# Урок 7: Три способа использования AI — Automation, Augmentation, Agency

> [HTML-версия](https://learnvibecoding.ru/publiclessons/urok-7-tri-sposoba-ispolzovaniya-ai-automation-augmentation-agency) · [Индекс для LLM](https://learnvibecoding.ru/llms.txt) · [Политика использования материалов](https://learnvibecoding.ru/politika-materialov)
> Материалы защищены. Обучение LLM без согласия запрещено. При разрешённом использовании — обязательна прямая ссылка на страницу-источник.

**Курс:** Основы ИИ обновленный

# Урок 7: Три способа использования AI — Automation, Augmentation, Agency

## Контекст

**Ты знаешь что LLM может и не может делать. Но когда ты начинаешь проектировать свой продукт или внедрять AI в процесс, возникает вопрос: КАК именно использовать LLM?**

Ты видишь примеры:
- ChatGPT отвечает на мои вопросы (это один тип использования)
- Автоматическое письмо которое пришло мне в почту (это другой тип)
- Система которая сама решает задачи (это третий тип)

Это не просто разные примеры. Это РАЗНЫЕ СТРАТЕГИИ. И каждая стратегия меняет как ты проектируешь систему.

**Что будешь уметь:**
- Понимать три парадигмы использования AI
- Выбирать правильную парадигму для своей задачи
- Проектировать систему под выбранную парадигму
- Комбинировать парадигмы в одном продукте
- Понимать где заканчивается одна парадигма и начинается другая

**Главное:** Automation, Augmentation, Agency — это не просто 3 слова. Это 3 фундаментально разных способа думать о том как AI вписывается в твой процесс.

---

## Блок 1: AUGMENTATION — AI помогает человеку

### Что это?

**Augmentation** = AI усиливает возможности человека, но решение принимает человек.

```
ПОТОК:
Человек инициирует → AI помогает → Человек решает → Человек действует

ПРИМЕРЫ:
"Помоги мне написать письмо" 
→ LLM генерирует черновик 
→ Я редактирую 
→ Я отправляю

"Объясни как работает фотосинтез"
→ LLM объясняет
→ Я читаю и понимаю
→ Я использую знание

"Помоги найти ошибки в коде"
→ LLM анализирует код
→ Я проверяю предложенные ошибки
→ Я исправляю ошибки
```

### Характеристики Augmentation

| Характеристика | Значение |
|---|---|
| **Кто инициирует?** | Человек |
| **Кто решает?** | Человек |
| **Скорость** | Зависит от человека |
| **Надёжность** | Средняя (человек может ошибиться) |
| **Затраты** | Оплачиваешь API |
| **Масштабируемость** | Ограничена человеческим временем |
| **Примеры** | ChatGPT, Copilot, Cursor |

### Когда использовать Augmentation?

```
✅ ИСПОЛЬЗУЙ AUGMENTATION КОГДА:
- Нужна креативность (человек лучше генерирует идеи)
- Нужна контекст (человек знает нюансы которых нет в LLM)
- Ошибка критична (человек проверит)
- Задача уникальна (человек адаптирует для своего контекста)
- Нужно доверие пользователя (человек видит процесс)

ПРИМЕРЫ:
- Маша пишет текст для своего сайта помощника по готовке
- Петя редактирует ответы чатбота перед публикацией
- Коля использует Cursor для быстрого написания кода
```

### Реальный пример: Augmentation в действии

```
СЦЕНАРИЙ: Маша пишет описание для приложения

Шаг 1. ИНИЦИИРОВАНИЕ (Маша):
"Напиши описание приложения для помощника по готовке
Он помогает выбрать блюда, дает рецепты, список покупок"

Шаг 2. ПОМОЩЬ (LLM):
"Ваш персональный помощник по кулинарии поможет вам
создавать вкусные блюда из того, что есть в холодильнике.
Функции: умный подбор рецептов, инструкции пошагово, список покупок."

Шаг 3. РЕФЛЕКСИЯ (Маша):
"Хм, это звучит как обычное приложение.
Нужно подчеркнуть что он помогает из ТЕХ ИНГРЕДИЕНТОВ ЧТО ЕСТЬ дома.
И что интерфейс очень простой."

Шаг 4. ДОРАБОТКА (Маша + LLM):
Маша: "Переделай, но акцент на что я могу готовить из того что дома.
И неважно что я новичок."

LLM: "Устанете ломать голову что приготовить из того, что есть дома?
Наш приложение за 30 секунд найдет идеальный рецепт. 
Даже если вы никогда не готовили — пошаговые инструкции ясны и просты."

Шаг 5. ПУБЛИКАЦИЯ (Маша):
✅ "Идеально! Вставляю на сайт"

КЛЮЧ: Маша была в центре процесса. Она решала, она рефлексировала, она публиковала.
LLM была помощником.
```

---

## Блок 2: AUTOMATION — AI делает задачу полностью сам

### Что это?

**Automation** = AI полностью берёт на себя задачу. Человек только смотрит результат.

```
ПОТОК:
Система инициирует → AI выполняет → Результат готов → Человек смотрит

ПРИМЕРЫ:
"Каждый день генерировать краткую новость из 10 статей"
→ Система в 9 утра запускается
→ AI обрабатывает статьи
→ AI пишет краткую новость
→ Новость отправляется подписчикам

"Отправить благодарственное письмо каждому новому клиенту в течение 1 часа"
→ Система слушает событие "новый клиент"
→ AI генерирует письмо
→ Письмо отправляется автоматически

"Классифицировать входящие письма спам/не спам"
→ Письмо приходит
→ AI классифицирует
→ Письмо идёт в нужную папку
```

### Характеристики Automation

| Характеристика | Значение |
|---|---|
| **Кто инициирует?** | Система или расписание |
| **Кто решает?** | AI (с предустановленными правилами) |
| **Скорость** | Мгновенная (24/7) |
| **Надёжность** | Высокая (если настроили правильно) |
| **Затраты** | Оплачиваешь за каждый запуск + API |
| **Масштабируемость** | Отличная (масштабируется как система) |
| **Примеры** | Автоматические письма, фильтры спама, рекомендации |

### Когда использовать Automation?

```
✅ ИСПОЛЬЗУЙ AUTOMATION КОГДА:
- Задача повторяется много раз (каждый день, каждый заказ)
- Ошибка некритична или можно исправить (можно пересыпать письмо)
- Правила ясные и стабильные (нет нюансов)
- Нужна скорость (24/7 без человека)
- Нужна масштабируемость (тысячи операций одновременно)

❌ НЕ ИСПОЛЬЗУЙ AUTOMATION КОГДА:
- Каждый случай уникален и нужен контекст
- Ошибка критична (большие деньги, репутация)
- Нужна креативность или особенный стиль
- Нужно доверие клиента (клиент хочет видеть человека)

ПРИМЕРЫ:
✅ Автоматическая классификация спама (ошибка некритична)
✅ Генерация краткой новости каждый день (правила ясные)
❌ Написание важного письма VIP клиенту (ошибка = потеря клиента)
❌ Медицинские рекомендации (жизнь человека на кону)
```

### Реальный пример: Automation в действии

```
СЦЕНАРИЙ: Петя автоматизирует приветственное письмо для новых пользователей

РАНЬШЕ (ручной процесс):
1. Петя видит что зарегистрировался новый пользователь
2. Петя открывает шаблон письма
3. Петя вставляет имя пользователя
4. Петя отправляет вручную
Время: ~5 минут на письмо

СЕЙЧАС (автоматизация с LLM):
1. НАСТРОЙКА (один раз):
```
Событие: новый пользователь
Промпт: "Напиши приветственное письмо для [name]
Они зарегистрировались для помощника по готовке.
Тон: дружеский, энтузиазм."

2. ВЫПОЛНЕНИЕ (автоматически):
Пользователь Маша регистрируется
→ Система вызывает AI: "Напиши письмо для Маши"
→ AI генерирует: "Привет Маша! Добро пожаловать..."
→ Письмо отправляется в течение 1 секунды

3. МАСШТАБ:
100 пользователей в день
Раньше: 100 × 5 мин = 500 минут (8+ часов в день)
Сейчас: 100 письма отправляются за 1-2 секунды
```

КЛЮЧ: Петя настроил правило один раз. Теперь система работает сама. 
Петя может проверить примеры раз в неделю и всё.
```

---

## Блок 3: AGENCY — AI сама принимает решения и выполняет сложные задачи

### Что это?

**Agency** = AI может самостоятельно разбить задачу на шаги, вызвать разные инструменты, приспособиться к обстоятельствам.

```
ПОТОК:
Цель → AI планирует → AI выполняет → AI адаптируется → Результат готов

ПРИМЕРЫ:
"Рассчитай стоимость доставки посылки весом 2кг в Москву"
→ AI понимает что нужна информация о весе и адресе
→ AI вызывает систему расчёта доставки
→ AI получает результат
→ AI возвращает ответ

"Создай макет веб-сайта для продукта Маши"
→ AI понимает что нужны детали о продукте
→ AI может спросить уточняющие вопросы
→ AI использует дизайн-инструменты
→ AI подгоняет результат на основе ответов

"Найди и исправь баг в коде который я прислал"
→ AI читает код
→ AI идентифицирует баг
→ AI может заметить что не хватает информации
→ AI спрашивает уточнения
→ AI предлагает несколько вариантов исправления
```

### Характеристики Agency

| Характеристика | Значение |
|---|---|
| **Кто инициирует?** | Человек (с целью) |
| **Кто решает?** | AI (но адаптируется) |
| **Скорость** | Средняя (AI может переходить между шагами) |
| **Надёжность** | Средняя (AI может ошибиться при плане или выполнении) |
| **Затраты** | Много API вызовов (дорого) |
| **Масштабируемость** | Сложная (нужна обработка ошибок) |
| **Примеры** | Cursor с агентом, AutoGPT, специализированные боты |

### Когда использовать Agency?

```
✅ ИСПОЛЬЗУЙ AGENCY КОГДА:
- Задача сложная и многошаговая
- Нужна адаптация к обстоятельствам
- Нужны разные инструменты
- Нужны уточняющие вопросы
- Выгода от автоматизации большая

⚠️ БУДЬ ОСТОРОЖЕН:
- Ошибки в планировании могут привести к неправильным действиям
- Может потребоваться много API вызовов (дорого)
- Нужна надёжная система обработки ошибок

ПРИМЕРЫ:
✅ Написание большого проекта на Python (Cursor как агент)
✅ Анализ данных из нескольких источников
✅ Диагностика проблемы в системе
❌ Отправка письма (слишком просто, не нужно много шагов)
❌ Критичные решения без человека (слишком высокие ставки)
```

### Реальный пример: Agency в действии

```
СЦЕНАРИЙ: Коля использует Cursor для создания полного приложения

ИНИЦИИРОВАНИЕ:
Коля: "Создай полное приложение для трекера привычек.
Нужна база данных, API, фронтенд. Следи за лучшими практиками."

ПЛАНИРОВАНИЕ (AI):
AI разбивает на шаги:
1. Создать структуру проекта
2. Написать БД миграции
3. Написать API endpoints
4. Написать фронтенд компоненты
5. Настроить аутентификацию
6. Настроить развёртывание

ВЫПОЛНЕНИЕ И АДАПТАЦИЯ:
1. AI создаёт папки: /backend /frontend /database
   → Спрашивает: "Какую БД предпочитаешь? PostgreSQL или SQLite?"
   → Коля отвечает: "PostgreSQL"
   → AI адаптирует следующие шаги

2. AI пишет миграции для PostgreSQL
   → Коля проверяет и говорит: "Нужно добавить поле для напоминаний"
   → AI обновляет миграцию

3. AI пишет API
   → Может заметить что не хватает информации
   → Спрашивает: "Какой формат для уведомлений?"
   → Адаптируется к ответу

4. AI пишет фронтенд
   → Коля говорит "Это не соответствует нашему дизайну"
   → AI переделывает компоненты

РЕЗУЛЬТАТ:
Не просто код, а адаптированный под требования Коли полный проект.

КЛЮЧ: AI не просто выполнила один запрос. 
Она планировала, адаптировалась, задавала вопросы, переделывала.
Это агентское поведение.
```

---

## Блок 4: Сравнение — когда использовать какую парадигму?

### Таблица: Augmentation vs Automation vs Agency

| Аспект | Augmentation | Automation | Agency |
|---|---|---|---|
| **Инициирование** | Человек | Система | Человек (с целью) |
| **Процесс** | AI помогает, человек решает | AI полностью берёт | AI планирует и выполняет |
| **Человеческое участие** | Высокое | Минимальное | Среднее |
| **Примеры** | ChatGPT, Copilot | Автоматические письма, фильтры | Cursor, автоматический аналитик |
| **Скорость** | Зависит от человека | Мгновенная | Средняя (много шагов) |
| **Надёжность** | Высокая (человек проверяет) | Высокая (если правила ясные) | Средняя (может ошибиться в плане) |
| **Стоимость** | Низкая-средняя | Средняя-высокая (много вызовов) | Высокая (много вызовов) |
| **Для уникальных задач** | ✅ Отлично | ❌ Плохо | ✅ Хорошо |
| **Для повторяющихся задач** | ❌ Медленно | ✅ Отлично | ⚠️ Может быть много запросов |
| **Для критичных операций** | ✅ Хорошо (человек проверяет) | ⚠️ Риск | ❌ Не рекомендуется |

### По типам задач

```
ЗАДАЧА: Написать письмо клиенту

AUGMENTATION (Маша):
1. Маша пишет промпт
2. LLM генерирует черновик
3. Маша редактирует
4. Маша отправляет
⏱️ Время: 10-15 минут
✅ Результат: персональное письмо

AUTOMATION (Петя):
1. Система видит "новый клиент"
2. AI генерирует письмо (предустановленный шаблон)
3. Письмо отправляется автоматически
⏱️ Время: 1 секунда
⚠️ Результат: стандартное письмо

AGENCY (Коля):
1. Коля даёт цель: "Напиши письмо клиенту на основе его истории заказов"
2. AI:
   - Спрашивает какая информация нужна
   - Получает данные из БД
   - Анализирует историю
   - Генерирует персональное письмо
3. AI предлагает несколько вариантов
⏱️ Время: 30 секунд - 2 минуты (в зависимости от complexity)
✅ Результат: очень персональное письмо адаптированное к клиенту
```

---

## Блок 5: Комбинирование парадигм в одном продукте

### Пример 1: Помощник по готовке (Маша)

```
AUGMENTATION:
- Когда пользователь пишет: "Помоги мне выбрать блюдо"
- AI предлагает варианты
- Пользователь выбирает

AUTOMATION:
- Каждый день в 17:00 система предлагает "Что приготовить на ужин"
- Система генерирует рекомендацию на основе ингредиентов дома

AGENCY:
- Пользователь говорит: "Я хочу приготовить что-то с курицей, но не суп"
- AI спрашивает: "Сколько времени у тебя есть?" → "Какие ещё продукты?"
- AI анализирует ответы
- AI предлагает 3 рецепта адаптированных к условиям

КОМБИНАЦИЯ:
Разные части приложения используют разные парадигмы:
- Помощник в чате = Augmentation (пользователь инициирует)
- Ежедневные рекомендации = Automation (система инициирует)
- Интеллектуальный поиск = Agency (поиск с уточнениями)
```

### Пример 2: Чатбот поддержки (Петя)

```
AUGMENTATION:
- Оператор видит вопрос клиента
- AI предлагает черновик ответа
- Оператор редактирует и отправляет

AUTOMATION:
- Часто задаваемые вопросы отвечаются автоматически
- "Как вернуть товар?" → автоматический ответ
- "Где отследить заказ?" → автоматический ответ с ссылкой

AGENCY:
- Клиент пишет сложный вопрос
- Система:
  1. Анализирует вопрос (это техподдержка или возврат?)
  2. Ищет в БД историю клиента
  3. Получает информацию о заказах
  4. Генерирует ответ адаптированный к клиенту
  5. Предлагает оператору но может отправить и сама

КОМБИНАЦИЯ:
- Стандартные вопросы → Automation
- Уникальные вопросы → Agency с проверкой оператора
- Срочные вопросы → Augmentation (быстрее)
```

---

## Блок 6: Выбираем парадигму для разных продуктов

![From User to Master: choosing the right AI paradigm](https://nhvwqitwebmmswnjylop.supabase.co/storage/v1/object/public/Pictures%20for%20course/AI%20basics%20new%20course/09_User_to_Master.png)

### Сценарий 1: Маша создаёт помощника по готовке

```
ВОПРОС: Какую парадигму выбрать?

ОТВЕТ: Комбинацию всех трёх

AUGMENTATION (70%):
Основной режим — пользователь общается с AI в чате
Пользователь инициирует, AI помогает

AUTOMATION (20%):
Каждый день в 17:00 система предлагает
"Что приготовить на ужин?"

AGENCY (10%):
Когда пользователь даёт сложный запрос:
"Я хочу приготовить из этих 5 ингредиентов, у меня есть 30 минут,
я на диете, и нужно чтобы было вкусно для 4 человек"

Система анализирует все условия и предлагает рецепт.

ПОЧЕМУ КОМБИНАЦИЯ:
- Основной режим — Augmentation (просто и понятно)
- Ежедневные рекомендации — Automation (удержание пользователя)
- Сложные запросы — Agency (показать мощь приложения)
```

### Сценарий 2: Петя внедряет AI в бизнес

```
ВОПРОС: С чего начать?

ОТВЕТ: С Automation, потом добавлять Augmentation

ЭТАП 1 (месяцы 1-2): Automation
- Автоматическая классификация входящих писем
- Автоматические ответы на часто задаваемые вопросы
- Быстрая win, экономия 20-30% времени поддержки

ЭТАП 2 (месяцы 3-4): Augmentation
- Оператор видит автоклассифицированное письмо
- AI предлагает черновик ответа
- Оператор редактирует и отправляет
- Улучшает качество ответов

ЭТАП 3 (месяцы 5+): Agency (если нужно)
- Только если поддержка достаточно сложна
- Agency требует больше обработки ошибок и контроля

ПОЧЕМУ ЭТА ПОСЛЕДОВАТЕЛЬНОСТЬ:
Automation даёт быстрый результат
Augmentation улучшает качество
Agency только если есть сложные многошаговые задачи
```

### Сценарий 3: Коля разбирается в технологиях

```
ВОПРОС: На какие примеры смотреть?

ОТВЕТ: 
- AUGMENTATION: ChatGPT, Cursor, GitHub Copilot
  → Это те где человек в центре процесса
  
- AUTOMATION: Системы автоматического письма, рекомендации Netflix
  → Это где система работает по правилам
  
- AGENCY: Автоматические ассистенты, RAG системы
  → Это где AI активно планирует и решает

УЧИСЬ:
1. Начни с простого (Augmentation) — интегрировать ChatGPT в свой процесс
2. Смотри примеры Automation — поймешь как работают системы
3. Изучи Agency когда будешь готов — сложнее для понимания
```

---

## Блок 7: Красные флаги — когда парадигма не подходит

### Красный флаг 1: Automation которая не может быть Automation

```
❌ ПРОБЛЕМА:
Пытаешься автоматизировать задачу которая требует контекста

ПРИМЕР:
"Автоматически подтверждай все заказы" 
→ Но заказы от VIP клиентов нужно обрабатывать по-другому
→ Так что это не может быть полной автоматизацией

РЕШЕНИЕ:
- Используй Augmentation (система предлагает, человек подтверждает)
- Или используй Automation с исключениями (VIP → к человеку)
```

### Красный флаг 2: Agency которая слишком сложна

```
❌ ПРОБЛЕМА:
Даёшь AI сложную цель но не учитываешь что она может ошибиться

ПРИМЕР:
"AI, переведи $1 млн в криптовалюту на основе твоего анализа"
→ AI ошиблась в анализе
→ Потеря $1 млн

РЕШЕНИЕ:
Для критичных операций добавляй Augmentation:
- AI анализирует
- Человек проверяет
- Человек подтверждает действие
```

### Красный флаг 3: Augmentation которая становится Automation

```
❌ ПРОБЛЕМА:
Люди перестают проверять AI и просто отправляют

ПРИМЕР:
Сначала оператор редактирует каждый ответ AI.
Потом: "AI всегда права, зачем редактировать?"
Потом: Клиент получает неправильный ответ.

РЕШЕНИЕ:
- Создавай системы которые требуют проверки (например, двухфакторной)
- Монитори качество автоматически
- Обучай команду что нужна проверка
```

---

## Финальный выбор: Какую парадигму выбрать для своего проекта?

### Чеклист выбора

**Ответь на эти вопросы:**

1. **Как часто эта задача происходит?**
   - Раз в неделю → Augmentation (человек всё равно всегда участвует)
   - Каждый день → подумай об Automation
   - Непредсказуемо → Augmentation

2. **Критична ли ошибка?**
   - Да, очень (деньги, здоровье, репутация) → Augmentation (человек проверяет)
   - Средне (некритично) → Automation может быть
   - Нет (пусть ошибается) → Automation

3. **Нужна ли персональная адаптация?**
   - Да, очень (каждый клиент уникален) → Augmentation или Agency
   - Нет (стандартная задача) → Automation

4. **Есть ли уточняющие вопросы?**
   - Да, много → Agency (AI может спрашивать)
   - Нет, правила ясные → Automation

5. **Какой бюджет на AI?**
   - Маленький → Augmentation (меньше запросов)
   - Большой → можешь использовать Agency (много запросов)

### Быстрая рекомендация

```
МАША (помощник по готовке):
→ Augmentation (80%) + Automation (20%)
Разработка: 1 месяц
Затраты: низкие
Риск: низкий

ПЕТЯ (чатбот поддержки):
→ Automation (50%) + Augmentation (50%)
Разработка: 2 месяца
Затраты: средние
Риск: средний

КОЛЯ (сложный анализ):
→ Agency (70%) + Augmentation (30% для проверки)
Разработка: 3-4 месяца
Затраты: высокие
Риск: высокий (нужна хорошая обработка ошибок)
```

**Финальное правило:** Начни с Augmentation (просто и безопасно). Потом добавляй Automation когда поймёшь правила. Agency только когда нужна сложность и ты готов обрабатывать ошибки.

[Все уроки](https://learnvibecoding.ru/publiclessons.md) · HTML: https://learnvibecoding.ru/publiclessons