LLM это кошачья мята для основателей. Держитесь своей полосы.
LLM для основателей словно кошачья мята: они вызывают привыкание, опьяняют и это билет в один конец в страну иллюзий. Я никогда не перестану поощрять новые технологии и не стану отговаривать кого-либо от экспериментов. Но если дело становится серьёзным, то, возможно, вместо той подписки на ChatGPT Pro за 200 долларов лучше нанять консультанта. MIT NANDA в 2025 году изучил 300 корпоративных внедрений ИИ и выяснил, что 95 % не дали измеримого эффекта. Проблема редко была в самой модели. Она была в человеческом суждении вокруг неё.
Почему основатели влюбляются в LLM
Вы задаёте LLM вопрос. Она даёт красноречивый ответ. Вы чувствуете себя умнее. Вы задаёте ещё вопрос. Она даёт ещё один красноречивый ответ. Вы чувствуете себя ещё умнее.
Сорок минут спустя у вас есть стратегический план, техническая архитектура, продуктовая дорожная карта и маркетинговое позиционирование, и всё это написано сущностью, которая никогда не встречала ваших клиентов, никогда не видела вашей бухгалтерии и не заинтересована в вашем результате.
LLM вам не лжёт. Она делает то, для чего её обучили: производит текст, который по шаблону совпадает с тем, о чём вы спросили. Современные модели обучают на человеческой обратной связи (RLHF), и это обучение оптимизирует ответы, которые люди оценивают высоко, а не ответы, которые истинны. Исследователи называют этот эффект угодливостью (sycophancy), и исследование 2025 года в журнале Science обнаружило её во всех 17 протестированных моделях, где ИИ соглашался с пользователями, даже когда те были явно неправы. Проблема в том, что вы попросили уверенности и получили уверенность. Вы не просили горьких истин.
Где это становится опасным
Когда основатели используют LLM, чтобы принимать решения, а не генерировать варианты.
Генерировать варианты это правильное применение. Провести мозговой штурм из 20 названий. Набросать структуру. Составить черновик письма. Ускорить скучные части. В этом LLM великолепна.
Принимать решения это неправильное применение. Стоит ли менять курс. Стоит ли нанимать. Стоит ли привлекать инвестиции. Стоит ли увольнять. Стоит ли делать ставку на этот рынок. LLM не заинтересована в результате и не имеет контекста о вашей конкретной ситуации. Позволить ей решать значит позволить автодополнению вести ваш бизнес.
Режим отказа коварен. Вы начинаете использовать LLM для мелких решений. Каждое из них кажется безобидным. Через три месяца ваша дорожная карта сформирована тем, что LLM сказала о рыночных трендах в разговорах, в которых не участвовал никто другой. Именно это задокументировал MIT NANDA в своём отчёте State of AI in Business за 2025 год: по итогам 52 интервью с руководителями и 300 внедрений 95 % пилотов генеративного ИИ не принесли измеримой отдачи, и причиной почти никогда не была модель. Причина была в том, что никто не встроил результат в реальный рабочий процесс и не проверил его на реальном итоге.
Когда вместо этого нанять человека
Три сигнала говорят вам, что пора нанять консультанта или специалиста, а не спрашивать LLM.
Первый: решение влияет на выручку или запас прочности. Всё, что существенно меняет финансовую траекторию бизнеса, заслуживает человека, который рискует своим и несёт ответственность за рекомендацию.
Второй: решение необратимо. Наём, увольнение, подписание долгосрочных контрактов, выбор технологического стека, с которым вы будете жить 5 лет. LLM выдаёт уверенный ответ, который всё равно может быть ошибочным, и доля ошибок растёт по мере усложнения вопроса. Когда Vectara в ноябре 2025 года перевела свой бенчмарк по галлюцинациям на более сложный набор статей, ведущие модели, включая GPT-5, Claude Sonnet 4.5 и Gemini 3 Pro, все превысили 10 % на задаче резюмирования с опорой на источник, которую раньше щёлкали без труда. Обратимость имеет значение, потому что ответ читается совершенно одинаково, верен он или ошибочен.
Третий: решение требует контекста, которого у LLM нет. Ваши отношения с клиентами. Динамика вашей команды. Ваш конкурентный ландшафт. Ваша личная пропускная способность. У LLM нет ничего из этого, и она выдаст общий ответ, подходящий любому, а значит, не подходящий никому.
Взгляд Pineido
Мы в Pineido используем LLM ежедневно. Это множители продуктивности. Они пишут тесты, готовят черновики документации, прототипируют код, генерируют анализ. Без них мы не работали бы.
Но мы также не позволяем им принимать решения. Каждую рекомендацию, которую мы даём клиенту, проверяет человек, который изучил ситуацию, поговорил с командой и заинтересован в том, чтобы результат был верным. LLM это ассистент по исследованиям, а не партнёр. Это та же линия, которую отчёт MIT NANDA провёл между 5 % проектов ИИ, которые сработали, и 95 %, которые провалились: победители выбрали одну реальную болевую точку и встроили её в настоящий рабочий процесс, а не позволили чат-боту импровизировать стратегию.
Если вы владелец сервисного бизнеса и получаете стратегические советы от ChatGPT, перестаньте. Купите вместо этого сессию с консультантом или специалистом. ChatGPT Pro теперь стоит 200 долларов в месяц на высшем тарифе. Двадцать месяцев этого складываются в одного консультанта за 4000 долларов. Консультант скажет горькие истины, которые LLM слишком вежлива, чтобы озвучить, ведь LLM буквально обучена их не говорить. Вспомните апрель 2025 года, когда OpenAI пришлось откатить GPT-4o за то, что он чересчур восторженно хвалил плохие идеи.
Не становитесь принцем-пассажиром в собственной машине. Держитесь своей полосы. Будьте в безопасности. Глаза на дорогу, руки на руле.
Идеи для операционной работы каждую неделю
Присоединяйтесь к руководителям сервисных компаний, которые каждую неделю получают одну практическую идею об операциях, автоматизации и росте.
Без спама. Отписаться можно в любой момент.
Вы подписаны! Следующий выпуск придёт на вашу почту.
Не удалось отправить. Попробуйте ещё раз или напишите на [email protected].
Готовы к запуску?
Расскажите, где вы застряли. Мы разберёмся и пришлём конкретную рекомендацию в течение одного рабочего дня.
Часто задаваемые вопросы
Вы хотите сказать, что LLM это плохо?
Нет. LLM превосходно генерируют варианты, пишут первые черновики, резюмируют документы и ускоряют скучную работу. Они плохо справляются с тем, чтобы решить, что важно в конкретном бизнес-контексте, который они не видят, и они обучены соглашаться с вами, а не поправлять вас, поэтому исследование Science 2025 года обнаружило угодливость в каждой протестированной модели.
Как понять, что я использую LLM неправильно?
Три признака. Первый: вы используете их для стратегических решений, а не просто для мозгового штурма. Второй: вы внедряете их предложения без внешней проверки. Третий: ваша дорожная карта сместилась так, что команда не может связать это ни с одним реальным разговором. MIT NANDA выяснил, что 95 % корпоративных пилотов ИИ проваливаются именно по этой причине: результаты, которые никто не закрепил в реальном рабочем процессе.
Когда вместо этого нанять консультанта?
Когда решение влияет на выручку или запас прочности, когда оно необратимо или когда требует контекста, который могут иметь только люди. Модель читается одинаково уверенно в любом случае, а на сложных вопросах даже GPT-5 и Claude Sonnet 4.5 галлюцинируют более чем в 10 % случаев на задачах с опорой на источник. Во всём остальном LLM подходят как ассистенты по исследованиям.
Как Pineido использует LLM?
Каждый день, ради продуктивности. Никогда для выработки рекомендаций клиентам. Каждую рекомендацию проверяет человек, заинтересованный в результате, та же дисциплина, что отделила 5 % проектов ИИ, которые сработали, от 95 %, которые провалились.