Знакомство с ИИ у руководителей часто идет по одному сценарию: модель быстро выдает объемный, структурированный результат, но при проверке оказывается, что принять его нельзя. Следующие часы уходят на разбор несоответствий и правки, а работа возвращается к привычной схеме. Михаил Беляев, руководитель образовательного направления «Битрикс24», объясняет, в чем системная причина этого разочарования и как выстроить работу с ИИ эффективно.
Система едет со скоростью самого медленного звена
Современные языковые модели работают значительно быстрее человека, и это заметно по конкретным задачам. Черновик аналитического отчета складывается за минуты, структура презентации — за секунды, а конкурентный анализ, который раньше требовал у аналитика полдня, с ИИ укладывается в двадцать минут. Скорость генерации стала реальным и измеримым преимуществом, которое уже меняет организацию работы в компаниях.
Порог производительности растет, и скрытое противоречие заключается в том, что черновик, созданный за минуты, еще должен дойти до финального результата, а это требует времени.
Из теории ограничений следует простой принцип — пропускная способность любой системы определяется ее узким местом. Можно одновременно раздать задачи пяти агентам: написать текст, собрать данные, подготовить структуру, сделать перевод, сгенерировать визуал. Все пятеро выдадут результат быстро. При этом принять работу, оценить каждый артефакт, дать корректировки, состыковать части и вынести финальное решение по-прежнему остается задачей человека.
Когнитивная и временная емкость человека не масштабируются по щелчку. Это свойство общее для всех нас, независимо от опыта и должности. Полностью автономно агенты работать пока не могут, и за каждым результатом должен стоять человек, который его верифицирует и отвечает за итог.
Иллюзия делегирования
Когда задача выполняется за минуту, возникает ощущение, что она закрыта, ведь мозг регистрирует сигнал готовности и хочет двигаться дальше. Именно в этот момент руководитель рискует стать подписантом чужих решений.
Выводы ИИ могут опираться на материал предвзятого эксперта, на данные, искаженные сезонным всплеском, или на единственный источник, поскольку остальные сайты закрыты от индексации. Иногда ошибка проходит незамеченной, а иногда всплывает на финальном этапе и обесценивает весь предшествующий результат.
Такой подход больше напоминает лотерею, чем управление процессом. ИИ ускоряет работу на уровне отдельных этапов, и именно на этом уровне стоит его использовать, ведь ожидание полностью готового результата на выходе неизбежно приводит к разочарованию.
Где руководитель может сэкономить время и внимание
Осознание себя становится отправной точкой для осознанной работы. Есть два инструмента, которые позволяют сократить количество точек контроля без потери качества.
Качество постановки задач
Чем точнее в ней прописаны цель, контекст, ограничения и формат результата, тем меньше итераций потребует работа на выходе и тем эффективнее расходуются время и внимание руководителя. Например, промпт «подготовь глубокую аналитику рынка недвижимости за прошедший год и дай рекомендации по инвестированию» оставляет слишком много пространства для интерпретации. Детализированная версия той же задачи разбивает процесс на необходимые для подготовки этапы:
- собрать данные по конкретным сегментам из указанных источников за определенный период;
- параллельно выявить факторы влияния на рынок по заданному списку;
- сравнить по конкретной системе и выстроить выводы по формуле, которой пользуется сам руководитель.
Для сотрудников подобная постановка задачи будет излишней, так как они уже погружены в контекст, но для модели это необходимые вводные.
Калиброванное доверие
Со временем формируется понимание сильных и слабых сторон конкретной модели в конкретных задачах. Опытный пользователь не проверяет все подряд. Он знает наиболее важные точки контроля и концентрирует внимание именно там.
Точки контроля приходят через собственный опыт, хотя его можно ускорить, изучая разборы чужих кейсов. На старте руководитель проверяет каждый вывод с максимальной детализацией. Постепенно складывается карта типичных ошибок, и контроль смещается именно туда, где они встречаются чаще всего. Так, например, промпт «оцени результаты теста по 10-балльной шкале» со временем превращается в детальную карту баллов по каждому вопросу с математической суммой, и тогда проверка становится точечной.
Есть и второй механизм, суть которого в том, что при постоянной работе с одной моделью она адаптируется к запросам конкретного пользователя, и нужный результат можно получить без десятка итераций.
Оба инструмента направлены на одно — снижение операционной нагрузки на человека при сохранении его ответственности за итог.
От оператора к руководителю проекта
Работа в связке с ИИ по своей логике является работой руководителя проекта. Нужно поставить задачу, установить контрольные точки, принять работу на каждом этапе и собрать финальный продукт. Ценность такого руководителя складывается из качества его решений, точности контроля и глубины экспертизы, достаточной для того, чтобы отличить хороший результат от правдоподобно выглядящего плохого.
Как показывает наш опыт, собрать небольшую рабочую связку агентов под конкретную задачу сегодня способен практически любой специалист. Например, в VibeCode, которым мы часто пользуемся для работы, такая возможность есть у каждого сотрудника — по сути, это превращает его в руководителя собственной ИИ-команды со всеми вытекающими требованиями к постановке задач и контролю результата.
Одна из недавних задач, над которой наша команда работала в таком формате — диалоговые тренажеры для продавцов. Проект начинался с одного большого промпта, в котором были заданы роль клиента, легенда беседы и критерии оценки результатов. Со временем система переросла в связку отдельных агентов:
- один задает роль клиента и фиксирует ее;
- второй ведет разговор по сценарию;
- третий расшифровывает диалог и оценивает его по параметрам;
- четвертый складывает данные в базу;
- пятый проверяет отклонения через другую модель;
- шестой формирует развивающую обратную связь;
- седьмой отслеживает динамику навыков и ежедневно отправляет статистику ответственному.
Каждый агент закрывает один узкий блок, и финальный результат становится более управляемым.
Таким образом, специалиста с ИИ можно сравнить с водителем, который пересел с повозки за руль автомобиля. Ответственность за маршрут и каждый поворот на трассе осталась прежней, изменилась лишь скорость, с которой теперь можно преодолевать отдельные участки пути.