Недавно в чат принесли ссылку на вакансию, написанную не для человека, а для автономного или полуавтономного AI-агента: нужен исполнитель, который умеет делать сложные задачи с минимальной человеческой помощью, писать технические тексты, код, документацию, решать открытые проблемы и давать измеримый результат.
Можно посмеяться, конечно. Но недолго.
Потому что за этой странной вакансией стоит вполне реальный сдвиг: AI всё чаще воспринимают не как чат для вопросов, а как участника работы, которому можно отдать кусок задачи. И вот тут быстро выясняется, что "умный агент" сам по себе не решает главную проблему.
Агенту всё равно надо объяснить, что такое хорошая работа.
Не в целом "будь полезным", "думай как эксперт" и "дай качественный результат", а предметно: какие ходы в этой области сильные, какие ошибки новичковые, какие варианты надо отсечь сразу, где нельзя фантазировать, где надо остановиться и вернуть вопрос человеку, какой результат можно положить в следующую работу.
Анатолий в комментариях дал очень точный образ: если всем скрипачам выдать скрипки Страдивари, музыка станет лучше, но играть они всё равно будут по-разному. Сейчас всем выдали сильный AI. Скорость и качество работы вырастут, но решающим остаётся мышление человека, который ставит задачу, направляет агента и понимает, что тот вернул.
В этом месте FPF становится способом усилить собственное мышление в работе с AI.
Он заставляет смотреть на задачу рабочими различениями: что именно меняем, какой объект под вопросом, какой ход сейчас уместен, какие основания нужны, что считать результатом.
Вчера участники уже пробовали это на живых задачах: кто-то прогнал через FPF работу Claude Code со skill-файлом и получил более точное поведение агента, кто-то собирал через сильную модель спецификацию для команды и дальше отдавал её Sonnet как уже подготовленную работу.
Самое интересное там не в конкретных инструментах, а в развороте роли: сильная модель нужна там, где надо глубже думать, а дальше можно более подготовленную работу передавать исполнителю попроще.
И теперь следующий шаг — SPF.
Потому что FPF даёт общие принципы рабочих ходов, а SPF отвечает на вопрос:
как именно это должно работать в вашей области.
Для программиста, аналитика, руководителя, методолога, исследователя, преподавателя, архитектора продукта — у всех будут разные типовые промахи, разные сильные ходы, разные границы самостоятельности агента.
Завтра на бесплатном практикуме Анатолия Левенчука будем делать первый маленький SPF-0 под одну свою задачу.
Это оптимальная точка входа: не нужно верить на слово, просто проверяем на своём примере, что меняется, когда AI получает не только запрос, но и принципы, по которым должен работать.
28 июня, 11:30 МСК
Бесплатный практикум "ИИ знает почти всё. А вашу работу — нет"
Материалы, презентацию и напоминания выложим здесь, на канале "Рабочее развитие": @mim_workdev