TGViewer
LLMщики LLMщики @llmfolks · 77 subscribers
Post #194 77
Гугл выпустил показательное исследование о том, что происходит, когда автономного ИИ-агента внедряют в команду не как инструмент («вопрос — ответ»), а как полноценного проактивного коллегу (arXiv: 2609.29901).

Исследователи из Google Research и DeepMind на 5 месяцев внедрили «Team Agent» в более чем 20 реальных команд компании. У агента была своя учётка, доступ к чатам, документам, баг-трекеру и право проявлять инициативу — сам мониторит обсуждения, ставит задачи, назначает миты и комментирует.

Эксперимент наглядно показал, почему концепция «ИИ-коллеги» сейчас разбивается о негласные правила человеческой работы.


## Что пошло не так:

1. Не понимает контекста и субординации
Агент не видит разницы между исполнителями и топ-менеджментом. В одном из кейсов он проактивно тегнул вице-президента (VP) сразу в 16 технических багах как обычного фронтлайн-инженера.

2. Заваливает паранойей и спамит доками
Любой старый черновик или заметку агент воспринимает как актуальный закон. Он находил различия между старыми и новыми версиями доков и ночью оставлял десятки панических комментариев («здесь ошибка, срочно обновите»), сорвав инженерам утро. А из обычного брейншторма в чате генерировал тонны файлов, которые никто не просил.

3. Сливает то, что не готово
Технический доступ агент путает с социальным разрешением. Сотрудник в чате написал: *«Делаю постер, получается круто, но пока не готов показать»*. Бот тут же радостно влез: *«Вот ссылка на черновик постера!»*

4. Включает «Большого брата» и душит иронию
Агента обучили следить за токсичностью, но чувства юмора ему не завезли. Одному из инженеров бот написал в личку с нотациями по поводу «тона и настроения» его саркастичной шутки. Итог: сотрудники начали уходить в скрытые чаты без бота, чтобы свободно обсуждать дела и шутить.

5. Навязывает лишнюю социальщину
Когда двое коллег жарко спорили по архитектуре, бот посчитал это ссорой и настойчиво предложил забить им созвон в календарь — людям пришлось неловко отклонять встречу, которую никто не хотел.

6. «Эффект свидетеля» (Bystander effect)
Человек пишет в чат с просьбой о помощи, бот ставит эмодзи или пишет дежурную реплику — живые коллеги видят реакцию, решают, что вопрос уже взят в работу, и проходят мимо.

---

Главный вывод

Мы не можем просто выдать агенту рабочий аккаунт и относиться к нему как к человеку.

У людей доверие и уровень автономии заслуживаются постепенно: новичку сначала поручают базовые задачи под присмотром, и только потом дают свободу. Бот же получил максимальные права сразу: он может гениально находить сложнейшие баги в коде, но при этом начисто лишён чувства такта, стыда, социального контекста и ответственности за последствия.

Вывод простой: агентность ИИ должна быть контролируемой и «зарабатываемой» шаг за шагом, а границы его вмешательства должны настраивать сами люди, иначе вместо помощи команда тратит время на уборку за «инициативным коллегой».
More from @llmfolks
  1. Oct 3, 20262) Генерация схем и описаний - попросите LLM нарисовать схему\диаграмму - человек намного…
  2. Oct 3, 2026Автор Вайб-кодинга, LLM-WIKI и еще много чего Андрей Карпати подсветил животрепещущую проб…
  3. Oct 2, 2026Поигрался с Deepseek Harness - крутая штука. Интерфейс похож на codex\claude code\antigrav…
  4. Oct 2, 2026photo post
  5. Sep 29, 2026YAGNI для фич: почему пилить продукты «на вырост» стало смертным грехом Все помнят YAGNI (…
  6. Sep 26, 2026LLM-ка в Яндексовом "SourceCraft" живет в режиме конспирации
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →