Когда я использую ИИ, чтобы помочь с текстом, исследовать вопрос или принять решение, я сейчас обычно задаю его сразу нескольким моделям.

Но дело не в том, чтобы просто несколько раз спросить и не в том, чтобы смотреть, какой ответ звучит так, будто его поддерживает больше людей.
Реальная ценность в том, чтобы заставить разные модели принять решение независимо, вытащить их расхождения — а затем вернуться к исходным доказательствам и проверить.
Недавно я снова прошёл через этот процесс и только тогда понял, что раньше почти пропустил самый ключевой шаг. Я думал, что в нём участвовали три модели, но по факту ответы дали только две, а третью пропустили. Если не убедиться, что по каждой линии действительно вернулся контент, легко ошибочно решить, что проверка уже сделана полностью.
Я свёл рабочие шаги в трёх пунктах.
Пусть разные модели сначала ответят независимо. Когда вы спрашиваете вторую модель, не показывайте ей ответ первой, чтобы они не повлияли друг на друга.
Затем попросите каждую модель выводить ответ в одной и той же структуре: в чём заключение, в чём основные основания, где есть неопределённость. Именно так их вместе и будет удобно сравнивать.
И наконец, не подсчитывайте, кто прав, а кто нет: вместо этого сосредоточьтесь на расхождениях. Существенные расхождения нужно сверить с самыми исходными материалами или проверить самому на практике. Параллельно убедитесь, что каждая модель действительно дала ответ, а не была пропущена.
В следующий раз, когда вы будете использовать ИИ для перекрёстной валидации какого-то суждения, делайте по этим трём шагам.