LLM-модели умеют решать задачи на логику, код и математику. Но в реальной жизни этого мало: часто нужно догова

LLM-модели умеют решать задачи на логику, код и математику. Но в реальной жизни этого мало: часто нужно договариваться, менять стратегию и учитывать поведение других.

Интересный тест для таких сценариев — игра в «Бункер». Суть простая: участникам нужно убедить группу, что именно они должны попасть в укрытие. Тут важны не только аргументы, но и умение держать линию, реагировать на возражения и выстраивать коалиции.

Что это показывает про Gemini, ChatGPT и другие модели:
— сильные стороны в структурировании аргументов;
— слабые места в долгой социально-динамической игре;
— зависимость результата от формулировки правил и контекста;
— разницу между «правильным ответом» и «убедительным поведением».

Для рекламного рынка это полезная аналогия. Кабинет можно настроить по чек-листу, но дальше начинается не бенчмарк, а переговоры с реальностью: креативы, посадочная, бюджет, аудитория, сезонность. Метрика сама по себе не спасает, если стратегия не выдерживает давления среды.

Вывод простой: LLM уже сильны в аналитике, но в сценариях с конфликтом интересов и неопределенностью им еще есть куда расти. 🤖