Наше исследование инструментов продакта неожиданно всплыло… в GPT 😅
И тут мы поймали себя на мысли: окей, нейросети уже активно помогают с ресёрчем, но каким из них реально можно доверять, когда речь про исследования, данные и источники? Где меньше галлюцинаций, больше ссылок и адекватных выводов.
Покопались и собрали для вас топ-5 нейросетей, которые лучше других подходят для конкретных этапов продуктового исследования👇
🔘Найти свежие данные — Perplexity
Хорошо ловит свежие данные и часто актуальнее GPT, потому что реально выходит в веб, даёт реальные ссылки на цитируемые источники.
🔘Структурировать информацию из множества документов (PDF, статьи) — NotebookLM от Google
Не выдумывает факты вне загруженных источников.
🔘Сделать выводы по исследованию — ChatGPT
Не лучший источник фактов, но отличный аналитик.
🔘Найти нужные исследования — Elicit
Ищет только по научным исследованиям, а значит снижает вероятность получения фейковой информации.
🔘Анализ пользовательского опыта — Sprig
Помогает создавать и проводить опросы и делает инсайты основываясь на полученных ответах.
🔘Разбор текста, саммари, создание логики и кода — Claude
Хорош в переваривании найденной информации и подготовке выводов.
Ещё эффективнее можно защитить себя от галлюцинаций ИИ с помощью соблюдения нескольких правил:
🔜 Структурируйте промт: какая информация нужна → зачем она нужна и как её будут использовать → в каком формате и для какой аудитории нужен ответ → конкретные источники, которые нужно использовать, если они есть.
🔜 Просите ссылки и цитаты. Не верьте на слово, просите подтверждения.
🔜 Смотрите на дату публикации источника. Старые источники = старые данные = старые проблемы.
🔜 Декомпозируйте сложные задачи на несколько запросов.
🔜 Не используйте отрицания. Пропишите, что нужно сделать и добавьте исключения.
🔜 Смотрите как модель приходит к ответу в режиме Thinking. Это повышает контроль и прозрачность выводов, хоть и занимает больше времени.
🔜 Используйте несколько итераций запросов.
🔜 Проводите самопроверку. Просите нейросеть проверить собственный ответ и сформулировать проверочные вопросы, а после задайте их ей.
🔜 Если ставка высокая — перепроверьте вручную.
Меньше галлюцинаций, больше смысла и решений, за которые не стыдно перед командой и бизнесом.
А вы чем пользуетесь для исследований? Пишите в комментариях — соберём общий стек👇
P.S. Если наберём 30 🔥, сделаем пост с промтами, которые мы используем, чтобы максимально выжимать ресурсы нейросеток в исследованиях.
И тут мы поймали себя на мысли: окей, нейросети уже активно помогают с ресёрчем, но каким из них реально можно доверять, когда речь про исследования, данные и источники? Где меньше галлюцинаций, больше ссылок и адекватных выводов.
Покопались и собрали для вас топ-5 нейросетей, которые лучше других подходят для конкретных этапов продуктового исследования👇
🔘Найти свежие данные — Perplexity
Хорошо ловит свежие данные и часто актуальнее GPT, потому что реально выходит в веб, даёт реальные ссылки на цитируемые источники.
🔘Структурировать информацию из множества документов (PDF, статьи) — NotebookLM от Google
Не выдумывает факты вне загруженных источников.
🔘Сделать выводы по исследованию — ChatGPT
Не лучший источник фактов, но отличный аналитик.
🔘Найти нужные исследования — Elicit
Ищет только по научным исследованиям, а значит снижает вероятность получения фейковой информации.
🔘Анализ пользовательского опыта — Sprig
Помогает создавать и проводить опросы и делает инсайты основываясь на полученных ответах.
🔘Разбор текста, саммари, создание логики и кода — Claude
Хорош в переваривании найденной информации и подготовке выводов.
Ещё эффективнее можно защитить себя от галлюцинаций ИИ с помощью соблюдения нескольких правил:
🔜 Структурируйте промт: какая информация нужна → зачем она нужна и как её будут использовать → в каком формате и для какой аудитории нужен ответ → конкретные источники, которые нужно использовать, если они есть.
🔜 Просите ссылки и цитаты. Не верьте на слово, просите подтверждения.
🔜 Смотрите на дату публикации источника. Старые источники = старые данные = старые проблемы.
🔜 Декомпозируйте сложные задачи на несколько запросов.
🔜 Не используйте отрицания. Пропишите, что нужно сделать и добавьте исключения.
🔜 Смотрите как модель приходит к ответу в режиме Thinking. Это повышает контроль и прозрачность выводов, хоть и занимает больше времени.
🔜 Используйте несколько итераций запросов.
🔜 Проводите самопроверку. Просите нейросеть проверить собственный ответ и сформулировать проверочные вопросы, а после задайте их ей.
🔜 Если ставка высокая — перепроверьте вручную.
Меньше галлюцинаций, больше смысла и решений, за которые не стыдно перед командой и бизнесом.
А вы чем пользуетесь для исследований? Пишите в комментариях — соберём общий стек👇
P.S. Если наберём 30 🔥, сделаем пост с промтами, которые мы используем, чтобы максимально выжимать ресурсы нейросеток в исследованиях.