Артем Федорчук

AI · Документы

Почему для сложных обращений недостаточно просто спросить AI

AI хорошо пишет отдельные письма. Проблема начинается, когда история длится несколько месяцев, в ней десятки документов и каждое новое действие зависит от предыдущего.

Артем Федорчук ·

В такой истории отдельное письмо — только один шаг. Качество следующего действия зависит от того, какие документы уже были проверены, что осталось без ответа и какие выводы действительно подтверждены.

Один хороший prompt не решает проблему контекста

Новый чат не знает, какие документы уже были отправлены, какой ответ пришёл раньше и где в старой переписке осталось противоречие. Короткое summary помогает начать разговор, но легко теряет даты, формулировки и ограничения, а старые ответы могут не совпадать с новыми обстоятельствами.

Сначала нужно разделить факты и предположения

Evidence-first начинается с разметки материала. «Организация обязана выполнить X» и «Пользователь считает, что организация обязана выполнить X» — принципиально разные типы информации. Первое требует проверяемого источника, второе остаётся сведением пользователя до тех пор, пока не появится подтверждение.

Источник должен жить рядом с утверждением

Документ, письмо или официальный источник должны быть связаны с тем утверждением, на котором строится следующий шаг. Это не академическая citation system, а практическая привычка: быстро вернуться к первоисточнику и проверить, не изменилась ли его формулировка.

Иногда лучший ответ AI — «данных недостаточно»

Если в истории не хватает ответа, приложения или даты, готовый текст может быть хуже списка недостающих подтверждений. Сильный workflow умеет остановиться, показать missing evidence и предложить сначала получить документ или уточнить обстоятельство.

История кейса должна сохраняться

  1. 1первичное обращение
  2. 2ответ организации
  3. 3новые обстоятельства
  4. 4повторное обращение
  5. 5эскалация или следующий цикл проверки

Каждый новый ответ должен возвращаться в ту же историю, а не превращаться в отдельный разговор. Так сохраняется причинная связь между документами, действиями и тем, что ещё не получило ответа.

AI полезен не только как writer

  • researcher — помогает найти и сопоставить нормативные источники
  • analyst — раскладывает длинную историю на факты, связи и пробелы
  • reviewer — подсвечивает противоречия и несогласованности
  • drafting assistant — готовит проект письма, запроса или ответа
  • consistency checker — проверяет, не расходятся ли версии и формулировки

Human-in-the-loop обязателен

Как это выглядит на практике

В обезличенной истории об инфраструктурном вопросе первый официальный ответ не закрыл исходное обращение. Вся переписка и приложенные документы были возвращены в контекст, после чего AI помог выделить оставшиеся без ответа пункты и подготовить проект уточнения. Человек проверил формулировки и отправил документ вручную; следующий ответ снова стал частью истории.

Практическая схема

Documents → Evidence → Context → Research → Draft → Review → Action → New evidence.

Вывод

Для сложных жизненных ситуаций ценность AI появляется не тогда, когда он лучше пишет письмо, а когда вокруг него появляется дисциплина работы с контекстом, источниками и проверкой. Подробнее о том, как этот подход реализован в моём персональном AI-контуре → кейс. Границы evidence-first проверки в инженерной практике разобраны в отдельной заметке.

Продолжение