Date: 2025-09-09
Topic: От идеи к дизайну исследования
Спикеры: Аглая Черемных, Сергей Хабаров
Общее саммари встречи
Первая встреча цикла задала базу для Research+AI Lab: обсудили, как стартовать исследование (бриф, цели, DoD, гипотезы, данные, команда) и провели групповую активность по картированию методов в Miro.
Разобрали «Six T’s» как рамку для делегирования и автоматизации рутины.
Отдельный блок посвятили ограничениям LLM: типы галлюцинаций, подходы к «заземлению» (RAG, агентный режим, проекты, коннекторы), и ориентирование в бенчмарках.
Касались этики и обезличивания данных: что можно/нельзя грузить в проприетарные модели и критерии выбора вендора для деперсонализации.
Саммари (по ключевым блокам)
Как стартовать исследование
- Бриф: контекст (где «живёт» фича, этап CJ), чёткая цель, Definition of Done.
- Гипотезы: бизнес-гипотеза + проверяемые исследовательские; инвентаризация имеющихся данных; роли/команда.
Six T’s (рамка делегирования/автоматизации)
- Tiny, Tedious, Time-consuming, Teachable, Terrible at, Time-sensitive — категории задач с рекомендациями, когда делегировать человеку/ИИ и как подключаться.
- Рефлексия: «что люблю», «мой уникальный вклад», «что тянет время», и др. (линк на шаблоны/таблицы).
Ограничения LLM и «заземление»
- Типы галлюцинаций (внутренние/внешние); методы снижения: RAG, явные ограничения в промптах, кросс-проверка моделями.
- Инструменты заземления: агентный режим, «глубокое исследование» (web-поиск + сопоставление источников), коннекторы (Google Drive/Notion и др.), проекты с шаблонами/инструкциями.
- Подход: идти от цели и метрик, учитывать текущий техландшафт (лимиты, контекстные окна, спецбенчмарки), использовать Tier-1 источники.
Бенчмарки
- LLM Arena — полезно, но с ограничениями для узких ресёрч-задач; следить за сегментами/метриками.
- Отчёт по Deep Research: сравнение моделей по поиску/качеству ответов на сложных задачах; нет «вечного» лидера, модели и данные обновляются; рекомендация сравнивать несколько.
Кейсы автоматизации
Участники разошлись по комнатам и поделились, какие кейсы они хотели бы автоматизировать.
| Кейс | Кто упоминал | Тип задачи (Six T’s) | Что хотят автоматизировать | Идея/подход |
|---|---|---|---|---|
| Настройка бенчмарков и подготовка пакета артефактов | Евгений | Time-consuming / Time-sensitive; частично Teachable | Определение осей бенчмарка; подбор источников; подготовка «файликов», наименование, приведение отчетов к общей структуре | Шаблоны осей/критериев; полуавтомат для именования и нормализации отчетов (скрипт/агент) |
| Пост-сессионные отчеты из разговоров (ментальное здоровье) | Рэй пересказал кейс Анастасии | Tedious / Time-consuming | Транскрибация сессий и первичный аналитический отчет | Связка «транскрибатор + анализатор текста» для автосаммари и структуры отчета |
| Постоянный конкурентный анализ и апдейты | Рэй пересказал кейс Натальи | Time-sensitive / Tedious | Регулярное обновление базы по конкурентам и передача результатов | Поисковые запросы/соцмониторинг + автоапдейты короткими дайджестами в Slack/мессенджер |
| Анализ множества глубинных интервью и контента (социсследования/политпроекты) | Рэй и Владимир | Time-consuming | Классификация, поиск паттернов и инсайтов по 10–20+ интервью; контент-анализ программ и исследований | Собственный бот/программа (FreeGPT/скрипт) для пакетной обработки интервью, выделения тем/цитат/инсайтов; полуавтомат для контент-анализа с кросс-проверкой источников |
| Быстрый триаж нефтегазовых инвестпроектов с «датарумами» | Андрей Калуцков | Time-consuming / Time-sensitive | Отбор релевантных проектов из большого потока и подготовка «one-pager» для инвестора | Автопарсинг документов/датарума → извлечение ключевых метрик/рисков → генерация стандартизованной страницы проекта; (отдельно — рекомендации по коммуникации со стейкхолдерами) |
Этические вызовы и обезличивание
- Нельзя загружать: персональные, NDA, конфиденциальные, мед/фин данные; можно — публичные, обезличенные, агрегаты.
- Критерии выбора решений: степень обезличивания vs полезность; тип данных; сложность метода; демаскируемость; консистентность маскирования.
- Для старта допустима ручная замена (респондент 1/2/…), для корпораций — выбор вендора.
Домашнее задание
- Откройте таблицу Automation Delegation. Сделайте свою копию (файл → копия). Заполните таблицу сами и проанализируйте с помощью LLM — промпт на отдельном листе. Напишите в чат свои наблюдения:
— оправдывается ли ваша идея и ожидания, изменилась ли она, например, по объему
— нашлась ли идея, если ее не было, почему вы ее выбрали
— есть ли процесс, который вы намеренно решили не автоматизировать, почему? - Попробуйте создать свой собственный бриф исследования в проекте Claude/ChatGPT. Напишите в чат свои наблюдения:
— изменилось ли ваше видение исследования после составления брифа?
— c какими сложностями в создании брифа столкнулись?
— что показалось легким? - Ознакомиться с присланными в среду лумами: рекомендации по промптингу, настройка «Проектов», туториалы по Make и n8n; зарегистрироваться в сервисах — подготовка к парсерам YouTube/Telegram на следующей неделе.