На встречах про AI звучат одни и те же шесть фраз — в разных компаниях, разными словами, но по одной и той же логике. Ни одна из них не глупость: за каждой стоит что-то реальное, и часто в ней есть доля правды. Именно поэтому их полезнее не отметать с порога, а узнавать в момент, когда они прозвучали. Эта глава — не список для заучивания, а шесть моментов, которые стоит распознать на слух, и вопрос, возвращающий разговор к делу.
11.1 «Нужна самая умная модель»
Говорят обычно так: «Ставим самую сильную из доступных. Не хватало ещё через год выяснить, что сэкономили не на том».
Почему звучит убедительно: качество модели — единственная переменная, которую легко сравнить. Есть рейтинги, есть бенчмарки, есть число, а число похоже на добросовестную проверку.
Что на самом деле: возможности модели почти никогда не решают судьбу проекта. LLM, отстающая от фронтира на поколение, уже обгоняет процесс, который она заменяет. Проект стопорят данные, до которых не добраться, права доступа, которых никто не выдал, и процесс, который никто не описал на бумаге. Самая умная модель не открывает закрытую базу данных.
Вопрос, который снимает миф: для какой именно бизнес-задачи нужна именно эта модель — и чем задача не решится более простой? Обычно такого сравнения никто не проводил, потому что саму задачу ещё не дописали до конца.
11.2 «Агенты заменят сотрудников»
Формулировка почти дословная: «Внедрим агентов — и штат можно сокращать».
Почему звучит убедительно: агент действует сам, без подсказки на каждом шаге, и это легко принять за «делает всю работу целиком».
Что на самом деле: агент забирает себе один участок процесса — механический, хорошо описанный и достаточно безопасный, чтобы его вообще можно было отдать. Самый дорогой участок обычно не этот. Дорого обходятся спорные случаи, исключения и живое общение с людьми — как раз то, что отдают в последнюю очередь и что автоматизируется тяжелее всего. Поэтому вместо сокращения выходит другое: людей столько же, а успевают они больше.
Вопрос, который снимает миф: какая задача сегодня отнимает у сотрудника больше всего времени — и агент правда берёт на себя её, а не соседнюю?
11.3 «RAG обучает модель»
Приходит это обычно вопросом: «Значит, если подключить наши документы, модель выучит нашу компанию?»
Почему звучит убедительно: «подать документы модели» звучит как обучение, а обучение — как «запомнит навсегда».
Что на самом деле: не запоминается ничего. RAG находит нужные фрагменты в момент вопроса и подкладывает их в тот же самый запрос к модели — и на этом всё заканчивается. Механика подробно разобрана в пятой главе, к ней стоит вернуться: именно из неё следуют коммерческие выводы — документ пропадает из ответов сразу после удаления из индекса, бюджета на переобучение попросту не существует, а доступ к документам решается настройкой, а не отдельным проектом.
Вопрос, который снимает миф: если удалить документ сегодня, изменится ли завтрашний ответ? Изменится, сразу же — и это доказывает, что запоминать было нечего.
11.4 «Открытая модель всегда дешевле»
Звучит уверенно и почти всегда одинаково: «Развернём открытую модель у себя — платы за токен нет, значит выйдет дешевле».
Почему звучит убедительно: за лицензию платить не надо, и от этого вся система кажется бесплатной. Счёт за токены — единственный расход, который видно глазами, поэтому уходят именно от него.
Что на самом деле: плата за токены обычно не самая крупная статья расходов. Свой контур — это видеокарты, посчитанные на пиковую нагрузку, а не на среднюю, команда, которая держит модель живой и пропатченной, и постоянное отставание от каждого нового релиза, который у внешнего провайдера прилетает сам собой. Восьмая глава разбирает арифметику подробно; итог там часто прямо противоположен исходному предположению.
Вопрос, который снимает миф: кто поднимет это ночью в выходные, когда оно ляжет, и сколько стоит час этого человека?
11.5 «AI-проект начинается с выбора модели»
Первый вопрос на старте проекта: «Прежде всего — на какой модели будем строить?»
Почему звучит убедительно: из всего, что предстоит решить, выбор модели выглядит самым осязаемым. Есть названия, есть таблица сравнения, есть из чего выбирать — и начать хочется именно отсюда.
Что на самом деле: проект начинается с бизнес-задачи, которую стоит решать, и с данных, нужных для её решения. Модель — одно из последних решений, а не первое, и часто одно из самых незначительных: под хорошо описанную задачу подходит сразу несколько моделей, а замена одной на другую позже — обычно настройка, а не пересборка проекта.
Вопрос, который снимает миф: если сегодня выбрать не ту модель, сколько из проекта придётся переделывать? Обычно — меньше, чем кажется, и заметно меньше, чем если неправильно выбрали саму задачу.
11.6 «Права доступа добавим потом»
Договориться предлагают так: «Сначала запустим, чтобы заработало, а права и проверку прикрутим перед тем, как открывать систему на всех».
Почему звучит убедительно: guardrails кажутся отдельным довеском — пунктом, который дописывают, когда основное уже работает, — а без него до демо добираются быстрее.
Что на самом деле: встраивать контроль доступа и проверку в систему, которая уже запущена и которой уже пользуются, дороже, чем закладывать их с самого начала. К этому моменту на текущее поведение системы уже полагаются реальные люди, и любое новое ограничение приходится отдельно обосновывать — как поломку привычного. Седьмая глава разбирает это подробно. А берутся за такую доработку обычно не по собственному плану, а на второй неделе после инцидента, когда выбирать уже не приходится.
Вопрос, который снимает миф: что произойдёт в первый раз, когда система ошибётся перед не тем человеком, — и остановит ли её что-нибудь в текущей сборке?
Итог
Теперь у вас есть то, ради чего писался этот учебник: не умение построить всё это самому, а умение на встрече услышать утверждение и понять, какой вопрос задать раньше, чем соглашаться на что-либо. Вы умеете отнести запрос к классу решения, спросить про данные раньше демо, честно посчитать стоимость проекта и узнать эти шесть фраз в момент, когда они звучат, а не после подписания контракта.
И ровно на этом учебник сознательно останавливается. Он не научил вас писать пайплайн поиска, дообучать модель или разбираться в упавшем в проде агенте в три часа ночи — это другая работа, и книга с самого начала повторяла: людей, которые её делают, зовут в комнату заранее, а не после того, как смета оказалась неверной. У неё была цель поменьше и попрактичнее: сократить расстояние между «впечатлён демо» и «умею задать демо неудобный вопрос». Умение задать этот вопрос и есть тот самый навык.
Поэтому напоследок стоит оставить не пересказ одиннадцати глав, а самую короткую их версию — ту, что помещается в разговор: три вопроса из десятой главы. Результат читает человек — или система действует сама? Ответ уже где-то записан, это число, которое ещё никто не посчитал, или его нужно создать заново? Меняются ли шаги в зависимости от содержания запроса? Задайте их на ближайшей встрече, до того как в разговоре прозвучит название вендора. Настоящая встреча не объявляет заранее, какую главу она сейчас проверяет, — потому вопросы и должны быть такими, чтобы их можно было унести с собой без шпаргалки.