Я давно пытаюсь нормально выстроить своё обучение. Не в смысле «посмотреть пару роликов на YouTube», а по-взрослому: пройти курс, сделать конспект, разобраться в теме, применить на практике, получить результат.

За последние годы я проходил курсы по frontend-разработке, PHP, UX/UI. Были платные курсы, были бесплатные, были отдельные уроки, видео, статьи, конспекты. Я много записывал, пытался делать для себя алгоритмы работы, сохранял полезные материалы. На первый взгляд всё выглядело правильно: я не стоял на месте, не ленился, не ждал волшебной таблетки.

Но была одна проблема: реальных результатов почти не появлялось.

Я мог пройти курс, сделать конспект, понять общую логику, но не собрать портфолио. Даже учебные проекты часто не оформлял так, чтобы их можно было кому-то показать. В голове постоянно была мысль: «Я ещё недостаточно хорош». Казалось, сначала нужно ещё немного подтянуть знания, ещё пройти курс, ещё разобраться, ещё подготовиться.

Со стороны это похоже на обычную прокрастинацию. Но внутри ощущалось сложнее. Я сравнивал себя с другими учениками, у которых, как мне казалось, всё получается быстрее и увереннее. Они делают проекты, выкладывают кейсы, переходят к практике. А я продолжаю конспектировать и искать, где во мне изъян. Может, мне не дано? Может, я недостаточно стараюсь? Может, я просто не такой способный?

До конца я с этим так и не разобрался. Но сейчас понимаю одну вещь: моя проблема была не в отсутствии обучения. Я учился много. Проблема была в переходе от обучения к действию.

И на этом фоне появился ChatGPT.

Почему ChatGPT оказался для меня полезен

Я не хочу писать восторженный текст про искусственный интеллект. Мне неинтересно пересказывать, что ChatGPT умеет писать тексты, код, объяснять темы и помогать с идеями. Об этом уже написано слишком много.

Для меня важнее другое: ChatGPT хорошо попал в конкретную слабую точку моего обучения.

Когда я раньше не понимал какую-то тему, мне нужно было идти в Google, подбирать запрос, открывать несколько страниц, смотреть видео, фильтровать лишнее, искать объяснение именно под мой уровень. Иногда это работало. Иногда я просто терял время и уходил в сторону.

С ChatGPT по-другому. Я могу задать вопрос своими словами. Не идеально, не как в поисковой строке, а так, как он звучит у меня в голове. Потом могу сразу попросить объяснить проще. Потом уточнить один непонятный кусок. Потом попросить пример. Потом попросить проверить, правильно ли я понял.

Это не заменяет курс и не делает видеоуроки бесполезными. Скорее ChatGPT стал для меня промежуточным слоем между учебным материалом и моей конкретной непонятной точкой.

Автор курса не может заранее угадать все мои пробелы. Видеоурок идёт в своём темпе. Книга не отвечает на уточняющий вопрос. А ChatGPT отвечает. Иногда хорошо, иногда не очень, но сам формат диалога оказался для меня очень удобным.

Где он реально помогает

Первое, где я почувствовал пользу, — точечные задачи в коде.

Я не могу сейчас восстановить конкретный проект, но помню саму задачу: нужно было работать с формой, placeholder, проверкой полей на корректное заполнение, допустимыми символами, checkbox, капчей. В таких задачах ChatGPT полезен тем, что помогает не просто получить кусок кода, а разложить его: где проверка, что происходит при ошибке, почему поле не проходит валидацию, как связана логика с разметкой.

Это не история о том, что я резко стал frontend-разработчиком. Скорее наоборот: это пример, где конкретная задача стала менее пугающей. Когда есть форма и нужно понять, как к ней подступиться, ChatGPT снижает сопротивление первого шага.

Но здесь же появляется соблазн. Иногда хочется полностью отдать задачу нейросети: «Напиши всё сам, я потом просто скопирую». Я понимаю, что результат, скорее всего, будет не совсем тот, который нужен. Нужно продумывать запрос, проверять код, адаптировать его под свою разметку, понимать, что происходит. Но желание получить готовый результат всё равно появляется.

И это важный момент. Если цель — просто быстро закрыть мелкую задачу, готовое решение может быть полезным. Но если цель — научиться, простое копирование почти ничего не даёт.

Второй сильный пример — Anki.

Я делал карточки по дизайну и разработке. Раньше я мог неделю собирать колоду на 20 карточек. С ChatGPT можно за час получить 300+ карточек из большого материала. Это огромная разница.

Конечно, такие карточки не идеальны. Иногда бывают мелкие недочёты. Где-то нужно поправить формулировку, где-то упростить вопрос, где-то проверить ответ. У меня даже был случай, когда колода работала неправильно: вопрос показывался, а ответа не было. Пришлось разбираться с форматом и переделывать.

Но всё равно это хороший пример реального ускорения. ChatGPT берёт на себя механическую часть работы: нарезать материал, предложить вопросы, структурировать повторение. А моя задача — не выключаться, а проверить качество и использовать это в обучении.

Где ChatGPT начинает быть опасным

Проблема не в том, что ChatGPT иногда ошибается. Ошибаются все инструменты, люди, авторы курсов и поисковые выдачи тоже.

Проблема в другом: ChatGPT может ошибаться уверенно.

У меня были ситуации с настройками 1С и Stable Diffusion. ChatGPT в целом говорил логичные вещи, но на практике они не работали. Иногда нужных параметров просто не существовало. Я объяснял, что такого пункта нет или предложенный способ не сработал. Он соглашался, предлагал другой вариант, а потом через какое-то время снова возвращался к похожему нерабочему совету.

Это очень отрезвляет.

Когда ты сам хорошо разбираешься в теме, ошибку ещё можно заметить. А когда ты новичок или находишься на уровне «вроде понимаю, но не уверен», уверенный ответ легко принять за правильный. Особенно если он написан спокойно, структурно и с пояснениями.

То же самое касается кода. ChatGPT может сгенерировать решение, которое выглядит разумно, но не запускается. Или запускается не так. Или не учитывает контекст проекта. Или предлагает подход, который в конкретной ситуации избыточен.

Сам по себе нерабочий ответ — не катастрофа. Катастрофа начинается, когда я перестаю проверять и начинаю думать: «Ну, раз нейросеть так уверенно написала, значит, наверное, я что-то не понял».

Инвестиции как отдельный тревожный пример

Ещё один пример — инвестиции.

Я покупал фонд акций, фонд облигаций и денежный фонд, в том числе ориентируясь на объяснения и советы ChatGPT. Сейчас портфель в минусе. При этом просадка в основном по фондам акций, которые занимают около 65% портфеля.

Я не могу честно сказать, что это вина ChatGPT. Рынок мог пойти вниз сам по себе. Решение принимал я. Да и в инвестициях просадки — нормальная часть процесса, особенно если в портфеле есть акции.

Но этот пример для меня важен по другой причине.

В темах, где есть деньги, цена ошибки выше. Здесь особенно легко перепутать понятное объяснение с готовым решением. ChatGPT может помочь разобраться, что такое фонд акций, чем он отличается от фонда облигаций, почему бывает просадка, как думать о риске. Но он не должен становиться тем, кто принимает решение вместо меня.

Потому что если решение оказалось неудачным, отвечать всё равно мне.

Самое неприятное наблюдение

Чем больше я использую ChatGPT, тем яснее вижу одну неприятную вещь: я часто доверяю нейросети больше, чем себе.

Это не очень приятно признавать.

Раньше я не делал портфолио, потому что считал себя недостаточно готовым. Не выкладывал учебные проекты, потому что они казались слабыми. Не переходил к реальным задачам, потому что думал, что сначала нужно ещё подучиться.

Теперь появился инструмент, который отвечает уверенно, быстро и структурно. Он может написать код, предложить план, разобрать книгу, сделать карточки, объяснить облигации, помочь со статьёй. И иногда мне проще поверить ему, чем своей попытке разобраться.

С одной стороны, это помогает двигаться. Я быстрее получаю опору. Не застреваю на пустом месте. Могу спросить глупый вопрос и не чувствовать себя неловко. Могу уточнить пять раз подряд. Могу попросить объяснить проще.

С другой стороны, это создаёт риск. Можно получить ощущение понимания без настоящего понимания. Можно скопировать код, но не научиться писать его самому. Можно получить структуру статьи, но не сформулировать свою мысль. Можно купить инструмент, фонд или плагин, потому что объяснение выглядело убедительно.

И здесь я возвращаюсь к старой проблеме. Раньше я мог бесконечно готовиться через курсы и конспекты. Теперь можно делать то же самое через промпты, уточнения и красивые ответы.

Инструмент изменился. Ловушка может остаться той же.

Как я хочу использовать ChatGPT дальше

Я не собираюсь отказываться от ChatGPT. Наоборот, сейчас это один из самых полезных инструментов для моего обучения. Но я хочу использовать его не как замену мышлению, а как помощника в переходе к действию.

Для себя я вижу несколько правил.

Первое — не задавать слишком поверхностные вопросы. Чем лучше я сам формулирую проблему, тем полезнее ответ. Если я пишу «объясни тему», получаю общий ответ. Если описываю, что именно не понимаю, где застрял и какой результат хочу получить, диалог становится намного ценнее.

Второе — просить не только ответ, но и логику. Особенно в коде, инвестициях и настройках программ. Мне важно понимать не просто «что сделать», а почему именно так.

Третье — смотреть на проблему с разных сторон. ChatGPT слишком быстро может согласиться со мной. Поэтому полезно просить его критиковать идею, искать риски, предлагать альтернативы, показывать слабые места.

Четвёртое — после ответа делать конкретное действие. Не просто сохранить объяснение, а написать кусок кода, поправить карточки, оформить статью, проверить настройку, сделать маленький проект.

Пятое — не делегировать полностью то, чему я хочу научиться. Если мне нужен только результат, можно использовать готовое решение. Но если я хочу освоить навык, копирование не должно быть финальной точкой.

Что в итоге изменилось

ChatGPT действительно изменил мой подход к обучению. С ним проще задавать вопросы своими словами, быстрее разбирать непонятные места, превращать большой материал в структуру, делать карточки, проверять мысли, искать слабые места в статье или проекте.

Но он не решил мою главную задачу автоматически.

Я всё ещё должен сам думать, проверять, делать руками и доводить работу до результата. Нейросеть может снизить трение между вопросом и действием, но она не проживёт за меня сам процесс обучения.

Сейчас для меня главный вопрос уже не в том, насколько умный ответ даст ChatGPT. Главный вопрос — что я сделаю после этого ответа.

Если после диалога с нейросетью у меня появился кусок кода, опубликованная статья, исправленная ошибка, проверенная карточка или более осознанное решение — значит, инструмент сработал.

Если появился только ещё один красивый конспект, ещё одна структура и ощущение, что я почти всё понял, — возможно, я снова просто готовлюсь.