Директор компании-разработчика аналитической платформы Алексей Арустамов описал эксперимент: его команда предложила «апологету ИИ» за 48 часов воспроизвести сложный корпоративный продукт по открытой документации — без исходного кода и архитектурных схем. На входе — подробные руководства, вики и демо-примеры. На выходе после нескольких итераций доработки — клон, который запускается, но не выдерживает проверки реальными данными (в эксперименте — массивами до 50 млн строк). Автор прямо заявляет, что эксперимент ставила его же команда, поэтому результаты — это её оценка, а не независимое исследование.
Главный вывод автора: ИИ радикально удешевляет первое приближение. То, на что раньше уходили недели аналитиков, теперь делается за часы. Но у сложных систем есть так называемые эмерджентные свойства — то, что возникает на стыке компонентов и не выводится из документации. Каждый непроверенный фрагмент, сгенерированный нейросетью, наслаивается и превращает код в «большой комок грязи», который всё равно придётся разгребать живым людям. Цитата Линуса Торвальдса из статьи: при работе с ИИ нужно понимать не только промпт, но и конечный результат, иначе долгосрочно поддерживать проект не получится.
Для отдела продаж и поддержки это применимо напрямую. Пример от редакции: скрипт ИИ-агента, который отвечает в чате на типовые вопросы («сколько стоит», «когда доставка»), собирается за день. Но клиент редко спрашивает типовые вещи — он присылает претензию, нестандартный запрос, негатив. Это и есть граничные условия, которые в эксперименте Арустамова как раз «выпадали» из работы клона. Если у вас нет человека-ревьюера, который читает ответы агента до отправки и понимает, что именно клиент получит, вы делаете клиента бесплатным тестером. Ошибка в одном таком ответе стоит дороже, чем вся экономия на операторе.
Полезный фильтр перед запуском любого ИИ в продажах: спросите себя, что произойдёт, когда клиент задаст вопрос, которого не было в обучающих примерах. Если ответа нет — за вами должен остаться человек, который его даст.