Чему вы научитесь
Примерное время: 30 минут
К концу этого урока вы сможете:
- Оценивать generated ИИ работу через пять линз: корректность, качество, соответствие, опыт и ответственность
- Поднимать планку качества выше «оно работает», изучая failure modes, специфичные для ИИ-продуктов
- Ловить предсказуемые технические слепые пятна ИИ до того, как они попадут в продакшн
Распознавание для кода
(5 минут)
Когда ИИ может за минуты поднять работающий продукт, «работает» перестаёт быть планкой. Вы узнаете, где обычно проваливаются ИИ-продукты, какие технические слепые пятна всплывают в продакшне, но не в разработке, и как развить вкус, которого нет у ИИ.
Пять линз распознавания
Линзу 1 легко проверить — запустите и посмотрите. К линзе 5 вы принимаете суждения, которые ИИ за вас принять не может.
Линза 1. Функциональная целостность. Это работает? Даёт корректный вывод на реальных входных данных, а не только на тестовых. Типичный провал ИИ: код, проходящий unit-тесты, но ломающийся на реальных данных, которых промпт не покрывал.
Линза 2. Готовность к продакшну. Это работает хорошо? Выдерживает конкурентных пользователей без race conditions. Типичный провал ИИ: гладко в dev, сломано под нагрузкой или за реальным инфраструктурным стеком.
Линза 3. Соответствие проблеме. Это то, что нужно? Решает реальную потребность пользователя, а не только буквальный спек, который вы написали. Типичный провал ИИ: технически завершённая фича, отвечающая промпту, но упускающая underlying-потребность.
Линза 4. Качество опыта. Это хорошо? Пользователи могут выполнить ключевую задачу без помощи и инструкций. Типичный провал ИИ: generic UI-паттерны, которые технически работают, но выглядят невложенно — растерянные или frustrated пользователи.
Линза 5. Ответственное влияние. Это ответственно? Прозрачность о роли ИИ — не выдаёт generated контент за проверенный факт. Типичный провал ИИ: generated ИИ контент, поданный как авторитетный, или демографическая группа, исключённая по умолчанию.
Ключевые выводы
- Код, который запускается, всё равно может провалиться. Дефолтный вывод ИИ технически завершён, но часто упускает суть.
- У ИИ предсказуемые слепые пятна в конкурентности, безопасности и всём, что ломается только в масштабе.
- Вкус — навык разработчика. ИИ даёт функциональное. Сделать это стоящим использования — ваша задача.
Упражнение
Пользовательское тестирование проекта клиники
Покажите свою сборку партнёру в роли пациента или администратора клиники — не объясняйте, не помогайте. Наблюдайте, где он путается, что игнорирует и чего хотел, но вы не построили. Запишите три вещи, которые изменили бы, и к какой линзе относится каждая.
Рефлексия по уроку
- Какие из пяти линз вы применяете естественно, а о каких приходится себе напоминать?
- Когда ИИ выдаёт что-то недостаточно хорошее, каков ваш инстинкт: исправить самому или лучше описать?
Что дальше
Вы стресс-протестировали проверку времени ожидания клиники через линзы, которые обычно пропускаете. Дальше вы посмотрите на тот же инструмент через другую линзу: каково им реально пользоваться?
Обратная связь
По мере прохождения курса нам будет очень интересно узнать, как вы используете концепции курса в своей работе, а также любые ваши отзывы. Поделитесь отзывом здесь.
Благодарности и лицензия
Copyright 2026 Anthropic. Курс разработан в партнёрстве с CodePath на основе фреймворка ИИ-грамотности, созданного проф. Риком Даканом (Ringling College of Art and Design) и проф. Джозефом Феллером (University College Cork). Выпущено под лицензией CC BY-NC-SA 4.0.