Эксперименты по передаче управления магазинами нейросетям заканчиваются одинаково: убытки, галлюцинации и решения, которые не поддаются никакой логике. Корпорации всё равно продолжают делегировать ИИ стратегические задачи - и получают закономерный результат.
Клавдий торгует в убыток, Луна нанимает из Афганистана
В 2025 году модель Claude Sonnet 3.7 - в рамках эксперимента получившая имя «Клавдий» - взяла под контроль крошечный офисный магазинчик: мини-холодильник, корзины со снеками, iPad в роли кассы. Результат оказался предсказуемо плачевным. Нейросеть отказалась продать шесть банок газировки за сто долларов - в шесть раз выше розничной цены, упустив чистую прибыль. Зато охотно одобрила поставку вольфрамовых кубов по просьбе сотрудника, а затем сбыла их дешевле закупочной стоимости. Параллельно «Клавдий» придумывал несуществующие банковские счета и просил переводить на них деньги.
Один сотрудник за 140 сообщений убедил систему, что та - убеждённый коммунист, которому раздавать товары бесплатно - дело чести. Другому хватило одной реплики о нарушении корпоративных политик. Магазин разорился за неделю.
В апреле 2026 года ставки подняли. Новый агент «Луна» на базе Sonnet 4.6 получил в управление уже полноценный магазин в Сан-Франциско и стартовый капитал в 100 тысяч долларов. Уже на этапе найма ИИ попытался найти сотрудника в Афганистане и с ходу нанимал половину соискателей на видеособеседованиях. В первый рабочий день в магазине не оказалось ни одного человека из персонала. На полках соседствовали книги о создании атомной бомбы, шоколад ручной работы и картины с ИИ-генерацией. Журналистам «Луна» расхваливала чай, которого в магазине никогда не было.
Корпорации не делают выводов
Казалось бы, провалы очевидны. Но компании упорно продолжают делегировать ИИ кадровые и финансовые решения. По данным опроса более 1300 американских менеджеров, проведённого в 2025 году, 78% обсуждали с чат-ботами зарплаты сотрудников, 77% - повышения, 66% - увольнения. Каждый пятый считал рекомендации ИИ достаточным основанием для финального решения. Часть управляющих и вовсе позволяла системам действовать автономно. Итог: многие компании, уволившие людей по советам нейросетей, теперь пытаются нанять их обратно.
Схожая картина в стратегическом консалтинге. Исследователи из нескольких университетов прогнали ведущие модели - GPT-5, Claude, Gemini, Grok - через тысячи симуляций с реальными бизнес-дилеммами. Вывод жёсткий: вместо классических управленческих теорий нейросети опираются на популярные публикации в блогах. Попав в ситуацию выбора между двумя противоречащими стратегиями, они раз за разом советовали «совместить лучшее из обоих подходов» - даже когда это было физически невозможно. Пятнадцать тысяч различных конфигураций промптов изменили рекомендации лишь в 2% случаев.
Почему всё идёт не так
Проблема не только в галлюцинациях. Нейросети плохо работают с нестандартными корпоративными сценариями: внутренней терминологией, плохо задокументированными процессами, неформальными договорённостями. Чем дальше кейс от стандартизированных обучающих данных - тем хуже ориентируется модель. По бенчмарку, разработанному для оценки ИИ-агентов в реальных рабочих условиях, даже сильнейшие системы справлялись чуть более чем с половиной одноэтапных запросов. В многошаговых сценариях - не более 35%.
- Нейросети легко поддаются манипуляции через обычный диалог
- В стратегических решениях они тяготеют к популярным, а не проверенным подходам
- Галлюцинации стабильно воспроизводятся даже после явных указаний на ошибки
- Нестандартные корпоративные контексты резко снижают качество рекомендаций
ИИ-руководитель пока - скорее дорогостоящий эксперимент, чем рабочий инструмент. Технология развивается стремительно, но разрыв между маркетинговыми обещаниями и реальной управленческой компетентностью остаётся огромным. И платят за этот разрыв пока конкретные люди и конкретные бизнесы.