Демонстрация ИИ занимает минуты. Бизнес-задача живёт неделями или месяцами, затрагивает несколько систем и заканчивается не красивым ответом, а изменившимся состоянием.
Я применял агентный подход в сотнях бизнес-задач. Точное число без обезличенной выгрузки публиковать не нужно. Важнее повторяющиеся причины, по которым работа выглядит готовой раньше времени.
1. Расплывчатая задача рождает убедительный соседний результат
Формулировка «улучши сервис» не задаёт границы. Агент может сделать разумное изменение и при этом не решить проблему пользователя.
Рабочая постановка называет наблюдаемый результат, ограничения и способ проверки. Например: устранить расхождение конфигурации, сохранить обратную совместимость и подтвердить поведение в тестовом окружении.
Чем конкретнее граница, тем меньше пространства для красивой подмены.
2. Больше контекста не всегда лучше
Без контекста агент повторяет уже отвергнутые решения. С огромной папкой документов он может выбрать устаревшее правило или потерять главное среди деталей.
Нужен не максимальный, а достаточный контекст: актуальные требования, принятые решения, интерфейсы и факты для текущего шага. Остальное должно оставаться доступным, но не загружаться без причины.
3. Автор не должен единолично подтверждать собственную работу
Модель склонна продолжать свою версию происходящего. Если она написала код, а затем получила вопрос «всё ли готово?», ответ часто проверяет внутреннюю связность решения, а не реальное состояние.
Нужна независимая проверка на правильной границе. Для кода это может быть тестовое окружение. Для миграции — состояние базы. Для публикации — публичная поверхность. Для текста — соответствие исходной мысли автора.
Ошибка этого цикла
Первая редакция этой серии была технически аккуратной: 13 слайдов, 11 пар статей, работающая дека, оговорки и тесты. Но статьи механически повторяли структуру презентации. Слайд, рассчитанный на несколько минут устного объяснения, превращался в отдельный текст. Чтобы он выглядел полноценной публикацией, тезис обрастал переходами и повторениями.
Результат прошёл формальную проверку, но оказался водянистым. Это тот же класс ошибки, что и потеря исходной истории Arcanada в ранней редакции: система выполнила измеримое требование и не сохранила смысл.
Исправление не в том, чтобы сильнее отредактировать каждую из 11 статей. Нужно было изменить саму модель: оставить 13 слайдов для выступления и объединить их в 7 самостоятельных аргументов для чтения.
Что работает на практике
Хорошая агентная работа оставляет четыре вещи:
- результат с понятной границей;
- доказательство именно на этой границе;
- сохранённые основания решения;
- честный список того, что ещё не подтверждено.
Сотни задач не доказывают безошибочность метода. Они дают материал, чтобы видеть повторяющиеся сбои и превращать их в правила процесса.
AI-First становится инженерным подходом не тогда, когда агент пишет много. Он начинается там, где скорость подчинена смыслу, проверке и человеческой способности остановить работу словами: «Мы решили не ту задачу».