От «Вечного стажера» к «Цифровому советнику»

У вас в папке «Избранное» лежат десятки запросов к нейросети. Вы писали их в моменте – под конкретную задачу, под конкретную модель, под конкретное настроение. Они работали. А через месяц вы не помните, какой из них актуален, под какую версию модели заточен и почему там стоит оговорка «не используй слово "возможно"». Это не библиотека. Это кладбище.

Компании тратят миллионы на инструменты искусственного интеллекта, а на выходе получают не интеллектуальный капитал, а ускоренную с помощью современного инструментария имитацию бурной деятельности. Запросы множатся. Чаты плодятся. Коллеги хвастаются скриншотами. Но если вы спросите: «Покажите мне верифицированную библиотеку решений, которая переживёт увольнение их автора» – наступит тишина. Инструментов становится больше, а управляемости – меньше. Мы не автоматизировали экспертизу. Мы, применив современные инструменты, умножили степень хаоса.

Сегодня я покажу, как превратить разовую атомарную операцию в переиспользуемый интеллектуальный актив – модуль (в англоязычных источника – «skills») – и почему этот актив мёртв без среды исполнения. А также разберём ментальный инструмент, который отсекает 80% избыточных решений ещё до того, как вы потратите первый рубль.

Если вы читали серию публикаций «Executive AI OS» в корпоративном канале ЦКР, то знаете три слоя когнитивной архитектуры: аксиоматический, методологический и протокол вывода. Сегодня мы смотрим на ту же систему с другого берега: не сверху вниз (от операционной системы к модулям), а снизу вверх – от атомарной операции к модулю, и дальше к системе. Если вы не читали серию – ничего страшного, статья самодостаточна. Но тем, кто уже проектирует свою когнитивную операционную систему, она ответит на вопрос, который неизбежно возникает после шестой публикации: «А что именно является кирпичом, из которого строится здание?» Кирпич – это модуль.

Три роли: кто вы, когда пишете запрос нейросети

Прежде чем говорить о технологии, поговорим о роли. Потому что переход от «атомарной операции» к «модулю» – это не технический апгрейд. Это смена вашей профессиональной идентичности.

В менеджменте есть классическая рамка: техник; управленец; архитектор. Техник делает работу руками. Управленец строит процесс. Архитектор проектирует систему, в которой процессы рождаются и умирают по объективным законам, а не по настроению.

Когда вы пишете запрос в чат – вы техник. Вы решаете конечную задачу здесь и сейчас, вручную, без возможности масштабировать. Завтра вы будете решать ту же задачу заново. Когда вы фиксируете этот запрос как модуль – с входом, выходом, валидатором и владельцем – вы становитесь управленцем. Вы построили процесс. Теперь его может запустить любой уже без вас. Когда вы встраиваете модуль в когнитивную операционную систему, где он подчиняется аксиомам, выдаёт артефакты и может быть перенесён с одной модели на другую без переписывания – вы становитесь архитектором. Вы создали среду, в которой интеллектуальные активы живут, комбинируются и масштабируются, имеют ограничения и подстраховку от ошибок и галлюцинаций LLM.

Большинство компаний застряли на первом уровне. Они закупили ИИ-инструменты, но не изменили роль людей, которые ими пользуются. Результат: ремесло без управления. Имитация бурной деятельности в промышленных масштабах с новыми, куда более дорогими, чем ранее, инструментами.

Далее предложен подход из четырёх шагов, который поднимает вас от техника к управленцу, и далее от управленца к архитектору.

Модуль – это то, что вы уже делаете, но вслепую

Когда вы пишете в чат, вы видите одно поле ввода. Но под ним существует набор настроек: инструкция для модели кто она и как себя ведёт, шаблон ожидаемого ответа, степень креативности модели, ограничения на длину ответа. В чате они пусты и модель додумывает всё за вас. Модуль начинается там, где вы заполняете каждую настройку сознательно.

Представьте модуль как строку в таблице бизнес-процесса: шаг, вход, выход, исполнитель, владелец. Шаги бывают двух типов:

• По алгоритму – поиск слова в тексте, проверка формата, расчёт по формуле. Нейросеть не вызывается. Результат всегда одинаковый. Нулевой риск ошибки.
  
• Экспертный – классификация текста, извлечение смысла, формулировка вывода. Здесь нейросеть незаменима. Но вход для неё – те самые рычаги настройки, а выход – строго в заданном формате: не «наверное, это про штрафы», а конкретный ответ с цитатой из документа.

Шаги выстраиваются в цепочки. У каждой есть владелец и проверка результата.

Классические регламенты не спасают не потому, что инструменты описания процессов плохи, а потому что описания неконсистентны: шаги разного уровня детализации, разрывы в логике, множественные усилия исполнителей вместо задокументированных правил. Плейбуки и конвейеры появились не вместо классических подходов, а потому что исполнитель сменился с человека на машину. Машине нужен не рассказ для чтения, а инструкция для исполнения. Готового стандарта пока нет. Крупные компании – каждая строит свой формат. Область на той же стадии, что библиотеки промптов в 2023-м: рецепты есть, дисциплины нет. И если нет желания ждать пару лет, проектировать придётся самому. Это нормально.

Читайте также

Рейтинг российских no-code платформ для создания бизнес-ботов

Российский бизнес все чаще выбирает no-code ботов вместо долгой ручной работы. Как не запутаться в десятках платформ и найти «свой» инструмент? Разбираем лидеров рынка, их возможности и главные риски выбора в свежем рейтинге IT-World.

Именно эту работу - разложить, откалибровать, зафиксировать, встроить - вы проделаете на четырёх шагах жизненного цикла.

Четыре шага жизненного цикла модуля

Модуль не рождается в момент написания запроса. Он рождается в момент, когда вы проходите через четыре этапа проектирования. Пропустите хотя бы один – и получите очередной труп в папке «Избранное».

Шаг 1. Декомпозиция

Разбиваем задачу до уровня, который выполнит самая слабая модель из доступных. Это методология «Вечного стажера»: чем меньше и проще шаг, тем выше точность.

Вместо «проанализируй договор на риски» – последовательность:

1. Найди пункт о штрафных санкциях.
2. Извлеки сумму.
3. Верни ответ в заданном формате с цитатой из текста».

Вы не можете автоматизировать то, что не разделили конечные операции с понятным результатом. Это первый и главный закон. Вы всё ещё техник, но уже думаете, как управленец: не «сделай мне», а «сделай вот это, потом вот это, потом верни вот в таком формате».

Шаг 2. Калибровка: принцип нулевого бюджета

Прежде чем фиксировать модуль, пройдите через мысленный эксперимент из двух сценариев. Это фильтр, который заставляет думать архитектурой, а не деньгами.

Сценарий А. Неограниченный бюджет

Представьте: у вас самая мощная модель мира, команда из десяти разработчиков, векторная база на сто миллионов документов и бюджет в сотни миллионов. Как бы вы решили задачу? Скорее всего это будет поисковая генерация, дообучение модели на ваших документах, мультимодальный анализ, оркестрация пяти агентов. Модно. Молодежно. Красиво. Дорого. И в 90% случаев избыточно.

Сценарий Б. Нулевой бюджет

У вас только браузер, локальная модель Gemma 4 E2B на ноутбуке с 16 ГБ оперативной памяти и один час времени. Как решить ту же задачу? Вы вынуждены декомпозировать процесс до предела. Вы отказываетесь от семантического поиска в пользу точного совпадения ключевых слов. Заменяете сложную оркестрацию и параллельную работу нескольких моделей со сравнением выданных ими результатов и рекурсивными повторными запросами простой и жёсткой последовательностью из трёх шагов. Вы не прячете ошибки модели за архитектурой – вы проектируете изначально так, чтобы ошибиться было попросту невозможно.

Парадокс в том, что решение из сценария Б оказывается точнее, чем из сценария А. Потому, что ограничение рождает дисциплину.

Нулевой бюджет – это не про деньги. Это про дисциплину проектирования. Если задача не решается на нулевом бюджете, она не решается и на неограниченном – вы просто маскируете плохую архитектуру дорогими инструментами.

Для топ-менеджмента это ключевой тезис. Когда в следующий раз команда запросит бюджет на «более мощную модель, которая справится лучше», задайте один вопрос: «Вы прошли через упражнение нулевого бюджета? Покажите, почему без этой модели задача нерешаема на уровне архитектуры». В 80% случаев окажется, что решаемость – вопрос декомпозиции, а не вычислительной мощности.

Читайте также

Как применение ИИ изменило CRM и ERP?

IT-World разбирался, как благодаря ИИ эволюционировали системы планирования ресурсов предприятия и системы управления взаимоотношениями с клиентами. Как искусственный интеллект возвел на новый уровень управление персоналом, как повлиял на развитие систем бизнес-аналитики и оптимизировал логистику.

Вернёмся к кейсу про NDA, который мы разбирали в «Партизанской автоматизации», и посмотрим, как это работает на практике.

Неограниченный вариант, который мне предложили бы в классическом ИТ-проекте:

1. Поисковая генерация по базе прецедентов.
2. Дообучение модели на трёхстах договорах.
3. Мультимодальный анализ сканов.
4. Оркестрация агентов.
5. Срок: четыре месяца. Бюджет: полтора миллиона. Результат: «идея не взлетела, дайте ещё ресурсов».

Нулевой вариант в три атомарных шага:

1. Поиск по шаблону ключевого слова «штраф».
2. Извлечение абзаца.
3. Проверка, что ответ в нужном формате.

Никакого семантического поиска. Никакой оркестрации. Жёсткая последовательность, жёсткий формат вывода, обязательная цитата. Точность выше, время – минуты, стоимость – ноль. Потому что модель работает локально, на ноутбуке, без подписки, без ключей доступа, без риска утечки.

Именно второй вариант и стал модулем. Первый не прошёл бы даже декомпозицию: он сам по себе – монолит, вся логика принятия решения отдана модели, а проверить его корректность означает заново переделать всю работу за модель.

Шаг 3. Фиксация

Модуль записывается в утверждённом формате. Не в чат. Не в заметку. В спецификацию, которую может прочитать любой новый сотрудник и развернуть за пять минут. У модуля есть версия, владелец, срок ревизии и критерии приёмки. Он переживёт увольнение автора и смену модели.

На этом шаге вы перестаёте быть техником и становитесь управленцем: процесс задокументирован и воспроизводим без вашего участия.

Шаг 4. Встраивание

Модуль подключается к конвейеру. Определяется условие запуска, последовательность в цепочке и протокол вывода. Модуль не существует сам по себе – он существует как часть процесса. Ни один модуль не вызывается вручную. Ни один результат не уходит в работу без прохождения валидатора.

На этом шаге вы становитесь архитектором: вы больше не решаете задачи руками, а проектируете среду, в которой задачи решают по вашим законам.

Четыре шага пройдены. Модуль задокументирован, у него есть владелец и валидатор. Но пока он лежит в библиотеке сам по себе – это просто текст. Чтобы модуль работал и не галлюцинировал, ему нужна среда исполнения. Посмотрим на одном механизме.

Модуль мертв без операционной системы

Библиотека модулей без среды исполнения – это набор текстовых инструкций. Прогресс по сравнению с кладбищем промптов, но не более.

Читайте также

Дмитрий Старов: «Low-code становится фундаментом для AI-нативной разработки»

Директор департамента «Инструменты и технологии разработки» компании «Диасофт» в эфире AM Live, посвященном платформам no-code/low-code и роли искусственного интеллекта в разработке, рассказал о том, почему low-code превращается из «инструмента для тех, кто не хочет кодить», в фундамент для AI-нативной разработки, и почему без него ИИ-агенты рискуют утонуть в техническом долге.

Сценарий: модуль «Проверка штрафных санкций» возвращает результат. Цитата пустая. Модель не нашла дословного подтверждения и попыталась «договорить» сумму. В обычном чате вы бы этого не заметили. В библиотеке модулей без операционной системы – тоже не заметили бы, потому что нет механизма, который проверяет.

В когнитивной операционной системе срабатывает аксиоматический слой: правило «Любой вывод должен сопровождаться цитатой из исходного документа. Если цитата отсутствует – результат не валиден». Система блокирует вывод. Модуль получает сигнал об ошибке. Запрос повторяется с принудительным извлечением цитаты. Если цитаты нет – модуль возвращает статус «отсутствует», а не выдумывает сумму.

Один механизм. Одна строка в Конституции операционной системы. И галлюцинация становится невозможной не потому, что модель «стала умнее», а потому что среда исполнения не позволяет ей солгать.

Модули – это мышцы. Операционная система – это нервная система. Мышца без нерва дёргается случайно. Мышца, подключённая к нервной системе, двигает тело точно и предсказуемо.

Что меняется для бизнеса

Первый шаг

Переход от «Вечного стажера» к «Цифровому советнику» – это не апгрейд модели. Это смена вашей роли. Вы перестаёте писать запросы и начинаете проектировать среду, в которой запросы становятся не нужны.

И первый шаг к этому – не покупка новой модели. Не запрос бюджета. Не согласование с ИТ-департаментом. Первый шаг – взять одну рутинную задачу, которая убивает в вас интерес к профессии, и спросить себя: «Как бы я решил это с нулевым бюджетом?»

Ответ на этот вопрос и станет вашим первым модулем.

Приложение. Демонстрационная версия модуля «Верификация данных по тексту»

Ниже приведена одна из пяти атомарных операций реального модуля для анализа динамики кибератак из PDF-отчётов. Полный текст спецификации превышает 20 000 символов и включает пять LLM-операций, шесть детерминированных шагов, два справочника и протокол вызова модели с каскадным механизмом повторных попыток.

Для демонстрации выбрана операция «Верификация данных по тексту». Именно она защищает результат от галлюцинаций модели.

Модуль «Анализ трендов кибератак из PDF-отчётов» v1.0

Каскадная стратегия верификации:

1. Детерминированный поиск цитаты (модель не вызывается). Разбиение текста на предложения. Поиск предложения, где одновременно есть термин категории и число. Если найдено – статус «verified», достоверность 1.0. Модель не тратит ни одного токена.
   
2. LLM-верификация (если детерминированный поиск не сработал). Системная инструкция: «Ты – верификатор цитат. Отвечай только JSON.»

Читайте также

Нейросети 2025: что выбрать под реальные задачи? Рейтинг IT-World

Новые релизы нейросетей (ИИ-сервисов) выходят почти каждую неделю, лидеры меняются местами, не успев закрепиться, но какая модель действительно подходит для работы? Не в лаборатории, не на презентации, а в задачах, где важна точность, устойчивость и нормальная поддержка русского языка. В этом обзоре мы сознательно отсеяли все лишнее. Редакцию IT-World интересовали не амбиции разработчиков, а прикладная пригодность: насколько модель справляется с аналитикой, диалогами, документами, кодом? Насколько легко ею пользоваться, работает ли она в России, сколько стоит внедрение? В каких случаях стоит вложиться, а где — не тратить ни времени, ни бюджета.

Пользовательский запрос:

JSON-схема выхода (цифровые критерии готовности):

Валидатор:

• status обязан быть одним из четырёх допустимых значений.
• quote обязан быть строкой.
• При невалидном ответе: повтор запроса с добавлением «Предыдущий ответ не прошёл валидацию. Верни только JSON строго по схеме.»

Детерминированная корректировка после ответа модели:

• Проверка, что цитата действительно присутствует в оригинальном тексте.
• Проверка наличия числа и термина категории в цитате.
• Корректировка статуса на основе результатов.

Параметры вызова: max_tokens=500, temperature=0.0, seed=42

Важное уточнение по предметной области: анализ трендов в данном конвейере не включает обработку сырой статистики атак (логов, алертов, телеметрии). Конвейер работает с готовыми оценками внешних SOC-провайдеров – извлекает уже рассчитанные доли из их PDF-отчётов, нормализует категории и верифицирует данные по оригинальному тексту. Это доверие к чужой аналитике, а не замена собственной.