AI как code review для решений
Я использую AI не как владельца решения, а как внешний review для собственной логики.
У сложных решений есть знакомый инженерный дефект: внутри головы они выглядят связнее, чем после проверки снаружи.
Вместо вопроса «что мне делать?» я даю рабочий контекст:
1. Проверенные факты и источники. 2. Ограничения, которые нельзя нарушить. 3. Предположения без достаточного evidence. 4. Варианты, которые уже вижу. 5. Нужный артефакт: решение, план, checklist или эксперимент.
Дальше прогоняю мысль через четыре режима:
Разложить — отделить факты, предположения, неизвестное и зависимости.
Возразить — найти слабую посылку, сильный контраргумент и цену ошибки.
Сравнить — показать trade-offs, обратимость и последствия второго порядка.
Приземлить — получить decision record, ограниченный тест или следующий шаг.
Такой review полезен для архитектуры, продуктовых приоритетов, условий работы и планов обучения. Его ценность не в готовом вердикте, а в том, что собственная логика становится видимой до дорогого действия.
Главный риск — AI может уверенно отполировать уже существующее заблуждение. Поэтому существенные факты я проверяю по первичным источникам, отдельно запрашиваю недостающие данные и сильный контраргумент.
После разбора фиксирую выбор, его основание, сигнал для пересмотра и точку следующей проверки. Если этого нет, получился не review, а убедительный разговор.
В этом контуре AI не владелец решения. Он делает логику видимой, спорной и проверяемой до действия.