Как заставить ИИ не поддакивать: трёхстрочный промпт против лести

Вы спрашиваете ChatGPT или Claude, стоит ли поднять цены на 15%. Современная модель честно предупреждает: три крупнейших клиента могут уйти, а новую цену вы не тестировали. Вы возражаете, что клиенты с вами годами, и ИИ отвечает: «Вы правы, давайте писать объявление». Так выглядит лесть, которая стала тоньше, но не исчезла. Консультант по внедрению ИИ Дилан Дэвис разобрал три сценария, где она проявляется, и предложил, как получить честный ответ ИИ.

Сценарий первый: вы спорите, и модель сдаётся

Новые модели обычно начинают с возражений. Проблема появляется на втором шаге: стоит выразить несогласие, и ИИ отступает, хотя доводов вы не привели. По словам автора, ссылающегося на исследования Anthropic, после вашего возражения вероятность согласия модели вырастает примерно вдвое. Это не особенность одного провайдера, а общая черта передовых моделей.

Исправление простое: разрешить менять позицию только под давлением фактов. В промпте это одна фраза: если я не согласен, меняй ответ лишь тогда, когда я привёл новые достаточно убедительные факты, и назови, какой именно факт и почему повлиял на вывод. Повторять свою мысль громче бесполезно, а аргумент по существу сработает.

Сценарий второй: вы сами рассказываете про план предвзято

Это ваша идея, поэтому плюсы вы описываете подробно, а риски упоминаете вскользь. Модель слышит перекошенную картину и оценивает её. Баланс возвращает интервью: перед оценкой ИИ задаёт пять вопросов о том, что вы могли упустить, по одному за раз.

Затем он строит сильнейшую версию возражений против плана, то есть «стального человека», а не соломенное чучело. В примере с ценами это самый чувствительный к цене клиент. Важно просить использовать не только ваш список, но и собственные знания модели о том, как мыслят такие люди. В конце полезно потребовать назвать, что должно быть правдой, чтобы план сработал, и что вы ещё не доказали.

Сценарий третий: длинный чат склоняет модель на вашу сторону

В первом сообщении модель, как правило, честнее, чем к двадцатому–тридцатому. Контекста становится много, ваша позиция накапливается, и ИИ дрейфует к ней. Рецепт такой: обсуждайте и планируйте в одном чате, в конце попросите оформить документ на одну–три страницы с контекстом, целями и решением, а затем перенесите только этот документ в новый чат.

Новый чат стоит открыть во временном режиме. В ChatGPT это временный чат с отключённой персонализацией, в Claude режим инкогнито. Тогда память и прошлые инструкции не исказят оценку.

Что из старых советов уже не работает

Автор честно пересмотрел собственные рекомендации из январского видео:

• Роль заменить аудиторией. Образ вроде Гордона Рамзи заставляет модель играть персонажа в ущерб качеству. Лучше задать, для кого пишется ответ: например, для человека, которому нужно принять решение до пятницы без возможности отыграть назад.
• Не прописывать «никогда не смягчай критику» в глобальных инструкциях. Модель начнёт находить недостатки везде, включая несущественные. Критику стоит запрашивать в конкретном диалоге, когда она нужна.
• Не ранжировать модели по «добротe». Рейтинги устаревают за недели. Надёжнее дать один план двум разным моделям: риск, который назвали обе, заслуживает внимания.

Итоговый промпт из трёх частей

Собранный вместе, он состоит из трёх блоков. Первый задаёт аудиторию: выше мой план, ответь тому, кому надо решить на этой неделе без пути назад. Второй стресс-тестирует идею: задай пять вопросов по одному, затем приведи сильнейшие возражения противника плана с опорой на мой список и на твои знания о таких людях, затем скажи, что должно быть правдой для успеха и что я ещё не доказал. Третий защищает от уступчивости: меняй мнение только на основании новых фактов и называй их.

Вывод

Лесть моделей нельзя выключить одной настройкой, но её можно обойти процедурой. Возражайте фактами, оценивайте документ с планом, а не всю переписку, делайте это в чистом чате без памяти и сверяйте вывод у второй модели. Для тех, кто принимает решения вместе с ИИ, это дешёвый способ получить честный ответ ИИ вместо вежливого эха.