Skip to content
Статья Every окт. 2026 г.

Every: на что способны AI-клоны руководителей на самом деле

О чём статья

Mike Taylor в рассылке Every «Also True for Humans» документирует серию экспериментов по созданию AI-клонов лиц, принимающих решения: своего прямого руководителя Natalia, директора по операциям GitHub Kyle Daigle и CEO Dan Shipper. Он тестирует, смогут ли клоны имитировать оценку черновика или предложения каждым из этих людей. Практический вопрос, на который он пытается ответить: может ли AI-версия рецензента сказать вам, что получит одобрение, до того как вы потратите время на реальное ревью?

В чём клоны оказались сильны

Клоны хорошо справлялись с предвидением возражений. Когда Taylor отправлял черновик AI-версии рецензента, та последовательно выявляла те же типы опасений, которые этот человек высказывал прежде: скептицизм по поводу масштаба, вопросы к формулировкам, предпочтения по структуре. Используемые как первичный фильтр, клоны помогали выявить проблемы, которые стоило исправить до реального ревью, а не во время него.

Они также помогали понять, как приоритеты конкретного человека определяют то, на что он обращает внимание. Каждый клон выработал узнаваемую модель реагирования, соответствующую тому, что Taylor наблюдал у реального человека со временем.

Где клоны оказались слабы

Клоны злоупотребляли общеизвестными фреймворками. В ситуации неопределённости они прибегали к широко цитируемым ментальным моделям или консалтинговым структурам, которые реальные люди использовали редко или не использовали вовсе. Они также больше опирались на письменные источники — опубликованные посты, записанные выступления, документы, — чем на речевые паттерны из встреч или неформальных разговоров, из-за чего голос клона был более формальным и более сглаженным, чем у оригинала.

Более глубокое ограничение состояло в том, что клоны могли определить, существует ли возражение, но не решить, стоит ли его принять во внимание. Реальные решения об утверждении часто зависят от суждений, требующих контекста, которого у клона не было: отношений, разговора на прошлой неделе, стратегического сдвига, который ещё не был нигде записан.

Что рекомендует Taylor

Использовать ревью с AI как первичный этап, а не финальное утверждение. Клоны хорошо справляются с ранним выявлением предсказуемых возражений, что делает реальное ревью более эффективным. Они не заменяют суждение, определяющее, имеет ли значение пограничный случай в конкретной ситуации.

Он также рекомендует обращать внимание на черновики, которые возвращаются необычно формальными или перегруженными заполнителями — сигнал того, что клон компенсирует неопределённость, опираясь на письменные источники, а не на подлинную настройку.

Кому будет полезно

Авторам и редакторам, работающим в среде с множеством стейкхолдеров и длинными циклами согласования, которые хотят сократить петли обратной связи без отказа от реального ревью. Статья также полезна командам, изучающим AI-персонажей или симулированное ревью как часть своего редакционного воркфлоу.