Эта статья подготовлена Аней Михайловой и DeepSeek. Аня выступает в роли главного редактора, а DeepSeek как помощник, задача которого — составить конспект на основе транскрипта доклада. В начале идёт конспект, а в конце — комментарии Ани и описание промта, который использовался для совместной работы.
MuseumNext AI Summit
«Знаю, что должен, но ненавижу»: как один музей исследовал страхи и надежды, связанные с AI («I know I have to, but I hate it»: Exploring AI Futures & Fears, Together)
Имена, фамилии докладчиков:
Уитни Оуэнс (Whitney Owens), Джейсон Перкинс (Jason Perkins), Кэти Уэбб (Katie Webb)
Место работы:
Музейный центр Цинциннати (Cincinnati Museum Center) — комплекс, объединяющий под одной крышей музей естественной истории и науки, исторический музей и детский музей. Расположен в здании вокзала Union Terminal, признанного национальным историческим памятником. Хранит и исследует около 6,6 миллионов объектов и образцов, ведёт широкую образовательную деятельность.
Должности и зоны ответственности:
- Уитни Оуэнс — директор по обучению. Отвечает за образовательные программы и внедрение культуры осмысленного профессионального развития в коллективе.
- Джейсон Перкинс — вице-президент по технологиям. Определяет технологическую стратегию, включая политику использования AI, и помогает сотрудникам безопасно экспериментировать с новыми инструментами.
- Кэти Уэбб — старший директор по управлению цифровыми активами. Координирует работу с цифровыми коллекциями и данными, выступает одним из ведущих рабочей группы по AI.
Стремительное распространение AI в цифровых продуктах и растущий интерес музеев к этой технологии поставили перед Музейным центром Цинциннати вопрос: как ответственно её освоить, если среди 180 сотрудников есть и энтузиасты, и те, кто в ужасе от перспективы? Фраза «роботы-захватчики» действительно звучала. Ответом стало создание внутреннего учебного сообщества — рабочей группы из 14 человек от 11 отделов: маркетинга, IT, выставочного, гостевого, финансового, HR, образовательного и коллекционного. С самого начала здесь решили не читать лекций, а откровенно исследовать чувства людей и учиться через практику.
Первый шаг: разговор о чувствах, а не о технологиях
На первой же встрече участникам задали простой вопрос: «Что вас больше всего волнует и что пугает в AI?». Ответы получились откровенными и очень разными.
Коди Хефнер, маркетинг: «Меня радует способность AI анализировать огромные массивы данных — например, билетные продажи и географию посетителей. Это помогает увидеть закономерности, которые в таблице просто так не разглядишь. Пугает же то, что люди перестанут мыслить критически и будут принимать выдачу AI за истину в последней инстанции, не проверяя факты».
Макайла Дин, коллекции: «Вдохновляет возможность с помощью распознавания текста расшифровать наши рукописные полевые дневники и заметки. А ужасает — воздействие дата-центров на сельские территории, которые часто являются очагами биоразнообразия».
Абиджита Дебата, HR: «Я счастлива, потому что у меня наконец появился административный помощник, на которого не нужно запрашивать бюджет. Он берёт на себя рутину: документацию, ввод данных, и это экономит уйму времени для нашей маленькой команды из трёх человек. Пугает же скорость перемен и заложенная в AI предвзятость — расовая, гендерная, которая проникает в результаты из обучающих данных».
Обсуждение помогло выявить и общие темы: восторг от способности AI анализировать данные и ускорять рутину соседствовал со страхом потерять работу, а профессиональный интерес — с острыми этическими вопросами. Дополнительным катализатором стало чтение статей из музейного журнала, посвящённых AI.
Базовый ликбез: что можно и что нельзя
Затем Джейсон и Кэти дали группе необходимую теоретическую основу. Объяснили разницу между большими языковыми моделями (LLM) и тем, что AI не является. Обсудили допустимые инструменты: внутри музея уже разворачивали Microsoft Copilot, а для экспериментов разрешили бесплатные версии ChatGPT, Google Gemini и Claude — с чёткими правилами о том, какие файлы и данные в них можно загружать. Это позволило держать расходы под контролем, но при этом не ограничивать любопытство. Для серьёзных проектов, требующих повышенной защиты данных, предусмотрели индивидуальное одобрение. Отдельно остановились на ключевых терминах, чтобы все говорили на одном языке.
Эксперименты: от HR-тренингов до расшифровки этикеток
После вводных сессий участники выбрали собственные проекты, в которых AI мог бы помочь решить реальную рабочую задачу. Вот что из этого вышло.
Абиджита Дебата, HR-проект: «Обычно мы тратили от десяти до двадцати тысяч долларов в год на обучение менеджеров: разрешение конфликтов, коммуникация, управление изменениями. В рамках пилота я сама создала полностью кастомизированные учебные материалы, адаптированные под нужды именно нашего центра. Результат получился гораздо лучше, полностью под наши задачи, и, что важно, бесплатно. AI помог мне сделать это очень быстро».
Макайла Дин, расшифровка полевых записей: «Я тестировала Transkribus и ChatGPT на рукописных этикетках. Transkribus хорошо находил текст на странице, но с точностью распознавания сокращений и коротких полевых пометок не справился. ChatGPT показал почти идеальный результат в транскрипции. Однако, когда я попросила его разложить данные по колонкам Excel, начались проблемы: он путал вес, дату и возраст, а пустые поля попросту игнорировал. AI не обладает экспертным знанием, чтобы понять, какая цифра что означает».
Валери Хоробик, аналитика продаж: «Мне нужно было вычислить школы, которые активно заказывали программы до пандемии и ни разу после. Данных было около пяти тысяч записей, и имена одного и того же заказчика писались по-разному. ChatGPT и Copilot помогли мне создать формулу для стандартизации записей, а затем Copilot сам предложил способ категоризации и за секунды построил мне таблицу с приоритетными контактами. Это было впечатляюще».
Эмили Бертоло, подготовка к летним лагерям: «Я намеренно взяла задачу без чувствительных данных. Пыталась в Google Gemini собрать сводную таблицу материалов для поделок по всем возрастным группам. Когда инструкция гласила «раздайте карандаши», AI не мог догадаться, что на 20 детей нужно 20 карандашей. Он либо говорил, что данных нет, либо брал цифры из другого документа. Google NotebookLM показался умнее: он чаще находил информацию в нужном контексте и давал ссылки на источники, что упрощало проверку. Но необходимость выверять каждый ответ осталась колоссальной».
Рефлексия после опытов: как изменилось отношение
Финальная встреча была посвящена не столько результатам, сколько изменениям в восприятии. Сотрудники делились новыми чувствами — и в них появилось больше спокойной ясности.
Джилл Байц: «Если честно, я начинала с опаской. Но когда нам объяснили, какие есть варианты и как это работает, я стала чуть более воодушевлённой. Хотя осторожность всё равно осталась».
Эмили Бертоло: «Я была настроена настороженно-оптимистично. Меня волновали вопросы баланса, рисков, воздействия на экологию и авторских прав. Но сама структура наших встреч и возможность спокойно обсуждать это дали мне уверенность, что я смогу найти для себя приемлемый способ использования AI».
Валери Хоробик: «Участие в группе открыло мне глаза на то, как по-разному можно применять AI. Я была впечатлена и скоростью, и отзывчивостью платформ. Но к этому прибавилась и здоровая доля осторожности — особенно в отношении окружающей среды и того, чтобы люди не разучились думать сами».
Выводы: формула безопасного старта для любого музея
Музейный центр Цинциннати намеренно не стал создавать жёсткий регламент, а пошёл по пути формирования культуры осознанного экспериментирования. Уитни, Джейсон и Кэти сформулировали простой алгоритм для коллег: соберите группу из 5–15 человек из разных отделов, начните с чувств и опасений, дайте базовые знания и чёткие границы дозволенного, помогите выбрать личный проект и сопровождайте его, а главное — создайте безопасную среду для проб, ошибок и рефлексии.
Абиджита Дебата, итоговый вывод: «Главное — это чёткие правила игры. Если заданы границы и всегда есть человек, проверяющий результат, то AI становится отличным инструментом. Убегать от него бессмысленно, лучше научиться делать его полезным для себя».
В результате групповой чат продолжает жить, а следующим летом музей планирует созвать новую рабочую группу. Здесь убеждены: AI — это не проект, а путь, и начинать его лучше вместе, с опорой на знания, доверие и здоровый человеческий скепсис.
Комментарий Ани Михайловой
Передача знаний внутри музея между разными отделами и создание рабочих групп, где представлены разные мнения, считаю здравым и эффективным способом для развития сотрудников и команды в целом. Подход, ставящий на первое место эмоции, звучит смело: чтобы делиться ими, как мне кажется, необходим определённый уровень доверия в коллективе, а также грамотный модератор, который не только разбирается в теме, но сумеет работать с динамикой группы.
Промт для DeepSeek
Как и зачем Аня Михайлова работает с ИИ
Я работаю с ИИ в одном чате, чтобы сохранять контекст разговора. Сначала я показала ИИ наше медиа, чтобы он понял интонацию и особенности коммуникации, проверила, что он понял меня верно. Затем дала задачу, убедилась, что и она понята верно, и потом отправила транскрипт доклада. При этом я сама читаю доклад, чтобы убедиться в отсутствии ошибок и отсебятины.
Ты журналист и копирайтер, специализация музейное дело. Я пригласила тебя помощником редактора, чтобы помочь мне подготовить публикации для сайта Идеи для музеев, где я являюсь главным редактором www.ideasformuseums.com/media Изучи tone of voice, в ответном сообщении напиши, как ты его понял. Я проверю и дам комментарии.
Да, ты всё верно поняла. Отлично. Теперь мы будем работать над новыми публикациями. Наша задача - представить зарубежный опыт реализации музейных проектов. Вот как мы будем работать. Я присылаю транскрипт доклада с конференции MuseumNext. Твоя задача: следуя tone of voice и вот этот принцип "«Профессиональная эмпатия и деятельный оптимизм». В его основе лежит глубокое уважение к аудитории и искренняя любовь к музейному делу" подготовить конспекты этих транскриптов. Ты не придумываешь ничего сама, работаешь только с присланным текстом. Результат должен соответствовать следующей структуре: Имя, фамилия докладчика Место работы докладчика с кратким описанием: где находится, что за учреждение Должность, что входит в обязанности Далее конспект, нужны заголовки, описывающие содержание, и краткие резюме. Напиши, как ты поняла задание.
***
Участие в конференциях MuseumNext — часть программы стажировки, которую Аня Михайлова прошла в 2026 г. благодаря победе в конкурсе Профессиональное развитие Фонда Потанина.
Источник фотографии: Американский Альянс Музеев