Компания подключает языковые модели, сотрудники осваивают промпты, документы начинают появляться в разы быстрее. Однако через квартал часто выясняется, что сроки проектов сдвинулись назад. Первым делом подозревают технологию, следом сотрудников, которые «не так промптят», и лишь немногие догадываются посмотреть на устройство самого рабочего процесса.
Михаил Беляев, руководитель образовательного направления Битрикс24, объясняет, в каком месте рабочего процесса растворяется выигрыш во времени и как вернуть его обратно.
Когда ИИ упирается в человека
На уровне отдельных операций ускорение за счет работы с нейросетями реально и легко измеримо. Модель за несколько минут собирает черновик документа, на который специалист потратил бы половину рабочего дня, структуру презентации выдает почти мгновенно, большой массив данных сводит в таблицу, пока человек наливает кофе.
Производство контента перестало быть ограничением, но появилось новое. Из теории ограничений известно, что пропускную способность системы определяет ее самый медленный участок. Руководитель способен параллельно запустить пять ИИ-агентов и получить от них тексты, расчеты, переводы и визуал за считанные минуты. Дальше начинается его собственная работа: вычитать каждый артефакт, найти слабые места, вернуть на доработку, состыковать фрагменты между собой и принять финальное решение.
Внимание и время человека не масштабируются вместе с числом агентов. Это ограничение действует одинаково для стажера и для директора, опыт лишь смещает его границы. Полной автономии у моделей пока нет, за каждым результатом стоит специалист, который его проверяет и несет ответственность за итог. Узкое горлышко переместилось из этапа производства в этап проверки, и общая скорость системы теперь определяется именно там.
Иллюзия готового результата
Быстрый ответ модели запускает обманчивый психологический механизм. Задача, выполненная за минуту, ощущается закрытой: документ структурирован, формулировки гладкие, а объем внушает уважение. Мозг фиксирует готовность и торопится приступить к следующему пункту списка. В этот момент руководитель незаметно для себя превращается в человека, который подписывает чужие решения.
Под убедительной оберткой могут скрываться серьезные изъяны. Модель способна построить выводы на мнении единственного ангажированного эксперта, принять сезонный всплеск за устойчивый тренд или опереться на один источник просто потому, что остальные материалы попросту закрыты от индексации. Часть таких ошибок никто никогда не заметит. Другая часть вскроется на финальной стадии проекта и перечеркнет недели работы.
Рассчитывать на полностью готовый продукт на выходе из модели означает играть в лотерею. Реальную пользу ИИ приносит на уровне отдельных этапов, где каждый промежуточный результат успевает пройти через руки человека до того, как на нем построят следующие выводы.
Как сократить время на проверку
Для этого есть два пути: точнее ставить задачу на входе и грамотнее проверять результат на выходе. Первый снижает число доработок, второй сокращает саму проверку.
Детальная постановка задачи
Сократить нагрузку на этапе приемки помогают два инструмента. Первый связан с качеством формулировок: чем полнее в задаче описаны цель, контекст, ограничения и формат результата, тем меньше кругов доработки ждет впереди.
Запрос «проанализируй отзывы клиентов и предложи улучшения сервиса» оставляет модели огромное пространство для домыслов. Рабочая версия той же задачи выглядит иначе: взять отзывы за конкретный период с перечисленных площадок, разложить претензии по заранее заданным категориям, посчитать долю каждой категории, отделить единичные жалобы от повторяющихся и сформулировать выводы по шаблону, который принят в компании.
Живому сотруднику такая детализация показалась бы избыточной, он и так погружен в контекст. Модель этого контекста лишена, поэтому все недостающее она достроит сама, и достроит по собственному усмотрению. Каждая пропущенная вводная возвращается позже в виде лишней итерации.
Проверка в зонах риска
После десятков задач с одной моделью складывается понимание, где она надежна и где регулярно ошибаетсяА. Опытный пользователь перестает вычитывать все подряд и концентрирует проверку в зонах риска. Важнее всего проверить свежие цифры, ссылки на источники, юридические формулировки и расчеты.
Собственную карту ошибок можно накапливать быстрее, если изучать разборы чужих кейсов. На старте внимательный руководитель чаще всего проверяет каждый вывод под лупой, и постепенно контроль стягивается к точкам, где сбои случаются чаще всего. Размытый запрос «оцени кандидатов по итогам тестового задания» со временем превращается в структуру с баллами по каждому критерию и итоговой суммой, и тогда проверка сводится к выборочному пересчету.
Помогает и обратный процесс: при постоянной работе модель подстраивается под запросы конкретного пользователя, и приемлемый результат начинает получаться с первой или второй попытки. Оба инструмента ведут к одной цели, они разгружают внимание человека и оставляют за ним ответственность за итог.
От исполнителя к дирижеру ИИ-оркестра
По своей логике работа со связкой агентов повторяет работу руководителя проекта: сформулировать задачу, расставить контрольные точки, принять каждый этап, собрать целое из частей. Ценность такого специалиста определяется качеством решений, точностью контроля и глубиной экспертизы, которая позволяет отличить сильный результат от правдоподобной пустышки.
Собрать такую связку агентов под свою задачу сегодня способен практически любой специалист. Благодаря платформам, вроде Битрикс24 Вайбкод или Replit, каждый, кто настраивает агентов, фактически становится руководителем небольшой ИИ-команды со всеми требованиями к постановке задач и приемке результата.
Так в компании развивался проект диалоговых тренажеров для продавцов. Все начиналось с одного объемного промпта, где были описаны роль клиента, легенда разговора и критерии оценки. Постепенно система разрослась до семи специализированных агентов: одни ведут беседу и удерживают заданную роль, другие расшифровывают диалог, оценивают его по параметрам и складывают данные в базу, третьи ищут отклонения через независимую модель, формируют развивающую обратную связь и ежедневно отправляют статистику по динамике навыков ответственному. Каждый агент закрывает свой узкий участок, поэтому итог остается предсказуемым и управляемым.
Специалист в такой схеме похож на дирижера: инструменты в оркестре звучат быстрее и громче любого человеческого голоса, темп и качество исполнения все равно задает тот, кто слышит произведение целиком. Скорость ИИ перестает упираться в человека ровно тогда, когда человек перестает быть контролером на конвейере и занимает место за пультом.
Источник: Михаил Беляев, руководитель образовательного направления Битрикс24
