Что стоит за приложением «за один запрос»

Допустим, руководитель небольшой компании поручил ИИ собрать помощника для обработки заявок. Помощник принимает сообщение клиента, заносит заказ в таблицу и передаёт данные в 1С. На демонстрации всё сработало. Получился материал для поста «Собрал приложение за один запрос».

Потом клиент повторно отправил заявку, потому что не увидел ответа. Менеджер уже исправил номер телефона в таблице. При следующей передаче программа создала дубль заказа и вернула старый номер. Теперь нужно разбираться, какая запись главная, кто может её менять и как отменить ошибочное действие.

Такое приложение вполне может оказаться полезным. Человек получил возможность решить собственную задачу и по ходу разобраться в её устройстве. Объявлять конец профессии по одной демонстрации рановато.

Что запускает один запрос

За словами «я попросил ИИ» сегодня могут стоять очень разные действия. Человек мог получить текст программы в чате и самостоятельно запустить его. Мог работать в конструкторе, где значительная часть приложения уже подготовлена. Мог поручить задачу агенту, который сам читает файлы, пишет код и проверяет результат.

Работа программного агента может быть устроена как повторяющийся цикл. Программа передаёт модели задачу и описание доступных инструментов. Затем выполняет запрошенное действие и возвращает результат модели. Так агент может написать код, запустить его, получить ошибку и исправить её без нового сообщения пользователя.

Одно сообщение человека вполне способно запустить длинную последовательность работы. Считать только сообщения удобно для короткого рассказа. Для оценки затрат этого мало: нужны ещё время работы системы, использованные сервисы и то, что потребовалось после её отчёта о завершении.

Само выражение «сделал за один запрос» может быть совершенно честным. Только оно описывает способ взаимодействия с программой. О качестве продукта из него почти ничего не следует.

Есть и другая незаметная часть работы: знания, с которыми человек подошёл к запросу. Руководитель, годами разбиравший клиентские обращения, может за несколько строк описать нужный порядок. Он вспомнит и повторную заявку, и право менеджера исправить запись. Посторонний читатель увидит короткую команду. Повторить результат ему помешает отсутствие этой подготовки.

Я не стал бы требовать от каждого рассказа о новом инструменте подробного отчёта. У короткой заметки своя задача. Подробности становятся необходимыми, когда из личного успеха выводят обещание для других: любой повторит, специальная подготовка больше не нужна, сложную работу можно передавать без проверки. Для такого обещания первого экрана недостаточно.

Цена входа

Дешёвая подписка сама по себе ничего не говорит о компетентности человека. Для небольшой личной задачи её может хватать. Дорогой тариф тоже не подтверждает, что владелец умеет оценивать результат.

Покупать следует возможности, необходимые для своей работы. В конкретном сервисе имеет смысл выяснить, какая модель решает задачу, какие инструменты ей доступны, где заканчиваются ограничения тарифа и сколько будет стоить регулярное использование. Эти условия могут влиять на результат. По сумме ежемесячного платежа их не восстановишь.

Представим человека, которому нужен небольшой инструмент для собственной коллекции: разложить фотографии по датам, найти повторяющиеся записи, привести названия к одному виду. Раньше он мог годами обходиться без него, потому что учиться программированию ради этой задачи было слишком дорого по времени. Теперь он способен попробовать сам.

Программу для переименования фотографий можно сначала запустить на копии папки и посмотреть, что она сделала. Требуемую проверку человек способен провести сам. Дохода от такого приложения может не быть никогда; его польза от этого не исчезает.

Сервису с чужими данными понадобятся дополнительные проверки: права доступа, восстановление после сбоя, работа при обновлении внешней системы. Их объём зависит от возможных потерь и обещаний пользователю.

Почему хочется рассказать об успехе

Первый удачный опыт действительно может впечатлить. Человек описал идею обычными словами и получил вещь, которую раньше не умел делать. Удивление здесь понятно без объяснений про маркетинг и намеренный обман.

Успех удобно показать: вот запрос, вот результат. Работа, растянутая на следующие недели, хуже помещается в такую заметку. Исправление прав доступа или разбор ошибки, которая появляется только у части пользователей, требует контекста. Сам автор может ещё не знать, что эта работа понадобится.

Отсюда моё предположение о привлекательности историй «за один запрос»: они дают зрителю понятный и законченный эпизод. Между желанием и результатом почти нет видимых препятствий. Продолжение истории обычно менее эффектно, хотя именно в нём выясняется, чего стоил первоначальный успех.

Добавляется отбор примеров. Заметка с удачной попыткой не сообщает, сколько было других. Без этих сведений нельзя оценить воспроизводимость результата. Это ограничение рассказа, которое следует учитывать до обвинений в нечестности.

Коммерческий интерес тоже существует, но его надо устанавливать по конкретной публикации. Продажа курса, рекламная интеграция или партнёрская ссылка дают основание внимательнее проверить обещания. Сами по себе они ещё не опровергают показанный результат. Полезнее посмотреть, какие условия повторения названы и что получит человек, у которого с первой попытки ничего не выйдет.

Меня больше настораживает перенос уверенности. После удачного разбора одного документа легко поручить модели остальные, не проверив, чем они отличаются и какие ошибки возможны.

Прибавка, которую можно посчитать

Весной 2026 года РУССОФТ опросил 300 российских софтверных компаний. Эффект применения генеративного ИИ по итогам 2025 года оценили 143 из них. В ответах компании высоко оценивали объём работы, который помог выполнить ИИ. Однако сопоставление финансовых показателей пока не позволило авторам подтвердить общую экономическую отдачу.

По этому опросу нельзя установить, как именно ИИ повлиял на выручку: у компаний разные продукты, заказчики и положение на рынке. Было бы неверно объявлять технологию бесполезной. Но разрыв между оценкой выполненной работы и финансовым результатом заслуживает внимания.

В нашей условной компании помощник может быстрее заносить заявки в таблицу. Для оценки пользы придётся ещё учесть время менеджера на поиск дублей и исправление записей в 1С. Полученная экономия может сохраниться, уменьшиться или вовсе исчезнуть. Это предстоит измерить.

Есть исследования, в которых пользу удалось зафиксировать внутри конкретного процесса. В одной зарубежной компании изучили данные 5 172 сотрудников поддержки. Доступ к специализированному ИИ-помощнику увеличил число решённых обращений в час примерно на 15%. Наибольшую пользу получили менее опытные сотрудники. Итоговая публикация вышла в 2025 году; авторы анализировали поэтапное внедрение, а вся выборка включала и контрольную группу.

Здесь исследовался специализированный помощник внутри определённого процесса. Чтобы повторить результат, придётся разобраться и в организации поддержки: на каких этапах сотруднику помогала система и как оценивали решение обращения. Без этих подробностей число «15%» быстро превращается в пожелание к следующему кварталу.

В эксперименте с 758 консультантами одной международной компании результаты зависели от задания. На одном наборе профессиональных задач доступ к ИИ сокращал затраты времени примерно на четверть. На другом управленческом кейсе участники с ИИ чаще давали неправильный ответ. Исследование проводили в 2023 году, с тогдашней версией GPT-4; журнальная публикация вышла в 2026-м.

Проверка на удобном примере не даёт основания сразу расширять применение на весь процесс. Помощник, удачно сокративший коммерческое предложение, ещё должен пройти отдельную проверку на расчёте цены по нескольким документам.

В эксперименте 2025 года с опытными разработчиками 16 участников выполняли 246 реальных задач в знакомых проектах. С инструментами начала 2025 года работа занимала на 19% больше времени. Участники при этом считали, что ускорились.

В обновлении февраля 2026 года новые оценки уже склонялись к ускорению, однако исследователи сочли данные ненадёжными из-за отбора участников и задач и изменившихся условий работы. Надёжно оценить эффект в обновлённом эксперименте пока не удалось.

Для меня первоначальный эксперимент сохраняет ценность как проверка нашей уверенности. Даже человек с большим опытом способен ошибиться в оценке того, сколько времени сэкономил. Удовольствие от нового способа работы не заменяет замер.

Для рабочего сравнения стоит взять один повторяющийся участок и учитывать всё затраченное время: подготовку задания, проверку, исправления и помощь коллег.

Бывает, что задача, на которую раньше вообще не находилось ресурсов, наконец решена. Здесь полезность плохо описывается экономией минут. Сначала следует зафиксировать, что появилось и кому пригодилось, затем считать стоимость поддержания результата.

Что осталось в голове

Получить программу и разобраться в ней можно за разное время. Проблема особенно заметна при освоении незнакомой темы: готовый результат появляется раньше, чем способность самостоятельно его оценить.

В эксперименте с 52 участниками, уже умевшими программировать, изучали освоение незнакомой программной библиотеки. По сообщению исследователей, на последующем тесте группа с ИИ получила в среднем 50% баллов, группа без него 67%. Статистически значимого ускорения основной задачи не обнаружили. Речь шла о краткосрочном усвоении конкретного нового материала.

При разборе способов работы с помощником лучшие результаты были связаны с обращением за объяснениями и попытками разобраться в понятиях. Участников отдельно не распределяли по этим способам, поэтому причинную связь исследование здесь не устанавливает.

Руководитель, принимающий готовую работу, может не заметить, чему сотрудник научился в процессе. Это станет заметнее, когда понадобится самостоятельно объяснить решение или разобраться со следующей неисправностью.

Под «пониманием механизмов» я имею в виду прежде всего способность ориентироваться в своей задаче. Для работы с приложением необязательно уметь обучить большую языковую модель. Нужно знать, какие данные приходят, что с ними происходит, как проверить результат и где ошибка затронет другого человека. Требуемая глубина зависит от ответственности за конкретный участок.

Это относится и к деловому тексту. Можно попросить ИИ сократить знакомый документ и быстро заметить пропущенное условие. С незнакомой темой сложнее: гладкое изложение не подскажет, какую важную оговорку автор вообще не включил. Проверка потребует источников и предметного знания. Иногда за ним придётся обратиться к специалисту.

ИИ может участвовать и в освоении этого знания: объяснять термины, предлагать примеры, помогать проверять ход рассуждения. Чтобы оценить обучение, человеку всё равно понадобится попробовать сделать следующий шаг самостоятельно. Для нового сотрудника полезно предусмотреть такую возможность прямо в работе. Иначе требование постоянно сдавать готовый результат быстрее будет вытеснять время на понимание.

Профессионалы тоже пересматривают правила

Исследователь ИИ Андрей Карпати описал ошибку в собственном приложении: агент предложил связывать оплату с аккаунтом по электронной почте. Адрес для оплаты мог отличаться от адреса для входа. Деньги поступили бы, а покупка к нужному пользователю не привязалась. Для такой связи нужен постоянный идентификатор пользователя.

Карпати высоко оценивает возможности агентов и продолжает разбираться в устройстве продуктов, которые с ними создаёт.

Разработчик Саймон Уиллисон в тексте от мая 2026 года признаётся, что на некоторых знакомых задачах перестал читать каждую строку кода, созданного агентом. Повторяющийся удачный опыт изменил его отношение к проверке. При этом он замечает: аккуратную документацию и многочисленные тесты теперь можно получить очень быстро. Они хуже свидетельствуют о внимании к проекту. Для него всё больше значит опыт реального использования программы.

Само требование «пусть человек проверит» тоже бывает слишком удобным. Надо понимать, какой именно человек, с какими знаниями и с каким запасом времени. Поставить сотрудника перед большим объёмом незнакомого результата и назначить ответственным за просмотр недостаточно. Он должен иметь возможность разобраться, остановить передачу работы и привлечь помощь.

Для руководителя это отдельная задача распределения нагрузки. Ускоренный выпуск материалов может увеличить очередь на проверку. Люди начнут просматривать их поверхностно просто потому, что объём вырос, а времени не добавили. Предупреждение об обязательной внимательности эту проблему не решает.

Стоит заранее определить, какие действия можно исправить без больших потерь, а какие затрагивают деньги, доступы и обязательства перед другими. Черновик письма легко переписать. Уже отправленное обещание клиенту придётся исполнять или объяснять. Разрешение подготовить текст само по себе не должно превращаться в разрешение отправлять его от имени компании.

У скепсиса должен быть предмет

В разговоре «за или против ИИ» легко смешать несколько разных споров. Полезность инструмента для сегодняшней задачи, путь к более общему интеллекту, влияние на обучение и безопасность автономных действий требуют разных доказательств.

Ян Лекун, лауреат премии Тьюринга, в интервью июля 2026 года прямо признаёт полезность систем, решающих математические задачи и пишущих код. Его возражение касается представления, что продолжение нынешнего подхода само приведёт к интеллекту, понимающему физический мир и последствия действий. Он связывает дальнейшее развитие с моделями мира. Это его исследовательская позиция, вокруг которой продолжается профессиональный спор.

В том же разговоре Лекун предупреждает об опасности концентрации доступа к ИИ у небольшого числа компаний и государств.

Йошуа Бенжио, также лауреат премии Тьюринга, в сентябрьском тексте о поведении агентов разбирает другой вопрос. Он предлагает гипотезы о том, как обучение на человеческом одобрении и несовершенных критериях успеха может приводить к действиям, расходящимся с намерением человека. Поддакивание или обход проверки в такой трактовке связаны с устройством обучения. Слова о «стремлениях» системы у него не означают наличия сознания или человеческих намерений.

Бенжио также предлагает систему для научных исследований, которая помогала бы объяснять наблюдения и явно учитывала неопределённость. Это исследовательское предложение; его практическую состоятельность ещё предстоит подтвердить.

Для прикладной работы это повод точнее назначать полномочия системе. Предложение действия, его проверка и выполнение должны быть различимы. Чем больше последствий агент способен вызвать самостоятельно, тем существеннее требования к ограничениям и наблюдению за его работой.

В компании понадобится договориться и о границах применения: какие документы сотрудник может передать внешнему сервису, кто выдаёт доступ к учётной системе и где сохраняется история изменений. Внешний помощник, самостоятельно меняющий записи в 1С, требует иного уровня проверки, чем инструмент для черновика письма. Эти условия придётся выяснять для конкретного продукта и процесса. Низкая цена первой попытки их не отменяет.

Такой скепсис полезен: он помогает назвать условие, без которого решение нельзя принимать. Фраза «всё это ерунда» условий не содержит. Её стороннику тоже есть смысл выбрать одну собственную задачу, посмотреть на нынешние возможности и проверить результат. Опыт знакомства с инструментом несколько лет назад может не описывать то, что доступно сегодня.

После первого результата

Увидев очередное приложение «за один запрос», я хотел бы узнать, что произошло после демонстрации. Пользуется ли им сам автор, что пришлось переделать, удалось ли кому-то ещё решить свою задачу. Особенно интересно продолжение, в котором первоначальная идея изменилась после первых пользователей.

Иван Коваль, kovalim