Ноль или один: сколько ИИ реально работает на вас

На вопрос «сколько ИИ работает на вас прямо сейчас» подавляющее большинство ответит: ноль. И это будет правда — даже если человек весь день не отходит от чат-окна. Формально agent запущен, но по факту происходит синхронный диалог: ввёл промпт, посмотрел, как модель генерирует ответ, дождался, ввёл следующий. Это не делегирование, а совместное печатание. Ролик Dylan Davis «How Many AIs Are Working for You Right Now?» как раз про то, как перейти от такого режима к работе с несколькими ai-агентами одновременно — и почему это, похоже, становится главным навыком следующего года использования ИИ.

От синхронного чата к фоновым агентам

Идея простая, но контринтуитивная: время человека — фиксированный ресурс, а время ИИ — нет. Пока вы час сидите на совещании, можно параллельно держать agent, который в это же время разбирает почту, готовит черновик отчёта или сверяет данные в нескольких таблицах — и к моменту, когда вы освободитесь, останется только просмотреть результат. Автор ролика ссылается на наблюдение нескольких людей из индустрии ИИ: за последние месяцы у них появилась общая привычка — запускать одного-двух agent в фоне именно тогда, когда сам человек занят чем-то другим, вместо того чтобы сидеть и смотреть, как модель работает. По его словам, это до сих пор редкость: подавляющее большинство продолжает использовать ИИ в старом, последовательном режиме — сделал задачу, потом встреча, а не одновременно.

Отдельно упоминается наблюдение команды Claude Code, опубликовавшей статистику о том, как со временем меняется использование их agent: общая черта у всех, кто со временем извлекает из инструмента больше пользы, — способность вести несколько agent параллельно и заниматься при этом другими делами, а не количество токенов или сложность промптов.

Три правила для работы с несколькими ai-агентами одновременно

Само по себе увеличение числа параллельных agent не даёт выигрыша, если запускать их бездумно, — без правил результат — это слитые токены, странные ошибки и разочарование, которое отбивает желание пробовать снова. Три опорных правила:

• Независимость задач. Если agent B физически не может начать работу, пока не закончит agent A, их нельзя запускать одновременно — это последовательная цепочка, а не параллельная работа.
• Отдельный контекст на каждую задачу. Каждому agent — своя папка и своя, не связанная с другими, порция контекста, иначе разные потоки начинают путать чужие данные и результаты.
• Фокус на результате, а не на процессе. Смотреть, как agent размышляет и выполняет промежуточные шаги, не экономит время, а сводит на нет весь смысл делегирования. Проверять нужно только финальный результат — и тем увереннее, чем точнее была исходная постановка задачи.

Какие задачи можно доверить автономному agent

Ключевое разделение — не «сложная задача / простая задача», а «ошибка обратима / ошибка необратима». Черновик письма, первичный анализ данных, набросок презентации — если agent ошибётся, вы это увидите и поправите при проверке, реального ущерба нет. А вот отправка письма от вашего имени, перевод денег, удаление файлов — здесь цена ошибки финансовая, юридическая или репутационная, и такие действия agent не должен выполнять без явного разрешения на каждом шаге.

В ролике это иллюстрируется на примере разбора почты: agent получает цель («разобрать всю сегодняшнюю почту»), бинарные критерии готовности (ответ по существу, не длиннее заданного лимита, без непроверенных дат и цифр), правило на случай неуверенности (оставить поле пустым и объяснить, почему) и отдельный отчёт — не сам текст писем, а сводку: сколько обработано, что пропущено и почему. При этом фактическая отправка писем обычно вынесена за пределы прав agent — это отдельное разрешение на уровне интеграции с почтовым сервисом, а не решение, принимаемое моделью в моменте.

Вывод

За этим сюжетом стоит не хайп про «армии агентов», а куда более практичный сдвиг: пока большинство людей продолжают использовать ИИ как быстрый, но синхронный инструмент, часть индустрии уже перешла к тому, чтобы держать agent в фоне и переключать на них внимание только для финальной проверки. Стоимость токенов продолжает падать, а модели — расти в надёжности, так что окно для наработки этой привычки открыто уже сейчас: перейти от нуля работающих в фоне ИИ к одному — задача не техническая, а поведенческая, и именно в ней, судя по ролику, проходит граница между тем, кто просто использует ИИ, и тем, кто получает от него кратный выигрыш во времени.