В AI-проектах я придерживаюсь простого принципа: если действие можно надёжно описать правилами, я сначала рассматриваю обычный код. Модель подключаю там, где нужно работать со смыслом, свободным текстом и неоднозначностью. Например, возьмём обработку заявок в техподдержку. Прочитать сообщение «после смены пароля перестала работать почта», выделить проблему и предложить категорию — здесь я вижу задачу для LLM. Проверить обязательные поля, создать заявку через API, записать её номер и отправить уведомление — эти шаги я предпочитаю выполнять по заданной логике. А изменение прав доступа или сброс учётных данных я не стал бы поручать модели без отдельных проверок и контроля полномочий. Я разделяю три уровня: — Модель интерпретирует запрос и предлагает действие. — Код проверяет условия и выполняет разрешённые операции. — Человек подтверждает действия, где цена ошибки высока. Для меня важно, чтобы между «модель предложила» и «система выполнила» была понятная граница. Допустим, ассистент решил, что сотруднику нужен доступ к папке. Это ещё не основание выдавать доступ. Нужно проверить, кто обращается, какие у него полномочия и требуется ли согласование. Поэтому при проектировании я задаю себе вопрос не только «что здесь может сделать AI?», но и «что здесь вообще не должно зависеть от его решения?». Мой ориентир — не максимальное количество нейросетей в процессе, а понятное распределение ответственности. Где-то нужен RAG. Где-то — обычный API-вызов. А где-то правильное решение — оставить подтверждение человеку. Коллеги, какое действие вы принципиально не доверили бы AI без проверки?