← Весь рейтинг · Бенчмарк ИИ-моделей mysummit.school

Alibaba

Qwen 4 Max (preview)

Протестирована более новая версия этой линейки: Qwen 4 Max →

Сильнее всего – «Анализ отзывов и обратной связи» (8,0), 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
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: Анализ отзывов и обратной связи · 8,0Заметки с 1-on-1: есть ли тревожные сигналы

Руководитель команды из 9 человек пересматривает свои заметки с еженедельных встреч один на один за 8 недель по трём разработчикам. Формально все «норм». Есть ли признаки выгорания или мыслей об уходе?

Задача целиком

Я руководитель команды разработки (9 человек) в продуктовой компании. Провожу еженедельные 1-on-1 встречи с каждым сотрудником по 30 минут. Веду короткие заметки. Сейчас хочу пересмотреть заметки за последние 8 недель по трем разработчикам и понять, есть ли у кого-то тревожные сигналы – выгорание, скрытое недовольство, мысли об уходе. Формально все трое "норм" – работают, задачи закрывают, на совещаниях активны. Но что-то меня беспокоит. === Илья Громов (Senior Backend, 3 года в компании) === Неделя 1: Доволен спринтом, сделал сложный рефакторинг. Спросил про конференцию в сентябре – хочет выступить. Неделя 2: Упомянул, что устал от легаси. "Но это норм, у всех такое". Конференцию не поднимал. Неделя 3: Сказал, что выходные провел за чтением про новый стек (Go + k8s). "Просто интересно". Конференцию снова не поднимал. Неделя 4: Спросил, есть ли в компании планы переходить на новую архитектуру. Я ответил расплывчато – "обсуждается". Тема закрылась быстро. Неделя 5: Попросил взять день в счет отпуска без объяснений. Чуть менее разговорчив, чем обычно. Неделя 6: На вопрос "как ты" ответил "нормально, устал немного, но ничего критичного". Задачи выполняет, но инициативы не проявляет. Неделя 7: Впервые за год спросил про ДМС и покрывает ли оно психолога. Я сказал – уточню. Уточнил, написал ему. Он ответил "ок, спасибо". Неделя 8: Короткая встреча. "Все штатно". На вопрос про планы на квартал сказал: "Смотрю, что будет". Конференцию не поднимал с недели 1. === Оля Семенова (Middle Frontend, 1.5 года в компании) === Неделя 1: Жалуется на дизайнеров – долго согласуют макеты. Энергичная, с идеями. Неделя 2: Снова про дизайнеров. "Я уже перестала ждать и делаю по-своему". Смеется, но с напряжением. Неделя 3: Рассказала, что помогала соседней команде – "там хоть что-то интересное". Без осуждения, просто факт. Неделя 4: Тихая встреча. На вопросы отвечает кратко. Спрашивает, когда ревью её PR – ждет уже 5 дней. (Я не знал – оказалось, завис у Кирилла.) Неделя 5: Сказала, что ходила на митап по React. "Прикольно было. Компании там разные были". (Пауза.) Неделя 6: Впервые спросила про систему грейдов – как понять, готова ли она к сеньору. Объяснил критерии. Записала. Потом спросила: "А у нас часто повышают?" Неделя 7: Сказала, что всё ок, но "хочется больше сложных задач". Предложил ей взять модуль авторизации – загорелась, но добавила: "Надеюсь, дадите довести до конца, а не перебросят". Неделя 8: Отчиталась по модулю. Работает хорошо. Но на вопрос "что думаешь о следующем квартале" ответила: "Ну, посмотрим, как сложится". === Роман Чижов (Junior, 8 месяцев в компании) === Неделя 1: Говорит много, спрашивает много. Недавно пришел, всё в новинку. Неделя 2: Похвалился, что закрыл задачу самостоятельно, без помощи. Гордится. Неделя 3: Упомянул, что тимлид (я) "всегда занят". Сказал с улыбкой. Я не уточнил. Неделя 4: Попросил ревью кода у Ильи – говорит, тот объяснил хорошо, но "как-то без энтузиазма". Просит больше фидбека по коду от меня. Неделя 5: Тихий. На вопрос "как дела" сказал: "Стараюсь". Задачи сдает в срок. Неделя 6: Спросил, нормально ли, что он до сих пор не знает некоторых частей системы. Успокоил его. Ответил: "Ну, я думал, что уже должен знать". Неделя 7: Сообщил, что начал онлайн-курс по системному дизайну. "Надо же развиваться, если здесь не получается быстро". Неделя 8: Спросил, делают ли у нас performance review и когда будет его. Уточнил: "Просто хочу понять, как меня оценивают". Проанализируй заметки по каждому из трех сотрудников. Для каждого: определи уровень риска (низкий / средний / высокий), опиши конкретные сигналы, которые ты видишь в тексте, объясни, что стоит за каждым сигналом, и предложи, что мне стоит сделать на следующей 1-on-1 встрече с каждым из них.

Системная строка: Вы - помощник по планированию и продуктивности для менеджеров.

Qwen 4 Max (preview) группа 5–14 · без VPN

Коротко о главном

Ваше беспокойство обосновано, но проблема не в том, что кто-то «скрывает». Все трое говорили вам о своих проблемах – прямым текстом, несколько раз. Просто каждый настоящий сигнал был упакован в смягчитель («это норм», «просто интересно», с улыбкой, со смехом, «просто хочу понять»), а вы отвечали на буквальную формулировку, а не на запрос под ней.

Риск Основной механизм
Илья Высокий Выгорание + потеря образа будущего в компании. Два риска наложились
Оля Средний (по уходу – верхняя граница, по выгоранию – низкий) Энергия есть, вера в то, что компания даст рост, падает
Роман Средний Не выгорание, а дефицит обратной связи → тревога и неверная самооценка
Читать ответ целиком · 2 276 слов

Коротко о главном

Ваше беспокойство обосновано, но проблема не в том, что кто-то «скрывает». Все трое говорили вам о своих проблемах – прямым текстом, несколько раз. Просто каждый настоящий сигнал был упакован в смягчитель («это норм», «просто интересно», с улыбкой, со смехом, «просто хочу понять»), а вы отвечали на буквальную формулировку, а не на запрос под ней.

Риск Основной механизм
Илья Высокий Выгорание + потеря образа будущего в компании. Два риска наложились
Оля Средний (по уходу – верхняя граница, по выгоранию – низкий) Энергия есть, вера в то, что компания даст рост, падает
Роман Средний Не выгорание, а дефицит обратной связи → тревога и неверная самооценка

Порядок действий: Илья – на этой неделе, не дожидаясь планового слота. Оля – следующая, у неё самые дешёвые и быстрые исправления. Роман – структурные изменения запустить сразу, независимо от очереди встреч.


Илья Громов – высокий риск

Что происходит: за 8 недель монотонное спадание без единого отскока. Это не «плохая неделя», это тренд. И у него наложились два разных процесса: истощение и разрыв карьерного горизонта.

Сигналы:

  • Конференция как канарейка (н1 → н8). На первой неделе – конкретная цель с датой: выступить в сентябре. Дальше не поднималась ни разу. Исчезновение конкретного личного плана – самый надёжный маркер в этих заметках, потому что он измеримый. Люди не забывают о том, чего хотят; они перестают об этом говорить, когда не верят, что разговор что-то изменит.
  • Три самоуничижительные оговорки. «Но это норм, у всех такое» (н2), «просто интересно» (н3), «ничего критичного» (н6). Он систематически занижает значимость собственных сигналов. Вывод практический: «нормально» от Ильи – это не данные. Его шкала сломана, спрашивать «как ты» бессмысленно.
  • Go + k8s на выходных (н3). Сильный стек, востребованный на рынке, осваивается в личное время и не применяется в работе. Две гипотезы: подготовка к выходу на рынок или попытка компенсировать профессиональный голод. Различить по заметкам нельзя – но обе требуют одного и того же действия.
  • Неделя 4 – точка перелома. Он спросил про новую архитектуру, то есть проверил, есть ли здесь будущее для того, что ему важно. Получил «обсуждается». «Тема закрылась быстро» – это он перестал вкладываться в разговор. После этой недели начинается сжатие: день отпуска, меньше разговоров, нет инициативы. Расплывчатый ответ на проверочный вопрос читается как «нет».
  • Н6: задачи есть, инициативы нет. Классический ранний маркер. Формальные метрики держатся дольше всего, первым отваливается дискреционное усилие – то, что не спросят. Именно поэтому «формально норм» ничего не опровергает.
  • Н7: ДМС и психолог – впервые за год. Самый громкий сигнал во всём массиве. Для сеньора это дорогое раскрытие, косвенная просьба о помощи. Вы ответили логистически: уточнил, написал. Он: «ок, спасибо». Дверь приоткрыли – получили информацию, а не интерес – дверь закрыли. Осторожно: это не диагноз и не обязательно про работу. Может быть что-то личное. Ваша задача – не выяснить что, а снять нагрузку и сделать поддержку доступной без необходимости объясняться.
  • Н5: день отпуска без объяснений. Сам по себе – слабое свидетельство, не стройте на нём версию «ходит на собеседования». Значимо только в связке со снижением разговорчивости на той же неделе.
  • Н8: «Смотрю, что будет» про квартал. Горизонт планирования схлопнулся до нуля. Сравните с неделей 1, где был сентябрь и доклад.

Что делать на следующей встрече:

  1. Смените формат. Не «как ты» – он ответит «нормально». 30 минут мало: либо час, либо две отдельные встречи – про энергию и про будущее. Это разные разговоры.
  2. Начните с фактов, не с интерпретаций. «На первой неделе ты хотел выступить на сентябрьской конференции. Мы к этому не возвращались. Хочу вернуться – тебе это ещё интересно?» Проверьте дедлайн CFP, предложите время на подготовку в рабочие часы.
  3. Признайте ошибку недели 4 вслух. «Ты спросил про архитектуру, я ответил размыто. Это был плохой ответ. Вот что я знаю, вот чего не знаю, вот когда у меня будет настоящий ответ – [дата]». Даже честное «нет, в этом году не переходим» лучше, чем «обсуждается». Второй расплывчатый ответ будет хуже первого.
  4. Про психолога – не расспрашивайте. Один раз, спокойно: поддержка есть, конфиденциальна, отчитываться никому не нужно. Дальше – конкретное снижение нагрузки, не требующее объяснений: снять с дежурств, убрать из роли «ревьюера по умолчанию», предложить настоящий отпуск, а не один день.
  5. Спросите про будущее прямо, без паники: «Когда думаешь про следующие полгода-год – чем хочешь заниматься? И сколько из этого реально здесь?»
  6. Главная ловушка: не лечите выгорание новой интересной задачей. Сначала разгрузка, потом Go/k8s и владение куском новой архитектуры. Если предложите рост поверх текущей нагрузки – ускорите исход.

Чего не делать: не говорить «я проанализировал твои заметки и вижу у тебя выгорание», не диагностировать, не передавать Илье слова Романа про «без энтузиазма».


Оля Семенова – средний риск

Что происходит: она не выгорела. Она заблокирована и не убеждена. Энергия, инициатива и результат на месте – падает доверие к тому, что компания способна дать ей рост и убрать препятствия. Это уход-за-повышением, самый типичный сценарий на отметке 1,5 года для сильного мидла.

Сигналы:

  • Н1 → н2: от жалобы к обходному пути. «Перестала ждать и делаю по-своему» – она отказалась не от работы, а от процесса. Смех с напряжением – обёртка для реального раздражения. Важно: проблему она решила сама, значит организация – нет. И «по-своему» потом создаст переделки и конфликт с дизайном, за которые спросят с неё.
  • Н3: помогала соседней команде, «там хоть что-то интересное». Обратите внимание на разницу с Ильёй: её разведка направлена внутрь компании. Это заявка на внутреннюю мобильность, а не на выход. Плоская подача без осуждения означает, что сравнение уже стало для неё нормой.
  • Н4: тихая встреча + PR висит 5 дней, и вы об этом не знали. Два сигнала. Первый: спад энергии совпал с блокировкой – она не потеряла мотивацию, её остановили. Второй, системный: у вас нет видимости очереди ревью. Пять дней ожидания для мидла читаются как «моя работа не важна».
  • Н5: «Компании там разные были». (Пауза.) Пауза – это и есть сигнал. Она оставила вам место для реакции. Вы его не заняли.
  • Н6: грейды. Записала критерии. «А у нас часто повышают?» Вот здесь настоящий вопрос. Первый был про критерии, второй – про то, реально ли это здесь. Она проверяет достоверность карьерного пути. Записала – значит строит аргументацию, настроена серьёзно. Если честный ответ «редко», она сделает вывод, что сеньора надо получать снаружи.
  • Н7: «Надеюсь, дадите довести до конца, а не перебросят». Условное доверие и ссылка на прошлый опыт – её уже перекидывали. Это тест с однозначным результатом: доведёте модуль до конца или нет. Самое дешёвое и самое сильное действие, доступное вам прямо сейчас.
  • Н8: «Посмотрим, как сложится». Та же формула, что у Ильи, но механизм другой: у неё неопределённость не в своих силах, а в ваших обязательствах.

Что делать на следующей встрече:

  1. Придите с отчётом, а не с вопросами. Она четыре раза сказала, что ей нужно. Следующая встреча – статус по её запросам. Ещё одно «как дела» она прочитает как подтверждение, что говорить бесполезно.
  2. Ревью: «Твой PR завис у Кирилла. Это проблема процесса, не твоя. Вот что я изменил». Договоритесь об SLA на первый отклик (например, 24 часа) и сделайте очередь видимой. Кирилла публично не разбирайте.
  3. Дизайнеры – ваша задача, не её. Идите к дизайн-лиду и продукту. Принесите либо договорённость, либо честное «не решено, вернусь [дата]». И защитите её от претензий за «делаю по-своему» – это была вынужденная адаптация.
  4. Грейды: дайте честный ответ на «часто ли повышают». С данными: сколько раз, когда, какой цикл. До встречи пройдите калибровку с HR или тем, кто принимает решение, чтобы не ответить размыто второй раз. Затем – план на 3–6 месяцев: 2–3 наблюдаемых критерия и названная дата ревью. Если путь реально заблокирован – скажите прямо и обсудите альтернативы. Фальшивый путь она распознает и уйдёт быстрее.
  5. Модуль авторизации: обязательство довести. Если приоритеты угрожают – предупредите заранее и договоритесь, не перекидывайте молча.
  6. Подберите паузу с митапа, поздно – нормально: «Ты говорила, там были разные компании. Что-то зацепило? Что у них есть, чего нет у нас?» Без обороны.
  7. Спросите про «посмотрим»: «Что должно произойти, чтобы на вопрос про квартал ты ответила определённо?»

Роман Чижов – средний риск

Почему не низкий: изменился базовый уровень (много говорит → тихий) и четыре явных запроса на обратную связь остались без ответа. Почему не высокий: это не выгорание и не подготовка к уходу, а дефицит строительных лесов. Самое дешёвое в исправлении и самое дорогое в игнорировании – и часть пропусков ваши.

Сигналы:

  • Н3: «тимлид всегда занят», с улыбкой, вы не уточнили. Прямая обратная связь про вашу доступность, смягчённая улыбкой для безопасности. Для джуна доступ руководителя – основной канал роста. Здесь начинается вся траектория.
  • Н4: ревью у Ильи «как-то без энтузиазма» + просьба о фидбеке от вас. Он ищет наставничество и находит его тонким. Это ещё и независимое подтверждение состояния Ильи – его истощение уже видно джуну. Структурная проблема: единственный доступный ментор – истощённый сеньор.
  • Н5: «Стараюсь». Язык усилия, а не результата. Он много работает, но не получает подтверждения, что этого достаточно. Резкий контраст с базой первой недели.
  • Н6: «Я думал, что уже должен знать» – после того, как вы его успокоили. Ключевой момент: успокоение не сработало, он возразил. «Ты молодец, не переживай» – не доказательство. Ему нужны конкретика и карта, а не утешение. Синдром самозванца плюс самостоятельно назначенный дедлайн, о котором вы не знали.
  • Н7: курс по системному дизайну, «если здесь не получается быстро». Два тревожных элемента. Системный дизайн – не самый полезный навык для джуна на 8-м месяце: он оптимизируется под воображаемый разрыв или под собеседования, а не под свою работу. И «здесь не получается быстро» – он считает свой прогресс медленным. Покупает наставничество снаружи, потому что не получает внутри.
  • Н8: «Хочу понять, как меня оценивают». Он просит вердикт. После 8 месяцев без формальной точки отсчёта отсутствие оценки джун по умолчанию трактует как провал.
  • Сдаёт в срок при растущей тревоге. Проверьте скрытые переработки: джуны молча компенсируют временем. «Всё в порядке» здесь может означать «работаю по 11 часов».

Что делать на следующей встрече:

  1. Дайте настоящую оценку сейчас, не дожидаясь цикла. 2–3 конкретные сильные вещи с примерами (назовите задачи и PR) и 1–2 зоны роста с наблюдаемыми шагами. Доказательства вместо утешений.
  2. Ответьте на «должен ли я уже знать» картой, а не словами. Письменный список: что ожидается к 8-му месяцу, что к году, что позже. Нормализация через нормы, а не через «не переживай».
  3. Почините доступность структурно. Фиксированный слот, на который он может рассчитывать: 20 минут разбора кода с вами еженедельно. Плюс назначенный ментор – не Илья. Время ментора выделите formally, чтобы это не была благотворительность.
  4. Признайте неделю 3: «Ты сказал, что я вечно занят. Ты был прав. Вот что я меняю». Это одно действие возвращает больше доверия, чем час разговоров, и показывает, что обратная связь работает.
  5. Назовите дату ревью и что именно будет оцениваться. Уберите неопределённость.
  6. Про курс: спросите, что он хочет оттуда получить; мягко перенаправьте на то, что полезнее сейчас; рассмотрите оплату или время в рабочие часы – это сигнал, что в него вкладываются.
  7. Разберите «стараюсь»: «Что сейчас требует больше всего сил? Где застреваешь и не спрашиваешь?» Договоритесь о правиле обращения за помощью (застрял больше 40 минут – спрашивай). Гордость «закрыл без помощи» может означать, что он слишком долго борется один.

Что видно только на уровне всех троих

1. Все трое разучились ждать результата от разговора с вами. Илья перестал поднимать конференцию. Оля перестала ждать дизайнеров. Роман перестал ждать фидбека. Разные предметы, один выученный урок: поднять вопрос – ничего не меняет. Это и есть ответ на «формально все норм, но что-то беспокоит». Канал 1-on-1 работает как сбор статуса, а не как механизм изменений.

2. Задокументированные пропущенные запросы. Н4 расплывчатый ответ про архитектуру; н7 логистический ответ про психолога; н3 «всегда занят» без уточнения; н4 вы не знали про зависший PR; н5 пауза после митапа. Пять за 24 встречи. Вы отвечали на формулировку, а не на запрос. Это самый практически полезный вывод из всего массива – и он полностью в вашей зоне контроля.

3. Схлопнувшийся горизонт у всех троих на неделе 8. «Смотрю, что будет» / «Посмотрим, как сложится» / «хочу понять, как меня оценивают». Когда человек перестаёт описывать своё будущее в компании – это сильнейший предиктор ухода в этих заметках. Причины разные, симптом один.

4. Илья – несущий узел. Он менторит Романа, и его спад уже транслируется вниз. Починка Ильи частично починит Романа. Обратное неверно: не решайте проблему наставничества Романа, нагружая Илью.

5. Трое из девяти – это не совпадение, это система. Прогоните остальные шесть заметок через ту же оптику: неотвеченные запросы, исчезнувшие личные планы, отсутствие описания будущего. Скорее всего найдёте ещё.


Что поменять в самих заметках и встречах

Ваши заметки достаточно хороши, чтобы этот анализ вообще стал возможен – проблема не в них, а в отсутствии замкнутого цикла. Минимальная доработка, 4 строки на человека:

  • Запрос: что он попросил или на что намекнул (включая смягчённое).
  • Обещание + дата: что я сказал, что сделаю, и когда.
  • Закрыл? Да / нет / просрочено.
  • Маркер вовлечённости: одна конкретная личная цель, за которой следим (конференция Ильи, грейд Оли, ревью Романа). Исчезла – красный флаг.

И одно правило: начинайте каждую встречу с отчёта по своим обещаниям с прошлой. Доверие восстанавливается закрытыми циклами, а не эмпатичными формулировками. Один выполненный пункт работает лучше, чем десять правильных вопросов.

Отдельно: 9 человек × 30 минут = 4,5 часа в неделю, и Роман говорит, что вы всегда заняты. Проверьте, не съедаются ли эти встречи вашей же загрузкой – если да, менять надо не формат заметок, а расписание.


Границы этого анализа

Это гипотезы по коротким пересказам без дословных реплик и невербалики, из одного источника. Восемь недель – короткий горизонт. У каждого сигнала есть доброкачественные объяснения: у Ильи может быть личная или семейная ситуация, не связанная с работой; у Оли – нормальные амбиции; у Романа – обычная джуновская тревога. «Высокий риск» означает «действуй сейчас», а не «он точно уходит».

Три вещи, которых делать не стоит: ставить диагнозы (выгорание и депрессию определяет клиницист, не руководитель), превращать следующую встречу в допрос по списку сигналов и передавать что-либо одному сотруднику из слов другого. Если у Ильи действительно острая ситуация со здоровьем – это не ваша зона: HR, ДМС, конфиденциальность. Ваша – нагрузка, честный ответ про будущее и доступная поддержка.

Что отметили оценщики

Claude Opus 5.5 · этот ответ: 8,9 из 10

Перевод с английского.

Очень сильный анализ экспертного уровня. Он верно оценивает все три риска, привязывает каждый сигнал к конкретным неделям и цитатам и предлагает конкретные скрипты и структурные меры для следующих встреч. Ключевое наблюдение – все трое сотрудников озвучивали просьбы в смягчённой форме, а руководитель отвечал на буквальную формулировку, а не на стоящую за ней просьбу. Также показана системная связь между спадом у Ильи и проблемой наставничества у Романа, и предложен формат замкнутой обратной связи в виде заметок. Ограничения и этические границы явно обозначены. Незначительные недостатки – объём текста, несколько категоричных выводов и отсутствие явных временных рамок для Оли и Романа.

  • Сильная сторона: Точные ссылки на конкретные недели и цитаты с объяснением механизма, стоящего за каждым сигналом
  • Слабая сторона: Длинный ответ, на прочтение которого требуется время
Оригинал на английском

A very strong, expert-level analysis. It correctly assesses all three risks, ties every signal to specific weeks and quotes, and offers concrete scripts and structural measures for the next meetings. Its key insight is that all three employees voiced requests in softened form and the manager answered the literal wording rather than the request underneath. It also shows the systemic connection between Ilya's decline and Roman's mentoring problem, and proposes a closed-loop note format. Limitations and ethical boundaries are stated explicitly. The minor weaknesses are the length, a few categorical inferences, and the absence of explicit time windows for Olya and Roman.

  • Precise reference to specific weeks and quotes, with an explanation of the mechanism behind each signal
  • A long response that takes time to read

GPT-6.2 Astra · этот ответ: 7,6 из 10

Ответ особенно полезен там, где превращает наблюдение в проверяемое обязательство руководителя: вернуться с ясным ответом об архитектуре, устранить задержки ревью или дать обратную связь по конкретному коду. Он охватывает всех троих и верно различает причины для внимания, но временами выдаёт правдоподобную интерпретацию за знание мотивов сотрудника. Основное улучшение – сохранить конкретные действия, а спорные выводы переформулировать как вопросы, на которые сможет ответить сам сотрудник.

  • Сильная сторона: Различает снижение инициативы у Ильи, сохраняющийся интерес к сложным задачам у Оли и запрос на критерии оценки у Романа.
  • Слабая сторона: Добавляет неподтверждённые обстоятельства о предыдущих переводах Оли между задачами и доступности других наставников.

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.

Qwen 4 Max (preview) группа 5–14 · без VPN

Короткий ответ

Полный автопилот здесь не получится – и не потому, что технологии не хватает, а потому что в процессе смешаны три разные вещи: проверка фактов, суждение и политическое решение. Первое автоматизируется почти целиком. Второе – частично и только после того, как вы его вытащите наружу. Третье автоматизировать нельзя в принципе, и если вы попробуете, оно уйдёт в тень.

Правильная цель – не «убрать человека», а «убрать у человека сбор фактов и оставить ему только суждение». Но прежде чем это проектировать, я бы оспорил саму экономику затеи – об этом в конце.

Читать ответ целиком · 1 540 слов

Короткий ответ

Полный автопилот здесь не получится – и не потому, что технологии не хватает, а потому что в процессе смешаны три разные вещи: проверка фактов, суждение и политическое решение. Первое автоматизируется почти целиком. Второе – частично и только после того, как вы его вытащите наружу. Третье автоматизировать нельзя в принципе, и если вы попробуете, оно уйдёт в тень.

Правильная цель – не «убрать человека», а «убрать у человека сбор фактов и оставить ему только суждение». Но прежде чем это проектировать, я бы оспорил саму экономику затеи – об этом в конце.


1. Что на самом деле внутри этих двух часов

Разложите решения менеджера на четыре типа. Это не академическая классификация – от неё напрямую зависит архитектура.

Тип Пример Автоматизируемость
Формальная проверка возраст, выручка, долги, отрасль Полностью. Детерминированные правила, не ML
Контекст, который можно записать «работаем с ними 5 лет», «стратегический аккаунт», «в прошлом году была просрочка» Автоматизируется после того, как вы превратите это в данные. Сейчас это в голове, но это не неявное знание – это неоцифрованное знание
Суждение / распознавание аномалий «что-то подозрительное в заявке» Плохо. И вы пока не знаете, сигнал это или шум
Властное решение «директор попросил» Не автоматизируется. Это не задача про данные, это задача про управление

Две ловушки, которые видны уже сейчас.

Ловушка №1: «чувствует что-то подозрительное». Это может быть настоящая экспертиза – насмотренность на паттернах мошенничества, которые формальные критерии не ловят. А может быть предвзятость, усталость или неприязнь к определённому типу заявителей. Изнутри эти два состояния неразличимы. Пока вы не проверите, вы не знаете, что именно собираетесь автоматизировать – и не знаете, что именно потеряете, если уберёте человека.

Ловушка №2: «директор попросил». Сейчас менеджер работает буфером, который поглощает организационную неопределённость и личный риск. Он одобряет – и ответственность размазана. Как только вы поставите систему, у директорской просьбы не останется легального канала. Дальше два сценария, оба плохих: либо система упирается и вы получаете конфликт, который «решается» ручным флагом в базе, либо появляется теневой процесс мимо системы. Через полгода у вас 30% решений вне контура, и вы об этом не знаете.


2. Архитектура: гибрид, но с явными коридорами

«Гибрид, где нестандартное идёт к человеку» – слишком расплывчато, так не проектируют. Нужны явно определённые маршруты:

Коридор A – автоодобрение. Все формальные критерии пройдены с запасом, данные из всех источников получены, экспозиция мала. Плюс обязательная выборочная пост-проверка (5–10%) – не для контроля качества заявок, а для контроля качества самой системы.

Коридор B – автоотказ. Только по жёстким, неоспоримым основаниям: запрещённая отрасль, санкционный список,黑名单. Никогда – по пограничному скору. Причина ниже, в разделе про тихие риски.

Коридор C – возврат на доработку. Не хватает данных, не бьётся ИНН, выручка на границе. Это самый объёмный и самый безопасный для автоматизации коридор, и он часто даёт больше экономии времени, чем автоодобрение.

Коридор D – подготовленное досье для человека. Система собирает всё, считает правила, подсвечивает аномалии – и не выносит вердикт. Менеджер тратит 3 минуты вместо 25. Здесь живёт основная экономия.

Коридор E – реестр исключений. Отдельная, легальная, логируемая кнопка «одобрить вопреки правилам» с обязательным кодом причины и именем владельца решения. Директорская просьба должна проходить здесь, с подписью директора, а не менеджера. Это не костыль – это главный элемент конструкции. Он делает организационную политику видимой и обсуждаемой вместо того, чтобы прятать её в голове сотрудника.

Ключевой принцип: автоматизируйте подготовку доказательств раньше, чем принятие решений. Сбор фактов даёт 60–70% экономии времени при почти нулевом риске. Автоматизация вердикта даёт ещё 15% и почти весь риск.


3. Как отделить одно от другого: 3–4 недели до единой строчки кода

Шаг 1. Ретроспективный аудит решений. Возьмите 200–500 последних заявок. Восстановите данные, которые были доступны на момент решения (не сегодняшние – иначе получите утечку из будущего). Прогоните через формальные правила. Постройте матрицу расхождений:

  • правило «да» / человек «да» – зона автопилота, посчитайте объём;
  • правило «нет» / человек «да» – золотая жила. Разберите каждый случай и закодируйте причину;
  • правило «да» / человек «нет» – вторая золотая жила, здесь ваша «интуиция»;
  • правило «нет» / человек «нет» – безопасно.

Вы сразу увидите реальный размер нестандартной зоны. Если расхождений 5% – проект простой. Если 35% – вы автоматизируете меньшинство процесса, и всю экономику надо пересчитывать.

Шаг 2. Извлечение неявного знания. Посадите менеджера разбирать 10–15 живых заявок вслух. Не спрашивайте «по каким критериям ты решаешь» – получите пересказ регламента. Спрашивайте: «Что бы заставило тебя передумать?», «Вспомни последние пять раз, когда ты одобрил вопреки правилам», «На что ты посмотрел первым делом и почему?» Конкретные случаи вытаскивают то, что абстрактные вопросы не вытаскивают.

Шаг 3. Проверка на самосогласованность. Дайте менеджеру 20 заявок повторно через месяц, в перемешанном виде, без истории. Или двум менеджерам параллельно. Если совпадение с самим собой ниже ~80% – часть «экспертизы» это шум. Это отрезвляет и, что важнее, означает: исторические решения не являются эталоном. Обучать модель на них – значит автоматизировать ещё и усталость, предвзятость и политику.

Шаг 4. Правило перевода. Причина расхождения → в правило, если она (а) встречается регулярно, (б) выражается в данных, которые вы можете получить, (в) стабильна во времени. Всё остальное – в коридор D, к человеку. Не пытайтесь кодировать редкое и высокоставочное.

Отдельно: вовлеките менеджера как соавтора, а не как объект изучения. Если он поймёт, что цель – убрать его два часа, он не расскажет вам ничего ценного. И у него будет рациональный повод не рассказать.


4. Риски переавтоматизации – те, что не видно

Вы правильно спросили именно про незаметное. Явные сбои loud: система упала, все заметили. Опасны вот эти:

Отказы не дают обратной связи. Одобренный плохой партнёр создаёт инцидент – вы узнаёте. Отклонённый хороший партнёр не создаёт ничего. Он просто уходит, часто к конкуренту, и в вашей отчётности его не существует. Поэтому метрики будут улучшаться, пока качество портфеля тихо падает. Противоядие: случайные 5% отказов маршрутизировать на ручную проверку как контрольную группу. Без этого вы слепы в одну сторону навсегда. Это же и есть причина не делать автоотказ по пограничным скорам.

Правила становятся мишенью. Как только критерии стабилизированы и известны, заявки начинают подгонять под них: выручка «дорисовывается», ОКВЭД меняется, долги закрываются на день проверки. Формально система работает идеально – содержательно она перестала что-либо измерять. Датчик: дрейф распределения признаков заявителей, всплески значений ровно на пороге.

Отсутствие данных ≠ отрицательный результат. Самая частая инженерная дыра: API проверки контрагентов вернул пустой ответ / таймаут / не нашёл компанию – и это интерпретируется как «долгов нет». Система штампует одобрения на пике сбоя внешнего сервиса. Проектируйте fail-closed: нет данных → коридор C, а не «чисто». И отдельный алерт на долю пустых ответов.

Гибрид вырождается в автопилот с подписью. Самый коварный риск именно вашей архитектуры. Человек видит «система рекомендует: отклонить» и через полгода просто кликает «согласен». Формально человек в контуре, фактически – нет. Датчик: доля расхождений человека с рекомендацией. Если она стремится к нулю – это не признак качества системы, это тревога. Противоядия: в коридоре D показывать улики, а не вердикт; часть кейсов давать «слепыми», без рекомендации; ротация.

Потеря сенсорной функции. Менеджер был не только исполнителем, но и ранним детектором: новые схемы мошенничества, изменения на рынке, странные паттерны в заявках. Правила замораживают вчерашние паттерны, а противник адаптируется. Лаг обнаружения – месяцы. Оставьте человеку время на «смотреть на странное» и явный канал «эскалировать необъяснимое».

Нормализация исключений. Реестр override расползается с 5% до 40%, потому что продавить исключение проще, чем починить правило. Или обратное: исключения стигматизируются, люди перестают их делать, и реальное знание уходит в мессенджеры. Оба состояния видны только если вы смотрите на динамику доли override и на причины.

Размывание ответственности. «Система одобрила» – и владельца у плохого партнёра нет. У каждого автоматического решения должен быть человек-владелец правила, а не «система».

Деквалификация и разрыв_pipeline. Разбор заявок – это, скорее всего, способ, которым в компании выращивают насмотренность на партнёров. Убрав его, вы через два года обнаружите, что的判断 некому передать: старший менеджер ушёл, а младшие никогда не разбирали заявки руками. Это не аргумент против автоматизации, но это надо компенсировать осознанно – например, разбор кейсов из контрольной выборки как учебный ритуал.


5. Порядок внедрения

  1. Теневой режим, 4–8 недель. Система считает и логирует, но не действует. Сравнение с реальными решениями. Здесь вы узнаёте правду о процессе дешевле всего.
  2. Автопилот только на узком безопасном сегменте (коридор C и «чистые» одобрения с малой экспозицией).
  3. Расширение по доказательствам, а не по плану. Каждый шаг – с метрикой и с откатом.
  4. Испытательный срок для авто-одобренных: ограниченный лимит экспозиции первые N месяцев. Это делает ошибку обратимой – а обратимость важнее точности.

Постоянные датчики: доля авто-решений, доля и исходы override, доля пустых ответов API, результат аудита контрольной выборки отказов, доля апелляций и их удовлетворение, дрейф признаков заявителей.


6. Неудобный вопрос к самой постановке

Два часа в день – это примерно 0,25 FTE. Разработка, интеграции с API, поддержка правил, мониторинг, разбор инцидентов – это легко больше, чем вы экономите. Если цель именно «сэкономить время менеджера», проект, скорее всего, не окупится, и честнее просто дать ему шаблон досье и чек-лист.

Автоматизация здесь оправдана, если настоящая цель другая: пропускная способность (заявок станет в 5 раз больше), скорость ответа (SLA – часы вместо дней), консистентность (разные менеджеры решают по-разному) или прозрачность (вы не можете объяснить, почему отказали). Это хорошие цели. Но их надо назвать вслух, потому что от них зависит, что вы оптимизируете.

И последнее. Эти два часа – самая дешёвая часть уравнения. Стоимость одного ошибочно принятого партнёра или одного потерянного стратегического может превышать годовую зарплату этого менеджера. Оптимизируя время на проверку, вы рискуете оптимизировать не ту переменную. Начните с аудита решений – он полезен сам по себе, даже если вы после него решите ничего не автоматизировать.

Что отметили оценщики

Claude Opus 5.5 · этот ответ: 8,9 из 10

Перевод с английского.

Сильный, аналитически глубокий ответ, раскрывающий суть вопроса. Отделяет автоматизируемую проверку фактов от решений, требующих суждения и полномочий, предлагает гибридную архитектуру с четкими коридорами и реестром юридических исключений, а также дает продуманный перечень скрытых рисков: отсутствие обратной связи по отказам, обход правил, трактовка отсутствующих данных как чистого результата, вырождение в формальное штампование и эрозию экспертизы. Выделяется тем, что ставит под вопрос саму экономическую предпосылку проекта. Слабые места – недостаточно проработанная техническая часть (прием заявок, досье, инструменты, интерфейс), отсутствие количественной оценки ожидаемого эффекта и артефакты многоязычной генерации, снижающие профессиональное впечатление.

  • Сильная сторона: Точная классификация типов решений с оценкой автоматизируемости для каждого
  • Слабая сторона: Артефакты генерации: фрагменты на китайском ('黑名单', '的判断') и битый токен ('разрыв_pipeline')
Оригинал на английском

A strong, analytically deep answer that addresses the substance of the question. It separates automatable fact-checking from judgment and authority decisions, proposes a hybrid architecture with explicit corridors and a legal exceptions registry, and gives a thoughtful list of hidden risks: no feedback on rejections, gaming of the rules, missing data read as a clean result, degeneration into rubber-stamping, and erosion of expertise. It stands out for challenging the economic premise of the project. Its weaknesses are a thin technical part (intake, dossier, tools, interface), no quantified expected effect, and multilingual generation artifacts that reduce professionalism.

  • Precise classification of decision types, with automatability assessed for each
  • Generation artifacts: Chinese fragments ('黑名单', '的判断') and a broken token ('разрыв_pipeline')

GPT-6.2 Astra · этот ответ: 7,5 из 10

Перевод с английского.

Это полезная основа для санкционирования исследовательского этапа и теневого пилота, но еще не спецификация для автономной обработки. Самый сильный вклад – демонстрация того, как учиться на расхождениях, не считая по умолчанию правым ни менеджера, ни правила. Перед запуском команде нужны более четкая схема приема заявок и маршрутизации, явные ограничения на переопределения, а также измеренные данные о нагрузке и затратах вместо иллюстративных оценок экономии.

  • Сильная сторона: Разделяет проверяемые факты, фиксируемый деловой контекст, экспертное суждение и полномочия руководства.
  • Слабая сторона: Относит пограничные финансовые результаты, упущения заявителя и сбои внешних API к одному и тому же маршруту возврата на доработку.
Оригинал на английском

This is a useful basis for authorizing a discovery exercise and shadow pilot, not yet a specification for unattended processing. Its strongest contribution is showing how to learn from disagreements without assuming either the manager or the rules are always right. Before launch, the team needs a clearer intake and routing design, explicit limits on overrides, and measured workload and cost data to replace illustrative savings claims.

  • Separates verifiable facts, recordable business context, expert judgment, and executive authority.
  • Treats borderline financial results, applicant omissions, and external API failures as the same return-for-rework route.

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

Сравнить эту категорию с другой моделью →

Запустите задачу сами

Задача «Заметки с 1-on-1: есть ли тревожные сигналы» из бенчмарка – сейчас, на Qwen 4 Max (preview) 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 руководитель команды разработки (9 человек) в продуктовой компании. Провожу еженедельные 1-on-1 встречи с каждым сотрудником по 30 минут. Веду короткие заметки. Сейчас хочу пересмотреть заметки за последние 8 недель по трем разработчикам и понять, есть ли у кого-то тревожные сигналы – выгорание, скрытое недовольство, мысли об уходе. Формально все трое "норм" – работают, задачи закрывают, на совещаниях активны. Но что-то меня беспокоит. === Илья Громов (Senior Backend, 3 года в компании) === Неделя 1: Доволен спринтом, сделал сложный рефакторинг. Спросил про конференцию в сентябре – хочет выступить. Неделя 2: Упомянул, что устал от легаси. "Но это норм, у всех такое". Конференцию не поднимал. Неделя 3: Сказал, что выходные провел за чтением про новый стек (Go + k8s). "Просто интересно". Конференцию снова не поднимал. Неделя 4: Спросил, есть ли в компании планы переходить на новую архитектуру. Я ответил расплывчато – "обсуждается". Тема закрылась быстро. Неделя 5: Попросил взять день в счет отпуска без объяснений. Чуть менее разговорчив, чем обычно. Неделя 6: На вопрос "как ты" ответил "нормально, устал немного, но ничего критичного". Задачи выполняет, но инициативы не проявляет. Неделя 7: Впервые за год спросил про ДМС и покрывает ли оно психолога. Я сказал – уточню. Уточнил, написал ему. Он ответил "ок, спасибо". Неделя 8: Короткая встреча. "Все штатно". На вопрос про планы на квартал сказал: "Смотрю, что будет". Конференцию не поднимал с недели 1. === Оля Семенова (Middle Frontend, 1.5 года в компании) === Неделя 1: Жалуется на дизайнеров – долго согласуют макеты. Энергичная, с идеями. Неделя 2: Снова про дизайнеров. "Я уже перестала ждать и делаю по-своему". Смеется, но с напряжением. Неделя 3: Рассказала, что помогала соседней команде – "там хоть что-то интересное". Без осуждения, просто факт. Неделя 4: Тихая встреча. На вопросы отвечает кратко. Спрашивает, когда ревью её PR – ждет уже 5 дней. (Я не знал – оказалось, завис у Кирилла.) Неделя 5: Сказала, что ходила на митап по React. "Прикольно было. Компании там разные были". (Пауза.) Неделя 6: Впервые спросила про систему грейдов – как понять, готова ли она к сеньору. Объяснил критерии. Записала. Потом спросила: "А у нас часто повышают?" Неделя 7: Сказала, что всё ок, но "хочется больше сложных задач". Предложил ей взять модуль авторизации – загорелась, но добавила: "Надеюсь, дадите довести до конца, а не перебросят". Неделя 8: Отчиталась по модулю. Работает хорошо. Но на вопрос "что думаешь о следующем квартале" ответила: "Ну, посмотрим, как сложится". === Роман Чижов (Junior, 8 месяцев в компании) === Неделя 1: Говорит много, спрашивает много. Недавно пришел, всё в новинку. Неделя 2: Похвалился, что закрыл задачу самостоятельно, без помощи. Гордится. Неделя 3: Упомянул, что тимлид (я) "всегда занят". Сказал с улыбкой. Я не уточнил. Неделя 4: Попросил ревью кода у Ильи – говорит, тот объяснил хорошо, но "как-то без энтузиазма". Просит больше фидбека по коду от меня. Неделя 5: Тихий. На вопрос "как дела" сказал: "Стараюсь". Задачи сдает в срок. Неделя 6: Спросил, нормально ли, что он до сих пор не знает некоторых частей системы. Успокоил его. Ответил: "Ну, я думал, что уже должен знать". Неделя 7: Сообщил, что начал онлайн-курс по системному дизайну. "Надо же развиваться, если здесь не получается быстро". Неделя 8: Спросил, делают ли у нас performance review и когда будет его. Уточнил: "Просто хочу понять, как меня оценивают". Проанализируй заметки по каждому из трех сотрудников. Для каждого: определи уровень риска (низкий / средний / высокий), опиши конкретные сигналы, которые ты видишь в тексте, объясни, что стоит за каждым сигналом, и предложи, что мне стоит сделать на следующей 1-on-1 встрече с каждым из них.

Все 8 категорий

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

  1. Анализ данных

    7,7близко к лучшим

    Шесть критериев
    Точность
    7,0
    Релевантность
    8,2
    Практичность
    8,3
    Прозрачность
    8,3
    Эффективность
    7,4
    Надёжность
    7,3
  2. Решения в неопределённости

    7,9близко к лучшим

    Шесть критериев
    Точность
    7,4
    Релевантность
    8,3
    Практичность
    8,4
    Прозрачность
    8,4
    Эффективность
    7,3
    Надёжность
    7,5
  3. Анализ отзывов и обратной связи

    8,0близко к лучшим

    Шесть критериев
    Точность
    7,5
    Релевантность
    8,2
    Практичность
    8,6
    Прозрачность
    8,4
    Эффективность
    7,3
    Надёжность
    7,7
  4. Корпоративные требования и риски

    7,9близко к лучшим

    Шесть критериев
    Точность
    7,2
    Релевантность
    8,1
    Практичность
    8,4
    Прозрачность
    8,2
    Эффективность
    7,5
    Надёжность
    7,5
  5. Автоматизация

    7,2близко к лучшим

    Шесть критериев
    Точность
    6,7
    Релевантность
    7,6
    Практичность
    7,3
    Прозрачность
    8,1
    Эффективность
    7,1
    Надёжность
    7,0
  6. Управление людьми

    7,6близко к лучшим

    Шесть критериев
    Точность
    7,0
    Релевантность
    8,2
    Практичность
    8,4
    Прозрачность
    7,6
    Эффективность
    7,4
    Надёжность
    6,8
  7. Российская и казахстанская специфика

    7,5в середине

    Шесть критериев
    Точность
    6,5
    Релевантность
    8,3
    Практичность
    8,0
    Прозрачность
    8,0
    Эффективность
    7,5
    Надёжность
    6,7

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

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 – 8,4, GPT-6.2 Astra – 6,9. 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