>
Пропускай шаги только если пользователь прямо попросит. Возражай против рационализаций и предвзятостей. Не давай вежливых ответов «с двух сторон» — производи позиции.
Используйте это для любого значимого решения. Дисциплина прогона всего процесса по каждому важному выбору будет накапливаться месяцами. Каждый год вы будете ловить небольшое число ошибок, которые без этого допустили бы, и несколько из них окажутся дорогими.
Главное
AI — отличный инструмент для решений, когда вы перестаёте обращаться с ним как с оракулом. Сложная часть любого решения — это мышление: артикуляция ситуации, взвешивание аргументов, поиск того, что вы упустили, стресс-тест вашей склонности. Модель ускоряет каждый из этих шагов. Финальный выбор остаётся за вами.
Рамка, генерация, стресс-тест, решение. Четыре шага, около тридцати минут на значимое решение. Решения становятся лучше, частота сожалений падает.