ИИ-критик: генератор промта для проверки идей, решений и логики

Для такой работы можно настроить ИИ как критического собеседника. Не как спорщика, который обязан со всем не соглашаться, а как дополнительную пару глаз для проверки идей, планов, решений и текстов.

ИИ-критик не обязан быть с вами не согласен. Его задача — проверить, выдерживает ли ваша позиция проверку.

Опишите, что хотите проверить, добавьте контекст и выберите подходящий режим. Генератор соберёт готовый промт с правилами критического анализа.

Основные режимы:

• Взгляд со стороны — получить альтернативную перспективу без обязательного поиска ошибок.
• Проверить логику — разобрать связь между аргументами, предположениями и выводами.
• Найти слабые места — определить наиболее уязвимые части идеи или плана.
• Оценить решение — проверить уже выбранный вариант и возможные альтернативы.
• Проверить аргументы — разобрать текст, презентацию, коммерческое предложение или обоснование.

Скопируйте полученный промт в ChatGPT, Claude, Gemini или другую языковую модель и добавьте материал, который хотите проверить.

Почему запроса «покритикуй мою идею» недостаточно

Фраза:

Покритикуй мою идею.

формально решает задачу, но оставляет модели слишком много свободы. Что считать критикой: перечислить риски, найти логические ошибки, выступить оппонентом или просто написать плюсы и минусы?

Есть и противоположная крайность:

Найди максимум недостатков и докажи, почему моя идея плохая.

Теперь модель обязана найти проблему, даже если часть аргументов вполне разумна. Второстепенный риск легко превращается в серьёзное возражение просто потому, что этого требует инструкция.

Для полезной критики правила должны быть другими. Модель должна отделять факты от предположений, проверять причинно-следственные связи, искать сильные контраргументы, определять значимость замечаний и признавать, если серьёзных проблем не обнаружено.

То есть задача промта — не сделать ИИ более негативным, а переключить его из режима «развивай мою позицию» в режим «проверь мою позицию».

Общие принципы составления запросов мы отдельно разбираем в статье «Как правильно писать промты для нейросетей: структура, примеры и ошибки». Здесь важна именно механика критического анализа.

Что должен проверять хороший ИИ-критик

Полезную проверку можно свести к простой цепочке:

позиция → предположения → аргументы → альтернативы → последствия → вывод

Исходные предположения

Практически любое решение на чём-то держится.

В нашем примере:

Заявок стало меньше → проблема находится на сайте → сайт нужно переделать.

Здесь уже есть как минимум два предположения:

1. снижение заявок действительно связано с сайтом;
2. полный редизайн устранит причину снижения.

Они могут оказаться верными. Но пока это гипотезы, а не доказанные факты.

Один из самых полезных вопросов для критика:

Что должно быть правдой, чтобы это решение действительно оказалось правильным?

Логику

Даже правильные факты могут привести к слишком сильному выводу.

Например:

Трафик не снизился, но заявок стало меньше. Значит, нужен новый сайт.

Из первого утверждения можно предположить проблему где-то после перехода пользователя на сайт. Но полный редизайн из него ещё не следует.

Причина может находиться в одной посадочной странице, форме, мобильной версии, изменившемся качестве трафика, цене или предложении.

Задача критика — показать место, где между аргументом и выводом появился логический скачок.

Противоречия и слабые аргументы

Отдельные тезисы могут конфликтовать между собой.

Например:

Нам нужно максимально быстро восстановить поток заявок, поэтому запускаем полный редизайн на три месяца.

Срочность результата и длительность выбранного решения уже требуют дополнительной проверки.

То же относится к слабым аргументам:

Конкуренты недавно обновили сайты, поэтому нам тоже нужен редизайн.

Это наблюдение, но не доказательство причины снижения заявок.

ИИ-критик должен уметь отделять аргумент от факта, который просто выглядит убедительно рядом с ним.

Неучтённые факторы и альтернативы

Одна из главных проблем самостоятельного анализа — мы обычно исследуем задачу внутри уже выбранной рамки.

Если решили, что проблема в сайте, то начинаем искать недостатки сайта.

Критик должен расширить рамку: что происходило с рекламой, спросом, ценами, источниками трафика, устройствами, конкурентами?

Затем — предложить альтернативы. Не обязательно как готовое решение, а как способы проверить исходную гипотезу.

Например, перед полным редизайном можно изучить конверсию отдельных страниц, проверить технические ошибки, сравнить мобильный и десктопный трафик или протестировать новый оффер.

Последствия ошибки

Последний вопрос:

Что произойдёт, если ключевое предположение окажется неверным?

Если компания потратит три месяца на новый сайт, а причиной падения заявок окажется изменение рекламного трафика, сам редизайн может быть качественным — но исходную проблему он не решит.

Хорошая критика показывает не только слабое место, но и цену ошибки.

Полезная критика и спор ради спора — не одно и то же

Количество замечаний ничего не говорит о качестве анализа.

Критичность — это не негативность.

Если аргумент сильный, критик должен это признать. Если риск маловероятен и практически ни на что не влияет, его не стоит ставить рядом с действительно критичной проблемой.

Как работать с результатом критики

Ответ модели — ещё не список задач.

ИИ может ошибиться, неправильно понять контекст или переоценить второстепенный риск. Поэтому каждое важное замечание стоит провести через несколько вопросов.

Первый: способно ли оно изменить решение?

Второй: на чём оно основано — на факте, логическом выводе или предположении модели?

Третий: как это проверить?

Полезно работать с замечаниями так:

Вернёмся к примеру с сайтом.

Критик заметил, что само падение заявок ещё не доказывает необходимость полного редизайна. Правильная реакция — не отказаться от нового сайта и не согласиться с ИИ, а проверить гипотезу.

Например:

сравнить конверсию по страницам → устройствам → источникам трафика → периодам.

После получения данных исходное решение можно снова передать критику.

Получается рабочий цикл:

замечание → основание → проверка → новые данные → пересмотр решения

Так ИИ-критик становится не машиной по производству возражений, а инструментом принятия решений.

Может ли ИИ-критик быть объективным

Нет. Критический промт не превращает языковую модель в независимого арбитра.

Результат по-прежнему зависит от исходных данных, формулировки задачи, выбранной модели и рамки, которую пользователь сам задал описанием ситуации.

Сравните:

Мы уверены, что старый сайт мешает продажам. Найди аргументы в пользу редизайна.

и:

Докажи, что редизайн — плохая идея.

Оба запроса заранее толкают модель к нужному пользователю выводу.

Для критической проверки лучше не назначать правильную сторону заранее. Попросите разобрать сильные и слабые аргументы, показать недостающие данные и указать, какие факты способны изменить вывод.

ИИ-критик даёт дополнительную перспективу, а не окончательный вердикт.

Когда ИИ-критика недостаточно

Критический анализ хорошо показывает, что именно мы ещё не проверили. Но он не всегда может провести эту проверку самостоятельно.

Когда нужны внешние данные

Допустим, идея построена на предположении:

Спрос на эту услугу быстро растёт.

ИИ-критик способен заметить, что подтверждающих данных нет. Но чтобы выяснить реальную динамику спроса, уже понадобятся статистика, публикации, поисковые данные и другие внешние источники.

Это задача для поиска или Deep Research — режима, где ИИ не только анализирует переданный контекст, но и собирает дополнительную информацию.

Когда нужно оценить бизнес-идею

ИИ-критик может проверить внутреннюю логику:

Мы хотим создать сервис автоматизации X, потому что компании до сих пор делают эту работу вручную.

Он справедливо спросит: доказана ли проблема и готовы ли компании платить за её решение?

Но полноценная оценка идеи потребует исследования спроса, конкурентов, рынка, экономики проекта и способов привлечения клиентов.

Критический разбор здесь — хороший первый фильтр, но не полноценное исследование.

Когда цена ошибки высока

Чем выше возможные последствия решения, тем меньше оснований полагаться только на вывод модели.

Юридические документы проверяет юрист, финансовые решения — профильный специалист, медицинские вопросы — врач.

ИИ может помочь сформулировать дополнительные вопросы и найти слабые места позиции, но не заменяет профессиональную экспертизу там, где ошибка дорого стоит.

Проверяйте решение, а не ищите подтверждение

Главная польза ИИ-критика не в том, что нейросеть знает правильный ответ. Она помогает превратить собственную позицию из чего-то «очевидного» в гипотезу, которую можно проверить.

Иногда после такого разбора решение меняется. Иногда становится понятно, какие данные нужно собрать. А иногда критика показывает, что исходная логика вполне устойчива.

Все три результата полезны.

Если у вас уже есть идея, решение, план или текст, который хочется проверить, вернитесь к генератору, выберите подходящий режим и сформируйте промт для критического разбора.