Inside BlogЧто произошло, когда Telegram-канал семь дней вёл AI
Управление Telegram-каналом легко представить списком задач: выбрать тему, написать пост, опубликовать вовремя, посмотреть результат и решить, что делать дальше. Первые пункты уже можно поручить AI. В семидневном эксперименте Матвея Суроткина интереснее всего оказался последний.
Правило было простым: AI получает работу с каналом, а автор наблюдает за цифрами и не исправляет каждую ошибку сразу. Хотелось увидеть, изменится ли поведение системы, когда результаты начнут показывать проблему.
Публикации есть, движение тоже
В начале всё выглядело нормально. Посты выходили, работа продолжалась. Это важный промежуточный результат: часть повседневных задач действительно выполнялась без ручного написания каждой публикации.
Затем появились повторы тем и отклонения по времени выхода. По отдельности такие ошибки встречаются и у человека. Но если канал продолжает работать по одному и тому же шаблону, надо понять, кто принимает решение изменить этот шаблон.
Доступ к цифрам ещё нужно использовать
Самым странным для автора оказалось то, что AI видел показатели, но не менял работу сам. Наличие статистики в процессе не обеспечило обратную связь автоматически.
Это знакомая проблема и без нейросетей. Можно каждую неделю записывать охваты, а следующие посты всё равно делать одинаково. Чтобы наблюдение повлияло на работу, нужны понятные решения: какую гипотезу проверяли, что именно оказалось слабым и какое изменение пробуем следующим.
После обратной связи Матвея работа начала меняться. Важная деталь: это произошло после человеческого вмешательства. Эксперимент не показывает, что AI самостоятельно нашёл и исправил свои ошибки. Численная оценка прироста после изменений в ролике тоже не приведена.
Как превратить наблюдения в рабочий цикл
Для следующего такого теста стоит заранее описать три части процесса.
Первая — что поручено системе. Подготовка черновика, выбор темы, публикация и изменение стратегии — разные полномочия. Их полезно разделить, чтобы было понятно, какое решение уже принимает AI, а какое остаётся за человеком.
Вторая — по чему оценивается публикация. Просмотры помогают увидеть распространение, но сами по себе не объясняют интерес. В зависимости от задачи нужны переходы, ответы читателей, сохранения или подписки. Показатели надо сравнивать в одинаковом возрасте публикаций, сохраняя предыдущие замеры.
Третья — какое действие следует после результата. Например, если ясный вопрос получил содержательные ответы, можно проверить похожую подачу на другой теме. Если показов почти нет, качество текста ещё трудно оценить: сначала нужно разобраться, как люди находят пост. Один хороший результат пока даёт гипотезу для повторения, а не универсальное правило.
Это предложения для следующего цикла работы, а не уже измеренный прирост из семидневного эксперимента.
Что пока остаётся за автором
AI помогал выполнять задачи, а автору пришлось заметить проблему и сформулировать обратную связь. Для этого нужно понимать, ради чего существует канал и какой результат нужен читателю.
Поэтому следующий шаг здесь — уточнять контур управления: сохранять содержание публикаций вместе с их результатами, проверять одинаковые периоды и связывать наблюдение с конкретным изменением. Тогда статистика становится частью следующего решения.
В этом эксперименте работа начала меняться после такой обратной связи. Насколько хорошо это будет повторяться дальше — отдельный вопрос, на который нужны новые наблюдения.