Как превратить мышление эксперта в работающего ИИ-агента

Мне часто приходится слышать, что есть эксперты, которых невозможно автоматизировать.

В каком-то смысле я с этим согласен. Если речь идет о творческой работе, стратегии, высокой ответственности или действительно неоднозначных ситуациях, человека не нужно просто пытаться убрать из процесса.

Но агенты нужны не только для автоматизации простых действий.

Когда мы описываем бизнес-процесс, мы в первую очередь отвечаем на вопрос: «Что делает человек?» Например, у рекрутера в процессе может быть действие «проанализировать резюме».

На входе — резюме, на выходе — оценка кандидата и решение, двигать его дальше или нет.

Но сама эта формулировка почти ничего не говорит о реальной экспертизе. Главное скрыто внутри: на что рекрутер смотрит, какие признаки замечает, как их интерпретирует, с чем сравнивает и почему в итоге принимает конкретное решение.

Именно поэтому для создания агентов нужен когнитивный анализ, который мы уже разбирали раньше. Он помогает понять, как думает эксперт, когда решает задачу.

Например, рекрутер видит, что кандидат за три года сменил четыре компании. Сам по себе этот факт еще ничего не означает. Дальше эксперт смотрит, рос ли кандидат при переходах, менялась ли индустрия, насколько последовательно развивалась карьера и как все это связано с требованиями вакансии.

Вот эту структуру мышления уже можно переносить в агента.

Я бы выделил четыре базовых варианта.

1. Вход — выход

Самый простой случай. Мы даем агенту резюме и набор критериев: опыт, стек и индустрия. Агент извлекает данные и заполняет карточку кандидата.

Здесь почти нет сложного рассуждения: есть вход, правила и структурированный результат.

2. Цепочка размышлений

Решение строится последовательно. Например, сначала агент определяет уровень кандидата, затем оценивает релевантность опыта, после этого находит пробелы, определяет, насколько они критичны, и только потом формирует рекомендацию.

Каждый следующий шаг использует результат предыдущего.

3. Дерево размышлений

Иногда у эксперта возникает несколько возможных веток.

Допустим, у кандидата нет опыта в нужной индустрии. Если при этом он решал похожие задачи — идем по одной ветке. Если подобного опыта тоже нет — по другой. А если человек быстро рос и работал в сильных смежных доменах — появляется третья.

То есть агент должен уже не просто идти по фиксированной цепочке, а выбирать направление дальнейшего анализа.

4. Граф размышлений

В сложной экспертной работе новые данные могут заставлять пересматривать предыдущие выводы.

Например, сначала частая смена работы кажется признаком нестабильности. Потом оказывается, что каждый переход сопровождался ростом ответственности, и первоначальную гипотезу приходится пересмотреть. Затем выясняется, что часть переходов происходила внутри одной группы компаний, и оценка снова меняется.

Здесь рассуждение превращается уже в граф: эксперт возвращается к предыдущим выводам, связывает разные признаки и обновляет гипотезы.

Поэтому для создания хорошего агента недостаточно написать: «Ты опытный рекрутер, проанализируй резюме».

Сначала нужно извлечь саму архитектуру мышления эксперта: какие данные он использует, что считает важным, как принимает решение и в каких случаях возвращается к предыдущим выводам.

Получается, что когнитивное интервью — это способ оцифровать экспертное мышление.

При этом эксперта нельзя просто копировать. Он тоже может быть подвержен когнитивным искажениям. Поэтому извлеченную логику нужно сначала проверить и только потом передавать агенту.

Задача не в том, чтобы научить ИИ механически повторять действия человека, а в том, чтобы отделить знания компании от конкретного сотрудника и превратить их в воспроизводимый интеллектуальный процесс.

Тогда экспертиза будет находиться не только в голове человека, а станет частью системы.

👉 Полная статья