Модели поумнели быстрее, чем компании успели переписать инструкции для них

Полтора года индустрия спорила, готовы ли модели заменить человека в реальных задачах. Пока шел этот спор, произошла вещь потише, но важнее. Модели обогнали инструкции, которые компании написали, чтобы ими управлять. И почти никто это не заметил, потому что все смотрели не в ту сторону.

Создатель Claude Code Борис Черни на прошлой неделе выступил в Y Combinator и рассказал, что произошло у них внутри при выходе новой модели Opus 5. Команда не дописала под нее инструкции. Она удалила 80% старого системного промпта.

То, что раньше приходилось объяснять модели пошагово, она теперь делает сама. Старые формулировки не помогали новой модели, они ограничивали результат, который она и так способна была выдать.

Метод, которым это проверяли, в исследовательской практике называется абляцией. Убираешь весь набор инструкций целиком, смотришь, где модель реально спотыкается без него, возвращаешь ровно ту часть, которая нужна в конкретном месте. Без запаса "на всякий случай". Совет команды другим разработчикам звучит контринтуитивно для большинства процессов внутри компаний: раз в полгода полностью обнулять промпты и регламенты и заново проверять, что из них модели действительно нужно.

Здесь легко списать все на внутреннюю практику Anthropic, если бы не одно совпадение. Винстон Вайнберг, CEO юридического AI-сервиса Harvey, независимо от этой истории сформулировал ровно ту же мысль. Хороший AI не должен требовать длинных промптов. Чем больше приходится объяснять модели, тем хуже сам продукт, потому что сильная система уже понимает контекст без пространных инструкций.

Два независимых источника, разные компании, разные продукты, один и тот же вывод. Это не философия одной команды. Это симптом того, куда движется вся индустрия: чем сильнее модель, тем дороже обходится избыточная инструкция вокруг нее.

Если убрать из этой истории Claude Code и код, останется управленческий принцип, который применим к любому внедрению AI в бизнесе.

Компании месяцами выстраивают регламенты, скрипты, инструкции для AI-ассистентов и агентов. Дальше выходит новая версия модели, объективно способная больше, а регламент остается прежним, потому что его никто не пересматривает. Инструкция становится потолком возможностей, который никто не видит, потому что он выглядит как забота о качестве.

Разрыв между тем, что технология уже умеет, и тем, что компания ей разрешает делать по старой инструкции, у Черни называется product overhang. В переводе на язык бизнеса это упущенная производительность, за которую компания продолжает платить, просто не замечая этого, потому что регламент выглядит как порядок, а не как ограничение.

Проверка не требует специальных инструментов. Возьмите самый громоздкий регламент или промпт, которым сейчас пользуется команда. Уберите половину пунктов. Дайте модели выполнить ту же задачу без них. Сравните результат с тем, что получали раньше.

Если результат не хуже, а часто лучше, значит удаленная половина не помогала работе, а маскировала недоверие к модели, которое устарело вместе с версией, под которую регламент писался.

Второе наблюдение из выступления Черни касается не удаления, а доверия. Модели дали задачу переписать приложение с одной технологии на другую с условием сверять результат самостоятельно и не останавливаться до завершения. Задача шла больше двух недель без вмешательства человека. Верификация, по словам Черни, сейчас недооцененная часть работы с агентами больше, чем интеллект самой модели: способность агента самому проверить, что результат верный, определяет, можно ли доверить ему длинную самостоятельную задачу, а не то, насколько модель умна на бумаге в бенчмарках.

Для бизнеса это значит одно. Вопрос "какую модель выбрать" все чаще менее важен, чем вопрос "готовы ли мы регулярно пересматривать инструкции, которые сами же ей написали". Первое решается один раз при покупке лицензии. Второе требует регулярной дисциплины, которой в большинстве компаний пока просто нет.

Я Алёна Измалко, занимаюсь внедрением AI в реальные бизнес-процессы, ищу участки, где технология буксует не из-за модели, а из-за того, что процессы вокруг нее никто не пересматривает. В Telegram-канале разбираю такие случаи без иллюзий и без хайпа: aialenaizmalko.