Процессы больше не прячутся в людях

Последний месяц я много смотрел на рынок AI изнутри.

Собеседования, портфолио, разговоры с бизнесом и попытка понять простую вещь: чего вообще сегодня ждут от AI-инженерии.

Наблюдать за этим было интересно.

Где-то это выглядело почти по-детски: у всех уже есть AI, у нас нет, давайте срочно тоже сделаем. А где-то, наоборот, очень тяжело и серьезно: локальные решения, безопасность, независимость, контроль, инфраструктура. Как будто речь уже не про новый софт, а про перестройку внутренней среды.

И, кажется, именно здесь у меня начала складываться более ясная картина.

AI меняет не инструменты. Он меняет природу процессов.

Раньше процесс часто жил в человеке в опыте, памяти, переписке, в неявных договоренностях. В том, что “ну она просто знает, как надо”.

Теперь это начинает вскрываться.

Процесс можно попытаться описать, разложить, проверить, измерить. Часть отдать системе, часть оставить человеку. Понять, где ошибка допустима, а где нет.

И в этот момент появляется неприятное ощущение.

Когда ты пытаешься построить что-то с AI, ты не столько проектируешь систему, сколько открываешь ее.

Как будто она уже существует, но правила пока никто до конца не знает.

Потому что возможности моделей неровные. Они могут помочь там, где ты не ждал. И нелепо провалиться в чем-то простом.

Могут показать силу и сразу напомнить, что это вообще не человек.

И здесь, кажется, возникает главная ошибка.

Люди слишком быстро начинают проецировать на AI человека.

Ожидать, что он будет помнить, понимать контекст, учиться на лету, отличать важное от мусора, аккуратно адаптироваться. Вести себя как сотрудник только быстрее и дешевле.

Но машина не стала человеком просто потому, что научилась выдавать текст.

У LLM нет человеческой памяти. Нет человеческой пластичности. Нет внутреннего “я понял”.

Есть мощный, но очень специфический вычислитель.

И вся сложность в том, что с ним нельзя работать так же, как с человеком.

Поэтому реальная работа с AI это не попытка создать “цифрового сотрудника”.

Это проектирование системы вокруг модели.

Память. Правила. Контроль. Границы. Данные. Валидация. Человек в критических точках.

И чем раньше это принимаешь, тем меньше иллюзий и тем больше реальной пользы.

Наверное, именно поэтому мне весь этот переход стал интересен не как хайп, а как практический вопрос:

что вообще можно перестроить уже сейчас, чтобы людям стало легче работать, а не просто интереснее смотреть демо.

Собственно, из этого у меня и начали расти свои проекты.

Первый про поддержку.

Я смотрел на ситуации, где у бизнеса много однотипных обращений, но ошибка при этом дорогая. Например, игровые студии: жалобы, доступ к аккаунту, спорные списания, повторяющиеся вопросы.

Там хочется ускорить процесс. Но страшно полностью отдать его машине.

Поэтому идея была не “заменить поддержку”, а сделать управляемую автоматизацию.

Система, которая помогает разобрать запрос, отсеивает опасный вход, но оставляет рискованные решения человеку. Где можно понять, что произошло, сколько это стоило и где именно возникла ошибка.

Второй проект вырос уже из личной боли.

Я читаю слишком много Telegram-каналов. И в какой-то момент понял, что проблема давно не в доступе к информации.

Проблема в перегрузе.

Ты читаешь больше, сохраняешь больше, но ясности не становится больше. Сигнала меньше, шума больше.

Идея была собрать не просто “бота с саммари”, а систему фильтрации.

Чтобы важное поднималось выше. Чтобы информация связывалась с текущими задачами. Чтобы раз в неделю получать не поток, а осмысленный обзор: что действительно стоит внимания, что можно применить, а что было просто шумом.

Третий проект получился самым интересным.

Он вырос не из бизнеса, а из творчества.

Я попробовал сделать ассистента для режиссера человека, у которого работа не укладывается в аккуратные процессы. Голосовые заметки, обрывки идей, сбитые дедлайны, потерянный контекст.

И здесь задача была не “автоматизировать”, а поддержать.

Помочь зафиксировать мысль. Не потерять задачу. Собрать хаос в проект. Вернуть контекст, когда ты выпал.

Проверить, может ли AI быть полезен там, где работа хрупкая и плохо терпит жесткие системы.

И, наверное, именно это мне сейчас и интересно больше всего.

Не разговоры про то, что AI заменит людей. И не гонка за новыми моделями.

А вопрос:

какие процессы можно перестроить, какие нельзя, где нужен человек, где нужна архитектура, и как сделать так, чтобы система не разваливалась от первой серьезной ошибки.

И да, в этом есть отдельная ирония.

Еще недавно я больше думал про волосы, форму, стиль и то, как человек ощущает себя в зеркале.

Теперь про процессы, память, агентные системы и границы автоматизации.

Хотя, если честно, разница не такая уж большая.

И там, и там ты работаешь с хрупкой системой. И там, и там слишком самоуверенное движение обычно все портит.

Просто раньше это был человек в кресле.

А теперь компания, команда, поток информации и попытка понять, что из этого вообще может стать живой, управляемой системой.