🧠🍫 Проблема рецепта брауни и при чём тут большой контекст ИИ
Современные большие языковые модели уверенно решают логические задачи, но до сих пор спотыкаются о… контекст. Причём не абстрактный, а самый что ни на есть прикладной — из реального мира.
Технический директор Instacart Анирбан Кунду называет это «проблемой рецепта брауни». Запрос «хочу приготовить брауни» — это только начало. Чтобы реально помочь пользователю, ИИ должен учитывать:
- что доступно именно в этом магазине и регионе,
- предпочтения пользователя (органика, бренды, диеты),
- замену товаров, если чего-то нет в наличии,
- и даже логистику доставки — например, что мороженое нельзя везти так же долго, как муку.
И вот здесь вскрывается ключевая проблема: контекст — это не просто большой текст, а совокупность состояний, ограничений и зависимостей.
Мир рассуждений vs мир состояний
Кунду разделяет задачу на два слоя:
- мир рассуждений — намерения пользователя, смысл запроса, логика,
- мир состояний — реальные данные: наличие товаров, температура, время доставки, локальные ограничения.
Попытка «скормить» всё это одной языковой модели быстро упирается в потолок: модель становится огромной, медленной и непрактичной. А задержка в 10–15 секунд в онлайн-заказе — это гарантированная потеря пользователя.
Как Instacart решает эту проблему
Вместо одной монолитной LLM компания использует многоэтапную архитектуру:
- Большая базовая модель — определяет намерение пользователя и общую классификацию
- Малые языковые модели (SLM) — работают с конкретным контекстом:
— каталог товаров,
— совместимость и замены,
— семантика вроде «полезный перекус для восьмилетнего ребёнка».
Отдельно решается и логистика: модель должна понимать, что замороженные продукты, мороженое и свежие овощи требуют разных условий и времени доставки.
Почему «единый ИИ-агент» — плохая идея
Instacart, как и многие другие, экспериментировал с агентными системами и пришёл к выводу: несколько специализированных микроагентов работают стабильнее, чем один универсальный монстр.
Это почти философия Unix:
маленькие, узкоспециализированные инструменты, соединённые в систему
Особенно когда приходится интегрироваться с десятками внешних сервисов: POS-системами, каталогами, платёжками — все они живут по разным правилам и ломаются по-разному.
Для оркестрации используются:
- протокол OpenAI MCP,
- стандарт Google Universal Commerce Protocol (UCP).
Но даже с ними основная боль — не интеграция как таковая, а надёжность, задержки и режимы отказа. По словам Кунду, до двух третей времени команда тратит именно на разбор таких проблем.
«Проблема рецепта брауни» — это не про рецепты.
Это про то, что:
- большой контекст ≠ правильный контекст,
- LLM без понимания реального состояния мира бесполезна,
- будущее ИИ — не в гигантских моделях, а в грамотной оркестрации смысла, данных и состояний.
Пока ИИ не научится учитывать всё это одновременно, он может красиво рассуждать — но готовить ужин (и управлять бизнес-процессами) ему доверять рано.
Подписывайтесь на Telegram PromtScout.