В июле 2025 года японская телекоммуникационная корпорация NTT представила систему, которая может коренным образом изменить то, как компании работают с человеческими знаниями. Это не просто инструмент для анализа разговоров. Это попытка «оцифровать» логику мышления — то, как живой эксперт принимает решения в реальной ситуации.
Идея проста, но амбициозна: наблюдая за работой опытного сотрудника (например, в службе поддержки), ИИ должен не только записать разговор, но и восстановить структуру мышления. То есть:
Это реализовано на базе языковой модели (LLM), дополненной модулем извлечения смысловых цепочек. Система строит граф принятия решений — диаграмму, отражающую ход мысли эксперта. Этот граф затем можно использовать как:
По заявлению разработчиков, точность выделения ключевых этапов и логики действия достигает 90 %, особенно в рутинных кейсах с вариативной, но повторяющейся структурой (например, поддержка клиентов, техподдержка, HR-консультации).
Почему это важно?
Речь идёт не просто о машинном обучении. Это начало новой практики: "переноса мышления", где ИИ не заменяет человека, а учится у него быть экспертом.
Обучение персонала.
Вместо статичных инструкций — реалистичные кейсы, снятые с лучших сотрудников. Обучение по живой логике, а не по бумажным регламентам.
Автоматизация обслуживания.
Вместо написания чат-бота вручную — загрузка схемы принятия решений, извлечённой ИИ из разговоров настоящих сотрудников.
Передача знаний при увольнении.
Ушёл ценный специалист? Его логика осталась — в виде карты мышления, пригодной для анализа, адаптации, передачи.
Контроль качества.
Сравнение реальных действий сотрудников с "эталонной" логикой поведения. Причём логика создаётся самой системой, а не руководителем на бумаге.
Как это работает технически?
NTT использует модуль на базе собственной языковой модели, вероятно, аналогичной GPT-4 или Claude Sonnet по классу. Однако ключевое отличие — модуль извлечения цепочек с акцентом на когнитивную структуру диалога. Это не просто последовательность фраз, а выделение:
На выходе получается сценарий, построенный не человеком, а машиной на основе наблюдения за человеком.
Дополнительная особенность — возможность адаптации схемы под различные сценарии и роли, например: тот же кейс может быть переупакован под обучение стажёров, автоматизацию в голосовом боте, генерацию инструкций.
Как это связано с глобальными трендами?
В 2025 году сразу несколько компаний работают в похожем направлении:
AWS AgentCore — платформа для создания enterprise-агентов на LLM.
Perplexity Assistant — мобильный агент, умеющий действовать (не просто отвечать).
GitHub Coding Agent — ИИ-программист, обученный на паттернах настоящих разработчиков.
Model Context Protocol (MCP) — стандарт, объединяющий ИИ и внешние системы в одну логику.
Это всё — элементы одного пазла: создание действующих, обучаемых, когнитивных ИИ, которые мыслят в контексте задач, а не просто повторяют ответы.
Что это означает для бизнеса?
Компании смогут моделировать и сохранять экспертность внутри себя — не на уровне данных, а на уровне мышления.
Весь процесс передачи знаний, адаптации новых сотрудников и even создания инструкций будет меняться: от "расскажи, как ты это делаешь" к "система уже извлекла, как ты это делаешь".
Открываются возможности для гибридных команд, где ИИ-агенты работают в связке с людьми, используя ту же логику, ту же информацию, тот же стиль решения задач.
И что дальше?
Это не замена человека. Это появление цифрового преемника. Цифрового сотрудника, который не просто знает, что делать, а понимает, почему это делалось именно так. И вопрос теперь не столько в технологиях, сколько в ответственности:
Как мы передаём ИИ свой опыт — с какими рамками, с какими ценностями?
Что значит "экспертность", если её можно формализовать?
И где проходит граница между помощником и заместителем?
А вы как думаете?
Где для вас проходит линия между полезным ИИ-инструментом и цифровым дублёром? Можно ли (и нужно ли) передавать мышление машине? А если машина начнёт думать лучше?
Поделитесь своим мнением в комментариях — интересно узнать, как вы видите будущее этой технологии.
