Every: почему одни AI-workflows работают, а другие нет

О чём статья

Опубликованная в нью-летере Working Overtime издания Every в июле 2026 года, эта статья Кейти Паррот обращается к закономерности, которую узнают многие работники интеллектуального труда: AI-workflow, тщательно выстроенный в прошлом месяце, которым никто уже не пользуется. Вместо того чтобы трактовать заброшенные системы как личную неудачу, Паррот опирается на исследования поведенческой психологии, объясняя, почему большинство автоматизированных workflows не приживаются, и предлагает практическую четырёхкатегорийную модель для принятия решений по каждому из них.

Контекст: издание, задача, масштаб

Паррот — штатный автор Every, издания, публично рассказывающего об использовании AI в редакционной работе. Статья отражает многолетние ежедневные эксперименты с AI-workflows в области написания текстов, исследований и коммуникации, включая такие инструменты, как Codex, пользовательские конфигурации AI-ассистентов и автоматизацию, выстроенную вокруг производственного процесса издания.

Ключевой метод: оставить, переработать, отложить, отказаться

В основе статьи — система принятия решений с четырьмя вариантами оценки AI-workflow: оставить, если он стабильно и быстро приносит ценность; переработать, если реальная потребность существует, но реализация неверна; отложить, если условия пока не подходят; или отказаться, если исходная проблема больше не существует или никогда не требовала автоматизации.

Аналитическую силу framework придают два психологических механизма, которые Паррот называет основными причинами неудач. Первый — «символическое самозавершение»: склонность создавать инструменты для идеализированной версии себя, не отражающей реального поведения. Один из её примеров — инструмент автоматизации социальных сетей, генерировавший рекомендации по постам, которые накапливались неиспользованными, потому что реальное поведение автора было спонтанным, а не систематическим. Workflow решал несуществующую проблему. Второй механизм — немедленное вознаграждение: исследования Уолли и Фишбах показывают, что workflows, дающие быструю обратную связь, поддерживают вовлечённость значительно лучше тех, что обещают отсроченные результаты. Плагин Compound Writing Паррот преуспел там, где другие провалились, отчасти потому, что давал видимую ценность — абзац для развития, разблокированный аргумент — в рамках той же рабочей сессии.

Стоимость обслуживания рассматривается как самостоятельный критерий оценки наравне с качеством workflow. AI-ассистент, которого она называет «Маргот», изначально приносил пользу, но в итоге требовал больше времени на поддержку, чем экономил. Отказаться от него было рациональным решением, а не провалом.

Кому это полезно

Авторам, редакторам и любым работникам интеллектуального труда, создавшим AI-workflows и испытывающим затруднения с определением того, какие из них стоит сохранять. Статья особенно полезна для тех, кто накопил несколько AI-инструментов и систем автоматизации и нуждается в принципиальном подходе к их оценке, а не в поголовном отказе или равномерном следовании всем. Конкретные платформы не называются.