Осторожно, ИИ!
Пять лет назад, когда мы запускали OMY! Sports, мы осторожно относились к упоминанию ИИ — чтобы не отпугнуть пользователей, привыкших к работе с тренером-человеком. Сегодня ситуация изменилась, но осторожность осталась. Только теперь причина другая: ожидания от ИИ стали слишком высокими.
Реальность, как это часто бывает, находится где-то посередине.
Как возникает разрыв ожиданий
Активное использование открытых ИИ-моделей — таких как ChatGPT, DeepSeek и других — часто приводит к двум крайностям. С одной стороны, у пользователя возникает ощущение, что «всё стало понятно». С другой — приходит разочарование, когда ответы оказываются слишком общими, недостаточно точными или неприменимыми в реальном мире.
Как работают открытые ИИ-модели
Открытые ИИ-модели работают как эхо ваших вопросов. Они отлично умеют:
- формулировать мысли,
- структурировать информацию
- предлагать возможные варианты решений из самых популярных.
При этом они опираются в первую очередь на обобщённые знания, а не на конкретную ситуацию пользователя. В результате ответы получаются логичными и полезными, но не всегда применимыми на практике к задаче каждого конкретного пользователя. Поэтому часто получаются курьезы, которые вежливые чаты всегда готовы закончить фразой "Ты совершенно прав(а)..."
В чем главное ограничение открытых ИИ
Современные ИИ-модели уже умеют предлагать решения и даже выбирать между вариантами. Однако ключевой вопрос — насколько этот выбор подходит именно вам? Без понимания вашего уровня, контекста, целей и накопленных данных любой ответ остаётся вероятностным, а не точным.
Что делает ИИ-модели действительно полезными
Именно здесь проходит граница между «интересным» и «действительно полезным» ИИ.
Чтобы рекомендации стали практичными, системе недостаточно просто знать «всё обо всём». Ей нужно уметь работать с индивидуальными данными пользователя и применять к ним понятную и проверенную логику принятия решений. Важно, что сами по себе данные не создают ценности — она появляется только тогда, когда эти данные интерпретируются через методологию.
Открытие и продуктовые ИИ — в чем разница
В этом смысле различие между открытыми ИИ-моделями и продуктовыми системами становится особенно заметным. Открытые модели дают широту — они быстро обновляются, умеют объяснять и охватывают огромное количество тем. Продуктовые системы, напротив, работают с конкретным пользователем, его данными и задачами, а значит способны давать более прикладные рекомендации.
По отдельности оба подхода имеют свои недостатки:
- открытые ИИ-модели недостаточно точны
- продуктовые ИИ ограничены в кругозоре
Где появляется настоящая ценность
Настоящая ценность возникает в сочетании трех элементов:
широта кругозора открытых ИИ-моделей + глубина индивидуальных данных продуктовых ИИ + методологии принятия решений продуктовых ИИ
Здесь важно, что именно методология связывает данные и рекомендации в осмысленный результат.
Как это устроено в OMY! Sports
В OMY! Sports мы объединили три ключевых компонента и сохранили человеческий фактор:
- возможности открытых ИИ-моделей
- анализ индивидуальных спортивных данных
- методология принятия решений, основанная на профессиональном опыте и научных знаниях
- + мы оставили возможность общаться с человеком
Это не отдельные элементы, а единая система, которая работает на всех уровнях продукта:
- в чате с Робом
- в коммуникации с тренером
- в календаре тренировок
- в настройках
- и на уровне бэкенда, где формируются и корректируются планы
Именно это позволяет превращать ответы в действия, а не просто информацию.
Что дальше с Робом
Пока еще Роб учится и постепенно переходит из "школы" в "университет" - мы постоянно заняты его обучением. Как? Мы развиваем его прикладные навыки на конкретных вопросах пользователей и наших ответах. Расширяем его профессиональный кругозор, погружаем в глубины методологии. Ключевым останется его способность работать с индивидуальными данными, умноженная на логику принятия решений. Так, постепенно взаимодействие станет более адекватным, адресным и естественным.
Почему это важно
ИИ становится по-настоящему полезным не тогда, когда он «много знает», а когда он помогает принять правильное решение в конкретной ситуации. Понимание этого помогает формировать реалистичные ожидания, выбирать более сильные продукты и, в конечном итоге, получать реальную пользу, а не просто ответы.
О методологии OMY! Sports можно прочитать в разделе ИИ нашего сайта
Ваша команда OMY! Sports