Сегодня искусственный интеллект (ИИ), особенно большие языковые модели (LLM), всё чаще становится частью бизнеса: в чат-ботах, голосовых помощниках, email-ассистентах, службах поддержки, автоматизации процессов. Но насколько такие модели по-настоящему понимают людей? А не просто повторяют заученные фразы?
Учёные проверили, насколько хорошо ИИ способен "читать между строк", то есть использовать прагматику — умение учитывать контекст, намерения и ожидания собеседника. Результаты важны для всех, кто использует ИИ в коммуникациях с клиентами. Ниже — конкретные выводы и что они значат для бизнеса и практики.
Что именно проверяли
Учёные протестировали разные языковые модели (от самых маленьких до GPT-4 и Claude) в задаче: понять, какую идею хочет донести человек (или другая модель) с помощью короткой подсказки.
Для этого они использовали специально созданную игру, где:
- Один игрок (или модель) получает шкалу от одного понятия к другому — например, от "Плохое" до "Хорошее".
- И целевое значение, например — 70 из 100.
- Его задача — придумать подсказку (например: "early winter").
- Второй игрок должен по этой подсказке понять, где на шкале точка 70.
Так можно проверить, насколько ИИ понимает не только слова, но и скрытые смыслы — как это делают люди в общении.
5 ключевых выводов и что они значат для бизнеса
1. Крупные языковые модели уже близки к человеческому уровню понимания
Что это значит: Если вы используете модели уровня GPT-4, Claude 3.7 или Qwen3 32B — они уже могут точно понимать намерения клиентов, даже когда речь идёт не о чётких вопросах, а об эмоциях, ассоциациях, намёках.
Как применить:
- Используйте сильные LLM в службах поддержки, где нужно улавливать тон общения.
- В продажах — для интерпретации “тёплых” или “сомневающихся” лидов.
- В обучении персонала — как умный партнёр для симуляции общения с клиентами.
2. Но модели слишком уверены — в отличие от реальных людей
Что это значит: Модели часто дают слишком точный и уверенный ответ, даже если ситуация неоднозначна. А человек, наоборот, может сказать “ну где-то между”, “наверное ближе к тому, но не точно”.
Почему это важно для вас:
- Такая "избыточная уверенность" может привести к тому, что ИИ ошибается, даже не давая понять, что сомневается.
- Это особенно опасно в сферах, где важна точность или этика: юриспруденция, медицина, финансовые консультации.
Как применить:
- При проектировании ИИ-систем добавьте индикаторы уверенности: “возможно”, “скорее всего”, “это один из вариантов”.
- Делайте так, чтобы модель предлагала несколько вариантов в случае сомнений.
3. Добавление "разумного мышления" (RSA) делает ИИ ещё умнее
Что это значит: Когда модель заставляют подумать, как другой человек воспримет её слова, она начинает говорить понятнее, точнее и полезнее. Это называется RSA-подходом — когда ИИ делает не просто “что знаю, то и говорю”, а думает: "что человек подумает, когда это услышит?"
Как применить:
- В чат-ботах и ассистентах применяйте подход Chain-of-Thought + RSA:
- Модель сначала объясняет, как она думает, потом даёт ответ.
- Она может предположить, как клиент это поймёт — и переформулировать.
- Это особенно важно в:
- Продажах и переговорах (нужно предугадывать реакцию),
- Клиентском сервисе (понимать, чего именно ожидает клиент),
- Образовании (подбирать понятные объяснения),
- HR и собеседованиях (понимать эмоции и мотивацию).
4. Для генерации текста RSA особенно эффективен
Что это значит: Модели лучше пишут тексты, которые понятны и полезны людям, если используют RSA — т.е. когда учитывают не только свой смысл, но и как это будет воспринято читателем.
Как применить:
- В контенте (письма, лендинги, соцсети): при генерации текстов — давайте команде или модели задачу “как бы ты сказал это, чтобы тебя поняли правильно?”
- В email-маркетинге: генерируйте несколько вариантов письма для разных восприятий — рациональное, эмоциональное, экспертное.
- В продуктовых текстах: делайте акцент не на “что сказать”, а на “как это прочтут”.
5. Модели не всегда делают это сами — им нужно помочь
Что это значит: Без специальных инструкций модели не начинают думать как человек. Им нужно задать нужную форму мышления: “представь, что ты объясняешь это ребёнку”, “что подумает человек, если ты скажешь это?” и т.п.
Как применить:
- Используйте промпты с контекстом: “Твоя задача — объяснить это новичку...”, “Ты пишешь письмо клиенту, который не доволен…”
- Интегрируйте Chain-of-Thought (CoT) в общение модели:
- “Подумай шаг за шагом…”
- “Какие ещё возможные интерпретации?” и т.д.
- Это помогает ИИ работать более мягко, гибко и человечно.
Пример применения: чат-бот в службе поддержки
Разница очевидна — RSA-подход добавляет эмпатию, контекст и заботу.
Выводы
- Современные модели уже очень хороши, особенно в понимании смысла.
- Но не похожи на людей в уровне уверенности — могут ошибиться, не показывая сомнения.
- RSA — мощный инструмент, который делает ИИ более человечным, гибким и разумным.
- Бизнес, который начнёт использовать такие подходы уже сейчас, получит преимущество:
- лучшее качество обслуживания,
- более убедительный маркетинг,
- более точные инсайты в данных клиентов.
Хотите, чтобы ваш ИИ не просто говорил, а по-настоящему понимал?
Научите его думать, как человек думает о другом человеке.