«Мясной прокси»: человек, который пересылает ChatGPT вместо мыслей
Следите за новостями по этой теме!
Подписаться на «Рифы и пачки / Твоя культура»
«Мясной прокси»: человек, который пересылает ChatGPT вместо мыслей
У коллеги появилась новая суперспособность: на простой вопрос отвечать семью абзацами, подозрительно похожими на текст из ChatGPT. Теперь для такого поведения есть термин — «мясной прокси» (meat proxy): человек становится живым передатчиком ответа нейросети, почти не добавляя к нему собственных мыслей.
Термин, по имеющимся данным, придумал или сделал популярным немецкий разработчик Niklas Gruhn. 3 августа он описал это явление в блоге. По словам инженера, ситуация повторялась в Slack, при обсуждении кода и даже в групповых чатах с друзьями: на вопрос собеседник присылал фразу вроде «Claude сказал:» и затем вставлял огромный ответ целиком.
Проблема не в самом факте использования ИИ. Нейросети уже стали обычным рабочим инструментом. Беда начинается, когда отправитель ограничивается несколькими командами «скопировать» и «вставить», не читает результат и не проверяет его. Получатель получает длинный, гладко написанный текст с корпоративным жаргоном — и обязан сам выяснять, что именно имелось в виду и не является ли уверенный тон маскировкой для ошибки.
Gruhn привёл пример особенно туманной фразы Claude о «событиях control plane NATS» и «восстановлении кворума R3». Чтобы понять предложение, ему пришлось искать почти каждое слово. Поэтому инженер сформулировал простое правило: ИИ можно использовать сколько угодно, но перед отправкой нужно прочитать ответ, понять его и проверить, а затем изложить мысль своими словами. Это не столько вопрос сокрытия помощи нейросети, сколько доказательство, что за сообщением всё ещё стоит человек.
Пост быстро разошёлся на Hacker News и собрал более 700 комментариев. Разработчики рассказывали о сотнях строк машинного анализа, после которых автор просил коллег проверить, правда ли там хоть что-нибудь. Другие вспоминали внутренние документы, выглядевшие внушительно до первого внимательного чтения. Для таких самопроизвольных завалов текста придумали ещё одно выражение — «slop grenades», то есть «гранаты из словесного шлака»: кто-то бросает в чат гору вывода чат-бота и уходит, оставляя окружающим разгребать последствия.
Особенно неприятно это становится при проверке программного кода. Перед выпуском изменений другой разработчик должен убедиться, что код работает и ничего не ломает. Если автор отправляет сгенерированный код, которого сам не понимает, проверяющему приходится разбираться в логике, искать ошибки и фактически заканчивать чужую работу. Консультант по разработке ПО Michaela Greiler назвала такую практику «эксплуатацией проверки кода» (code review exploitation).
Steve Mayne, технический директор налоговой платформы Yonda, описал картину так: «Появляется запрос на изменение кода: он выглядит правдоподобно, он большой, но человек, который его “написал”, не может объяснить строку 40». По его мнению, рабочие процессы проверки создавались в эпоху, когда писать было дорого, а читать — дёшево. ИИ перевернул баланс: внушительный объём текста теперь можно произвести за секунды, а проверка по-прежнему требует времени и ответственности.
При этом сообщение «ChatGPT сказал…» само по себе не является преступлением. Если человек прочитал ответ, проверил его и считает полезным, указание источника даже помогает понять происхождение информации. Нормальная граница проходит не между «использовал ИИ» и «не использовал», а между осмысленным применением и бездумной пересылкой.
Пользуйтесь ChatGPT и Claude. Просто пропустите ответ через собственный мозг до того, как отправить его в рабочий чат. Иначе коллеги уже знают, как вас назвать.
PEREC.RU
Новая разговорная метка meat proxy описывает человека, который использует чат-бота вроде ChatGPT или Claude как готовый источник ответов, а затем пересылает результат коллегам почти без редактирования и проверки. Термин, по имеющимся данным, придумал или популяризировал немецкий software engineer Niklas Gruhn. В записи блога от 3 августа он рассказал, что регулярно сталкивался с такими сообщениями в Slack, обсуждениях кода и групповых чатах. Собеседник задавал вопрос нейросети и отправлял гигантский ответ с минимальным личным вкладом.
Ключевая претензия к meat proxy заключается не в самом применении ИИ. Нейросети могут помогать писать, анализировать и объяснять сложные темы. Проблема возникает, когда пользователь не читает и не проверяет сгенерированный текст. Тогда получатель вынужден самостоятельно разбираться в длинных фразах, техническом жаргоне и возможных ошибках, хотя формально ему лишь ответили на вопрос. Gruhn привёл пример фразы Claude о событиях control plane NATS и восстановлении кворума R3: для понимания смысла пришлось искать почти каждое слово. Он предложил правило: использовать ИИ можно, но ответ необходимо прочитать, понять, проверить и изложить своими словами.
Публикация Gruhn быстро распространилась на Hacker News и получила более 700 комментариев. Разработчики описывали случаи, когда коллеги отправляли сотни строк AI-анализа, а затем просили проверить, верен ли он. Другие рассказывали о масштабных внутренних документах, которые выглядели убедительно лишь до внимательного чтения. Для подобных внезапных массивов текста появился термин slop grenades — «гранаты из словесного шлака»: автор сбрасывает в обсуждение необработанный вывод чат-бота и оставляет другим разбираться с последствиями.
Особый риск возникает при работе с программным кодом. Перед выпуском изменений другой разработчик проводит code review — проверку, которая должна выявить ошибки и предотвратить поломки. Если автор не понимает отправленный AI-generated code, проверяющий вынужден сам изучать его, искать дефекты и фактически завершать работу. Консультант Michaela Greiler называет это code review exploitation — эксплуатацией процесса проверки кода. Steve Mayne, CTO налоговой платформы Yonda, описал такой pull request как большой и правдоподобный, но отметил, что его «автор» не способен объяснить строку 40.
AI изменил экономику труда: создать большой объём текста или кода теперь можно за секунды, тогда как проверка по-прежнему требует времени и компетенций. При этом указание «ChatGPT сказал» не всегда плохо: если пользователь прочитал, проверил и осмысленно делится результатом, обозначение источника может быть полезным. Граница проходит между ответственным применением ИИ и бездумной пересылкой его вывода. Главная рекомендация проста: прежде чем отправлять ответ нейросети в рабочий чат, пропустите его через собственное понимание.
