מחליף את עצמי ב-AI

איך למדתי להפסיק לדאוג ולאהוב את ה-GPT.

ידעתי שהטיוטה של הבינה המלאכותית השתבשה כשהסכמתי עם כל משפט ולא סמכתי על אף אחד מהם.

הייתה לה הצורה הנכונה: מבוא בטוח, זרימת עבודה מסודרת, מסקנה אופטימית. היא השתמשה בכל המילים המכובדות. פרודוקטיביות. יצירתיות. שיתוף פעולה. צינור. זה נשמע כאילו מישהו החליף את החוויה האמיתית שלי בברושור על החוויה האמיתית שלי.

מה שהיה, למרבה הצער, כל הבעיה.

הסכנה בכתיבת בינה מלאכותית אינה שהיא תמיד גרועה. הסכנה היא שהיא יכולה להיות חלקלקה בצורה סבירה לפני שזכתה בנקודת מבט.

הפוסט הזה הוא שריד מאותו שלב. השתמשתי ב-GPT למתווים של שיעורים, רעיונות לבאנרים, הנחיות לחידונים, שכתובים, תקצירים וניסויי תרגום. חלק מזה עבד. חלק מזה חסך שעות. חלק מזה הפיק את הסוג הזה של משחה מקצועית תפלה שגורמת לכל אדם בפסקה להישמע כמו בעל עניין.

לא הייתי צריך פחות בינה מלאכותית. הייתי צריך יותר חיכוך.

הצלקת הראשונה

הטעות האמיתית הראשונה הייתה להתייחס ל”נראה גמור” כראיה לחשיבה.

הייתי מבקש מתווה לשיעור ומקבל משהו קוהרנטי תוך עשר שניות. הקוהרנטיות הזו הייתה משכרת. דף ריק גרוע הופך את הריקנות שלו לברורה. טיוטת בינה מלאכותית סבירה מסתירה את ההחלטות החסרות תחת דקדוק טוב.

ואז הייתי בודק אותה ומוצא את הבעיות הרגילות:

• הדוגמאות היו נכונות טכנית אך נשכחות
• שאלות הבוחן בדקו אוצר מילים במקום שיפוט
• ההסברים התחמקו מההבחנה הקשה האחת שהלומד היה צריך
• הטון נסחף לאור יום תאגידי

שום דבר לא היה שגוי בצורה קטסטרופלית. זה היה החלק המפחיד יותר. הכל היה קצת יותר מדי בסדר.

למה AI הפך לטוב

ברגע שהפסקתי לקבל טיוטות ראשונות כאובייקטים מוגמרים, AI הפך להרבה יותר שימושי.

אני משתמש בו הכי טוב ככלי לחץ:

• מצא את החלק המעורפל: “אילו טענות בשיעור הזה אינן נתמכות?”
• צור את התשובות השגויות: “מה מתחיל חכם יבחר מהסיבה הלא נכונה?”
• שנה את הקהל: “הסבר זאת למפתח React שמעולם לא השתמש ב-Postgres.”
• צור ניגוד: “תן לי שלוש דוגמאות שבהן העצה הזו נכשלת.”
• דחס את הבלגן: “הפוך את ההערות האלה למתאר בלי להוסיף טענות חדשות.”

הפרומפטים האלה לא מחליפים שיפוט. הם מקלים על יישום השיפוט. המודל טוב מאוד בייצור משטחים. התפקיד שלי הוא להחליט אילו משטחים ראויים להפוך למבנה.

הצינור, עם מעקות בטיחות

זרימת העבודה ששרדה פחות זוהרת מהגרסה הישנה:

1. אסוף חומר גולמי אני מתחיל עם הערות, קוד, קישורים, צילומי מסך, והבלבול הספציפי של הלומד שאני מנסה לטפל בו.

2. בקש מ-AI לארגן, לא להחליט הוא יכול לקבץ רעיונות, לחשוף שלבים חסרים ולהציע סעיפים. אני לא נותן לו לבחור את התזה בלי מאבק.

3. כתוב את החלקים החדים בעצמי הפתיחה, כלל ההחלטה, הדוגמאות והסיום דורשים טעם אנושי. אלה המקומות שבהם המאמר מרוויח אמון.

4. השתמש ב-AI כדי לחקור את הטיוטה אני שואל מה נשמע גנרי, מה מניח יותר מדי, מה קורא סקפטי יתנגד לו, ואיפה הדוגמאות נכשלות.

5. שמור על הכנות של התוצר אם פסקה יכולה להתאים לכל בלוג SaaS, היא נכתבת מחדש או נמחקת.

הכלל האחרון הזה עושה עבודה רבה.

חידונים שינו את דעתי

כתיבת חידונים היא המקום שבו AI הפך שימושי באמת עבורי.

לא כי הוא יכול לכתוב שאלות מושלמות. הוא לא יכול. הוא אוהב מסיחים ברורים, עמימות מקרית והסברים שמחליקים מעל התפיסה השגויה.

אבל הוא יכול לייצר שדה של תשובות שגויות אפשריות במהירות. ואז אני יכול להסתכל על הרשימה ולשאול: איזו מהן מייצגת טעות אמיתית של לומד?

זהו שיתוף הפעולה המועיל. המודל מייצר חומר גלם. אני מחליט אם זה קערה, לבנה או מזבלה.

להחליף את עצמי היה המסגרת הלא נכונה

הכותרת היא בדיחה, אבל המסגרת שגויה.

אני לא מחליף את עצמי ב‑AI. אני מחליף את החלקים בתהליך שלי שכבר היו מכניים: קיבוץ ראשוני, ניסוחים חלופיים, פיגומי תרגום, אפשרויות טיוטה לחידונים, רעיונות לתמונות, מעברי סיכום.

החלקים שאינני יכול להחליף הם אלה שהקוראים מבחינים בהם כשהם חסרים: טעם, צלקות, עדיפויות, ספקנות, והנכונות לומר “זה נשמע טוב, אבל זה היה מזויף.”

AI הפך אותי למהיר יותר. חשוב מכך, הוא הפך כמה מהנקודות החלשות שלי לקלות יותר לראייה. המחיר הוא שכעת עלי להיות מכוון יותר לגבי אי‑פרסום פרוזה שרק מתנהגת כמו פרוזה.

זו העסקה שאני יכול לחיות איתה.