По мере роста возможностей AI-агентов промптинг перестаёт быть техническим приёмом и всё больше напоминает управление работой: нужно решить, что должно быть сделано, объяснить, как выглядит хороший результат, и оставить агенту достаточно свободы, чтобы к нему прийти. Сдвиг важен потому, что тот же навык потребуется от людей, которые никогда не руководили сотрудниками, и именно он теперь определяет, сколько ценности бизнес извлекает из своих инструментов.
Как выглядит проблема делегирования
Попросить сделать сайт лучше или подготовить полезный исследовательский отчёт легко. Объяснить, что именно сделает то или другое полезным для конкретного бизнеса, сложнее, и именно в этом разрыве проваливается большинство заданий. Когда агент умеет исследовать тему, работать с файлами и выдавать готовый результат, расплывчатая инструкция может увести его далеко в неверном направлении. Большие возможности дают агенту больше способов действовать по указанию, и они же делают каждое пропущенное в задании решение более значимым.
Возьмём лендинг. Агент, которому поручено его улучшить, может переписать заголовок, переставить блоки и отполировать оформление. Каждое изменение соответствует инструкции, но ни одно из них не объясняет предложение понятнее для целевого клиента. Посетители по-прежнему могут не понимать, для кого предназначен продукт, а страница может предлагать купить раньше, чем объясняет ценность. Это разные проблемы, и если человек, ставящий задачу, не решил, какая из них важна, агент либо выбирает за него, либо возвращается с вопросом. Ни более длинный промпт, ни более аккуратный дизайн этого не решают.
Препринт Stanford, опубликованный в августе 2026 года, показал, что в изученных исследователями диалогах с Claude преобладала совместная работа с участием человека: люди направляли работу через свои промпты и последующие обмены сообщениями. Этот вывод согласуется с практическим взглядом на делегирование как на постоянное участие, а не разовую инструкцию. Anthropic проводит близкое различие в своём руководстве по оценке агентов, разделяя запись того, что агент сделал, и результат, который он фактически произвёл. Вместе эти два наблюдения описывают текущий этап рынка, где возможности инструментов растут быстрее, чем привычки людей, которые ими управляют.
Что это значит для бизнеса
Для компании, внедряющей AI, практическое следствие в том, что узким местом становится постановка задачи, а не модель. Индивидуальный предприниматель может привыкнуть держать причины решений в голове, потому что сам же выполняет работу; делегирование заставляет вынести эти причины наружу, чтобы ими мог воспользоваться другой человек или агент. Крупные команды сталкиваются с тем же требованием в иной форме: предпочтение, которое осталось незафиксированным, будет заново выясняться в каждой новой задаче. Выгода накапливается со временем: если задание провалилось из-за отсутствующего предпочтения, это предпочтение можно записать там, где его найдёт следующее задание, а постоянно возвращающийся вопрос сигнализирует либо о нехватке контекста, либо о решении, которое действительно требует человека.
Проверка — вторая половина навыка, и её объём должен соответствовать работе. Правка оформления, которую можно отменить за секунды, не заслуживает десяти минут надзора, а публичное обязательство заслуживает. Отполированный документ и уверенное сообщение о завершении создают ощущение, что задача закрыта, поэтому проверять нужно сам результат: если запрашивали бронирование, должно существовать нужное бронирование; если запрашивали таблицу, должны быть видны её расчёты и допущения; если запрашивали исследование, источники должны подтверждать выводы. Границы тоже важны, поскольку доступ к инструменту электронной почты не решает, может ли агент отправить сообщение. В задании должно быть указано, когда работа является подготовкой, а когда включает действие, чтобы рутинные правки шли своим ходом, а значимые решения оставались за ответственным человеком.
Трение в этом процессе не обязательно означает провал. Исследователи Stanford обнаружили, что уточнения и исправления часто были продуктивными, и полезный вопрос в том, продвигает ли разговор работу вперёд. О надзоре не стоит судить по числу нажатых подтверждений: десяток рутинных запросов может пройти незамеченным, а решение, которое действительно важно, будет упущено. Поток обновлений об активности сам по себе мало помогает; помогает понимание того, какой пункт требует решения, почему он важен и что будет дальше. Признак того, что эта тенденция закрепилась, будет виден в найме и обучении: если в AI-образовании начнут давать людям неполные задания и отполированные результаты со слабыми выводами для разбора, значит, умение превращать намерение в чёткое задание стало частью конкуренции компаний.
