Тема отвечает на вопрос, чему учить команду, чтобы ИИ давал прирост, а не убедительные ошибки.
Ключевая мысль PAF: главный навык — не умение писать промты, а метапознание, то есть способность замечать границы собственного знания и проверять результат. PAF приводит три исследования.
В эксперименте Harvard и Boston Consulting Group (2023) консультанты с ИИ на задаче, где ИИ слаб, ошибались чаще: правильность решений снизилась на 15–25%, потому что люди полагались на ИИ и там, где он ошибается. В эксперименте Harvard и Procter & Gamble (2025, 776 сотрудников) команды с ИИ в 3 раза чаще выдавали решения из топ-10 по качеству. В исследовании 250 сотрудников технологической консалтинговой компании в Китае у людей со слабым метапознанием ИИ не дал почти никакого эффекта по сравнению с контрольной группой. Все три пересказаны по странице PAF «Роли в эпоху ИИ».
Отсюда два практических правила гайда. Первое: факт — то, у чего есть источник, дата и автор, остальное — гипотеза; проверка одна — «покажи, где проверить». Агент не создаёт факты: он переносит их с источником, считает по правилам или указывает на пустоту. Второе: человек явно фиксирует, что отдаёт агенту, а что оставляет себе. Стратегия и распределение ресурса, договорённости между людьми, обещания наружу остаются человеку.
Вместо T-профиля — одна глубокая специализация плюс общая база — PAF предлагает «гребёнку»: несколько глубоких навыков, а недостающее закрывают агенты.
Как читать прикреплённые материалы:
- «Кого читать, чтобы погрузиться в LLM-инженерию» — каналы в четырёх группах: глубина стека, внедрение и продукт, стартап-оптика, сообщество. Дайте каждой роли одну группу, а не всё сразу.
- «AI Academy от IBM» — треки от стратегических основ до внедрения в работу. Подходит руководителям и владельцам продукта.
- «Лекции про архитектуру AI-приложений, Kubernetes и сети» — для техлидов и архитекторов: шлюзы для AI-приложений и антипаттерны облачной инфраструктуры.
Как устроена работа самих агентов и где их граница, разобрано в теме «Команда агентов».