| Уровень | Аналогия (вождение) | В работе с AI |
|---|---|---|
| L0 · Manual | Нет автоматизации, ты контролируешь всё | AI не используется в рабочих процессах |
| L1 · Assistive | Круиз-контроль, подсказки на полосе | Черновики через ChatGPT от случая к случаю |
| L2 · Partial | Машина рулит и разгоняется, ты наблюдаешь | Общие AI-воркфлоу, есть постоянный контекст |
| L3 · Conditional | Едет по трассе сама, ты — на сложных участках | Процессы перестроены вокруг AI; человек — судья по исключениям |
| L4 · High | Едет сама почти везде | Маленькая команда + AI = 10x результата |
| L5 · Full | Руль не нужен | Мультиагентные системы, человек — на контрольных точках |
Итоговый уровень = самая слабая ось. Высокие показатели по отдельным осям не повышают итоговый уровень, если есть критически слабая ось.
Логи чатов и скрины → данные кейса «ЭкоЧист» → анкета. Данные анкеты верифицируются практикой.
| Сотрудник | Доля задач | Архитек- тура | База данных | Скиллы | Знание моделей | ИТОГ |
|---|---|---|---|---|---|---|
| Иван АндроновСотрудник | L2 | L1→L2 | L1→L2 | L2 | L2 | L1→L2 |
| Сергей НезговоровСобственник / CEO | L1 | L1 | L1 | L0 | L0 | L0→L1 |
«Архитектура и экосистема» не поднимается выше переходного уровня ни у одного из сотрудников. Работа с API, low-code инструментами автоматизации (Make/Zapier/n8n) и сквозными пайплайнами без ручного переноса данных не зафиксирована ни у Ивана, ни у Сергея.
Иван Андронов — наиболее развитый профиль команды: итоговый уровень L1→L2. Оси «Доля задач», «Скиллы промпт-инжиниринга» и «Знание моделей и верификация» устойчиво подтверждены на L2 всеми источниками; ограничивающий фактор — ручной перенос результатов между AI, файлами и серверной инфраструктурой.
Сергей Незговоров — переходный уровень L0→L1. Три оси («Доля задач», «Архитектура», «База данных») — на уровне L1, при этом оси «Скиллы промпт-инжиниринга» и «Знание моделей и верификация» стабильно на L0 во всех источниках: постановка задачи ограничивается короткой командой без структуры, результаты модели используются без самостоятельной проверки.
У обоих сотрудников вся работа с AI сосредоточена в диалоговом окне чата: перенос данных между AI, файлами, ERP и серверной инфраструктурой выполняется вручную. Ни у одного не зафиксировано использование low-code интеграторов (Make/Zapier/n8n) или сквозного автоматизированного обмена данными.
Оси «Доля задач», «Скиллы промпт-инжиниринга» и «Знание моделей и верификация» устойчиво на L2 по всем источникам: системная постановка технических заданий, самостоятельная проверка расчётов, работа с расширенным стеком инструментов. Ограничивающий фактор — ручной перенос результатов между AI-инструментами и серверной инфраструктурой (оси «Архитектура» и «База данных» на переходном уровне L1→L2).
Оси «Скиллы промпт-инжиниринга» и «Знание моделей и верификация» стабильно на L0 во всех трёх источниках: задачи формулируются короткими командами без структуры «роль + задача», результаты принимаются без самостоятельной проверки расчётов. При этом регулярность применения AI и организация диалогов по проектам соответствуют уровню L1 по остальным трём осям, формируя переходную оценку L0→L1.
/honexauto-onboarding/context-engineering/daily-log/atomize/reflect/software-factory/harness/candidate-research/eval/multi-agent/agent-retro/council/autoresearch/n8nВ кейсе «ЭкоЧист» проведён детальный аудит финансовых показателей: выявлены математические ошибки в пересчёте расходов, показана убыточность B2B-направления при заданных ценах, зафиксированы несоответствия в данных маркетингового исследования. Выявленные несоответствия систематически передаются модели для пересчёта, итоговый результат оформляется в структурированном виде.
Перенос данных между AI, файлами, терминалом и серверной инфраструктурой выполняется вручную. Сквозная автоматизация между AI-инструментами и ERP-системой не выстроена — это ограничивающий фактор осей «Архитектура» и «База данных».
Итоговый уровень L1→L2. Оси «Доля задач», «Скиллы промпт-инжиниринга» и «Знание моделей и верификация» устойчиво подтверждены на уровне L2 всеми тремя источниками. Оси «Архитектура и экосистема» и «База данных и контекст» — на переходном уровне L1→L2 и выступают ограничивающим фактором итоговой оценки.
Ключевая зона развития — подключение low-code инструментов автоматизации (Make/Zapier/n8n) и настройка сквозного обмена данными между AI-инструментами и ERP-системой для перехода от ручного переноса результатов к автоматизированным пайплайнам.
| Ось | Уровень | Комментарий аудитора |
|---|---|---|
| Доля задач через AI | L2 | Регулярная автоматизация ключевых рабочих задач: интеграция 1С с ERP-системой, модернизация ERP, интеграция Avito с ERP, написание и редактирование кода. Интенсивность применения — более 10 запросов в день. |
| Архитектура и экосистема | L1→L2 | Используется расширенный стек инструментов: ChatGPT Pro (личная подписка), Claude Code/Cursor, генераторы изображений (Flux, Midjourney). Работа с low-code интеграторами (Make/Zapier) и сквозные автономные пайплайны пока не задействованы. |
| База данных и контекст | L1 | Подключение документов и таблиц происходит на базовом уровне — прямой загрузкой файлов в окно диалога. Концепция RAG и протокол MCP не применяются. |
| Скиллы промпт-инжиниринга | L2 | Запросы формулируются с указанием роли и контекста, применяются примеры вывода (few-shot) и пошаговое рассуждение (Chain-of-Thought). Используется декомпозиция задач и ведение многоступенчатых итерационных диалогов. |
| Знание моделей и верификация | L2 | Различает модели по классу задач (ChatGPT, Claude, Gemini, Sonnet/Haiku). AI применяется для генерации кода и идей; критичная информация проверяется по независимым источникам. |
| Ось | Уровень | Комментарий аудитора |
|---|---|---|
| Доля задач через AI | L2 | В логах зафиксировано более 20 задач различной сложности: проектирование парсера Avito, B2B-кабинет, учёт возвратов по ДВС, алгоритмы расчёта неснижаемых остатков, настройка Linux VPS, развёртывание MTProto proxy. AI системно встроен в ежедневные рабочие процессы. |
| Архитектура и экосистема | L1 | Сложная логика (скрипты Playwright, API-интерфейсы, TOML-конфигурации, веб-панели, команды Bash/SSH) генерируется внутри диалогового окна. Перенос, тестирование и развёртывание результатов на серверах выполняется вручную. Автоматический обмен данными между AI и ERP без участия пользователя не настроен. |
| База данных и контекст | L1 | Данные (структуры БД, фрагменты JSON/CSV, конфигурации серверов) передаются непосредственно в контекстное окно чата. Постоянные базы знаний (RAG) или векторные хранилища не подключены. |
| Скиллы промпт-инжиниринга | L2 | Технические задания формулируются с чёткими ограничениями и требованиями: исключение персональных данных из парсинга, вынесение паролей в переменные окружения (.env), пошаговые инструкции под конкретную операционную среду (macOS + Terminal). Архитектура усложняется поэтапно, через последовательные итерации. |
| Знание моделей и верификация | L2 | Соблюдаются требования безопасности: токены и SSH-реквизиты маскируются в отчётах. Контролируются синтаксические ошибки (в том числе проблемы с неразрывными пробелами в Bash-командах), код тестируется перед развёртыванием. |
| Ось | Уровень | Комментарий аудитора |
|---|---|---|
| Доля задач через AI | L1→L2 | Модели делегированы финансовый аудит, проверка P&L, оценка юнит-экономики и анализ несоответствий в данных. Работа носит характер разового проектного анализа, не закреплённого как регулярная практика. |
| Архитектура и экосистема | L1→L2 | Выстроена последовательная цепочка обработки: выгрузка финансовых моделей и таблиц Excel → обработка в ChatGPT → генерация итогового структурированного файла (9 листов) с разбором ограничений и планом действий. Перенос данных между этапами выполняется вручную, сквозной автоматизированный пайплайн не выстроен. |
| База данных и контекст | L1→L2 | В контекст модели передан полный пакет исходных документов: финансовая модель, данные о загрузке команды, лиды, исследование рынка. Работа ведётся с полным набором данных, однако сборка базы под конкретную задачу выполняется вручную. |
| Скиллы промпт-инжиниринга | L2 | Сформировано детальное техническое задание для повторной итерации модели: по пунктам зафиксированы расчётные несоответствия (некорректная база расчёта маркетинговых расходов WB/Ozon, несовпадение периодов аренды и операционных расходов, отсутствие логистических затрат WB, ошибка в расчёте маржинальности 29%). |
| Знание моделей и верификация | L2 | Выявлены и зафиксированы несоответствия в предыдущих отчётах: пересчитана валовая маржа продукта (при B2B-ценах 350–480 руб. показана убыточность в диапазоне от –45,7% до –6,3%), выявлены отсутствующие в реальности конкуренты в маркетинговом исследовании, верифицированы фактически существующие компании отрасли. |
AI используется ежедневно для управленческих и аналитических задач: расчёты по ВЭД, аналитика по Avito, сведение УПД, формирование требований к ERP-разработчику. Диалоги структурированы по проектам и папкам, что облегчает возврат к материалам по конкретным темам.
Оси «Скиллы промпт-инжиниринга» и «Знание моделей и верификация» стабильно на L0 во всех источниках: задача передаётся модели единым массивом файлов с одной верхнеуровневой формулировкой, без предварительной роли, ограничений или декомпозиции. Результат принимается по внешнему виду (структурированная таблица, развёрнутый текст) без самостоятельного пересчёта.
Итоговый уровень L0→L1. Три оси из пяти («Доля задач», «Архитектура», «База данных») устойчиво на уровне L1 во всех источниках. Оси «Скиллы промпт-инжиниринга» и «Знание моделей и верификация» стабильно на L0 — без признаков постановки роли/задачи или самостоятельной проверки результата ни в одном из источников. Переходная оценка отражает соотношение сильных и слабых осей (3 к 2), а не смешанные сигналы внутри самих слабых осей.
Ключевая зона развития — формирование запроса через явное указание роли, ограничений и пошаговой структуры задачи вместо передачи модели неструктурированного массива файлов, а также самостоятельная проверка ключевых расчётов перед принятием решения.
| Ось | Уровень | Комментарий аудитора |
|---|---|---|
| Доля задач через AI | L1 | AI применяется для аналитики продаж, закупок и работы с документами. Запросы направляются ежедневно (4–10 раз в день), задачи носят разовый, несистемный характер. |
| Архитектура и экосистема | L1 | Работа ведётся через веб-интерфейс ChatGPT (личная подписка). Работа с API и low-code инструментами автоматизации (Make/Zapier/n8n) не ведётся, перенос данных между системами выполняется вручную. |
| База данных и контекст | L1 | Концепции RAG и MCP не применяются, корпоративная база знаний отсутствует. Контекст передаётся точечно, ручной загрузкой файлов в окно диалога под конкретную задачу. |
| Скиллы промпт-инжиниринга | L0 | Запросы формулируются как краткие команды без постановки роли или контекста задачи («посчитай», «сделай отчёт»). Кастомные ассистенты, системные промпты и многошаговые сценарии не используются. |
| Знание моделей и верификация | L0 | Различие между моделями не проводится. Факты и расчёты, полученные от модели, принимаются без самостоятельной перепроверки. |
| Ось | Уровень | Комментарий аудитора |
|---|---|---|
| Доля задач через AI | L1 | AI используется для точечных управленческих запросов (расчёт таможенной пошлины, сравнение таблиц) под конкретные задачи собственника. |
| Архитектура и экосистема | L1 | Работа ведётся в рамках браузерного чата. Используется функция папок/проектов ChatGPT для организации диалогов по темам; системные интеграции с другими сервисами не настроены. |
| База данных и контекст | L1 | Контекст формируется разово: файлы загружаются в чат в рамках отдельного диалога. Постоянные базы знаний не подключены. |
| Скиллы промпт-инжиниринга | L0 | Запросы формулируются как открытые вопросы к модели без предварительной структуры («кого мне искать?»), сгенерированный ответ используется как готовая инструкция без дополнительной проработки. |
| Знание моделей и верификация | L0 | Результаты принимаются на основании итогового вида ответа (структурированная таблица, развёрнутый текст) без самостоятельной проверки лежащих в основе расчётов. |
| Ось | Уровень | Комментарий аудитора |
|---|---|---|
| Доля задач через AI | L1 | Аналитическая задача делегирована модели разово, без выстраивания регулярного процесса на основе этого опыта. |
| Архитектура и экосистема | L1 | Работа выполнена в одном диалоговом окне: файлы загружены, получен текстовый результат, скопирован в отдельный документ. |
| База данных и контекст | L1 | Все исходные материалы загружены в контекстное окно единым массивом в рамках одной сессии. |
| Скиллы промпт-инжиниринга | L0 | Задача поставлена одним верхнеуровневым запросом («проанализируй файлы и сделай отчёт») без предварительной роли, декомпозиции или цепочки рассуждений. |
| Знание моделей и верификация | L0 | Самостоятельная проверка расчётов и поиск ошибок не проводились — весь аналитический контроль выполнен моделью без участия сотрудника. |