Сначала — граница задачи
Отправная точка здесь не название модели, а конкретная проблема: через неделю участники помнят только удачные ответы и не могут объяснить, почему изменили настройку. До эксперимента полезно записать, кто сегодня выполняет работу и кто принимает итог. Это сразу отделяет реальную задачу от демонстрации. Если участники по-разному понимают готовый результат, нейросеть лишь ускорит спор. Поэтому первый разговор должен закончиться одной проверяемой формулировкой, ограничением по данным и именем ответственного.
Рабочие исходники
Для проверки понадобится идентификатор примера, дата, версия модели, входные данные, полученный результат, правки и причина принятия или отказа. Не собирайте огромный архив «на всякий случай»: небольшой набор проще очистить, разметить и обсудить. У каждого файла или примера должны быть владелец, дата и понятная версия. Персональные сведения, пароли и коммерческие секреты удаляются до загрузки. Отдельно сохраните результат, который уже был принят человеком, — он станет ориентиром, но не шаблоном для слепого копирования.
Маршрут без магии
Рабочий способ — вести одну строку на каждый прогон и отдельно фиксировать изменения правил, а не переписывать прошлые записи. Каждый этап выполняется отдельно: сначала извлечение наблюдаемых фактов, затем подготовка черновика, потом решение. В запросе полезно просить модель назвать неизвестные поля и не заполнять их догадками. Запрос, настройки и результат сохраняются рядом. Так изменение качества можно связать с конкретной версией данных или инструкции, а не объяснять впечатлением участника после удачного ответа.
Случай из практики
Возьмём практический случай: пилот классификации входящих обращений по теме, срочности и ответственному отделу. Сотрудник сначала проходит его привычным способом и фиксирует потраченное время. После этого тот же вход получает система, а проверяющий отмечает каждую смысловую правку: неверный факт, пропущенное условие, неподходящий тон или лишнее действие. Полезным считается не быстро появившийся текст, а результат, который другой сотрудник может проверить и принять без восстановления скрытого контекста.
Неприятные исключения
Главный риск: журнал превращается в склад технических логов без понятной причины решения. Такие ошибки редко выглядят как явная поломка. Чаще ответ остаётся грамотным и уверенным, поэтому глаз пропускает подмену. Добавьте в тест неполный пример, конфликт версий и случай без ответа. Не удаляйте неудачные прогоны из журнала: именно они показывают границу применения. Для действия с деньгами, доступом или публичным сообщением заранее задайте ручное подтверждение и способ отмены.
Проверка вторым человеком
Контроль строится так: руководитель, не участвовавший в тесте, должен восстановить ход одного случая только по записи. Проверяющий должен видеть исходник, изменения и ожидаемый критерий, а не одну кнопку «одобрить». Для важных чисел нужен независимый расчёт, для документов — открытая цитата, для изображения — осмотр деталей, для кода — тест. Если проверка занимает столько же времени, сколько старая работа, это тоже результат: возможно, выбран слишком широкий этап или неподходящий формат автоматизации.
Цифры пилота
Основное измерение — доля прогонов с заполненной причиной решения и время поиска причины последнего изменения. Его фиксируют до пилота и после на сопоставимых случаях. Дополнительно считайте возвраты, серьёзные ошибки и время человека на контроль. Число запросов и скорость генерации сами по себе не доказывают пользу. Через неделю разберите удачный, спорный и отклонённый результат. Если участники не могут воспроизвести процесс по инструкции, сначала упростите правило, а уже потом расширяйте поток.
Когда продолжать
Практическое решение: оставлять только поля, которые помогают воспроизвести результат или объяснить риск. Назначьте дату следующего пересмотра и сохраните возможность вернуться к ручному маршруту. Новую модель или настройку нужно прогонять по тому же эталону, иначе сравнение потеряет смысл. Хороший проект не обещает заменить отдел: он делает один участок понятнее, быстрее или безопаснее и показывает, где ответственность остаётся у человека. Именно такой вывод можно защищать перед командой и переносить на соседние процессы.
План короткого запуска
В первый день выберите только случай «пилот классификации входящих обращений по теме, срочности и ответственному отделу» и не подключайте автоматическую отправку или изменение данных. Подготовьте идентификатор примера, дата, версия модели, входные данные, полученный результат, правки и причина принятия или отказа, назначьте проверяющего и сохраните исходную версию. После первого прогона выпишите три колонки: что система поняла верно, что пришлось исправить и каких сведений ей не хватило. Такой лист быстро показывает, стоит ли улучшать запрос, менять входные данные или вообще отказаться от выбранного участка.
Инструкция для команды
Чтобы процесс не остался личным трюком автора, дайте коллеге короткую инструкцию: вести одну строку на каждый прогон и отдельно фиксировать изменения правил, а не переписывать прошлые записи. Не объясняйте устно скрытые детали. Пусть человек повторит шаги на другом примере, а затем расскажет, где правило оказалось двусмысленным. Добавьте в памятку риск «журнал превращается в склад технических логов без понятной причины решения» и конкретный способ проверки. Если без автора результат не воспроизводится, пилот ещё не готов к расширению, даже если отдельные ответы выглядят убедительно.
Что пересмотреть через неделю
Через неделю вернитесь к показателю «доля прогонов с заполненной причиной решения и время поиска причины последнего изменения» и сравните новые случаи с исходным уровнем. Отдельно проверьте самый неприятный пример и убедитесь, что команда по-прежнему может остановить поток. Финальное правило остаётся прежним: оставлять только поля, которые помогают воспроизвести результат или объяснить риск. Дату, версию модели и изменения инструкции запишите в журнал. Это позволит позже понять, почему качество выросло или упало, не переписывая историю по памяти.