Промпт без ТЗ: почему ИИ пишет совсем не то
Маркетологи генерируют код быстрее, чем успевают сформулировать задачу. Пользовательские истории и критерии приёмки убирают лишние итерации с ИИ.
AI-маркетинг · Новости
Все новости
Маркетолог садится за vibe coding и через двадцать минут получает работающий калькулятор скидок. Через час выясняется, что скидки не суммируются с промокодами, а на экране менеджера вместо названия клиента стоит номер заказа. Код писался быстро. Договорились о том, что он должен делать, - не написали.
Об этом разбирается MarTech: скорость генерации кода растёт, а качество результата по-прежнему упирается в постановку задачи. Автор предлагает не искать волшебную формулу промпта, а вернуться к практике, которую разработчики используют двадцать лет.
Быстрее писать не значит быстрее получать результат
Повторные запросы съедают время и кредиты на API, а проект остаётся там же, где был. Пять итераций подряд с формулировками вроде «сделай красивее» не заменяют одного абзаца с описанием сценария. Модель выдаёт ровно то, что её попросили, и если в запросе нет деталей, она подставит удобные ей.
Пять артефактов, которые стоят до первого промпта
MarTech перечисляет набор документов, перенесённых из обычной разработки. Не каждый проект требует всех пяти.
- Требования к бизнесу (BRD). Общий замысел и метрика успеха. Нужны, когда задача большая и делится между командами.
- Пользовательские истории. Формат придумал инженер Кент Бек: «Как [роль], я хочу [функцию], чтобы [причина]».
- Критерии приёмки. Что именно увидит пользователь. Они не диктуют, как делать, но фиксируют, что считается готовым.
- Каркас промпта. Схема вроде TAG: задача, аудитория, ограничения.
- Журнал промптов. Формулировки, которые дали хороший результат, и те, что сломали сборку.
История: «Как клиент, я хочу автозаполнение адреса, чтобы не вводить его полностью». Критерии приёмки к ней: заполнить поля улицы, города, штата и индекса после выбора; оставить свободное поле для квартиры и корпуса; добавить пометку о сверке с почтовыми стандартами; предусмотреть вариант для адресов вне США, где автозаполнение не работает. Такой список в промпте закрывает вопросы, которые без него всплывут на третьей итерации.
Зачем это маркетологу на Дальнем Востоке
Владивостокские компании уже собирают внутренние инструменты с помощью ИИ: калькуляторы логистики, формы заявок, дашборды для отдела продаж. Заказчик из того же города видит, что модель выдаёт работающий прототип за вечер, и ждёт от него готового продукта. Разрыв между демо и рабочим процессом закрывается требованиями, а не силой генерации.
Когда код пишет модель, ответственность за постановку задачи переходит к тому, кто попросил. Бизнес-аналитики и продакты перестают быть единственными авторами пользовательских историй. Автор материала советует маркетологу занять позицию редактора: задавать уточняющие вопросы модели до генерации, искать пропущенные сценарии в результате и проверять, что готовое решение совпадает с задуманным.
Что это значит для бизнеса
Автоматизация с помощью ИИ даёт выигрыш только там, где до неё описан процесс. Пять строк с ролью, действием и причиной стоят дешевле пятидесяти переписанных промптов. Команда, которая тратит полчаса на критерии приёмки перед генерацией кода, получает внутренний инструмент с первого-второго захода и не платит за лишние токены.
Начать проще всего с одного процесса и одного списка требований к нему. Внедрение искусственного интеллекта в таком режиме не требует бюджета на большую разработку: нужны понятная задача и человек, который проверит результат.
Читайте также
- Журнал промптов: как масштабировать AI-кодинг в бизнесе
- Как масштабировать вайб-кодинг без идеальных промптов
- Источник правды для AI-агентов: как перестать кормить его мусором
Разборы инструментов и практики применения ИИ выходят в Telegram-канале AG Branding. Подпишитесь, чтобы не пропускать дайджесты.