Задача по расписанию в ChatGPT и Claude тихо деградирует: четыре причины и одна строка защиты

Главная опасность запланированных задач ChatGPT и Claude в том, что они не ломаются громко. Обычная программа при сбое выдаёт ошибку. ИИ же пластичен: он обойдёт препятствие, доложит «готово» и пойдёт дальше, даже если сделал не то, о чём вы просили. Консультант Дилан Дэвис за две недели увидел это в четырёх командах и разобрал четыре повторяющихся сценария. Все они сводятся к одному: инструкции, написанные месяц назад, не знают, что мир вокруг изменился.

Почему запланированные задачи ИИ деградируют незаметно

Смысл автоматизации в том, чтобы не проверять результат. Именно поэтому деградацию вы замечаете последним. Инструкции сбрасываются при каждом запуске, а контекст (имена файлов, структура папок, ваши цели) тем временем уходит вперёд. Если в задаче нет защиты от таких изменений, модель заполняет пробелы догадками.

Сценарий 1: ИИ «обновил файл», но файл не тронут

Самый частый случай: кто-то переименовал папку или переместил таблицу, а ИИ вместо правки файла написал итог в чат и отчитался о выполнении. Первое, что стоит проверить, — где живёт задача: на вашем компьютере или в облаке.

• ChatGPT (десктоп): иконка часов слева; значок папки у задачи показывает локальную папку, значок облака — облачное выполнение.
• Claude: в редактировании задачи есть опция «требуется этот компьютер», а поле «работать в папке» привязывает задачу к локальным файлам.

Защита двойная. Во-первых, тестируйте: попросите добавить в таблицу строку «тест» при создании задачи, после перестановок в папках и после крупных обновлений ChatGPT или Claude. Во-вторых, пропишите в промпте жёсткое правило: файл такой-то в папке такой-то нужно изменить напрямую, резюме в чате не считается выполненной работой, а если открыть файл не удалось — остановиться и сообщить одной строкой. Чтобы сообщение не потерялось в чате, подключите коннекторы: Slack, Teams, почту или iMessage.

Сценарий 2: трекер, который только открывает задачи

Если ИИ по заметкам встреч добавляет пункты в трекер, но не закрывает их, список растёт: четыре открытых задачи, потом девять, четырнадцать, девятнадцать. Закрытие часто приходит из другого источника — письма, чата, ответа коллеги. Поэтому в инструкции нужно прямо сказать: перед добавлением пункта проверь почту и чаты на события после даты его создания. И ввести третий статус — «непроверено» — для случаев, когда подтвердить ни открытие, ни закрытие нельзя. Фильтр по такому статусу даёт вам короткий список для ручного разбора, а найденный источник можно добавить в инструкции навсегда.

Сценарий 3: статичный интервал «каждые 7 дней»

Фраза «бери данные за последние 7 дней» ломается, когда ноутбук был выключен во вторник или вы запустили задачу вручную раньше срока. В первом случае день пропадёт, во втором данные продублируются. Решение — журнал выполнения: в конце каждого запуска ИИ дописывает строку с датой, временем и последним обработанным элементом, а в начале читает последнюю строку и продолжает с этого места. По сути, это заметки модели для самой себя.

Сценарий 4: категории, которые «плывут»

Без закрытого списка меток один и тот же расход получает названия «программное обеспечение», «подписки», «инструменты» на трёх соседних неделях. Рецепт: файл labels.txt с допустимыми категориями, правило «используй только метки из него» и выход на случай новых данных — выбрать ближайшую метку и добавить в отчёт предложение новой с обоснованием. Список меняется только после вашего одобрения.

Одна строка, которая ловит все четыре проблемы

Универсальный контроль — начинать каждый отчёт с короткого раздела «Что изменилось в этом запуске» не длиннее пяти строк. В нём ИИ указывает охваченный период, удалось ли изменить файл, какие пункты помечены непроверенными и какие новые метки предложены. Сводку удобно отправлять не в чат, а в Slack или на почту, чтобы заметить сбой в ту же неделю.

Вывод

Запланированные задачи — это не «настроил и забыл», а система с обратной связью. Четыре правила: проверяйте, что файл реально изменён; закрывайте циклы по всем источникам; храните состояние запуска в журнале; ограничивайте модель фиксированным словарём. Добавьте к этому короткий отчёт о том, что изменилось, — и тихая деградация станет заметной.