На консультациях мы обсуждаем ИИ-агентов, автоматизацию, базы знаний и системы, которые должны связать между собой всю работу. Люди читают про новые возможности, смотрят на чужие примеры и пытаются представить, как это могло бы выглядеть у них.
Я понимаю этот интерес, потому что сам постоянно собираю и проверяю такие системы. Но когда мы начинаем разбирать конкретную ситуацию, я стараюсь вернуться к простому вопросу: как у вас сейчас проходит рабочий день?
Как приходит задача, что вы делаете после её получения, где сохраняете договорённости и к чему возвращаетесь на следующий день. Именно с такого разбора начинается работа со мной: в рассказе о реальном рабочем дне обычно гораздо больше полезной информации для выбора решения, чем в первоначальном описании будущего агента.
Что скрывается за желанием всё автоматизировать
Представьте знакомую ситуацию: часть информации приходит в переписке, часть обсуждается по телефону, документы лежат в почте, а уточнения появляются уже по ходу работы. Чтобы продолжить одну задачу, приходится восстанавливать её из нескольких разговоров.
При этом человек может отлично разбираться в своём деле и уже пользоваться ИИ. Он составляет документы, обсуждает идеи, готовит предложения, сравнивает варианты. Однако следующий шаг по каждому проекту всё равно держит в голове, потому что между отдельными действиями пока нет понятного порядка.
В такой ситуации желание получить систему, которая будет всё помнить и контролировать, совершенно объяснимо. Работа требует постоянного внимания, и хочется наконец передать кому-то хотя бы часть этого контроля.
Но сама формулировка «нужен агент» ещё мало говорит о том, что именно должно измениться. Возможно, сначала нужно научиться быстро фиксировать договорённости. Возможно, собрать материалы одного проекта в одном месте или определить, где хранится последняя принятая версия документа. А возможно, процесс уже достаточно понятен и действительно готов к автоматизации.
Это выясняется в разговоре о реальной работе, когда за общим желанием наконец появляется конкретная задача.
Одна задача помогает увидеть больше, чем описание идеальной системы
Мне полезнее разобрать один конкретный пример, чем долго обсуждать, как должна выглядеть вся компания через год.
Допустим, к вам пришёл запрос от клиента. Мы разбираем, что было в первом сообщении, как вы поняли желаемый результат и что пришлось уточнить. Затем смотрим, где остались эти уточнения и в какой момент стало понятно, кто занимается задачей дальше.
Потом можно пройти по этой же задаче до результата: посмотреть, где вы использовали ИИ, что проверяли самостоятельно, кому передавали подготовленные материалы и почему пришлось к ним вернуться.
Когда мы прослеживаем задачу от первого обращения до принятого результата, постепенно проявляется реальное устройство работы: кто получает информацию, от кого зависит следующий шаг и где приходится возвращаться за уточнениями. В серии «ИИ-компания» я разбираю этот подход через организацию как граф задач. Начать пользоваться таким взглядом можно с обычного описания одной задачи, даже если вы пока ничего не собираетесь автоматизировать.
По ходу такого разбора становится видно, на что на самом деле уходит внимание. Иногда много времени занимает подготовка документа. Иногда документ получается быстро, но затем его нужно несколько раз переделать, потому что в начале не договорились о результате. Бывает, что основная трудность возникает вообще после выполнения: итог остался в чате, а через неделю его приходится искать или собирать заново.
У этих ситуаций будут разные решения, хотя первоначальный запрос во всех случаях может звучать одинаково: «Хочу автоматизировать работу с помощью ИИ».
Иногда нужные возможности уже есть под рукой
В нескольких последних консультациях я заметил общую вещь: полезный следующий шаг можно было найти в освоении уже доступных возможностей ChatGPT и Codex и в организации собственной работы.
Причём люди приходят с разным опытом. Кто-то уже придумал удобный способ работать с документами. Кто-то экспериментирует с агентами и пытается перенести свои находки в компанию. Кто-то только начинает понимать, какие задачи вообще имеет смысл обсуждать с моделью.
Поэтому совет «начните пользоваться ИИ» здесь слишком общий. Нужно разобраться, что человек уже делает, что у него получается и на каком участке возникает трудность.
Например, можно попробовать после разговора голосом зафиксировать договорённости, попросить модель собрать их в понятную запись и проверить, ничего ли не потерялось. Или один раз описать требования к повторяющемуся документу, чтобы каждый следующий разговор не начинался с восстановления одних и тех же условий.
Для большой, ещё не оформленной задачи я сам использую другой приём: сначала выгружаю из головы всё, что об этом думаю, а затем прошу модель пересказать, как она меня поняла. После нескольких уточнений появляется описание, с которым уже можно работать.
Такие изменения выглядят скромно рядом с демонстрациями автономных систем. Зато их можно проверить на своей ближайшей задаче и понять, стало ли удобнее.
Сложность должна быть связана с конкретной потребностью
Я не считаю простоту самоцелью. Бывают задачи, для которых действительно нужны интеграции, автоматический сбор информации, регулярные запуски и несколько связанных инструментов.
Но у каждого усложнения должна быть понятная причина. Если мы подключаем почту, нужно понимать, какие письма обрабатывать и что делать с результатом. Если поручаем агенту следить за задачами, должно быть определено, откуда он узнаёт об их состоянии. Если система готовит документы, нужен человек, который понимает, как их проверять.
Полезно сначала пройти этот путь на одном примере вместе с ИИ. Тогда становится видно, какие действия повторяются, где достаточно уже имеющегося инструмента и что действительно требует отдельной настройки.
Особенно это важно, когда системой будет пользоваться команда. Удобный личный приём руководителя ещё нужно перевести в понятную работу для других людей: объяснить, что они получают, что должны сделать и куда передать результат. Без этого даже удачный эксперимент может остаться личным инструментом одного человека.
Что я считаю хорошим результатом разбора
Для меня хороший результат — когда человек понимает, что именно стоит попробовать следующим и как оценить, помогло ли это.
Например, взять один поток входящих и проверить способ фиксации задач. Собрать материалы одного проекта и посмотреть, удаётся ли находить нужные договорённости. Пройти подготовку одного документа от исходного запроса до принятого результата, отмечая места, где всё ещё требуется ручная работа.
Если такой разбор показывает, что процесс действительно готов к автоматизации, можно переходить к ограниченному пилоту. В статье «Как подготовить компанию к ИИ-агентам за 30 дней» я описываю этот следующий этап: как выбрать процесс, подготовить данные, определить проверки и сравнить результат с тем, как работа выполнялась раньше.
После такого шага появляются основания для дальнейших решений. Можно продолжать настройку, подключать новые источники, передавать часть процесса команде или менять подход, если первоначальная идея не сработала.
Мне кажется, по мере развития ИИ всё большую ценность будет иметь способность понять, какую работу ему поручить. Возможностей становится больше, а вместе с ними растёт число решений, которые выглядят привлекательно ещё до того, как мы разобрались в собственной задаче.
Поэтому разговор о будущем агенте я предлагаю начинать с рабочего дня: с одного запроса, одного документа или одной договорённости, которую вчера снова пришлось держать в голове. Именно здесь можно найти первый шаг, от которого станет понятнее, какую систему вообще имеет смысл строить.
Следующий шаг
Как устроена работа со мной — как проходит разбор конкретной ситуации, что должно стать понятно после консультации и какие варианты продолжения возможны.
Связанные материалы
- Статья: Организация как граф задач: что приходит на смену отделам.
- Блог: Сначала — выгрузить из головы.
- База знаний: Контекст-инжиниринг — как собирать рабочий контекст для моделей нового поколения.
Если вы уже присматриваетесь к агентам, но пока не понимаете, какой участок работы им передать, на консультации можно начать с одной реальной задачи и определить ближайший шаг.
Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov