ChatGPT «старается» — он не саботирует, не ленится, не отвлекается. Но результат бывает плохим. Почему? Потому что «старание» без рамок = «мотивированный дурачок». Модель Херси-Бланшара объясняет, как с этим работать.
Стиль управления зависит от двух факторов: компетенция исполнителя (может?) и commitment/мотивация (хочет?). Для ИИ: мотивация всегда высокая, компетенция варьируется по задачам.
4 стиля по Херси-Бланшару
S1 — Directing (низкая компетенция, высокая мотивация)
Чёткие инструкции, пошаговый контроль. «Сделай ровно это, в таком формате, проверь по этим критериям».
S2 — Coaching (растущая компетенция)
Объяснение «почему», обратная связь, корректировка. «Давай разберём, почему получилось не так».
S3 — Supporting (высокая компетенция, переменная мотивация)
Больше автономии, поддержка при сложностях.
S4 — Delegating (высокая компетенция, высокая мотивация)
Минимальный контроль, полная автономия.
Перевод на ИИ
ИИ на новой задаче = S1/S2 (directing/coaching):
- Роль, цель, входные данные
- Критерии качества
- Примеры желаемого результата
- Ограничения и запреты
ИИ на знакомой задаче с проверенным промптом = S4 (delegating):
- Короткий промпт, минимум инструкций
- Доверие к результату
«Мотивированный дурачок»
Возникает при свободе без критериев приёмки:
- «Напиши статью про маркетинг» → модель старается, но результат generic
- «Проанализируй данные» → модель что-то анализирует, но не то, что нужно
Решение: сначала S1 (directing), потом постепенно к S4.
1. Вопросы до ответа: «Прежде чем отвечать, задай уточняющие вопросы». 2. План → шаги → самопроверка: «Сначала составь план, потом выполни, потом проверь по критериям».
ИИ = мотивированный исполнитель с переменной компетенцией. Используйте Situational Leadership: на новых задачах — directing (чёткие рамки), на проверенных — delegating (автономия). Артефакты качества: чек-листы, примеры, критерии приёмки.