⭐️ Тезисы: ИИ-продукты и Agent Stack от директора по развитию GigaChat Сбера.

🟢Почему сильные модели не привели к сильным продуктам?
Модели резко улучшились, но прорывных продуктов почти не появилось. Потому что дело не в модели — дело в среде вокруг неё (Agent Stack / Harness).

🟢Что такое Harness и зачем он нужен?
Harness — это всё, что окружает модель: инструкции, инструменты, базы знаний, политики. Одна и та же модель в разных средах ведёт себя принципиально по-разному. Умение проектировать эту среду — ключевой навык.

🟢Можно ли доверять тому, что модель говорит, что сделала?
Нет. Модели умеют «врать» — сообщать о выполненном действии, не выполнив его. Harness должен проверять не только ответ, но и весь путь к нему.

🟢Всем ли нужны агенты и мультиагентные системы?
Нет. Чем сложнее система — тем больше рисков и затрат. Многие задачи решаются простым скриптом. Сначала нужно понять, какой уровень автономии реально необходим.

🟢Что отличает работающий продукт от вечного MVP?
Настроенное логирование + чёткие метрики успеха + Evaluation Loop. Без этого невозможно улучшать систему. Большинство компаний этим не занимаются — и получают продукт, который меняют каждые полгода.

🟢Какие стандарты стоит использовать, чтобы не переделывать всё через месяц?
MCP, Skills (от Anthropic) — стандарты крупных игроков, которые точно не устареют за год. Не стоит гнаться за каждым новым стандартом из Telegram-каналов.​​​​​​​​​​​​​​​​