Every: первая неделя с AI-коллегой
В Every создан AI-агент — Every Agent — который работает в корпоративном Slack рядом с людьми. Когда Грант Харви пришёл в команду штатным автором в октябре 2026 года, это был его первый опыт работы в офисе, где AI-агент функционировал как постоянный член команды. Его отчёт о первой неделе, опубликованный в Every’s Context Window 29 октября 2026 года, — это практическое наблюдение, а не рекламный материал: для чего агент оказался реально полезен, где он подвёл, и что это говорит о том, как распределять работу.
Что агент делал хорошо
Харви обнаружил, что агент надёжен в задачах поиска и работы с контекстом: находил документы, поднимал прошлые обсуждения, находил релевантные предыдущие тексты. Для автора, который только входит в курс дел в новой компании, такая возможность быстрого поиска оказалась действительно полезной. Агент мог перебирать внутренние знания команды быстрее, чем новый сотрудник, вручную просматривающий архивы Slack.
Где он дал сбой
Наиболее очевидный сбой произошёл, когда агент представил устаревшую информацию о компании как актуальную. В статье это не драматизируется — это подаётся как одна из точек данных в оценке рабочего процесса, — но вывод очевиден: агент не знает, чего он не знает, и проверка его ответов по всему, что зависит от актуальности, остаётся задачей автора.
Практическое разделение
Харви приходит к трёхстороннему разделению, которое представляет как главный вывод статьи: агент — для сбора контекста (документы, предыдущие материалы, корпоративные знания), чат-модель — для создания черновиков, люди — для оценочных решений и утверждения. Он упоминает GPT-6.1 Terra и Gemini 4 Argon с разными оценками: первый — как способный итеративный автор, требующий значительного человеческого руководства, второй — более полезный как редактор, нежели автор-призрак.
Это не новаторская концепция, но описание Харви придаёт ей конкретность: где именно каждый тип инструмента сработал ожидаемо, а где нет.
Замечание о решениях под влиянием AI
В материале цитируется исследование Anthropic, согласно которому аналитики, использовавшие Claude, принимали предпочтительный подход AI в 86% случаев и редко упоминали AI, объясняя своё мышление. Харви воспринимает это как повод осознанно отслеживать собственный процесс принятия решений — не только результат, но и логику, стоящую за сделанными выводами. Для авторов, чья работа предполагает суждения — аргументацию, редакционную позицию, выбор источников — это действительно важное наблюдение.
Для кого эта статья
Полезна авторам и редакторам, оценивающим рабочие процессы с AI-агентами в командном контексте; редакциям и контент-командам, рассматривающим возможность добавления постоянно активного AI в свои инструменты; и всем, кто хочет понять, как выглядит ежедневная работа бок о бок с AI-агентом в организации, сфокусированной на создании текстов.