Я заметил неприятный эффект: чем быстрее собираешь прототип автоматизации, тем быстрее выясняется, что отдельного повторяемого действия пока нет. В AI-поддержке легко принять разрозненные сообщения, ручные исключения и решения «по памяти» за готовый процесс.

Мне хочется сразу подключить модель и убрать ручной шаг, но входные данные не имеют стабильного контракта, результат каждый раз проверяется по-разному, а следующий шаг зависит от контекста, которого в системе нет. Такая автоматизация не ускоряет работу, а быстрее тиражирует неопределённость.

Я использую быстрый прототип как диагностический тест. Смотрю, повторяется ли вход, можно ли однозначно определить результат и есть ли безопасное условие остановки. Если решение рассыпается на качестве данных или на границе процесса, сначала уточняю формат входа и шаг, за который отвечает система.

Практический вывод: сначала я доказываю, что передо мной повторяемая операция с понятным результатом, и только потом решаю, нужна ли ей LLM, отдельный агент или обычное правило. Как вы отличаете задачу, которую пора автоматизировать, от процесса, который сначала нужно привести в порядок?