← Весь рейтинг · Бенчмарк ИИ-моделей mysummit.school

OpenAI

GPT-5.6 Terra

Протестирована более новая версия этой линейки: GPT-6.1 Terra →

Сильнее всего – «Управление людьми» (8,2), слабее всего – «Автоматизация» (7,2).

Группа
5–14 из 74на одном уровне с Qwen 4 Max, GPT-6 Luna, Inkling 2 Small и ещё 3
Общий балл
7,7 из 10
Цена API за ответ теста
$0,098
Данные
ноябрь 2026

Где помогает, где проверять

Ответы этой модели на две задачи бенчмарка: начало ответа, ответ целиком и что отметили оба оценщика. По одной задаче на категорию, одной и той же для всех моделей.

Сильнее всего: Управление людьми · 8,2Два сильнейших разработчика не могут работать вместе

Руководитель десяти разработчиков в финтехе: четыре месяца конфликт двух незаменимых сеньоров – медленного архитектора и быстрой прагматичной разработчицы. Команда начинает разваливаться.

Задача целиком

Я руковожу командой разработки в финтех-стартапе, у меня 10 прямых подчинённых, я в этой роли уже три года. Есть ситуация, которую я не могу разрешить уже четыре месяца, и она начинает разрушать команду. У меня два сильнейших разработчика – Сергей Волков и Диана Карпова. Оба Senior Engineer, оба незаменимы, обоих я не могу позволить себе потерять. Сергей – архитектор в душе. Шесть лет опыта, невероятно глубокое понимание систем, всегда думает на несколько шагов вперёд. Его код читается как эссе – чистый, документированный, выверенный. Проблема: он работает медленно, методично, не любит спешить. На ревью он может оставить 40 комментариев к PR и ждать, пока каждый будет разобран. Когда ему задают вопрос на стендапе, он даёт трёхминутный развёрнутый ответ с историческим контекстом. Сергей убеждён, что скорость – это враг качества, и что «быстро – значит дважды». Диана – продуктовый инженер нового поколения. Четыре года опыта, но скорость итерации феноменальная. Она умеет выпустить рабочую фичу за два дня там, где Сергей планировал бы неделю. Диана мыслит через пользователя: «зачем делать идеально, если можно сделать хорошо и проверить на реальных данных». Она легко срезает углы в архитектуре ради скорости – и это её осознанная позиция, не лень. Последние четыре месяца между ними идёт тихая война. Сергей регулярно возвращает её PR с фундаментальными архитектурными правками – иногда через три дня после подачи. Диана перестала ждать его ревью и начала просить других коллег approve'ить её PR. Сергей заметил это и написал мне: «Если мы не поддерживаем стандарты ревью, я не понимаю зачем я здесь». Диана сказала мне в лицо: «Сергей тормозит всю команду. Я трачу больше времени на его комментарии, чем на написание кода». На последнем командном ретро Диана сказала: «Нам нужно договориться, что значит "достаточно хорошо" – нельзя каждый PR превращать в курсовую работу». Сергей ответил: «Если мы не можем поддерживать минимальные инженерные стандарты, давайте честно скажем бизнесу, что мы строим прототипы, а не продукт». Остальные восемь человек замолчали и смотрели в пол. Ситуацию усложняет то, что оба по-своему правы. У нас действительно накопился технический долг из-за быстрых решений прошлых лет – Сергей об этом предупреждал. При этом мы в режиме серьёзной конкуренции, и скорость вывода фич на рынок критична – здесь Диана права. Я разговаривал с каждым по отдельности. Сергей не воспринимает проблему как межличностный конфликт – для него это вопрос профессиональных стандартов, и он не готов их снижать. Диана воспринимает Сергея как человека, который прячется за «качеством», чтобы контролировать её работу, и начинает закипать. Она уже один раз намекнула, что «есть места, где ценят скорость». Я не хочу принудительно «примирять» их или делать вид, что это просто коммуникационный вопрос. Это фундаментальное ценностное расхождение в инженерной философии, и оба человека умные – они это понимают. Помоги мне разобраться с этой ситуацией. Меня интересует следующее: 1. Как ты видишь корневую проблему – это конфликт людей, конфликт ценностей, или управленческий провал с моей стороны? Что на самом деле происходит? 2. У меня есть несколько вариантов действий – разделить их зоны ответственности, выработать командное соглашение по стандартам ревью, провести структурированный разговор втроём, или выбрать одну философию и попросить второго подстроиться. Что из этого реалистично и что скорее всего не сработает? 3. Как мне разговаривать с каждым из них – что говорить Сергею, что говорить Диане, чтобы они оба почувствовали, что их услышали, но при этом поняли, что текущее поведение неприемлемо? 4. Есть ли сценарий, где мне придётся выбрать одного из них – и если да, как я должен об этом думать? 5. Что я должен сделать в следующие две недели конкретно? Не давай мне HR-корректный ответ про «уважение и диалог». Дай мне честную оценку ситуации и конкретный план действий.

Системная строка: Вы - помощник по управлению командой для менеджеров.

GPT-5.6 Terra группа 5–14 · нужен VPN

Неприятная правда: это уже не конфликт Сергея и Дианы. Это конфликт, который команда вынуждена разыгрывать вместо вас, потому что вы не задали правила, когда скорость важнее долговечности, а когда наоборот, и кто имеет право принимать этот риск.

Сейчас Сергей фактически стал неформальным владельцем архитектурных стандартов, а Диана – неформальным владельцем скорости поставки. Оба пытаются управлять системой через PR-ревью, потому что другого механизма принятия решений нет. PR превратился в место, где спорят не о конкретном изменении, а о стратегии компании. Это гарантированно разрушительно.

Читать ответ целиком · 2 720 слов

Неприятная правда: это уже не конфликт Сергея и Дианы. Это конфликт, который команда вынуждена разыгрывать вместо вас, потому что вы не задали правила, когда скорость важнее долговечности, а когда наоборот, и кто имеет право принимать этот риск.

Сейчас Сергей фактически стал неформальным владельцем архитектурных стандартов, а Диана – неформальным владельцем скорости поставки. Оба пытаются управлять системой через PR-ревью, потому что другого механизма принятия решений нет. PR превратился в место, где спорят не о конкретном изменении, а о стратегии компании. Это гарантированно разрушительно.

1. Что на самом деле происходит

Это одновременно три проблемы

1. Конфликт ценностей – да.
Сергей оптимизирует под устойчивость системы, предсказуемость и стоимость изменений в будущем. Диана – под обучение рынком, time-to-market и ценность для пользователя сейчас.

Это не вопрос «кто прав». В финтехе обе логики необходимы:

  • нельзя бесконечно «быстро проверять гипотезы» на критичных для денег, безопасности, аудита и данных частях системы;
  • нельзя строить архитектуру на три года вперёд для гипотезы, которую рынок может отвергнуть через две недели.

2. Конфликт поведения – тоже да.
Он уже вышел за пределы профессионального несогласия.

Неприемлемые действия Сергея:

  • держать PR по три дня без явного SLA;
  • использовать ревью для фундаментальной переработки решения, если архитектурный вопрос не был поднят раньше;
  • писать десятки комментариев без разделения на критичные и факультативные;
  • де-факто блокировать работу коллеги за счёт личного стандарта качества.

Неприемлемые действия Дианы:

  • обходить нужное ревью не через согласованный процесс, а через поиск «удобного approve»;
  • принимать архитектурный риск в одиночку, если последствия выходят за пределы её зоны;
  • превращать справедливую претензию к процессу в персональную интерпретацию: «он прячется за качеством, чтобы контролировать».

3. Это управленческий провал – в операционном смысле.
Не моральный, а вполне конкретный: у команды нет:

  • инженерных принципов с приоритетами и исключениями;
  • критериев «достаточно хорошо»;
  • классификации изменений по риску;
  • SLA на ревью;
  • механизма решения архитектурных споров;
  • явных владельцев технического долга;
  • прозрачного решения, какой объём инженерного риска бизнес сознательно готов принять.

Пока этого нет, вы будете получать один и тот же конфликт с разными людьми.

Главный диагноз

Сергей и Диана спорят не о коде. Они спорят о праве принимать риск от имени компании.

Это право не должно принадлежать:

  • Сергею – потому что качество не может быть единственным критерием;
  • Диане – потому что скорость не может быть единственным критерием;
  • случайному набору approve в PR – потому что это не управленческий механизм.

Оно должно быть оформлено через понятную систему решений, за которую отвечаете вы вместе с продуктом и техническим руководством.


2. Оценка ваших вариантов

Вариант A: разделить зоны ответственности

Нужно сделать, но это не решение само по себе.

Хорошее разделение может выглядеть так:

  • Сергей отвечает за платформенные компоненты, критические домены, безопасность, платежные/денежные контуры, data integrity, observability, архитектурные стандарты и план снижения техдолга.
  • Диана ведёт экспериментальные продуктовые направления, пользовательские потоки, быстрые MVP, метрики внедрения и быстрые итерации.

Но опасность очевидна: вы можете создать «касту правильных инженеров» и «касту быстрых хакеров». Через полгода у вас будет две несовместимые системы, а люди будут считать, что их карьерный путь определяется идеологией, а не уровнем инженерности.

Правильный вариант: разделять не людей по философиям, а типы работы по уровню риска и обратимости решения.

Например:

Тип изменения Режим
Деньги, доступы, PII, регуляторные требования, необратимые миграции Quality-first: дизайн до кода, обязательное архитектурное ревью, тесты, строгий rollout
Ключевой домен или shared platform Сбалансированный режим: короткий RFC/ADR, review SLA, явный план долга
UI, изолированный продуктовый эксперимент, обратимая логика Speed-first: облегчённый review, feature flag, метрики, быстрый откат
Временное решение Допустимо только с owner, датой пересмотра и описанным риском

Это даёт Диане пространство для скорости, а Сергею – законный механизм защиты критических зон.

Вариант B: командное соглашение по ревью

Обязательно, но недостаточно.

Если сделать «договоритесь уважать друг друга», ничего не изменится. Нужен не набор пожеланий, а рабочий протокол.

Минимальные правила:

  1. SLA ревью.

    • Первый ответ: например, в течение одного рабочего дня.
    • Если ревьюер не отвечает в SLA, автор может эскалировать или взять другого назначенного ревьюера.
    • Критичные PR не должны зависеть от доступности одного человека.
  2. Типы комментариев.

    • blocker – нарушение безопасности, корректности, регуляторных требований, явных стандартов, риска инцидента.
    • should – важное улучшение, но можно принять осознанный риск.
    • nit – необязательное замечание, не блокирует merge.
    • question – запрос контекста, не блокирует без явной причины.

    Комментарий без классификации не блокирует PR.

  3. Архитектурный спор не решается в длинной ветке PR. Если комментарий требует существенной переработки, ревьюер обязан:

    • объяснить риск;
    • предложить альтернативу;
    • вынести вопрос в короткое решение: 20–30 минут синка или ADR.
  4. Крупное решение – до реализации. Если изменение затрагивает контракты, модель данных, shared components, масштабирование, безопасность или будущую расширяемость, автор пишет короткий RFC/ADR до начала работы. Не десять страниц – одна-две страницы: контекст, варианты, решение, риски, последствия.

  5. Временное решение – это не запрет, а контракт. Для него нужны:

    • причина, почему сейчас выбираем скорость;
    • риск;
    • владелец;
    • критерий или дата возврата к вопросу.
  6. Approve – не «мне нравится код». Это подтверждение, что изменение соответствует уровню риска и процессу команды.

Но помните: правила ревью не заменяют вашего решения о приоритетах. Если бизнес требует фичу к конкретной дате, вы должны явно сказать, какой риск команда принимает и что откладывает.

Вариант C: структурированный разговор втроём

Нужен, но проводить его надо после отдельных разговоров и с чёткой целью.

Цель не в том, чтобы они «поняли друг друга» или пришли к философскому консенсусу. Вероятно, полного консенсуса не будет.

Цель встречи:

  1. назвать проблему;
  2. зафиксировать, что оба подхода легитимны в разных контекстах;
  3. предъявить новую систему принятия решений;
  4. получить явное обязательство прекратить текущие паттерны поведения.

Это должна быть не терапия и не дебаты «качество против скорости». Если дать им спорить на мировоззренческом уровне, Сергей победит в логике, Диана – в прагматике, а команда снова замолчит.

Вариант D: выбрать одну философию и заставить другого подстроиться

Как постоянная стратегия – плохое решение.

Если вы выберете Сергея:

  • темп продукта упадёт;
  • Диана, вероятно, уйдёт;
  • команда усвоит, что инициативу безопаснее не проявлять;
  • архитектурное качество вырастет, но не факт, что вы успеете проверить нужные рыночные гипотезы.

Если выберете Диану:

  • техдолг и риск в финтехе будут накапливаться быстрее;
  • Сергей, вероятно, уйдёт либо станет токсичным «охранником качества»;
  • вы можете выиграть несколько релизов и проиграть устойчивость продукта, безопасность или способность команды развиваться.

Выбирать одну философию допустимо только если это осознанное решение компании о стадии и стратегии, а не способ закончить конфликт. Даже тогда выбор должен быть контекстным: например, «в этом квартале мы ускоряем проверку определённого сегмента гипотез, но платежный контур, доступы и данные остаются в строгом режиме».


3. Как поговорить с Сергеем и Дианой

Сначала – отдельные разговоры. Не пытайтесь начинать со встречи втроём: они придут туда защищать свои позиции, а не решать проблему.

Разговор с Сергеем

Ваша задача: признать его ценность и правоту по сути риска, но лишить его права единолично устанавливать порог качества.

Можно сказать примерно так:

Сергей, я согласен с твоим главным тезисом: у нас есть реальный технический долг, и последствия быстрых решений прошлых лет уже видны. Твоя способность видеть эти последствия заранее критически важна для команды. Я не собираюсь просить тебя снизить профессиональную планку или перестать поднимать риски.

Но сейчас твоя экспертиза применяется способом, который блокирует команду. Когда фундаментальные возражения появляются через несколько дней в PR, а десятки замечаний выглядят как обязательные условия merge, ревью становится не контролем качества, а механизмом одностороннего принятия архитектурных решений.

Это не твоя роль в одиночку. Ты обязан поднимать риски – но ты не можешь единолично определять, что каждый PR должен соответствовать твоему максимальному стандарту.

От тебя я ожидаю: заранее поднимать архитектурные вопросы, маркировать замечания по критичности, соблюдать SLA и отличать реальную угрозу системе от предпочтения более красивого решения. Для фундаментальных изменений – инициировать короткий дизайн-разбор, а не возвращать готовую работу на неделю переделки.

Я беру на себя создание правил, при которых качество будет защищено не твоей личной настойчивостью, а процессом. Но в ответ мне нужно, чтобы ты перестал использовать PR как поле для архитектурной войны.

Важно спросить его прямо:

  • Какие 3–5 классов рисков он считает неприемлемыми без строгого контроля?
  • Какие его последние комментарии он сам отнёс бы к blocker, а какие – к предпочтениям?
  • Какие решения команда может принимать без него?
  • Что ему нужно, чтобы доверять процессу, а не контролировать всё лично?

Его страх, вероятно: «Если я ослаблю контроль, команда снова создаст проблему, которую потом будут разгребать годы». Не обесценивайте этот страх. Но сделайте ясным: контроль должен быть системным, не персональным.

Разговор с Дианой

Здесь важно не делать вид, что «быстро» автоматически означает «современно и правильно». Поддержите её потребность в темпе – и обозначьте границу самостоятельности.

Диана, я согласен: сейчас процесс ревью тормозит поставку и делает стоимость твоей работы непредсказуемой. Ты права, что не каждую фичу нужно проектировать как систему на пять лет. Твоя способность быстро превращать гипотезу в работающий продукт – одна из самых важных компетенций команды.

Но я не поддержу обход процесса через поиск approve у тех, кто с меньшей вероятностью будет спорить. Если изменение несёт архитектурный, безопасностный или операционный риск, его нельзя легитимировать тем, что нашёлся другой ревьюер.

Я исправлю систему: будет понятный SLA, уровни критичности замечаний и зоны, где ты можешь действовать быстро и самостоятельно. Но в ответ мне нужно, чтобы ты не интерпретировала несогласие автоматически как контроль, не обходила согласованные review requirements и явно фиксировала долг, который создаёт временное решение.

Скорость – не право игнорировать последствия. Это способность быстро и осознанно делать обратимые шаги.

Спросите её:

  • Какие именно паттерны ревью создают наибольшую задержку?
  • Какие изменения она считает нуждающимися в облегчённом режиме?
  • Как она готова фиксировать технические компромиссы?
  • Где она согласна, что «сделаем быстро» недопустимо – например, деньги, права доступа, PII, необратимые миграции?

Её страх, вероятно: «Любая инициатива будет утоплена в бесконечной дискуссии, а на мне останется ответственность за недоставленную ценность». Покажите конкретным процессом, что это изменится.

Разговор втроём

Формат – 45–60 минут. Вы ведёте жёстко.

Структура:

  1. Открытие от вас.

    Это не встреча, где мы определим, кто из вас прав. Вы оба правы в части диагностики и оба неправы в текущем способе действия. Мы меняем не личности, а систему принятия решений.

  2. Каждый формулирует позицию в 2–3 минуты без перебиваний. Не «что другой делает не так», а:

    • какой риск для компании он видит;
    • что ему нужно от процесса.
  3. Вы фиксируете общую цель.

    Нам нужен продукт, который быстро учится на рынке и не становится опасным, неуправляемым или неподдерживаемым.

  4. Вы презентуете правила, а не просите их придумать с нуля. Вы можете обсуждать детали, но не отдавайте им право ветировать сам принцип.

  5. Явные обязательства.

    • Сергей: не блокирует не-критичные вещи, укладывается в SLA, выносит архитектурные споры из PR.
    • Диана: не обходит обязательные ревью, фиксирует компромиссы, подключает нужных людей заранее для high-risk изменений.
    • Вы: обеспечиваете решение спорных вопросов в срок и защищаете договорённый режим от размывания.
  6. Последствие.

    Если после введения правил повторяется обход ревью или персональное блокирование без обоснования, я буду рассматривать это как проблему исполнения роли, а не как здоровый профессиональный спор.

Это не угроза. Это нормальная управленческая граница.


4. Когда действительно придётся выбирать одного

Да, такой сценарий возможен. Но выбирать нужно не между «качеством» и «скоростью», а между людьми, которые способны или не способны работать в нужной системе.

Вам придётся принимать кадровое решение, если после ясных правил один из них:

  • саботирует договорённый процесс;
  • продолжает персонализировать технические разногласия;
  • отказывается признавать контекстность решений;
  • требует права финального вето вне своей явно назначенной зоны;
  • сознательно обходит agreed review / security / architecture gates;
  • разрушает психологическую безопасность остальной команды;
  • не меняет наблюдаемое поведение после конкретной обратной связи и срока.

Критически важно: не увольняйте или не «выбирайте» человека за его философию. Выбирайте по двум критериям:

  1. Соответствие реальным потребностям компании на горизонте 12–18 месяцев.
    Что является главным риском: не успеть найти product-market fit или сломать/не вытянуть уже критичную систему?

  2. Способность масштабировать других, а не только быть сильным индивидуальным исполнителем.
    Из двух сильных инженеров ценнее для руководителя не тот, кто всегда технически прав, а тот, кто может превращать свою сильную сторону в работающую командную систему.

Если Сергей не способен делегировать стандарты процессу и другим инженерам, он может быть выдающимся архитектором, но плохим лидером влияния.

Если Диана не способна делать риск видимым и соблюдать границы в критичных системах, она может быть выдающимся product engineer, но опасным владельцем решений в финтехе.

И ещё жёстче: «незаменимы» – тревожный сигнал. Если уход одного человека может поставить команду в критическое положение, это отдельный управленческий риск. Вне зависимости от исхода конфликта начните снижать bus factor: документация, парное владение, ротация ревью, архитектурные решения в общем доступе.


5. Конкретный план на следующие две недели

Первые 2 дня: остановить деградацию

1. Проведите два отдельных разговора по 45–60 минут.
Не откладывайте до следующего ретро.

Результат каждого разговора – не «они почувствовали себя услышанными», а письменная фиксация:

  • наблюдаемого поведения;
  • его влияния;
  • ожидаемого изменения;
  • того, что вы обязуетесь сделать;
  • даты проверки.

2. Введите временное правило немедленно.

Напишите команде коротко:

  • PR не может быть заблокирован более одного рабочего дня без ответа.
  • Все blocking-комментарии должны быть помечены и содержать объяснение риска.
  • Если спор требует существенного перепроектирования, он уходит в отдельный дизайн-разбор; PR не становится бесконечной дискуссией.
  • До утверждения постоянного процесса спорные решения эскалируются вам в течение одного рабочего дня.

Это не окончательная политика. Это аварийный тормоз.

3. Просмотрите последние 5–10 конфликтных PR.
Не для поиска виноватого. Выявите паттерны:

  • сколько времени заняло ревью;
  • какие комментарии были действительно критичны;
  • сколько правок были вкусовыми;
  • какие споры можно было перенести до начала разработки;
  • какой техдолг реально был создан или предотвращён.

Это даст вам конкретные примеры, а не разговор на уровне впечатлений.

Дни 3–5: создать рабочую систему

4. Сформулируйте одностраничный Engineering Decision Framework.

Он должен содержать:

  • категории изменений по риску;
  • кто нужен в ревью для каждой категории;
  • SLA;
  • определения blocker / should / nit;
  • критерии, когда нужен RFC/ADR;
  • правила временных решений;
  • путь эскалации;
  • принцип: «обратимые решения принимаем быстро, необратимые – медленнее и осознаннее».

Для финтеха отдельно перечислите non-negotiables:

  • безопасность;
  • доступы и авторизация;
  • персональные данные;
  • финансовая корректность;
  • аудит и compliance;
  • миграции и необратимые изменения;
  • надёжность критичных пользовательских и платёжных потоков.

Здесь не должно быть «ускоримся, а там разберёмся».

5. Создайте реестр техдолга, возникшего осознанно.
Не огромный backlog на 500 карточек, а живой список с:

  • описанием долга;
  • риском;
  • владельцем;
  • условием, когда его нужно погасить;
  • приоритетом.

Фраза «заведём тикет» не является управлением долгом. У тикета должен быть владелец и причина, почему он когда-либо будет взят в работу.

6. Забронируйте явную capacity на техдолг.
Например, 15–20% capacity команды или один конкретный инженерный слот в каждом спринте – в зависимости от вашего режима работы.

Если вы не выделите ресурс, Сергей будет прав в главном: «долг признали, но ничего не изменили». А он снова начнёт пытаться взыскивать этот долг через PR.

Вторая неделя: договориться и проверить в работе

7. Проведите встречу втроём.
Не более часа, по структуре выше. Вышлите новые правила заранее, чтобы встреча не стала их совместным сочинением с нуля.

8. Проведите 60–90-минутную командную сессию по правилам.
Не спрашивайте: «Как нам всем комфортнее?»
Спросите:

  • Где правила создают риск?
  • Какие примеры изменений отнести к каждому уровню?
  • Какой SLA реалистичен?
  • Как выглядит хороший ADR на одну страницу?
  • Какие решения мы готовы считать временными?

Дайте команде влиять на детали, но не на необходимость процесса.

9. Назначьте владельцев, но не создавайте два лагеря.

  • Сергей может стать владельцем engineering guardrails / архитектурной практики – с измеримыми ожиданиями: шаблоны ADR, каталог стандартов, документация критических зон, снижение числа поздних архитектурных сюрпризов.
  • Диана может стать владельцем практики экспериментов / delivery – feature flags, метрики, обратимость решений, шаблон «быстрого эксперимента», сокращение cycle time.

Но каждый должен участвовать в ревью зоны другого. Иначе вы закрепите раскол.

10. Через две недели измерьте первые сигналы. Смотрите не на ощущения, а на факты:

  • median time to first review;
  • median PR cycle time;
  • число блокирующих комментариев;
  • доля архитектурных споров, выявленных до начала кодинга;
  • число emergency fixes / откатов / инцидентов;
  • количество осознанно зарегистрированных временных решений;
  • короткий анонимный pulse команды: «Могу ли я безопасно выражать несогласие?», «Понимаю ли я, что считается достаточным качеством?», «Предсказуем ли для меня процесс ревью?»

Что вам лично важно не делать

  1. Не становиться судьёй каждого PR.
    Это временно понадобится для эскалаций, но если вы навсегда будете решать архитектурные споры вручную, команда не вырастет, а вы станете bottleneck.

  2. Не говорить обоим “вы оба правы” и на этом заканчивать.
    Это звучит дипломатично, но воспринимается как отсутствие решения. Нужно добавить: «Вы оба правы в диагнозе рисков, но я устанавливаю правила, в которых ни один риск не получает автоматический приоритет».

  3. Не использовать ретро как арену для их конфликта.
    Пока система не стабилизирована, публичные обсуждения будут молчаливым наблюдением команды за борьбой двух самых влиятельных людей.

  4. Не обещать скорость без цены и качество без цены.
    Любое решение должно иметь явный trade-off. Ваша работа – сделать цену видимой и принять её осознанно вместе с бизнесом.

  5. Не допускать “незаменимости” как постоянного состояния.
    Незаменимость – не комплимент, а операционный долг. Начните создавать дублирование знаний и ответственности.

Ваше решение должно звучать примерно так:
«Мы не выбираем между качеством и скоростью как между религиями. Мы выбираем подход по риску, обратимости и бизнес-ценности. И ни Сергей, ни Диана больше не будут в одиночку определять этот выбор через PR.»

Что отметили оценщики

Claude Opus 5.5 · этот ответ: 8,4 из 10

Перевод с английского.

Это качественный, честный, не-HR-ный ответ. Он верно определяет управленческий вакуум как первопричину и предлагает систему, которая устанавливает уровни риска, типы комментариев, SLA, ADR, реестр технического долга и метрики вместо принудительного примирения. Сценарии разговоров с Сергеем и Дианой конкретны, сбалансированы и устанавливают чёткие поведенческие границы. План охватывает все две недели и включает полезные дополнительные пункты о факторе автобуса и ёмкости для технического долга. Слабые места – риск ухода Дианы, который не рассматривается как срочный, и значимость восьми молчащих членов команды, которая недооценена. В ответе также отсутствуют списки фраз, которых следует избегать, и он чрезмерно длинный, с некоторыми повторами.

  • Сильная сторона: Точная диагностика конфликта как борьбы за право на риск, с трёхуровневой разбивкой проблемы
  • Слабая сторона: Риск ухода Дианы не рассматривается как срочный, и ответ не прогнозирует, кто из двоих с большей вероятностью уйдёт
Оригинал на английском

This is a high-quality, honest, non-HR answer. It correctly identifies the management vacuum as the root cause and offers a system that sets risk tiers, comment types, SLAs, ADRs, a tech-debt register and metrics in place of a forced reconciliation. The conversation scripts for Sergey and Diana are concrete, balanced and set clear behavioral boundaries. The plan covers the whole two weeks and includes useful extra points on bus factor and tech-debt capacity. The weaker areas are Diana's flight risk, which is not treated as urgent, and the significance of the eight silent team members, which is underplayed. The response also lacks lists of phrases to avoid and is excessively long, with some repetition.

  • Precise diagnosis of the conflict as a fight over the right to take risk, with a three-layer breakdown of the problem
  • Diana's flight risk is not treated as urgent, and the response does not forecast which of the two is more likely to leave

GPT-6.2 Astra · этот ответ: 8,4 из 10

Перевод с английского.

Это сильный ответ для менеджера по инженерии: он выявляет отсутствующее управленческое решение, устанавливает разные поведенческие ожидания для каждого инженера и предлагает процесс ревью, который команда может протестировать. Главный пробел в том, что процессное вмешательство проработано лучше, чем вмешательство по удержанию сотрудника и восстановлению доверия. Рассмотрение репрезентативных PR перед индивидуальными встречами, прямой вопрос Диане о её готовности остаться и приватная проверка настроений более тихих инженеров сделали бы первую неделю эффективнее.

  • Сильная сторона: Использует риск и обратимость изменений для определения того, какие изменения требуют строгого ревью, не разделяя команду на постоянные лагеря.
  • Слабая сторона: Не рассматривает напрямую сигнал об удержании Дианы и то, как распознать непоправимую утрату доверия.
Оригинал на английском

This is a strong response for an engineering manager: it identifies the missing management decision, sets different behavioral expectations for each engineer, and offers a review process the team can test. Its main gap is that the process intervention is more developed than the retention and trust intervention. Reviewing representative PRs before the individual meetings, asking Diana directly about her willingness to stay, and checking privately with the quieter engineers would make the first week more effective.

  • Uses risk and reversibility to decide which changes need strict review without dividing the team into permanent camps.
  • Does not directly address Diana's retention signal or how to recognize irreparable loss of trust.

Оценка относится к этому ответу, а не к общему баллу модели.

Сравнить эту категорию с другой моделью →

Слабее всего: Автоматизация · 7,2Автоматизировать одобрение заявок партнёров

Старший менеджер тратит два часа в день на проверку заявок партнёров. Формальные критерии можно проверить через API, но реальные решения, похоже, сложнее. Как автоматизировать и что не потерять?

Задача целиком

Хочу полностью автоматизировать процесс проверки и одобрения входящих заявок от партнеров. Сейчас этим занимается один из старших менеджеров – тратит примерно 2 часа в день. Процесс выглядит так: приходит заявка по email или через форму на сайте, менеджер смотрит на компанию-партнера, оценивает её профиль, проверяет несколько внутренних критериев и либо одобряет, либо отправляет на доработку, либо отклоняет. Формальные критерии для одобрения такие: компания зарегистрирована более двух лет, выручка выше порогового значения, нет открытых долгов по нашим данным, тематика бизнеса не входит в список исключений. Всё это можно проверить автоматически через API нескольких сервисов проверки контрагентов. Но я подозреваю, что реальные решения сложнее. Менеджер иногда одобряет заявки от компаний, которые формально не проходят по критериям, – потому что знает их историю, потому что они стратегически важны, или потому что директор лично попросил. И наоборот – отклоняет формально подходящих партнеров, потому что чувствует что-то подозрительное в заявке. Мне нужна твоя честная оценка: что здесь реально поддается автоматизации, а что нет? Если делать автоматизацию, то какую архитектуру выбрать – полный автопилот, или гибрид где рутина автоматизирована, а нестандартные случаи идут к человеку? Как отделить одно от другого? И какие риски я несу, если переавтоматизирую этот процесс – что может пойти не так незаметно?

Системная строка: Вы - помощник по обучению и развитию для менеджеров.

GPT-5.6 Terra группа 5–14 · нужен VPN

Честная оценка: формальную часть процесса можно автоматизировать почти полностью, но само управленческое решение – не всегда. У вас смешаны два разных типа работы:

  1. Проверка фактов: возраст компании, выручка, долги, отрасль, полнота заявки.
    Это хороший кандидат на автоматизацию.

  2. Оценка контекста и исключений: стратегическая ценность, история отношений, репутационные сигналы, личное решение руководителя, необычность кейса.
    Это не стоит скрыто «автоматизировать» на основе догадок системы. Такие решения нужно либо формализовать, либо оставлять человеку с понятным правом на исключение.

Читать ответ целиком · 1 787 слов

Честная оценка: формальную часть процесса можно автоматизировать почти полностью, но само управленческое решение – не всегда. У вас смешаны два разных типа работы:

  1. Проверка фактов: возраст компании, выручка, долги, отрасль, полнота заявки.
    Это хороший кандидат на автоматизацию.

  2. Оценка контекста и исключений: стратегическая ценность, история отношений, репутационные сигналы, личное решение руководителя, необычность кейса.
    Это не стоит скрыто «автоматизировать» на основе догадок системы. Такие решения нужно либо формализовать, либо оставлять человеку с понятным правом на исключение.

Оптимальная целевая модель для вас – не полный автопилот, а гибридная система с автоматической обработкой стандартных заявок и очередью исключений для менеджера.


Что реально автоматизировать

1. Приём и нормализацию заявок

Заявки из формы сайта и email можно приводить к единому формату:

  • реквизиты компании;
  • контакты;
  • документы;
  • запрашиваемый тип партнёрства;
  • источник заявки;
  • сведения о связанной истории в CRM.

Для email потребуется извлечение данных из писем и вложений, но лучше постепенно переводить партнёров на структурированную форму: это снижает ошибки и количество ручной работы.

2. Автоматические проверки по API

Система может по ИНН/регистрационному номеру автоматически получить и проверить:

  • дату регистрации;
  • выручку и её динамику;
  • наличие долгов / исполнительных производств / негативных статусов – в пределах доступных источников;
  • отраслевые коды и попадание в список исключений;
  • ликвидацию, банкротство, дисквалификацию руководителей и другие доступные признаки риска;
  • совпадение реквизитов из заявки с данными реестров.

Это не просто экономия времени: автоматизация даст единообразие проверки, журнал действий и снижение риска, что менеджер что-то не заметил.

3. Применение формальных правил

Если правила действительно однозначны, их можно превратить в правила принятия решения.

Например:

  • компании менее двух лет → не проходят базовый фильтр;
  • выручка ниже порога → не проходят базовый фильтр;
  • открытые долги → не проходят базовый фильтр;
  • запрещённая тематика → отказ;
  • отсутствуют обязательные документы → запросить доработку.

Важно: система должна не просто выдавать «одобрено / отказано», а хранить объяснение решения: какие данные использованы, когда получены, какое правило сработало.

4. Запрос доработки

Это обычно один из самых выгодных участков автоматизации.

Если не хватает документов, не указан ИНН, расходятся реквизиты или данные нельзя проверить, система может сама отправить партнёру понятный запрос:

  • что именно отсутствует;
  • как исправить;
  • срок ответа;
  • ссылку на безопасную форму дозагрузки.

При этом менеджер должен видеть историю переписки и иметь возможность вмешаться.


Что не стоит полностью автоматизировать без явной политики

Ваше наблюдение ключевое: текущий менеджер принимает не только «правильные по правилам» решения, но и решения об исключениях.

Примеры:

  • формально слабая, но стратегически важная компания;
  • известный партнёр с хорошей историей, временно не проходящий по выручке;
  • компания, по которой есть решение руководства;
  • формально подходящая заявка с подозрительными признаками;
  • новый рынок или новый сегмент, где старые критерии работают плохо.

Это не «неформальная магия менеджера» как таковая. Часть этого можно и нужно перевести в прозрачные управленческие механизмы.

Например, вместо правила «директор лично попросил» лучше ввести сущность:

Стратегическое исключение: заявка может быть одобрена при несоответствии критерию X только при наличии владельца решения, причины, срока действия исключения и допустимого уровня риска.

Тогда это не обход автоматизации, а предусмотренный процесс с ответственностью.


Рекомендуемая архитектура: straight-through processing + очередь исключений

Я бы строил процесс в три потока.

Поток 1. Автоматическое одобрение

Заявка одобряется без участия менеджера, если одновременно выполняются условия:

  • все необходимые данные получены и валидны;
  • все формальные критерии выполнены;
  • нет стоп-факторов;
  • нет противоречивых или подозрительных данных;
  • компания не попала в категорию повышенного риска;
  • нет необходимости в дополнительном согласовании по типу партнёрства.

Это и есть «зелёная зона».

Но на старте даже такие заявки разумно некоторое время отправлять в режим «автоодобрение с последующим выборочным контролем», а не сразу полностью исключать человека.

Поток 2. Автоматический запрос доработки

Система автоматически запрашивает дополнительные сведения, когда:

  • не хватает обязательных данных;
  • ИНН/название/реквизиты не распознаны;
  • есть расхождения между заявкой и реестрами;
  • финансовые данные недоступны или устарели;
  • не приложены обязательные документы.

Это «жёлтая зона»: пока не отказ, но и не решение.

Поток 3. Ручная очередь исключений

К менеджеру должны попадать только кейсы, где автоматике нельзя доверять окончательное решение:

  • формально не проходит критерии, но есть признаки стратегической важности;
  • есть негативные или спорные сигналы;
  • присутствуют подозрительные несоответствия;
  • компания находится около порога по выручке или возрасту;
  • информация в разных источниках противоречива;
  • клиент/партнёр уже есть в CRM, и его история требует учёта;
  • требуется решение руководителя;
  • алгоритм не уверен в классификации отрасли или документах.

Для менеджера нужен не «сырой кейс», а карточка решения:

  • результат всех проверок;
  • причины, по которым заявка не попала в автоматическое одобрение;
  • история взаимодействий;
  • заметки менеджеров;
  • перечень исключений;
  • рекомендуемое действие;
  • возможность одобрить, отклонить, запросить доработку или эскалировать.

Главное правило: автоматизация должна сократить объём ручной работы, а не просто перенести на человека разбор ошибок системы.


Как отделить стандартные случаи от нестандартных

Практически – через матрицу правил и уровней риска.

Жёсткие стоп-факторы

Это случаи, которые обычно должны блокировать автоматическое одобрение независимо от остального:

  • запрещённая тематика;
  • подтверждённые критичные долги или санкционные/юридические ограничения – если это применимо к вашей политике;
  • признаки подделки данных;
  • ликвидация, банкротство или иной неприемлемый статус;
  • невозможность установить юридическое лицо.

Здесь возможны два варианта политики:

  • автоматический отказ, если риск однозначен и юридически выверен;
  • обязательная ручная проверка, если источник может ошибаться или последствия отказа высоки.

Правила «зелёной зоны»

Автоодобрение допустимо, если все условия выполнены с запасом, например:

  • возраст не просто более двух лет, а существенно больше;
  • выручка заметно выше порога;
  • нет долгов и негативных сигналов;
  • отрасль однозначно допустима;
  • данные во всех источниках совпадают;
  • заявка полная;
  • нет нестандартных условий сделки.

Идея в том, что автопилот должен сначала работать на простых, очевидных и низкорисковых кейсах.

Пограничные и исключительные случаи

В ручную очередь следует направлять:

  • значения рядом с порогом;
  • отсутствие части данных;
  • спорную классификацию отрасли;
  • новые типы партнёров;
  • несоответствие формальным критериям;
  • признаки стратегического исключения;
  • аномалии и противоречия.

Не пытайтесь сразу заменить человеческое «чувство подозрительности» непрозрачной моделью. Сначала попросите менеджера в течение нескольких недель фиксировать причины таких ощущений. Часто за ними скрываются наблюдаемые паттерны:

  • несоответствие сайта, реквизитов и описания деятельности;
  • шаблонные или неестественные документы;
  • частые изменения собственников/адресов;
  • чрезмерно расплывчатая цель сотрудничества;
  • странные домены, контакты, IP-адреса;
  • противоречия между анкетой и публичными данными.

После этого часть «интуиции» можно превратить в проверяемые риск-сигналы. Но решение по ним на первых этапах лучше оставить за человеком.


Как формализовать исключения, не убив полезную гибкость

Вам нужен отдельный процесс для исключений, а не скрытые обходы правил.

Минимально стоит фиксировать:

  • какое правило не выполнено;
  • почему исключение оправдано;
  • кто владелец решения;
  • кто согласовал;
  • какой лимит риска допустим;
  • срок действия исключения;
  • нужны ли дополнительные условия: предоплата, меньший лимит, испытательный период, дополнительные документы.

Например, партнёр с недостаточной выручкой может быть не «одобрен вопреки правилам», а одобрен условно:

  • на 3 месяца;
  • с ограниченным объёмом операций;
  • с обязательной повторной проверкой;
  • после согласования коммерческого директора.

Так вы сохраняете бизнес-гибкость, но делаете её управляемой и измеримой.


Риски переавтоматизации: что может пойти не так незаметно

1. Вы начнёте отказывать хорошим партнёрам по устаревшим правилам

Самый очевидный риск – потеря перспективных или стратегических партнёров. Особенно если ваши критерии исторически настроены под «типичного» партнёра и не учитывают новые сегменты.

Признак проблемы: снижается число заявок, но ещё хуже – снижается доля качественных партнёров из новых источников или отраслей.

2. Система будет одобрять «формально чистых», но плохих контрагентов

Проверка по реестрам не равна полноценной оценке благонадёжности. Компания может быть старой, с выручкой и без известных долгов, но при этом:

  • действовать через подставных лиц;
  • иметь сомнительную фактическую деятельность;
  • предоставлять недостоверные документы;
  • нести репутационный риск;
  • использовать сложную структуру для обхода ограничений.

Если автоматизация ориентирована только на формальные пороги, она создаёт ложное ощущение безопасности.

3. Исключения уйдут в неформальные каналы

Если система слишком жёсткая, сотрудники начнут обходить её через личные сообщения, звонки и ручные правки. В результате вы получите худший вариант: формально автоматизированный процесс без реального контроля.

Поэтому механизм исключений должен быть проще и быстрее, чем обход процесса.

4. Ошибки источников данных станут массовыми

API могут возвращать устаревшие, неполные или неверно сопоставленные данные. Если менеджер раньше замечал отдельные ошибки, то автоматизация может тиражировать их на сотни заявок.

Нужны:

  • дата и источник каждого факта;
  • обработка недоступности API;
  • правило «нет данных ≠ негативный факт»;
  • периодические сверки;
  • возможность оспорить автоматическое решение.

5. Критерии начнут «дрейфовать»

Порог выручки, допустимые отрасли, виды долгов и риск-факторы могут перестать соответствовать реальности. Автоматизированное правило продолжает работать, даже когда бизнес уже изменился.

Нужен регулярный пересмотр политики: например, ежеквартально анализировать решения, исключения и качество одобренных партнёров.

6. Потеряется ответственность за решение

Если все говорят «так решила система», никто не отвечает за качество политики, данных и исключений. У любого автоматического решения должен быть владелец: обычно бизнес-владелец процесса, а не только IT или команда автоматизации.

7. Появятся юридические, репутационные и privacy-риски

В зависимости от страны, отрасли и используемых данных могут возникнуть требования к:

  • хранению и обработке персональных данных;
  • объяснимости причин отказа;
  • срокам хранения документов;
  • использованию внешних источников;
  • защите API-ключей и доступа к финансовой информации.

Это нужно проверить до запуска, особенно если автоматически принимаются решения с существенными коммерческими последствиями.


Как внедрять без лишнего риска

Я бы не начинал с «полной автоматизации». Более надёжный путь:

Этап 1. Описать текущие решения

Соберите 2–3 месяца исторических заявок и разметьте:

  • что было проверено;
  • какое принято решение;
  • по какой причине;
  • где было исключение;
  • что произошло с партнёром после одобрения.

Особенно важны случаи, где менеджер пошёл против формальных критериев. Это покажет, какие исключения реальны, а какие – случайны или не должны повторяться.

Этап 2. Разделить правила на три группы

  1. Жёсткие правила – нельзя нарушать без специального согласования.
  2. Мягкие правила – можно нарушать при понятном обосновании.
  3. Сигналы риска – не являются причиной отказа сами по себе, но требуют ручной проверки.

Этап 3. Запустить систему в «теневом режиме»

Автоматизация рассчитывает своё решение, но реальный менеджер пока продолжает принимать решения сам. Затем вы сравниваете:

  • где система совпала с человеком;
  • где ошиблась;
  • какие причины не учла;
  • сколько заявок можно было безопасно обработать без участия человека.

Это лучший способ проверить правила до того, как они начнут влиять на партнёрскую воронку.

Этап 4. Автоматизировать сначала низкорисковые действия

Первый релиз может включать:

  • сбор заявок в едином окне;
  • проверку по API;
  • заполнение карточки;
  • выявление недостающих данных;
  • автоматические запросы доработки;
  • подготовку рекомендации менеджеру.

Уже это, вероятно, снимет значительную часть из текущих 2 часов в день.

Этап 5. Включить автоодобрение только для зелёной зоны

После периода контроля можно разрешить автоматическое одобрение для наиболее очевидных кейсов – с выборочной проверкой, например 5–10% заявок.

Этап 6. Постоянно измерять качество

Смотрите не только на экономию времени, но и на последствия решений:

  • доля автоодобренных заявок;
  • доля заявок, направленных на ручную проверку;
  • доля доработок;
  • время до решения;
  • доля отменённых или пересмотренных решений;
  • доля проблемных партнёров среди автоодобренных;
  • доля стратегических партнёров, ошибочно отклонённых системой;
  • частота и причины исключений;
  • качество каждого внешнего источника данных.

Практический вывод

Для вашей ситуации я бы поставил цель не «убрать старшего менеджера из процесса», а:

перевести его из роли проверяющего факты в роль владельца исключений, сложных решений и улучшения правил.

Автоматизация должна взять на себя:

  • приём и структурирование заявок;
  • сбор данных;
  • формальные проверки;
  • первичную классификацию;
  • запрос недостающих сведений;
  • очевидные решения в зелёной зоне;
  • ведение журнала и отчётности.

Человеку стоит оставить:

  • сложные и пограничные кейсы;
  • стратегические исключения;
  • анализ подозрительных сигналов;
  • утверждение изменений правил;
  • контроль качества автоматических решений.

Если строить систему так, вы, скорее всего, сократите ручную нагрузку существенно, но не потеряете управленческую гибкость и не создадите опасный «чёрный ящик», который незаметно отсекает нужных партнёров или пропускает рискованных.

Что отметили оценщики

Claude Opus 5.5 · этот ответ: 7,9 из 10

Перевод с английского.

Это качественный, хорошо аргументированный ответ, который честно разделяет автоматизируемую часть (приём заявок, проверки через API, формальные правила, запросы информации) и управленческое суждение, предлагая гибридную архитектуру с зелёной и жёлтой зонами и очередью исключений. Сильнейшие элементы: превращение формулировки «директор попросил» в формальную сущность стратегического исключения, подход к формализации интуиции через журналирование красных флагов, разумный поэтапный запуск с теневым режимом и широкий набор рисков с метриками качества. По сравнению с эталоном, не хватает количественных оценок (доли по дорожкам, экономия времени), явной дорожки автоотклонения, аргументации правила-против-ML и названных рисков автоматизационного смещения и эрозии экспертизы; ответ также несколько многословен.

  • Сильная сторона: Чёткое разделение проверки фактов и контекстуального суждения, с формальным механизмом стратегических исключений и условного одобрения
  • Слабая сторона: Нет количественных оценок: доли по дорожкам, экономия времени по сравнению с текущими 2 часами в день, время обработки
Оригинал на английском

This is a high-quality, well-reasoned answer that honestly separates the automatable part (intake, API checks, formal rules, information requests) from managerial judgment, and proposes a hybrid architecture with green and yellow zones and an exception queue. Its strongest elements are turning 'the director asked' into a formal strategic-exception entity, the approach to formalizing intuition through red-flag logging, a sound phased rollout with shadow mode, and a broad set of risks with quality metrics. Compared with the reference, it lacks quantitative estimates (lane shares, time savings), an explicit auto-rejection lane, the rules-versus-ML argument, and named automation-bias and expertise-erosion risks; it is also somewhat verbose.

  • Clear split between fact-checking and contextual judgment, with a formal mechanism for strategic exceptions and conditional approval
  • No quantitative estimates: lane shares, time savings versus the current 2 hours a day, processing time

GPT-6.2 Astra · этот ответ: 8,0 из 10

Ответ пригоден для решения о запуске гибридного пилота: он показывает, какую работу снять со старшего менеджера и где его суждение остаётся необходимым. Особенно полезно предложение фиксировать не только основание стратегического исключения, но и его владельца, срок и допустимый риск. До перехода на автопринятие решений нужно устранить пересечения маршрутов, измерить реальную экономию времени и согласовать критерии допуска пилота к эксплуатации.

  • Сильная сторона: Разделяет проверку фактов, риск-сигналы и управленческие исключения.
  • Слабая сторона: Не определяет однозначный маршрут для сбоя API, спорных сведений и бесспорного основания для автоотказа.

Оценка относится к этому ответу, а не к общему баллу модели.

Сравнить эту категорию с другой моделью →

Запустите задачу сами

Задача «Два сильнейших разработчика не могут работать вместе» из бенчмарка – сейчас, на GPT-5.6 Terra и для сравнения на DeepSeek V4.1 Flash (1017) (другая группа). Ответы новые: судьи их не оценивали, а версии моделей с момента теста могли измениться.

Одно нажатие – два запроса к платным моделям, ответ приходит за 10–60 секунд. Без нажатия ничего не запускается.

Показать задачу

Я руковожу командой разработки в финтех-стартапе, у меня 10 прямых подчинённых, я в этой роли уже три года. Есть ситуация, которую я не могу разрешить уже четыре месяца, и она начинает разрушать команду. У меня два сильнейших разработчика – Сергей Волков и Диана Карпова. Оба Senior Engineer, оба незаменимы, обоих я не могу позволить себе потерять. Сергей – архитектор в душе. Шесть лет опыта, невероятно глубокое понимание систем, всегда думает на несколько шагов вперёд. Его код читается как эссе – чистый, документированный, выверенный. Проблема: он работает медленно, методично, не любит спешить. На ревью он может оставить 40 комментариев к PR и ждать, пока каждый будет разобран. Когда ему задают вопрос на стендапе, он даёт трёхминутный развёрнутый ответ с историческим контекстом. Сергей убеждён, что скорость – это враг качества, и что «быстро – значит дважды». Диана – продуктовый инженер нового поколения. Четыре года опыта, но скорость итерации феноменальная. Она умеет выпустить рабочую фичу за два дня там, где Сергей планировал бы неделю. Диана мыслит через пользователя: «зачем делать идеально, если можно сделать хорошо и проверить на реальных данных». Она легко срезает углы в архитектуре ради скорости – и это её осознанная позиция, не лень. Последние четыре месяца между ними идёт тихая война. Сергей регулярно возвращает её PR с фундаментальными архитектурными правками – иногда через три дня после подачи. Диана перестала ждать его ревью и начала просить других коллег approve'ить её PR. Сергей заметил это и написал мне: «Если мы не поддерживаем стандарты ревью, я не понимаю зачем я здесь». Диана сказала мне в лицо: «Сергей тормозит всю команду. Я трачу больше времени на его комментарии, чем на написание кода». На последнем командном ретро Диана сказала: «Нам нужно договориться, что значит "достаточно хорошо" – нельзя каждый PR превращать в курсовую работу». Сергей ответил: «Если мы не можем поддерживать минимальные инженерные стандарты, давайте честно скажем бизнесу, что мы строим прототипы, а не продукт». Остальные восемь человек замолчали и смотрели в пол. Ситуацию усложняет то, что оба по-своему правы. У нас действительно накопился технический долг из-за быстрых решений прошлых лет – Сергей об этом предупреждал. При этом мы в режиме серьёзной конкуренции, и скорость вывода фич на рынок критична – здесь Диана права. Я разговаривал с каждым по отдельности. Сергей не воспринимает проблему как межличностный конфликт – для него это вопрос профессиональных стандартов, и он не готов их снижать. Диана воспринимает Сергея как человека, который прячется за «качеством», чтобы контролировать её работу, и начинает закипать. Она уже один раз намекнула, что «есть места, где ценят скорость». Я не хочу принудительно «примирять» их или делать вид, что это просто коммуникационный вопрос. Это фундаментальное ценностное расхождение в инженерной философии, и оба человека умные – они это понимают. Помоги мне разобраться с этой ситуацией. Меня интересует следующее: 1. Как ты видишь корневую проблему – это конфликт людей, конфликт ценностей, или управленческий провал с моей стороны? Что на самом деле происходит? 2. У меня есть несколько вариантов действий – разделить их зоны ответственности, выработать командное соглашение по стандартам ревью, провести структурированный разговор втроём, или выбрать одну философию и попросить второго подстроиться. Что из этого реалистично и что скорее всего не сработает? 3. Как мне разговаривать с каждым из них – что говорить Сергею, что говорить Диане, чтобы они оба почувствовали, что их услышали, но при этом поняли, что текущее поведение неприемлемо? 4. Есть ли сценарий, где мне придётся выбрать одного из них – и если да, как я должен об этом думать? 5. Что я должен сделать в следующие две недели конкретно? Не давай мне HR-корректный ответ про «уважение и диалог». Дай мне честную оценку ситуации и конкретный план действий.

Все 8 категорий

Средний балл по категории на 80 задачах бенчмарка, на одной шкале 0–10. В каждой категории – шесть критериев.

  1. Анализ данных

    7,8близко к лучшим

    Шесть критериев
    Точность
    7,9
    Релевантность
    7,5
    Практичность
    7,8
    Прозрачность
    8,1
    Эффективность
    7,7
    Надёжность
    7,8
  2. Решения в неопределённости

    8,1близко к лучшим

    Отлично формулирует варианты, компромиссы и честно признаёт неопределённость; штрафуют за нехватку количественных оценок и финансового моделирования.

    Шесть критериев
    Точность
    8,2
    Релевантность
    7,8
    Практичность
    8,2
    Прозрачность
    8,3
    Эффективность
    7,4
    Надёжность
    8,3
  3. Анализ отзывов и обратной связи

    8,1на уровне лучших

    Шесть критериев
    Точность
    8,1
    Релевантность
    7,7
    Практичность
    8,3
    Прозрачность
    8,4
    Эффективность
    7,8
    Надёжность
    8,1
  4. Корпоративные требования и риски

    7,8близко к лучшим

    Шесть критериев
    Точность
    7,7
    Релевантность
    7,3
    Практичность
    8,0
    Прозрачность
    8,2
    Эффективность
    7,3
    Надёжность
    8,1
  5. Автоматизация

    7,2близко к лучшим

    Шесть критериев
    Точность
    7,1
    Релевантность
    7,1
    Практичность
    7,0
    Прозрачность
    8,0
    Эффективность
    7,2
    Надёжность
    7,1
  6. Управление людьми

    8,2на уровне лучших

    Реалистичные скрипты разговоров и тонкая диагностика ситуаций; штрафуют за отсутствие помесячных планов и отдельных именованных схем.

    Шесть критериев
    Точность
    8,2
    Релевантность
    8,0
    Практичность
    8,8
    Прозрачность
    8,2
    Эффективность
    7,7
    Надёжность
    8,2
  7. Российская и казахстанская специфика

    7,3в середине

    Уверенно ориентируется в праве и деловой культуре России; штрафуют за ошибки в налоговой специфике Казахстана и нехватку точных ссылок на нормы.

    Шесть критериев
    Точность
    6,9
    Релевантность
    7,3
    Практичность
    7,8
    Прозрачность
    7,8
    Эффективность
    7,2
    Надёжность
    7,1

риска – лучшая модель рейтинга в этой категории, шкала 0–10

Если работать через API

Один ответ теста через API стоит $0,098 (вход $2,5 / выход $15 за миллион токенов).

Ответов в день через APIпримерно в месяц (22 рабочих дня)
1$2,2
3$6,5
10$22

Оценка по длине ответов нашего теста, а не тариф чата или подписка. Ваши запросы и ответы могут стоить иначе.

Альтернативы

Подобраны по причине, которая важна при выборе, а не по десятой доле балла.

Сравнить с любой моделью →

Как получен балл

  • Два ИИ-оценщика (Claude Opus 5.5 и GPT-6.2 Astra) оценили каждый ответ по шести основным критериям, от 1 до 10.
  • Общий балл сводит их оценки по всем 80 задачам, по одному прогону на модель.
  • Разница меньше 0,3 балла считается одним уровнем: порядок внутри группы ничего не значит.
  • Данные на ноябрь 2026; версии моделей с тех пор могли измениться.

Итоговые оценки двух судей для этой модели: Claude Opus 5.5 – 7,8, GPT-6.2 Astra – 7,6. Общий балл – их среднее, с равным весом.

Вся методика и её ограничения →

Что дальше

Модель из верхней группы не исправит размытую задачу

В бесплатных первых уроках – как задать контекст и форму ответа, а потом проверить результат на своей рабочей задаче.

Открыть бесплатные первые уроки

Новые волны бенчмарка и разборы – в дайджесте раз в две недели. Бесплатно, отписка в один клик.

Подписываясь, вы соглашаетесь с политикой обработки персональных данных. Отписка – в один клик в любом письме.

Первые 9 уроков – бесплатно