Fable claude-fable-5-1 · effort max срез: 2026-09-21 источников: 103 слов: 18334 complete
Проактивные системы взаимодействия с людьми: от опросов до агентного управления
Проактивные системы сами инициируют обращение к человеку за данными, статусом, решением или действием: от опросов, EMA и полевого сбора до JITAI, алгоритмического управления и human-in-the-loop прерываний агентов. Главный вывод: для продукта управления компанией правило инициативы, бюджет внимания, согласие и эскалация должны быть детерминированным кодом поверх движка задач, а LLM отвечает лишь за формулировку и интерпретацию, поскольку лучшие модели ошибаются примерно в трети решений «вмешаться или нет», а напоминания без структурного упрощения дают близкий к нулю эффект. Ключевое ограничение: усталость и утрата доверия при избыточных обращениях и регуляторный высокий риск при переходе от координации к мониторингу; полевых данных по компаниям 5–500 человек нет.
Вердикт
Проактивные системы взаимодействия с людьми — это класс систем, которые сами инициируют обращение к человеку за данными, статусом, решением или действием, от опросов и полевого сбора данных до JITAI, алгоритмического управления и агентных прерываний human-in-the-loop. Для продукта управления компанией 5–500 человек они пригодны как слой политики обращений поверх движка задач: правило инициативы, бюджет внимания, согласие и эскалация — детерминированный код, а LLM отвечает только за формулировку, интерпретацию ответов и подготовку вариантов решения. Главный вывод: своевременность и структурное упрощение действия дают эффект, а напоминания и информирование сами по себе почти нет; лучшие модели проактивности ошибаются примерно в трети решений «вмешаться или нет», поэтому решение об обращении нельзя отдавать модели. Ключевое ограничение — усталость и утрата доверия: рост потока уведомлений связан с негативными эмоциями, при перегрузке люди игнорируют большинство алертов, а обращения, превращающиеся в мониторинг, ведут к выгоранию и попадают под высокорисковый режим EU AI Act. Самая сильная альтернатива для регламентированных процессов — BPM human tasks с ролями, дедлайнами и эскалацией без LLM; для измерения климата — короткие pulse-опросы; для действий внутри интерфейса — подсказки DAP. Психологическая основа (ожидаемая полезность вмешательства, модель Фогга, теория самодетерминации, восприимчивость JITAI) и граница манипуляции (скрытое влияние, эксплуатация уязвимостей) описаны в источниках достаточно, чтобы задать проверяемые правила. Уверенность в архитектуре и принципах высокая, в числовых нормах средняя: эмпирика взята из здоровья, HCI и платформенной занятости, а полевых данных по компаниям такого размера нет, и часть первоисточников доступна только в аннотациях.
Что это и как работает
1.1. Определение и границы предмета
Проактивная система взаимодействия с людьми — программная система, которая сама инициирует обращение к человеку, чтобы получить от него информацию (данные, статус, оценку, решение) или побудить его к действию (выполнить задачу, отреагировать на отклонение, подтвердить факт), и делает это по правилам: по триггеру, в подходящий момент, по подходящему каналу, с ограниченной нагрузкой на внимание. Общий знаменатель всех классов из формулировки задания один: инициатива принадлежит системе, а не человеку. В научной литературе это свойство названо по-разному в зависимости от области: «just-in-time adaptive intervention» в поведенческой медицине факт [S1], «mixed-initiative» в человеко-машинном взаимодействии факт [S2], «proactive dialogue» в диалоговых системах факт [S3], «algorithmic control» в социологии труда факт [S4].
Предметом не являются:
- реактивные чат-боты поддержки и любые интерфейсы, которые ждут запроса человека;
- маркетинговые рассылки как канал доставки и их доставляемость;
- психометрика и дизайн опросников в глубину (берутся только принципы нагрузки и отклика);
- HR-системы, LMS и рекрутинг как классы продуктов;
- устройство LLM и агентных фреймворков вне паттернов инициативы и human-in-the-loop.
С предметом часто путают уведомления как таковые. Уведомление — это канал; проактивная система — это политика, решающая, когда, кому, что и с какой нагрузкой отправить, и что делать с ответом или его отсутствием гипотеза.
1.2. Таксономия по цели и по инициативе
Классы из формулировки задания различаются двумя осями: цель обращения и режим инициативы. Таблица сводит оба измерения.
| Класс | Цель обращения | Кто и по какому триггеру инициирует | Типичная нагрузка на человека | Что означает ответ |
|---|---|---|---|---|
| Survey / XM / VoC / VoE (Qualtrics, Medallia) | получить оценку и мнение | организация по расписанию или по событию (после взаимодействия) | 10–30 вопросов раз в месяц–полгода вендор [S5] | измерение установки; отсутствие ответа — нонреспонс, смещение выборки |
| Mobile / field data collection (ODK, KoboToolbox, SurveyCTO, Fulcrum) | получить данные о факте в поле | оператор назначает форму или задание; сбор офлайн | форма на десятки полей за визит | запись о событии; проверяется валидацией формы |
| Conversational surveys | получить открытые ответы в диалоге | система по расписанию или по событию, далее ведёт диалог сама | несколько минут диалога | текст, который надо ещё интерпретировать |
| EMA / ESM | получить «что происходит сейчас» | система по случайному или событийному расписанию, в среднем 6 раз в день 7 дней эмпирика [S6] | короткая анкета, минуты | моментальное самонаблюдение; пропуск — потеря точки данных |
| Participatory sensing / human-as-a-sensor | получить наблюдение из среды | система назначает задачу сенсинга по месту и времени | секунды–минуты, часто пассивно | измерение, требующее агрегации и контроля качества |
| Human computation / crowdsourcing (MTurk) | получить результат микрозадачи | заказчик публикует задание; исполнитель сам его принимает | микрозадача | результат с проверкой качества, одобрением и оплатой факт [S7] |
| Persuasive technology / BCSS | побудить к действию или изменить установку | система по правилам дизайна (напоминания, подсказки, обратная связь) | от одного касания до ежедневного участия | поведение, измеряемое самоотчётом или сенсором |
| Digital nudging | побудить к выбору | дизайн среды выбора срабатывает в момент решения | почти нулевая, встроено в интерфейс | выбор; согласие не запрашивается |
| JITAI | побудить к действию в нужный момент | система по правилу решения на основе переменных состояния и контекста факт [S1] | короткое сообщение в момент уязвимости или возможности | проксимальный исход; есть опция «ничего не предоставлять» факт [S1] |
| NBA / customer engagement / journey orchestration (Braze, Pega) | побудить клиента к действию | движок по событию, с арбитражем и лимитами частоты вендор [S8, S9] | сообщение или предложение | конверсия; отказ — сигнал для подавления |
| Digital adoption platforms (WalkMe, Pendo) | подсказать действие в интерфейсе | оверлей по правилам показа и сегментам факт [S10, S11] | всплывающая подсказка, ограниченная троттлингом вендор [S12] | выполнение шага; закрытие подсказки |
| Algorithmic management (Uber, курьерские сервисы) | направлять, оценивать, дисциплинировать | система непрерывно, по данным о работнике факт [S4] | постоянная | выполнение или сопротивление |
| WFM / FSM (Dynamics 365 Field Service) | назначить работу и контролировать выполнение | диспетчер или оптимизатор расписания по наряду факт [S13] | наряд, маршрут, отметки статуса | статус наряда; эскалация при просрочке |
| Human tasks в BPM (Camunda, WS-HumanTask) | получить решение или выполнение шага процесса | процесс создаёт задачу, назначает, ставит дедлайн, эскалирует факт [S14, S15] | задача с формой | завершение или отклонение задачи; данные процесса |
| Mixed-initiative systems (Horvitz) | помочь в момент, когда ожидаемая полезность вмешательства выше бездействия | система по оценке полезности с учётом внимания факт [S2] | зависит от модели стоимости прерывания | принятие или отклонение предложения |
| Proactive (conversational) agents | вести диалог к цели, предлагать помощь без запроса | агент по наблюдению за средой и состоянием пользователя факт [S3, S16] | предложение помощи | принятие или отказ; ложные срабатывания как основная цена |
| HITL orchestration / agent-initiated interaction (HumanLayer, LangGraph interrupt, MCP elicitation) | получить одобрение, данные или решение от человека | агент прерывает выполнение и адресует запрос человеку факт [S17, S18, S19] | одно решение на запрос | accept / decline / cancel или отредактированные аргументы факт [S19] |
Из таблицы видно четыре целевых типа, на которые далее опирается дерево решений раздела 4: получить информацию (данные, статус, оценка), побудить к действию, управлять (назначить, проконтролировать, эскалировать), ассистировать решению (подготовить и запросить решение). По режиму инициативы классы делятся на три группы: по расписанию (опросы, pulse, EMA по времени), по событию или отклонению (JITAI, NBA, BPM-эскалация, алерты), по оценке полезности в момент (mixed-initiative, proactive agents).
1.3. Принципы проактивности
Ниже — сквозные принципы, извлечённые из первоисточников по классам. Каждый принцип имеет источник и точку, где он ломается.
Право на обращение как ожидаемая полезность. Horvitz формулирует основание mixed-initiative интерфейсов: автономное действие оправдано, только когда его ожидаемая ценность для пользователя выше бездействия, с учётом неопределённости о целях пользователя, статуса его внимания и стоимости лишнего беспокойства факт [S2]. Та же логика в проекте Attentional User Interfaces: ценность информации взвешивается против стоимости прерывания, а уведомления откладываются до менее разрушительного момента факт [S20]. Ломается, когда система не умеет оценивать ни ценность, ни стоимость и по умолчанию считает обращение бесплатным гипотеза.
Тайминг и контекст: уязвимость, возможность, восприимчивость. JITAI различает состояния уязвимости (повышенный риск нежелательного исхода) и возможности (повышенная готовность к желательному действию), а также восприимчивость — «преходящую способность и/или готовность человека получить, обработать и использовать поддержку» факт [S1]. Поддержка в невосприимчивый момент «не будет полезной и может иметь негативные последствия для вовлечённости и вызвать усталость от вмешательства» факт [S1]. Полевое исследование с 189 участниками в течение 6 недель показало, что восприимчивость к вмешательствам зависит от возраста, личности, типа устройства, времени дня, заряда батареи, взаимодействия с телефоном, физической активности и местоположения; модель предсказания восприимчивости давала до 77 % прироста F1 над случайным классификатором эмпирика [S21].
Опция «ничего не делать». JITAI явно включает вариант «не предоставлять поддержку»: когда человек невосприимчив, когда поддержка не нужна, когда вмешательство небезопасно или неэтично факт [S1]. Это формальная часть правила решения, а не отсутствие правила.
Частота и бюджет внимания. Метаанализ 477 статей EMA (496 выборок, N = 677 536) показал средний дизайн 6 опросов в день в течение 7 дней при средней комплаентности 79 %; число опросов в день не предсказывало ни комплаентность, ни отсев, а финансовые стимулы повышали комплаентность эмпирика [S6]. Рандомизированное исследование на 163 студентах (30 или 60 вопросов, 3, 6 или 9 раз в день, 14 дней) показало, что длинные анкеты повышают воспринимаемую нагрузку и ухудшают количество и качество данных, тогда как более частые короткие опросы не имели негативных последствий эмпирика [S22]. Отсюда правило: бюджет внимания измеряется длиной и содержанием обращения сильнее, чем их числом гипотеза. В маркетинговых движках бюджет задаётся явно: Braze применяет глобальные лимиты частоты по каналам и окнам до 30 дней, при конфликте — самое строгое правило вендор [S9]; Pendo ограничивает автоматические подсказки минимальным интервалом между ними и показывает одну за раз вендор [S12]; Pega подавляет действие после заданного числа контактов через contact policies вендор [S8].
Канал и его допуски. Канал определяет, что система вообще может сделать. В Microsoft Copilot Studio проактивное сообщение агента в Teams доставляется только тем, кто установил агента и не заблокировал его, и может быть отложено, если получатель в активном диалоге с агентом факт [S23]. В BPM-задачах канал — это список задач с назначением, кандидатами, сроком и follow-up-датой факт [S15]. В опросах способ контакта — один из главных модераторов отклика эмпирика [S24].
Эскалация как заранее описанный путь. WS-HumanTask задаёт дедлайны старта и завершения задачи и действия эскалации: уведомление и переназначение факт [S14]. Camunda позволяет менять исполнителя, кандидатов, срок и приоритет во время выполнения и возвращать задачу в очередь снятием исполнителя факт [S15]. Temporal реализует ожидание решения человека через durable-таймеры и сигналы, при таймауте процесс завершается результатом «timeout» и может эскалировать факт [S25].
Объяснимость и прозрачность инициативы. EU AI Act требует сообщать людям, что они взаимодействуют с ИИ-системой, если это не очевидно факт [S26], а Article 26(7) обязывает работодателя информировать работников и их представителей до ввода высокорискового ИИ на рабочем месте факт [S27]. MCP-спецификация elicitation требует, чтобы клиент ясно показывал, какой сервер запрашивает информацию и зачем, и давал возможность отклонить запрос факт [S19].
Согласие и отказ как данные. Elicitation в MCP различает три исхода: accept (данные предоставлены), decline (явный отказ), cancel (закрыто без решения), и рекомендует серверу для decline предлагать альтернативу, а для cancel — спросить позже факт [S19]. Agent Inbox от LangChain формализует четыре разрешённых реакции человека на прерывание агента: accept, edit, response, ignore факт [S28]. Это готовая машиночитаемая модель ответа, переносимая на любые обращения.
1.4. Психология отклика и действия
Почему человек отвечает. Метод Dillman (Tailored Design Method) объясняет отклик через социальный обмен: вероятность ответа максимальна, когда одновременно снижаются издержки, повышаются выгоды и формируется доверие, что выгоды перевесят издержки; практика включает несколько скоординированных контактов факт [S29, S30]. Вендорская практика Qualtrics утверждает, что на усталость от опросов сильнее всего влияет не частота, а коммуникация о программе: если сотрудники не слышат, что стало с их обратной связью вендор [S5].
Почему человек действует. Модель Фогга: поведение происходит, когда мотивация, способность и подсказка (prompt) сходятся в один момент; если поведение не произошло, отсутствует хотя бы один из трёх элементов факт [S31]. Persuasive Systems Design (Oinas-Kukkonen, Harjumaa) даёт 28 принципов в четырёх категориях (поддержка основной задачи, диалог, достоверность системы, социальная поддержка) и семь постулатов, среди которых: технология никогда не нейтральна, убеждение должно быть открытым, ненавязчивым, поэтапным и полезным факт [S32]. Behaviour Change Wheel (Michie и соавторы) описывает поведение как функцию capability, opportunity, motivation и связывает их с девятью функциями вмешательства, от обучения и убеждения до ограничения и принуждения факт [S33]. Self-Determination Theory (Deci, Ryan) объясняет, почему контролирующие обращения подрывают внутреннюю мотивацию: удовлетворение потребностей в автономии, компетентности и связанности порождает качественную мотивацию, а внешние награды и межличностный контроль её снижают факт [S34]. JITAI прямо рекомендует удовлетворять эти три потребности как способ снижать усталость от вмешательства факт [S1].
Почему действие удерживается. Формирование привычки у 96 добровольцев занимало в среднем 66 дней до максимальной автоматичности с разбросом от 18 до прогнозных 254 дней; пропуск одного дня мало влиял на результат эмпирика [S35]. Для проактивной системы это означает, что напоминания нужны месяцами, а не неделями, и что одиночный пропуск не повод для эскалации гипотеза.
Где граница манипуляции. Susser, Roessler и Nissenbaum определяют манипуляцию как скрытое влияние, эксплуатирующее уязвимости и обходящее рациональное обдумывание; она отличается от убеждения (открытые доводы), принуждения (угроза) и nudging (сохраняет свободу выбора и прозрачно) и вредит автономии факт [S36]. Sunstein считает, что этичность nudge оценивается по влиянию на благополучие, автономию и достоинство, признаёт риск манипуляции для части nudges и утверждает, что любая архитектура выбора так или иначе подталкивает факт [S37]. Digital nudging определён как использование элементов интерфейса для направления поведения в цифровых средах выбора, таких как веб-формы и экраны ERP факт [S38]. Dark patterns — «выборы дизайна интерфейса, которые выгодны сервису, принуждая, направляя или обманывая пользователей к непреднамеренным и потенциально вредным решениям»; в 11 тысячах магазинов найдено 1 818 таких случаев 15 типов эмпирика [S39].
1.5. Механика классов: входы, триггеры, форма обращения, точки поломки
JITAI. Шесть элементов: дистальный исход, проксимальные исходы, точки решения, варианты вмешательства, переменные адаптации, правила решения факт [S1]. Переменные адаптации бывают активными (самоотчёт) и пассивными (сенсоры); при ненадёжном измерении правило решения «работает немногим лучше случайного выбора» факт [S1]. Оценивается микрорандомизированными испытаниями, где вмешательство рандомизируется в каждой точке решения, что позволяет оценивать проксимальные эффекты и их изменение во времени факт [S40]. Ломается на ненадёжных переменных состояния, отсутствии правила для пропущенных данных и игнорировании восприимчивости.
EMA / ESM. Повторные оценки текущего состояния в естественной среде, чтобы снизить ошибку припоминания и изучать микропроцессы факт [S41]. В организационных исследованиях ESM применяют для изучения аффекта, событий и взаимодействий внутри человека в течение дней и недель факт [S42]. Ломается на длине анкеты сильнее, чем на частоте эмпирика [S22], и на отсутствии стимулов эмпирика [S6].
Опросы и pulse. Веб-режим даёт отклик в среднем на 12 процентных пунктов ниже других режимов по 114 экспериментальным сравнениям; модераторы — предуведомление, способ приглашения, число контактов, тип популяции эмпирика [S24]. В организациях отклик зависит от размера: по вендорскому бенчмарку за I квартал 2025 года компании до 250 сотрудников показывали 38 %, 251–500 — 56 % вендор [S43]. Ломается на отсутствии действия по итогам и на повторных вопросах без обратной связи вендор [S5].
Conversational surveys. Полевой эксперимент с примерно 600 участниками и 5 200 открытыми ответами: чат-бот дал значимо более высокую вовлечённость и более качественные ответы по максимам Грайса (информативность, релевантность, специфичность, ясность) по сравнению с формой Qualtrics эмпирика [S44]. Факторный эксперимент: респонденты чат-бота давали более дифференцированные ответы (меньше satisficing), а разговорный стиль снижал satisficing только в чат-боте эмпирика [S45]. LLM-интервью показали качество, сопоставимое с человеческим интервьюером, в малом эксперименте на студентах эмпирика [S46]; телефонный LLM-опрос на 2 739 респондентах в Перу приблизился к человеческому стандарту по структурированным вопросам, но уступал в глубине уточняющих вопросов эмпирика [S47]. Ломается на интерпретации свободного текста и на ожидании глубины от модели.
Human computation. Quinn и Bederson определяют human computation как вычислительный процесс, использующий усилия людей для задач, которые компьютеры решить не могут, и классифицируют системы по мотивации, контролю качества, агрегации, навыку, порядку процесса и кардинальности «задача–запрос» факт [S48]. Механика MTurk: HIT как атомарная микрозадача, assignment принадлежит исполнителю, вознаграждение выплачивается при одобрении или по автоодобрению, квалификации фильтруют исполнителей; сервис закрывается 30 сентября 2026 года факт [S7]. Ломается на контроле качества и на отсутствии обратной связи исполнителю.
Algorithmic management. Kellogg, Valentine и Christin: работодатели используют алгоритмы, чтобы направлять (restricting, recommending), оценивать (recording, rating) и дисциплинировать (replacing, rewarding) работников; работники отвечают «алгоактивизмом» факт [S4]. Parent-Rocheleau и Parker выделяют шесть функций (мониторинг, постановка целей, управление результативностью, планирование, вознаграждение, увольнение) и три модератора вреда: прозрачность, справедливость, влияние человека на систему факт [S49]. Ломается на непрозрачности и на лишении работника голоса.
Human tasks в BPM. WS-HumanTask задаёт роли (инициатор, потенциальные владельцы, фактический владелец, исключённые владельцы, администраторы, получатели уведомлений), состояния задачи от Created и Ready до Completed, Failed, Exited, а также дедлайны и эскалации; уведомление — «особый тип задачи» без подтверждения факт [S14]. Camunda 8 выводит статус задачи из событий creating, assigning, updating, completing, canceling, а листенеры могут отклонить завершение факт [S15]. Ломается, когда задача назначена человеку без полномочий или срок задан без правила эскалации гипотеза.
Proactive agents. Deng и соавторы определяют проактивные диалоговые системы как способные вести диалог к заданным целям и выделяют три типа задач: уточнение, целенаправленное ведение, некооперативные диалоги факт [S3]. Lu и соавторы обучают агента предсказывать, когда предложить помощь, по 6 790 событиям ProactiveBench, размеченным как принятые или отклонённые; лучшая модель дала F1 66,47 % эмпирика [S16]. Ломается на ложных срабатываниях: треть предложений отклоняется даже у лучшей модели.
HITL orchestration. LangGraph: interrupt() сохраняет состояние через checkpointer и возвращает значение вызывающей стороне; при возобновлении узел выполняется с начала, поэтому побочные эффекты до прерывания должны быть идемпотентны факт [S18]. OpenAI Agents SDK: инструмент объявляет needs_approval, выполнение останавливается с interruptions, состояние сериализуется в RunState, человек одобряет или отклоняет, при невозможности безопасно разобрать аргументы правило «закрывается» на ручное одобрение факт [S50]. Claude Agent SDK: шесть шагов проверки разрешения — hooks, deny, ask, режим, allow, callback canUseTool факт [S51]. HumanLayer вводил require_approval и human_as_tool для контакта агента с человеком по каналам, но SDK удалены, проект замещён CodeLayer факт [S17]. Ломается на неидемпотентных действиях до прерывания и на отсутствии таймаута ожидания человека.
Актуальность и доказательная база на дату среза
2.1. Распространённость и тренд
Алгоритмическое управление уже массово. Опрос OECD более 6 000 менеджеров среднего звена в шести странах показал, что в США 90 % фирм используют хотя бы один инструмент для инструктирования, мониторинга или оценки работников, в европейских странах в среднем 79 %; 55 % американских фирм мониторят переписку работников против 6 % в Европе; около двух третей менеджеров сообщают о сомнениях в надёжности инструментов, 63 % фирм заявляют, что консультируются с работниками эмпирика [S52]. Менеджеры считают, что инструменты улучшают качество их решений и удовлетворённость работой, но называют неясную ответственность, невозможность проследить логику и недостаточную защиту здоровья работников эмпирика [S53]. Совместное исследование ILO и JRC по логистике и здравоохранению во Франции, Италии, Индии и ЮАР зафиксировало одновременно упрощение процессов и риск ухудшения качества работы и навязчивой слежки; эффекты одной и той же технологии сильно различались по странам эмпирика [S54]. По опросу AIM-WORK (70 316 респондентов во всех странах ЕС) у 24 % работников рабочее время распределяется автоматически цифровыми устройствами эмпирика [S55]. Тренд растущий, регуляторный ответ формируется (раздел 2.5).
Опросы сотрудников стабильны, отклик в малых компаниях низкий. Вендорский бенчмарк на более чем 500 000 ответов за I квартал 2025 года даёт отклик 38 % в организациях до 250 человек и 56 % в организациях 251–500 человек вендор [S43]. Вендор рекомендует pulse-опросы из 10–15 вопросов ежемесячно или 15–20 ежеквартально и утверждает, что 77 % сотрудников хотят давать обратную связь чаще раза в год вендор [S5]. EMA как метод устойчиво распространён в психологии и смежных областях: 477 статей в метаанализе эмпирика [S6].
Проактивные LLM-агенты вышли в продукты в 2025–2026 годах. OpenAI запустила ChatGPT Pulse 25 сентября 2025 года для подписчиков Pro: ночная асинхронная подготовка 5–10 персональных карточек на основе памяти, истории чатов, обратной связи и коннекторов Gmail и Calendar, с намеренной остановкой после нескольких карточек вендор [S56]. Google включила scheduled actions в Gemini 6 июня 2025 года для подписчиков AI Pro и Ultra вендор [S57]. Microsoft документирует проактивные сообщения агентов Copilot Studio в Teams с условиями доставки и статусами недоставки вендор [S23]. Одновременно часть инфраструктуры уходит: Amazon закрывает Mechanical Turk 30 сентября 2026 года факт [S7], SDK HumanLayer удалены в пользу CodeLayer факт [S17], репозиторий Agent Inbox архивирован 20 сентября 2026 года факт [S28]. Тренд: инициатива переходит от отдельных инструментов human-in-the-loop к встроенным механизмам агентных SDK и продуктовым фичам ассистентов гипотеза.
2.2. Научная и эмпирическая база по классам
JITAI. Метааналитический обзор 33 исследований: Hedges g = 1,65 против листа ожидания (k = 9), 0,89 против не-JITAI вмешательств (k = 21), 0,79 до-после (k = 13); адаптация содержания и адаптация подхода (человек плюс алгоритм) давали аддитивные эффекты эмпирика [S58]. Ограничение: большие эффекты характерны для ранних малых исследований в здоровье, а не для рабочих задач. Систематический обзор JITAI в психическом здоровье (9 статей, 5 систем, все в США) нашёл преимущество лишь над неактивным контролем, отсутствие разницы с активным контролем, отсев до 40 % в малых пилотах и только одну систему, оценивавшую восприимчивость эмпирика [S59]. Микрорандомизированное испытание HeartSteps на 44 взрослых в течение 6 недель: подсказка о прогулке повышала число шагов за 30 минут на 24 % (59 шагов), начальный эффект 107 % (271 шаг) снижался со временем, а подсказки против сидения эффекта не дали эмпирика [S60]. Затухание эффекта подсказок — самый устойчивый результат в этой литературе гипотеза. Восприимчивость предсказуема по контексту эмпирика [S21]; в полевом исследовании на 70 студентах за две недели пассивно собранные признаки телефона значимо влияли на восприимчивость, определённую как принятие плюс выполнимость эмпирика [S61]. Одноминутные вмешательства на 22 участниках за 14 дней показали, что соавторство текста подсказки самим человеком работает как лёгкая персонализация эмпирика [S62].
Nudging. Метаанализ более 200 исследований и 450 размеров эффекта (n = 2 149 683) дал d = 0,45 [0,39; 0,52], причём изменения структуры выбора работали лучше информирования и напоминаний, а публикационное смещение оценено как умеренное эмпирика [S63]. Повторный анализ методом Robust Bayesian Meta-Analysis показал сильное публикационное смещение: скорректированный общий эффект d = 0,04 [0,00; 0,14], для информационных nudge d = 0,00, для «помощи» (напоминания, обязательства) d = 0,01, для структурных d = 0,12 с неопределённым статусом эмпирика [S64]. По 126 рандомизированным испытаниям на 23 миллионах человек, включая все испытания двух nudge-подразделений правительства США, средний эффект в академических журналах составил 8,7 процентного пункта, а в nudge-подразделениях 1,4 пункта; разрыв объясняется публикационным смещением и низкой мощностью эмпирика [S65]. Вывод для проектирования: напоминания и информирование сами по себе дают малый эффект, структурные изменения (умолчания, порядок, форма задачи) — заметно больший гипотеза.
EMA, ESM и опросы. Средняя комплаентность 79 % при 6 опросах в день; число опросов не предсказывает комплаентность, финансовые стимулы предсказывают эмпирика [S6]. Длина анкеты вредит, частота нет эмпирика [S22]. Веб-режим уступает другим режимам на 12 процентных пунктов отклика, эффект стабилен с 2008 года эмпирика [S24]. Организационные бенчмарки отклика вендорские и не рандомизированные вендор [S43]. Эмпирики о «survey fatigue» как самостоятельном феномене в организациях в открытом доступе найти не удалось (раздел 12).
Conversational surveys. Два контролируемых эксперимента показали преимущество чат-бота по качеству открытых ответов и снижению satisficing эмпирика [S44, S45]. LLM-интервьюер сопоставим с человеком в малом эксперименте эмпирика [S46]; телефонный LLM-опрос на 2 739 респондентах приблизился к человеческому стандарту по структурированным вопросам и уступил в глубине эмпирика [S47]. Ограничение всех четырёх: разовые опросы, а не долгие программы; усталость от диалога не измерялась.
Прерывания и уведомления. In-situ исследование 15 пользователей за неделю: 63,5 уведомления в день, рост числа уведомлений связан с ростом негативных эмоций, при этом уведомления обычно просматриваются в течение минут; люди внимательны к сообщениям около 12,1 часа в день, 75 % возвращаются к вниманию в течение 5 минут эмпирика [S66]. Клинические системы поддержки решений показывают, что при перегрузке предупреждениями врачи переопределяют от 46,2 % до 96,2 % алертов, причём 29,4–100 % переопределений признаны уместными; типичная причина — «буду наблюдать» эмпирика [S67]. Инженерный ориентир Google SRE: не более двух инцидентов на 12-часовую смену, поскольку разбор одного инцидента занимает около 6 часов; каждый алерт должен требовать действия, целевое отношение алертов к инцидентам 1:1 мнение [S68].
Algorithmic management. Исследование 107 интервью и 679 анкет в шести странах: алгоритмический контроль даёт гибкость, автономию и разнообразие задач, но связан с низкой оплатой, изоляцией, ненормированными часами, переработкой, недосыпом и истощением эмпирика [S69]. Обоснованная теория на водителях Uber: алгоритмы работают по двум осям, matching и control; работники переживают напряжения в исполнении, оплате и принадлежности и отвечают «рыночными» и «организационными» реакциями эмпирика [S70]. Опрос 666 сотрудников производственных МСП Стамбула: прямой эффект алгоритмических практик на благополучие незначим (β = −0,064), но опосредованные эффекты через выгорание (β = −0,060) и воспринимаемую угрозу (β = −0,139) значимы, а соответствие человека и работы ослабляет вред эмпирика [S71]. Обзор работы как дизайна называет модераторами прозрачность, справедливость и влияние работника на систему факт [S49]. Полевые кейсы ILO и JRC показывают, что одинаковые технологии дают разные последствия в зависимости от контекста внедрения эмпирика [S54].
Proactive agents. ProactiveBench: 6 790 событий, лучшая дообученная модель F1 66,47 % при предсказании, примет ли человек предложение помощи эмпирика [S16]. ProactiveEval: 328 сред в 6 доменах, 22 модели; DeepSeek-R1 лучше в планировании цели, Claude 3.7 Sonnet — в ведении диалога эмпирика [S72]. Inner Thoughts: агент формирует параллельный поток мыслей и решает, когда вмешаться, по внутренней мотивации; в пользовательских исследованиях превзошёл базовые подходы по антропоморфности, связности и уместности реплик эмпирика [S73]. Развёрнутый в ByteDance Volcano Engine агент Vigil более десяти месяцев проактивно помогал аналитикам поддержки на тысячах тикетов в день и самообучался на разобранных людьми случаях вендор [S74]. Линия «когда спрашивать»: агенты «слишком услужливы» и додумывают недостающие аргументы, а фреймворк Ask-when-Needed улучшает результат на Noisy ToolBench эмпирика [S75]; отделение детекции недоопределённости от исполнения даёт 69,40 % решённых задач на недоопределённом SWE-bench Verified с калиброванным числом вопросов эмпирика [S76]; AskBench измеряет одновременно избыточные и недостаточные уточнения эмпирика [S77]; HAS-Bench показывает, что участие человека повышает успех и восстановление после ошибок, но «выигрыш зависит от того, когда, как и кем» оно реализовано, а стоимость взаимодействия — отдельная метрика эмпирика [S78]. Критика: текущая проактивность «узко антиципаторна», экстраполирует прошлое поведение и не работает там, где человек не знает, чего не знает; нужны принципиальные ограничения на то, когда, как и в какой мере вмешиваться мнение [S79].
Human oversight. Анализ 41 политики надзора над государственными алгоритмами: люди не способны выполнять предписанный надзор, а политики создают ложное чувство безопасности; предложена институциональная альтернатива мнение [S80]. Со-дизайн с экспертами: качество надзора зависит от мотивации, вовлечённости и осмысленности работы надзирающего; выведены двенадцать соображений дизайна эмпирика [S81]. Люди готовы использовать несовершенный алгоритм, если могут хотя бы немного изменить его результат эмпирика [S82]. EU AI Act требует, чтобы надзирающие «оставались осведомлены о возможной тенденции автоматически полагаться» на выход системы и могли её остановить или переопределить факт [S83].
2.3. Практическая база и вендорские данные
Практика компаний в открытом доступе представлена в основном документацией продуктов: правила частоты и подавления у Braze, Pega и Pendo вендор [S8, S9, S12], жизненный цикл задач у Camunda факт [S15], паттерны ожидания решения у Temporal факт [S25], условия доставки у Copilot Studio факт [S23]. Числовые результаты внедрений в компаниях 5–500 человек не опубликованы; вендорские бенчмарки отклика вендор [S43] и рекомендации по частоте вендор [S5] не сопровождаются дизайном измерения.
2.4. Мнение отрасли и главные споры
- Эффективность nudging. Мертенс и соавторы против Майера и соавторов и против полевых данных nudge-подразделений: спор о публикационном смещении не закрыт, но обе стороны согласны, что структурные вмешательства сильнее информационных эмпирика [S63, S64, S65].
- Граница манипуляции. Sunstein защищает прозрачные nudge с легитимными целями факт [S37]; Susser, Roessler и Nissenbaum считают скрытое влияние манипуляцией независимо от цели факт [S36]. Для рабочего места спор разрешается регуляторно: EU AI Act запрещает манипулятивные техники и распознавание эмоций на работе (раздел 2.5).
- Надзор человека как гарантия. Регуляторы требуют человеческий надзор факт [S83]; Green показывает, что он часто фиктивен мнение [S80]; со-дизайн уточняет условия, при которых он работает эмпирика [S81].
- Проактивность агентов. Бенчмарки измеряют принятие предложений, критики указывают, что принятие не равно пользе мнение [S79]; профсоюзы читают данные OECD как срочную потребность в защите работников мнение [S52].
2.5. Регуляторика на дату среза
| Норма | Что требует | Статус на 2026-09-21 |
|---|---|---|
| EU AI Act, Article 5(1)(a), (b), (f) | запрет подсознательных, манипулятивных и обманных техник, эксплуатации уязвимостей, распознавания эмоций на рабочем месте кроме медицинских и целей безопасности факт [S84] | действует с 2025-02-02 факт [S84] |
| EU AI Act, Annex III, п. 4(b) | высокий риск: системы, распределяющие задачи по поведению или личным чертам, мониторящие и оценивающие результативность и поведение работников факт [S85] | обязательства для Annex III перенесены на 2027-12-02 по «цифровому омнибусу», политическое соглашение 2026-05-06 факт [S86] |
| EU AI Act, Article 26(7) и Article 14 | информировать работников и представителей до ввода высокорисковой системы; надзирающие должны понимать систему, помнить об automation bias, уметь переопределить и остановить факт [S27, S83] | применяются вместе с Annex III, то есть с 2027-12-02 факт [S86] |
| EU AI Act, Article 50 | сообщать людям, что они взаимодействуют с ИИ факт [S26] | с 2026-08-02, омнибус срок не сдвинул факт [S86] |
| GDPR, Article 22 | право не подвергаться решению, основанному исключительно на автоматизированной обработке, с юридическими или сходными значимыми последствиями; право на вмешательство человека, изложение позиции и оспаривание факт [S87] | действует |
| GDPR, Article 88 | государства могут устанавливать особые правила для трудовых отношений, включая мониторинг на рабочем месте, с защитой достоинства факт [S88] | действует |
| Directive (EU) 2024/2831 (Platform Work) | запрет обработки данных об эмоциональном состоянии, частных разговорах, внерабочем времени и биометрии; прозрачность автоматизированных систем мониторинга и решений; человеческий надзор с пересмотром не реже чем раз в два года; человеческий пересмотр значимых решений в течение двух недель факт [S89] | транспозиция до 2026-12-02 факт [S89] |
| Испания, Real Decreto-ley 9/2021 (Ley Rider) | работодатель информирует представителей работников о параметрах, правилах и инструкциях алгоритмов, влияющих на условия труда, доступ к занятости и профилирование; распространяется на всех работодателей факт [S90] | действует с 2021-08-12 факт [S90] |
| Калифорния, SB 7 (No Robo Bosses Act) | уведомление о применении ADS, запрет опираться исключительно на ADS при дисциплине и увольнении, доступ к данным факт [S91] | наложено вето губернатора в октябре 2025 года факт [S91]; преемник SB 947 внесён 2026-02-02 с пост-уведомлением и человеческой проверкой факт [S92] |
| EU Digital Services Act, Article 25 | запрет онлайн-платформам проектировать интерфейсы, которые обманывают или манипулируют получателями; примеры — навязчивое повторение запроса после сделанного выбора факт [S93] | действует, но адресован платформам, не работодателям факт [S93] |
Для продукта, управляющего сотрудниками в ЕС, ключевые следствия: распределение задач по поведению и мониторинг результативности попадают в высокий риск факт [S85], а обращения, эксплуатирующие уязвимость или скрыто искажающие поведение, запрещены уже сейчас факт [S84]. Прямых норм об алгоритмическом управлении вне платформ в большинстве юрисдикций нет; Испания — исключение факт [S90].
2.6. Что изменилось за 2023–2026 годы и как это влияет на выводы
- Появились бенчмарки проактивности и уточнений (ProactiveBench, ProactiveEval, AskBench, HAS-Bench), и они показывают: даже лучшие модели ошибаются в трети решений «вмешаться или нет» эмпирика [S16, S72, S77, S78]. Следствие: правило инициативы нельзя отдавать модели целиком.
- Human-in-the-loop стал встроенной функцией агентных SDK (LangGraph, OpenAI, Anthropic, MCP elicitation) факт [S18, S19, S50, S51], а отдельные слои вроде HumanLayer ушли факт [S17]. Следствие: паттерн «прервать, спросить, продолжить» стандартизирован, различия — в схеме ответа и хранении состояния.
- Проактивные фичи в потребительских ассистентах (Pulse, scheduled actions) закрепили норму «пользователь включает и ограничивает» вендор [S56, S57].
- Регуляторный ландшафт для рабочего места оформился: запреты Article 5 действуют, высокорисковые обязательства перенесены на конец 2027 года, директива о платформенной работе транспонируется к декабрю 2026 года факт [S84, S86, S89]. Следствие: проектировать журнал, информирование и человеческий пересмотр нужно сейчас, независимо от переноса сроков.
- Пересмотр эффективности nudging снизил ожидания от напоминаний и информирования эмпирика [S64, S65]. Следствие: побуждение к действию проектируется через структуру задачи и снижение трения, а не через сообщения.
Где применимо и где нет, плюсы и минусы
Раздел оценивает предмет в целом — проактивную систему, инициирующую обращения к сотрудникам и участникам процессов, — и отдельные классы там, где они расходятся.
Подходит, когда
- Есть измеримое отклонение с известной ценой. Проактивность оправдана ожидаемой полезностью: когда система может сравнить цену задержки с ценой прерывания факт [S2, S20]. Просроченный наряд, незакрытая смена, невыполненная проверка — случаи, где эта разница вычисляется из данных процесса.
- Ответ человека структурируется заранее. Если ожидаемый ответ — статус из списка, число, подтверждение, одобрение или редактирование предложенных аргументов, его можно принять как данные без интерпретации факт [S19, S28]. Формы поля (ODK, SurveyCTO) и BPM-задачи построены на этом же.
- Момент обращения предсказуем из контекста. JITAI и исследования восприимчивости показывают, что контекст (время, активность, местоположение, занятость устройства) предсказывает готовность ответить эмпирика [S21, S61]; в операционной среде такими сигналами служат календарь, статус смены, геозона, активность в системе.
- Коротко и часто лучше, чем длинно и редко. Частые короткие обращения не ухудшают комплаентность, длинные ухудшают эмпирика [S22, S6]. Проактивная система выигрывает там, где можно раздробить сбор данных на микрозапросы в момент события.
- Есть замкнутый цикл: обращение, ответ, видимое следствие. Отклик держится на доверии, что ответ что-то меняет факт [S29]; вендорская практика связывает усталость от опросов с отсутствием обратной связи вендор [S5].
- Человек может отклонить, отредактировать или отложить. Возможность хотя бы немного изменить результат алгоритма повышает готовность им пользоваться эмпирика [S82]; прозрачный и обходимый nudge этически защитим факт [S37].
- Задача требует решения ответственного, и это решение нельзя автоматизировать. Human-in-the-loop паттерны агентных SDK рассчитаны именно на «остановись и спроси» перед необратимым или дорогим действием факт [S18, S50].
Не подходит, когда
- Цена ошибки в тайминге выше цены задержки. При невосприимчивости обращение вредит вовлечённости факт [S1]; если система не умеет оценивать восприимчивость, лучше пассивный канал (список задач) вместо push.
- Обращение не меняет исход. Напоминания и информирование сами по себе дают эффект, близкий к нулю после коррекции на публикационное смещение эмпирика [S64, S65]; система, которая только напоминает, не нужна.
- Получатель не имеет полномочий выполнить запрошенное. BPM-роли различают потенциальных и фактических владельцев задачи факт [S14]; обращение к человеку без полномочий переносит ответственность без права действия гипотеза.
- Обращения используются для контроля, а не для координации. Мониторинг и оценка работников — высокий риск по EU AI Act факт [S85]; данные о переписке, эмоциях и внерабочем времени запрещены к обработке в платформенной работе факт [S89] и запрещены для распознавания эмоций на рабочем месте факт [S84].
- Малый коллектив с низким базовым откликом и без культуры обратной связи. В организациях до 250 человек вендорский бенчмарк отклика 38 % вендор [S43]; проактивные опросы усилят нонреспонс, если нет видимых следствий.
- Ответ требует глубокой интерпретации свободного текста. LLM-интервьюер уступает человеку в глубине уточнений эмпирика [S47]; для чувствительных тем (конфликт, здоровье) диалог с ботом — не замена разговору.
- Нет надёжного сигнала состояния. Ненадёжная переменная адаптации делает правило решения «немногим лучше случайного» факт [S1].
Плюсы
- Своевременность. Вмешательство в момент возможности повышает проксимальный исход, что показано в микрорандомизированных испытаниях эмпирика [S60, S58].
- Снижение ошибки припоминания. Сбор «здесь и сейчас» точнее ретроспективных отчётов факт [S41].
- Качество открытых ответов в диалоге. Чат-бот даёт более информативные и специфичные ответы, чем форма эмпирика [S44, S45].
- Формализуемый жизненный цикл. Задачи, дедлайны, эскалации и роли уже стандартизированы в WS-HumanTask и BPM-движках факт [S14, S15]; их можно переиспользовать как схему обращений.
- Контролируемая нагрузка. Лимиты частоты, троттлинг, подавление после отказа — готовые механизмы из маркетинговых и DAP-платформ вендор [S8, S9, S12].
- Аудируемость. Human-in-the-loop паттерны сериализуют состояние и фиксируют решение человека факт [S25, S50]; это же требуется регуляторно (журналы не менее шести месяцев) факт [S27].
Минусы
- Ложные срабатывания. Даже лучшая модель проактивности ошибается примерно в трети случаев эмпирика [S16]; каждая ошибка — потраченное внимание и подрыв доверия.
- Затухание эффекта. Эффект подсказок снижается со временем эмпирика [S60]; система должна менять форму и уменьшать частоту, а не наращивать.
- Усталость и негативные эмоции от объёма уведомлений. Рост числа уведомлений связан с ростом негативных эмоций эмпирика [S66]; алерты при перегрузке игнорируются в большинстве случаев эмпирика [S67].
- Скрытый контроль. Проактивные обращения легко превращаются в мониторинг; последствия — выгорание и воспринимаемая угроза эмпирика [S71], переработка и истощение эмпирика [S69].
- Регуляторная нагрузка. Распределение задач по поведению и оценка результативности — высокий риск, с обязанностями информирования, надзора и журналирования факт [S85, S27, S83].
- Фиктивный надзор. Человек-одобряющий склонен к automation bias и часто не способен к содержательной проверке мнение [S80]; надзор работает только при осмысленности и мотивации эмпирика [S81].
Альтернативы и дерево решений
4.1. Прямые альтернативы
Предмет сравнения — проактивный LLM-агент управления людьми: система, которая по правилам решает, к кому, когда и с чем обратиться, использует модель для формулировки и интерпретации, а решения об инициативе и эскалации держит в детерминированном слое (архитектура в разделе 10). Альтернативы того же класса — другие способы получить от людей информацию или действие по инициативе системы.
| Вариант | Кто решает «когда обратиться» | Контроль нагрузки | Детерминизм и аудируемость | Учится на ответах | Стоимость входа | Регуляторный риск на рабочем месте | Лучше всего для |
|---|---|---|---|---|---|---|---|
| Проактивный LLM-агент с правилами инициативы (предмет) | правила плюс оценка полезности; модель формулирует | явный бюджет внимания, подавление после отказа гипотеза | высокая, если решения логируются как данные гипотеза | да, через журнал реакций | высокая: правила, память, каналы, оценка | высокий при распределении задач и оценке факт [S85] | смешанные задачи: данные, статусы, решения, эскалации |
| BPM human tasks с дедлайнами и эскалацией (Camunda, WS-HumanTask) | процесс по схеме факт [S14, S15] | по срокам задач, без бюджета внимания | максимальная | нет | средняя | средний: задачи назначаются по роли, не по поведению | регламентированные процессы с известными шагами |
| Pulse и XM-опросы по расписанию (Qualtrics, Medallia) | календарь программы вендор [S5] | через частоту и длину анкеты | высокая | слабо | низкая-средняя | низкий | измерение установок и климата |
| EMA / ESM-микроопросы по событию или расписанию | случайное или событийное расписание факт [S41] | 6 раз в день без потери комплаентности при коротких анкетах эмпирика [S6, S22] | высокая | нет | низкая | средний, если данные о состоянии сотрудника | состояние «сейчас»: нагрузка, самочувствие, контекст |
| JITAI-подобные контекстные микровмешательства | правило решения по переменным состояния факт [S1] | опция «ничего не делать», восприимчивость | средняя: правила явные, сигналы шумные | да, при MRT-оценке факт [S40] | высокая: сенсоры, правила, испытания | высокий при выводе о состоянии человека факт [S84] | побуждение к своевременному действию |
| Движок NBA / journey orchestration (Braze, Pega) | событие плюс арбитраж и contact policies вендор [S8, S9] | глобальные лимиты частоты | высокая | да, по propensity | средняя, продукты внешние | средний: построены для клиентов, не сотрудников | внешняя аудитория: клиенты, контрагенты |
| Digital adoption platform (WalkMe, Pendo) | правила показа в интерфейсе факт [S10] | троттлинг, одна подсказка за раз вендор [S12] | высокая | слабо | низкая-средняя | низкий | подсказки внутри собственного интерфейса |
| Диспетчерская FSM / WFM (Dynamics 365 Field Service) | диспетчер или оптимизатор факт [S13] | через расписание и наряды | высокая | нет | высокая | высокий: распределение задач по характеристикам факт [S85] | полевые работы с маршрутами и ресурсами |
| Реактивный ассистент без инициативы (нулевая альтернатива) | человек | нулевая | высокая | нет | низкая | низкий | справка и подготовка решений по запросу |
Когда альтернатива целесообразнее предмета.
- BPM human tasks — когда шаги процесса и ответственные известны заранее, а вопрос только в сроках и эскалации. Плюс: полная детерминированность и стандартные роли факт [S14]. Минус: не умеет выбирать момент и форму обращения, не учитывает нагрузку человека.
- Pulse и XM — когда нужна периодическая оценка климата, а не операционные данные. Плюс: дешёвая и понятная людям практика вендор [S5]. Минус: низкий отклик в малых организациях вендор [S43], ретроспективность.
- EMA-микроопросы — когда важны состояние и контекст «сейчас» и можно спрашивать часто и коротко эмпирика [S22]. Минус: без стимулов и обратной связи комплаентность падает эмпирика [S6].
- JITAI — когда цель — устойчивое поведение (регулярная отчётность, техника безопасности), есть надёжные сигналы состояния и возможность экспериментировать факт [S1, S40]. Минус: дорогая валидация, затухание эффекта эмпирика [S60].
- NBA / journey orchestration — для клиентов и контрагентов, где цель — конверсия, а данные о людях уже есть в CRM вендор [S8]. Минус: логика арбитража построена на ценности действия для компании, а не для получателя, что на рабочем месте конфликтует с требованиями о манипуляции гипотеза.
- DAP — когда действие совершается внутри вашего интерфейса и подсказку можно показать в момент действия факт [S10]. Минус: не достаёт людей вне интерфейса (поле, мессенджеры).
- FSM / WFM — когда основная сущность — наряд с маршрутом, ресурсом и материалами факт [S13]. Минус: не покрывает решения и оценки.
- Реактивный ассистент — когда инициатива системы не даёт измеримой пользы или запрещена политикой; отсутствие ложных срабатываний важнее своевременности.
4.2. Критерии выбора механизма
Для каждой операционной задачи выбор определяют пять переменных: тип ответа (данные, статус, решение, действие), срочность (часы, дни, недели), цена ошибки или задержки, текущая нагрузка на получателя (бюджет внимания) и доступный канал (интерфейс, мессенджер, push, голос). Дерево ниже доводит до конкретного механизма.
Дерево решений
- Если нужен ответ типа «данные о факте в поле» (замер, фото, чек-лист)→форма мобильного сбора данных с офлайн-режимом (ODK, KoboToolbox, SurveyCTO, Fulcrum); обращение — назначенное задание с дедлайном
- Если факт привязан к событию (визит, приёмка) и человек в этот момент в приложении→встроенная подсказка в интерфейсе (DAP-паттерн) вместо push
- Если факт нужен регулярно и коротко (1–3 поля)→EMA-микрозапрос в мессенджере по событийному триггеру, не чаще нескольких раз в день, длина важнее частоты
- Иначе→задача в списке задач с follow-up-датой и одним напоминанием
- Если нужен «статус выполнения»→сначала пассивный сигнал (система, датчик, интеграция); обращение к человеку только при отсутствии сигнала к сроку
- Если статус критичен (цена задержки высока, срочность часы)→push или сообщение в мессенджер с кнопками «сделано / не могу / отложить», эскалация по правилу через заданный интервал
- Если некритичен→строка в утренней сводке или списке задач, без прерывания
- Если нужно «решение ответственного» (одобрить, выбрать, отклонить)→human-in-the-loop прерывание с подготовленным контекстом и структурированными вариантами; агент готовит, человек решает
- Если цена ошибки высока или действие необратимо→обязательное одобрение с явным accept / edit / reject, таймаут и эскалация вверх по роли
- Если решение типовое и человек ранее одобрял такие же→предложить «always approve» для класса решений с журналом и правом отзыва
- Если решения нет к дедлайну→эскалация к заместителю по матрице ролей, а не повторный запрос тому же человеку
- Если нужно «побудить к действию» (выполнить задачу, отреагировать на отклонение)
- Если действие можно сделать проще структурно (умолчание, автозаполнение, кнопка в сообщении)→менять структуру задачи, а не слать напоминание
- Если действие требует привычки (регулярный отчёт, проверка)→JITAI-паттерн: короткая подсказка в момент возможности, вариант «ничего не делать» при невосприимчивости, ожидание затухания и смена формы через недели
- Если это разовое отклонение с известной ценой→одно обращение с объяснением причины и дедлайном, затем эскалация, а не серия напоминаний
- Если нужно «назначить задачу»→BPM-паттерн: потенциальные владельцы, claim, дедлайн, эскалация переназначением; уведомление о назначении — одно
- Если исполнителей несколько и есть маршруты и ресурсы→FSM-диспетчеризация
- Иначе→список задач с претензией на задачу и правом вернуть её в очередь
- Если получатель уже исчерпал бюджет внимания на период (задано политикой)→отложить некритичные обращения до следующего окна, критичные — только через канал, определённый для критичных, с записью причины превышения
- Если сигнал состояния ненадёжен или отсутствует→не строить правило на нём; использовать расписание или явный запрос статуса
- Иначе→проактивный LLM-агент по правилам раздела 10: правило инициативы в коде, модель только формулирует и интерпретирует
Практическое применение
5.1. Порядок внедрения в компании 5–500 человек
- Инвентаризация обращений. Собрать все случаи, когда система или руководитель сегодня «дёргает» людей: запросы статусов, напоминания, согласования, опросы. Для каждого зафиксировать цель (данные, статус, решение, действие), триггер, канал, ожидаемый ответ, цену задержки. Это заготовка реестра обращений (раздел 6).
- Классификация по дереву раздела 4. Часть обращений переводится в пассивные сигналы (интеграции, датчики), часть — в структурные изменения задачи (умолчания, кнопки), и только остаток становится проактивными обращениями. Ожидание: остаток меньше половины исходного списка гипотеза.
- Роли и полномочия. По образцу WS-HumanTask: для каждого типа обращения определить потенциальных владельцев, фактического владельца, заместителя для эскалации, получателей уведомлений и исключённых факт [S14]. Без заместителя эскалация невозможна.
- Политика бюджета внимания и тихих часов. Задать лимиты по человеку, каналу и окну, как в frequency capping вендор [S9], и правило «самое строгое правило побеждает». Ориентир для критичных прерываний — инженерная норма on-call: не более двух инцидентов на 12-часовую смену мнение [S68].
- Модель согласия и информирования. До запуска сообщить людям, какие обращения система инициирует, по каким данным и как отказаться; для ЕС это обязанность работодателя при высокорисковых системах факт [S27] и общая обязанность раскрывать взаимодействие с ИИ факт [S26].
- Пилот на одном процессе с измерением. Выбрать один процесс (сбор статусов с поля или согласования), запустить на 4–6 недель с рандомизацией времени обращения по образцу микрорандомизированных испытаний факт [S40], измерять отклик, время до ответа, долю отказов и эскалаций.
- Пересмотр и масштабирование. По журналу реакций снизить частоту там, где отклик падает, изменить форму там, где эффект затухает эмпирика [S60], и только потом добавлять процессы.
5.2. Ритм, тайминг, каналы, роли
- Ритм. Операционные микрозапросы — по событию, не по расписанию; итоговые сводки — раз в день в фиксированное окно; оценочные pulse — не чаще раза в месяц и не длиннее 10–15 вопросов вендор [S5]. Частота коротких запросов сама по себе не снижает отклик эмпирика [S22].
- Тайминг. Критичное обращение — немедленно, но с проверкой статуса получателя (смена, встреча, тихие часы); некритичное — в ближайшее окно внимания. Отложенная доставка при активном диалоге — стандартный приём факт [S23].
- Каналы. Мессенджер для запросов с кнопками; список задач в интерфейсе для всего, что может подождать; push только для критичного; голос — как запасной канал для полевых сотрудников без экрана (упоминание, эмпирики нет).
- Роли. Владелец политики обращений (обычно руководитель операций), владелец процесса (задаёт триггеры и эскалации), получатели (сотрудники), заместители (по матрице), аудитор журнала (раз в месяц проверяет ложные срабатывания).
- Согласие. Явное включение каналов и тихих часов самим человеком; отказ от конкретного типа обращения фиксируется и уважается; повторный запрос после отказа — только при изменении обстоятельств, а не по таймеру гипотеза.
5.3. Сквозные сценарии
Все числа ниже — иллюстрация для компании на 60 человек с полевыми бригадами.
Сценарий 1. Сбор данных с поля. Бригадир должен к 18:00 передать выработку за день. Система ждёт пассивный сигнал (закрытие смены в приложении). В 17:30, если сигнала нет, отправляет в мессенджер один запрос с тремя полями: объём, простой, причина простоя; кнопка «нет изменений» заполняет форму значениями вчерашнего дня (пример структурного упрощения). Если ответа нет к 18:30 — одно напоминание; к 09:00 следующего дня — эскалация руководителю участка строкой в утренней сводке, а не звонком. Ожидаемый отклик на первый запрос 70–80 % (иллюстрация, ориентир — комплаентность EMA 79 % эмпирика [S6]).
Сценарий 2. Реакция на отклонение. Поставка задерживается на 2 дня, что срывает этап. Система вычисляет цену задержки (штраф по договору) и находит владельца этапа. Обращение: факт отклонения, три варианта (перенести этап, заменить поставщика, эскалировать клиенту), дедлайн решения 4 рабочих часа. Ответ — выбор варианта или «нужно обсудить» с назначением встречи. При отсутствии ответа через 4 часа — эскалация заместителю по матрице, с копией исходного контекста. Правило: одно обращение, одна эскалация, никакой серии напоминаний гипотеза.
Сценарий 3. Запрос решения у ответственного. Закупка превышает лимит бригадира на 15 %. Агент готовит карточку: сумма, лимит, история цен, рекомендация, риск отказа. Финансовый руководитель получает прерывание с вариантами accept / edit (сумма) / reject / «спросить позже» по модели MCP elicitation и Agent Inbox факт [S19, S28]. Decline с причиной «поставщик не согласован» переводит задачу в другой процесс; cancel откладывает на следующий день. Если руководитель трижды подряд одобряет одинаковый класс закупок, система предлагает правило автоодобрения для класса с лимитом и журналом — аналог sticky decisions в OpenAI Agents SDK факт [S50].
Сценарий 4. Назначение задачи. Датчик показывает отклонение температуры на складе. Система создаёт задачу «проверить холодильник» с двумя потенциальными владельцами (кто на смене), срок 60 минут. Первый, кто нажал «беру», становится владельцем; второй получает отмену. При отсутствии claim за 15 минут — расширение круга кандидатов; за 30 минут — переназначение старшему смены; всё по правилам эскалации WS-HumanTask факт [S14]. Отчёт — фото и статус из трёх вариантов.
Что система записывает в каждом сценарии. Обращение (кому, зачем, по какому триггеру, по какому каналу, в счёт какого бюджета), ответ (тип, содержание, время), реакцию (принято, отклонено, проигнорировано, эскалировано), следствие (что изменилось в процессе). Эти записи — сырьё для еженедельного пересмотра политики (раздел 6).
5.4. Типичные ошибки первого применения
- Перенос всех напоминаний в push. Рост числа уведомлений связан с ростом негативных эмоций эмпирика [S66]; результат — игнорирование, как при перегрузке алертами эмпирика [S67].
- Обращение без структурного упрощения задачи. Напоминание не работает, если действие сложно; эффект информационных nudge близок к нулю эмпирика [S64].
- Правила на ненадёжных сигналах. Правило, построенное на ненадёжной переменной, работает как случайный выбор факт [S1].
- Эскалация как повтор. Повторный запрос тому же человеку вместо передачи заместителю; в BPM эскалация — переназначение, а не повторное уведомление факт [S14].
- Отсутствие обратной связи по итогам. Ключевая причина усталости по вендорским данным вендор [S5] и по логике социального обмена факт [S29].
- Смешение координации и контроля. Как только запросы статуса начинают использоваться для оценки, растут выгорание и воспринимаемая угроза эмпирика [S71].
5.5. Что происходит через месяцы
- Эффект подсказок затухает: в HeartSteps начальный эффект 107 % снизился со временем эмпирика [S60]; в компании это выглядит как падение отклика на однотипные запросы. Ответ — менять форму и снижать частоту, а не усиливать.
- Привычка формируется в среднем за 66 дней с большим разбросом эмпирика [S35]; часть запросов становится лишней, когда действие вошло в рутину, и их надо отключать.
- Накапливается журнал отказов и игнорирований; он должен вести к пересмотру триггеров, иначе система превращается в спамера (раздел 8).
- В ЕС появляются обязанности по журналированию и информированию по мере вступления в силу высокорисковых обязательств с 2027-12-02 факт [S86]; журнал, заведённый с первого дня, снимает эту нагрузку.
5.6. Стоимость входа
- Компетенции. Владелец процессов, умеющий формулировать триггеры и роли; инженер для правил, каналов и журнала; для JITAI-подобных механизмов — умение ставить микрорандомизированные проверки факт [S40].
- Время. Инвентаризация и политика — недели; пилот — 4–6 недель; устойчивый режим — после первого пересмотра, то есть через 2–3 месяца (иллюстрация).
- Деньги. Инструменты сбора данных с поля доступны от нуля (KoboToolbox Community: 5 000 отправок в месяц вендор [S94]; ODK — открытый код с самостоятельным хостингом факт [S95]) до сотен долларов в месяц (SurveyCTO от 225 долларов в месяц при годовой оплате вендор [S96]; Fulcrum от 43 долларов за пользователя в месяц при минимум пяти пользователях вендор [S97]). Движки процессов и агентные фреймворки — открытый код с платными облаками (Temporal Cloud от 50 долларов за миллион действий вендор [S98]; Camunda — цены по запросу вендор [S99]).
Артефакты
Шесть артефактов ниже — авторская сборка из стандартов и документации: ролей и состояний WS-HumanTask факт [S14], схемы ответа MCP elicitation и Agent Inbox факт [S19, S28], лимитов частоты Braze и contact policies Pega вендор [S9, S8], элементов JITAI факт [S1] и требований журналирования EU AI Act факт [S27]. Конкретные поля и значения — гипотеза, если не указано иное.
6.1. Реестр обращений (Outreach Registry)
Назначение. Единый каталог типов обращений, которые система вправе инициировать. Ничего не отправляется, если тип не описан в реестре.
Поля.
| Поле | Значение | Пример |
|---|---|---|
outreach_type_id |
идентификатор типа | field.daily_output |
goal |
data / status / decision / action |
data |
trigger |
событие, расписание или отклонение с условием | shift_close_missing AND time >= 17:30 |
audience_rule |
как выбираются получатели (роль, объект, смена) | role = foreman AND site.active |
channel_policy |
упорядоченный список каналов с условиями | [messenger, task_list] |
budget_class |
класс нагрузки: interrupting / deferred / digest |
deferred |
expected_response |
JSON-схема ответа (плоские примитивы, как в elicitation) | output: number, downtime: number, reason: enum |
response_actions |
разрешённые реакции: accept, edit, respond, decline, ignore, defer |
[accept, edit, decline, defer] |
escalation_ref |
ссылка на карту эскалаций | esc.field.daily_output |
legal_basis |
основание обработки и категория риска | contract; not_high_risk |
owner |
владелец типа обращения | ops_lead |
review_date |
дата пересмотра | 2026-12-01 |
Жизненный цикл. Создаёт владелец процесса при инвентаризации; активирует владелец политики после проверки бюджета и правового основания; пересматривается ежемесячно по журналу реакций; архивируется, когда отклик или полезность падают ниже порога из раздела 8 или когда действие вошло в привычку.
6.2. Политика частоты и бюджета внимания (Attention Budget Policy)
Назначение. Ограничить суммарную нагрузку на человека независимо от числа процессов, которые хотят к нему обратиться.
Структура (пример).
person_defaults:
interrupting_per_day: 2 # push, звонок; ориентир on-call: <=2 инцидента за смену
deferred_per_day: 5 # сообщения в мессенджер без звука
digest_windows: ["09:00", "17:30"]
quiet_hours: "20:00-08:00"
min_gap_minutes: 45 # минимальный интервал между обращениями, как guide throttling
rules:
- if: budget.interrupting.exhausted
then:
downgrade_to: deferred
- if: budget.deferred.exhausted
then:
move_to: next_digest
- if: person.status in [meeting, driving, shift_break]
then:
hold_until: status_change
conflict_resolution: most_restrictive_wins
overrides:
critical_safety:
allow_interrupting: true
log_reason: required
Жизненный цикл. Значения по умолчанию задаёт владелец политики; человек может ужесточить свои лимиты и тихие часы сам; система пересчитывает остаток бюджета при каждом обращении; превышения по critical_safety попадают в журнал и еженедельный разбор. Правило «самое строгое побеждает» взято из frequency capping вендор [S9]; минимальный интервал — из троттлинга подсказок вендор [S12]; ориентир два прерывания за смену — из практики on-call мнение [S68].
6.3. Модель согласия (Consent Model)
Назначение. Хранить, на что человек согласился, от чего отказался, и как это проверяется перед отправкой.
Поля. person_id, outreach_type_id или channel, state (granted / declined / paused_until / required_by_role), granted_at, source (самостоятельно, по роли, по договору), informed_at (дата информирования о системе), revoke_path (как отозвать), notes.
Пример.
person_id: p-117
channel: push
state: declined
granted_at: null
source: self
informed_at: 2026-10-01
revoke_path: settings/notifications
Жизненный цикл. Создаётся при информировании (обязанность работодателя до ввода высокорисковой системы факт [S27]); меняется человеком в любой момент; проверяется политикой перед каждой отправкой; required_by_role применяется только к обращениям, вытекающим из должностных обязанностей, и не распространяется на каналы личного устройства без отдельного согласия гипотеза. Запрещённые категории данных (эмоциональное состояние, частные разговоры, внерабочее время) в модели отсутствуют по умолчанию факт [S89, S84].
6.4. Шаблоны запросов и побуждений (Message Templates)
Назначение. Задать форму обращения, которую модель заполняет, но не меняет структурно.
Структура шаблона. Заголовок с причиной (что произошло и почему обращаются), контекст в одну-две строки, ожидаемый ответ с кнопками, срок, что будет при отсутствии ответа, ссылка «почему я это получил». Обязательные элементы: указание, что обращение инициировано системой факт [S26], и явная возможность отказа факт [S19].
Пример побуждения к действию (сценарий 2 из раздела 5).
Поставка по этапу «Фундамент» задерживается на 2 дня; срыв этапа стоит 120 000 рублей штрафа (иллюстрация). Нужен ваш выбор до 15:00: [Перенести этап] [Заменить поставщика] [Эскалировать клиенту] [Обсудить]. Без ответа задача перейдёт к Ивановой в 15:00. Почему я это получил →
Жизненный цикл. Шаблон создаёт владелец процесса, проверяет владелец политики на отсутствие dark patterns (навязчивое повторение после отказа, асимметрия кнопок) факт [S93, S39]; варианты формулировок тестируются попеременно; шаблон с падающим откликом заменяется, а не усиливается.
6.5. Карта триггеров и эскалаций (Trigger and Escalation Map)
Назначение. Для каждого типа обращения описать, что его запускает, когда оно считается неотвеченным и куда идёт дальше.
Поля. trigger_condition, data_source_reliability (проверенный / шумный / отсутствует), decision_deadline, levels[] (уровень, получатель по роли, действие: remind_once / reassign / widen_candidates / notify_stakeholder, задержка), stop_condition, max_levels.
Пример (сценарий 4).
trigger: sensor.temp_deviation AND duration > 10m
data_source_reliability: verified
decision_deadline: 60m
levels:
- level: 1
to: role:on_shift_any
action: claim_request
after: 0m
- level: 2
to: role:on_shift_all
action: widen_candidates
after: 15m
- level: 3
to: role:shift_lead
action: reassign
after: 30m
stop_condition: task.claimed OR sensor.normalized
max_levels: 3
Жизненный цикл. Карта создаётся вместе с типом обращения; уровень «переназначить» обязателен, «напомнить» допускается один раз (эскалация в WS-HumanTask — уведомление и переназначение, не повтор факт [S14]); карта пересматривается при каждом случае эскалации до последнего уровня.
6.6. Журнал ответов и реакций (Response and Reaction Log)
Назначение. Единая запись о каждом обращении и его судьбе; основа метрик раздела 8, обучения политики и регуляторного журнала.
Поля. outreach_id, outreach_type_id, person_id, sent_at, channel, budget_class, budget_remaining_after, trigger_snapshot (входные данные правила на момент отправки), delivered (доставлено / недоставлено с кодом, как статусы 100/300 в Copilot Studio факт [S23]), first_seen_at, response_at, response_action (accept / edit / respond / decline / ignore / defer), response_payload (по схеме), escalation_level_reached, outcome (что изменилось в процессе), human_note, model_involvement (какие части сгенерированы моделью).
Пример.
outreach_id: o-88213
outreach_type_id: field.daily_output
person_id: p-117
sent_at: 2026-10-14T17:30:00+03:00
channel: messenger
budget_class: deferred
budget_remaining_after: 3
trigger_snapshot:
shift_close_missing: true
delivered: ok
first_seen_at: 2026-10-14T17:41:00+03:00
response_at: 2026-10-14T17:43:00+03:00
response_action: accept
response_payload:
output: 38
downtime: 1.5
reason: materials
escalation_level_reached: 0
outcome: daily_report.filled
model_involvement: [message_text]
Жизненный цикл. Запись создаётся при решении отправить (даже если отправка отложена), дополняется при доставке, ответе и эскалации, закрывается исходом; хранится не менее шести месяцев по требованию к деплойерам высокорисковых систем факт [S27]; агрегируется в еженедельные метрики и ежемесячный пересмотр реестра.
С чем используется в связке
7.1. Типичные комбинации
- Движок процессов или workflow (Camunda, Temporal). Даёт задачи, сроки, состояние и durable-ожидание ответа человека факт [S15, S25]; проактивный слой решает, как и когда об этой задаче сообщить. Без движка обращения не имеют «владельца состояния».
- Источники пассивных сигналов: ERP, CRM, календарь, датчики, геозоны. Пассивные переменные адаптации снижают нагрузку на человека по сравнению с активными самоотчётами факт [S1]; надёжность источника определяет, можно ли на нём строить правило.
- Мессенджеры и корпоративные чаты (Teams, Slack, Telegram). Канал доставки с кнопками; ограничения доставки (установка агента, активный диалог) задаёт платформа факт [S23].
- Формы полевого сбора (ODK, KoboToolbox, SurveyCTO, Fulcrum). Принимают структурированный ответ офлайн и синхронизируют его факт [S95]; проактивный слой лишь назначает и напоминает.
- Подсказки в интерфейсе (DAP). Для действий внутри собственного продукта подсказка в момент действия заменяет внешнее обращение факт [S10]; троттлинг подсказок и бюджет внимания должны быть согласованы вендор [S12].
- Экспериментальная инфраструктура. Микрорандомизация времени и формы обращения — единственный способ отличить эффект обращения от эффекта процесса факт [S40]; в компании это A/B по времени отправки и формулировке.
- Управление согласиями и информированием. Реестр информирования работников и журнал — требования при высокорисковом применении факт [S27]; модель согласия из раздела 6 живёт рядом с настройками уведомлений.
- Наблюдаемость и разбор инцидентов. Практика on-call даёт готовые нормы для критичных обращений: актуальность алертов, отношение алертов к инцидентам мнение [S68].
7.2. Что предшествует и что следует
- Предшествует: инвентаризация обращений и ролей, движок процессов с задачами, интеграции пассивных сигналов, информирование людей.
- Следует: еженедельный разбор журнала реакций, ежемесячный пересмотр реестра, отключение обращений, вошедших в привычку (в среднем 66 дней эмпирика [S35]), перевод типовых решений в правила автоодобрения с журналом факт [S50].
7.3. Конфликты и несовместимости
- Арбитраж по ценности для бизнеса против интересов получателя. NBA-движки ранжируют действия по propensity, ценности действия и бизнес-рычагам вендор [S8]; перенос этой логики на сотрудников превращает координацию в оптимизацию извлечения усилий, что противоречит требованию не эксплуатировать уязвимости факт [S84] и подрывает автономию факт [S34].
- Несколько систем с собственными лимитами частоты. Braze, Pendo, BPM-движок и мессенджер каждый ограничивают себя, но не сумму вендор [S9, S12]; без единого бюджета внимания человек получает сумму всех лимитов гипотеза.
- Мониторинг под видом координации. Запросы статуса, попадающие в оценку результативности, переводят систему в высокий риск факт [S85] и запускают выгорание через воспринимаемую угрозу эмпирика [S71].
- Проактивность модели против детерминированной политики. Если модель сама решает, когда обращаться, её ошибка в трети случаев эмпирика [S16] становится нагрузкой на людей; политика должна стоять перед моделью (раздел 10).
- Фиктивный надзор. Обязательное одобрение каждого шага без контекста порождает automation bias и «резиновый штамп» мнение [S80]; одобрения нужны только там, где человек может содержательно проверить эмпирика [S81].
Метрики здоровья и антипаттерны
Нормы ниже либо взяты из источников, либо помечены как ориентир (авторская оценка без измерения). Все метрики считаются по журналу ответов и реакций из раздела 6.
| Признак | Здоровая норма | Симптом деградации | Источник |
|---|---|---|---|
| Доля отвеченных обращений (по типу) | около 79 %, как средняя комплаентность EMA; для коротких запросов с обратной связью выше | ниже 60 % два периода подряд; в малых организациях базовый отклик опросов 38 % говорит о проблеме программы, а не людей | эмпирика [S6]; вендор [S43] |
| Время от доставки до первого просмотра | минуты для мессенджера при нормальной нагрузке | часы при растущем числе обращений | эмпирика [S66] |
| Число прерывающих обращений на человека в смену | не более двух | стабильно выше двух; рост доли игнорирований | мнение [S68] |
| Доля принятых предложений помощи или действий | ориентир: не ниже двух третей принятых — уровень лучших моделей на ProactiveBench | ниже половины: агент чаще мешает, чем помогает | эмпирика [S16] |
| Доля переопределённых или проигнорированных алертов | ориентир: заметно ниже клинических 46–96 % | приближение к 90 %: алерты перестали нести информацию | эмпирика [S67] |
| Доля явных отказов (decline) и отложенных (defer) | небольшая, но не нулевая: нулевая означает, что отказ невозможен или незаметен | рост decline по одному типу — триггер пересмотра; рост cancel без причины — признак усталости | факт [S19] (структура) |
| Эффект побуждения во времени | ожидаемое затухание; форма меняется до падения | падение отклика без изменения формы; усиление частоты в ответ | эмпирика [S60] |
| Длина обращения | одно–три поля для микрозапроса; pulse 10–15 вопросов в месяц | рост длины при сохранении частоты; жалобы на нагрузку | эмпирика [S22]; вендор [S5] |
| Доля эскалаций, дошедших до последнего уровня | малая; каждая разбирается | рост без изменения карты триггеров | ориентир |
| Доля обращений с ненадёжным сигналом-триггером | ноль правил на непроверенных источниках | ложные срабатывания по одному источнику | факт [S1] |
| Доля людей, ужесточивших лимиты или отключивших канал | стабильная, объяснимая ролями | рост после запуска нового типа обращений | ориентир |
| Согласованность формулировок модели со схемой | 100 % прошедших валидацию до отправки | обращения с полями вне схемы, «додуманными» аргументами | эмпирика [S75] |
Антипаттерны
Агент-спамер
Как выглядит. Каждое отклонение, каждый незакрытый чек-лист и каждое «на всякий случай» превращаются в сообщение; у бригадира к обеду десяток непрочитанных запросов от одной и той же системы; ответы приходят выборочно, а критичное тонет среди обычного.
Почему возникает. Обращение считается бесплатным, правило инициативы отсутствует, каждый процесс шлёт по своим лимитам, а суммарный бюджет никто не считает гипотеза. Рост числа уведомлений связан с ростом негативных эмоций эмпирика [S66]; при перегрузке люди переопределяют большинство алертов эмпирика [S67].
Как чинить. Ввести единый бюджет внимания с классами interrupting / deferred / digest и правилом «самое строгое побеждает» вендор [S9]; перевести некритичное в сводки; заставить каждый тип обращения проходить через реестр; добавить опцию «ничего не делать» как явный исход правила факт [S1].
Когда менять практику. Если после введения бюджета отклик на критичные обращения не восстанавливается за два цикла пересмотра, проблема в доверии к системе, а не в частоте; нужен разбор с людьми и временная остановка проактивных обращений.
Усталость от опросов
Как выглядит. Ежемесячный pulse, квартальный опрос вовлечённости, опрос после каждого обучения и запросы «как прошла неделя» от агента; отклик падает от периода к периоду; ответы становятся однообразными.
Почему возникает. Длина растёт быстрее, чем польза эмпирика [S22]; результаты не возвращаются людям — по вендорским данным главная причина усталости вендор [S5]; логика социального обмена нарушена: издержки видны, выгоды нет факт [S29].
Как чинить. Сократить каждую анкету до минимально необходимого; объединить источники в один календарь; после каждого сбора публиковать, что изменилось; частота коротких запросов допустима, длина — нет эмпирика [S22].
Когда менять практику. Если отклик ниже 60 % при коротких анкетах и регулярной обратной связи, измерять установки опросами больше не стоит: переходить к пассивным сигналам и редким интервью.
Слежка под видом заботы
Как выглядит. «Как ты себя чувствуешь?» каждый день от агента, «мы заметили, что ты долго не отвечал», сводки активности руководителю, распознавание тона сообщений; людям объясняют, что это ради их благополучия.
Почему возникает. Данные о состоянии человека кажутся полезными для тайминга; граница между координацией и оценкой не проведена; надзор за системой отсутствует. Последствия — выгорание и воспринимаемая угроза эмпирика [S71], переработка и истощение при алгоритмическом контроле эмпирика [S69].
Как чинить. Исключить из модели данных эмоциональное состояние, частные разговоры и внерабочее время факт [S89]; распознавание эмоций на рабочем месте запрещено факт [S84]; данные о статусе использовать только для координации и явно запретить их использование в оценке; информировать работников о системе факт [S27].
Когда менять практику. Если бизнес-цель обращений на самом деле мониторинг результативности, это высокорисковая система факт [S85] со всеми обязанностями; либо проектировать её как таковую, либо отказаться.
Dark patterns в побуждении
Как выглядит. Кнопка «сделаю» большая и яркая, «не могу» — серым текстом; после отказа запрос повторяется через час с другой формулировкой; «отложить» отсутствует; напоминание содержит счётчик «вы уже пропустили 3 раза».
Почему возникает. Метрика команды — доля выполненных действий, а не качество решений; техники из потребительских интерфейсов переносятся без фильтра. Такие приёмы — асимметрия и навязчивое повторение — типизированы как dark patterns эмпирика [S39] и запрещены для платформ факт [S93]; на рабочем месте манипулятивные техники запрещены EU AI Act факт [S84].
Как чинить. Симметричные варианты ответа, обязательный decline и defer в каждом шаблоне факт [S19]; повторный запрос только при изменении обстоятельств; проверка шаблонов владельцем политики на скрытое влияние по критериям Susser и соавторов факт [S36].
Когда менять практику. Если единственный способ добиться действия — давление, задача спроектирована неверно: менять структуру задачи (умолчания, упрощение), а не форму обращения; структурные вмешательства — единственная категория с ненулевым скорректированным эффектом эмпирика [S64].
Эскалация без основания
Как выглядит. Через час без ответа копия уходит руководителю; руководитель получает десятки «эскалаций» в день, большинство из которых закрываются сами; исполнители перестают отвечать, потому что «всё равно уйдёт наверх».
Почему возникает. Эскалация настроена по таймеру без учёта цены задержки и восприимчивости; уровень «переназначить» заменён уровнем «уведомить начальника»; правила на ненадёжных сигналах порождают ложные отклонения факт [S1].
Как чинить. Карта эскалаций с дедлайном, выведенным из цены задержки; первый уровень — расширение круга или переназначение, а не уведомление выше факт [S14]; каждая эскалация до последнего уровня разбирается; правило «одно напоминание, одна эскалация» гипотеза.
Когда менять практику. Если более половины эскалаций закрываются без действия получателя, триггер не соответствует реальному отклонению; вернуть обращение в пассивный режим (список задач) до исправления сигнала.
Ответственность без полномочий у получателя
Как выглядит. Система просит бригадира «принять решение о замене поставщика», хотя решение принимает закупщик; бригадир отвечает «не знаю», задача зависает, эскалация идёт ему же.
Почему возникает. Адресат выбирается по доступности, а не по роли; матрица ролей (потенциальные, фактические, исключённые владельцы) не заведена факт [S14]; агент подбирает получателя по контексту переписки вместо реестра полномочий.
Как чинить. Обращения типа «решение» адресуются только владельцам решения из матрицы; остальным — только запрос данных; при неясности полномочий обращение блокируется политикой до уточнения; возможность делегировать и вернуть задачу в очередь факт [S15].
Когда менять практику. Если матрица ролей меняется чаще, чем раз в месяц, или решения принимаются «кем придётся», проактивная система лишь усилит хаос; сначала зафиксировать полномочия в процессе.
Инструменты и софт
Раздел сжат до референсов реализации по классам. Цены проверены 2026-09-21; где вендор не публикует цены, это сказано.
9.1. Категории и продукты
| Класс | Продукты | Что переносится в проактивную систему | Цена входа (дата проверки 2026-09-21) |
|---|---|---|---|
| XM, VoE, pulse | Qualtrics EmployeeXM, Medallia Employee Experience | календарь программы, длина и частота pulse, бенчмарки отклика, «замкнутый цикл» обратной связи вендор [S5] | Qualtrics — цены не публикуются; Medallia — модель Experience Data Record без публичных списков вендор [S100] |
| Полевой сбор данных | ODK, KoboToolbox, SurveyCTO, Fulcrum | форма как схема ответа, офлайн-сбор, назначение заданий, case management | ODK — открытый код, self-hosting бесплатно, ODK Cloud платно факт [S95]; Kobo — Community 5 000 отправок в месяц бесплатно вендор [S94]; SurveyCTO — Basic 225 долларов в месяц при годовой оплате, 5 000 отправок вендор [S96]; Fulcrum — 43 и 55 долларов за пользователя в месяц, минимум пять вендор [S97] |
| Customer engagement, NBA | Braze, Pega Customer Decision Hub | frequency capping, quiet hours, contact policies, арбитраж вендор [S9, S8] | Braze — по MAU и кредитам действий, без публичных цен, четыре редакции вендор [S101]; Pega — не проверялось |
| Digital adoption | WalkMe, Pendo | типы подсказок, сегментация, троттлинг и порядок показа факт [S10]; вендор [S12] | Pendo — бесплатно до 500 MAU, далее по запросу вендор [S102]; WalkMe — не публикуется |
| Human tasks, workflow | Camunda 8, Temporal | роли, состояния, дедлайны, эскалации, durable-ожидание факт [S15, S25] | Camunda — разработка бесплатно, production по запросу вендор [S99]; Temporal — открытый код, Cloud от 50 долларов за миллион действий вендор [S98] |
| FSM, WFM | Dynamics 365 Field Service | наряд, диспетчер, оптимизация расписания, мобильное приложение факт [S13] | не проверялось |
| Human computation | Amazon Mechanical Turk (закрывается 2026-09-30) | HIT, assignment, одобрение, квалификации факт [S7] | не применимо после закрытия |
| HITL для агентов | LangGraph interrupts, Agent Inbox (архив), OpenAI Agents SDK, Claude Agent SDK, MCP elicitation, HumanLayer (SDK удалены) | прерывание, схема ответа, сериализация состояния, разрешения факт [S18, S28, S50, S51, S19, S17] | открытый код; облачные сервисы по тарифам провайдеров |
9.2. Функциональный разбор ведущих продуктов
Camunda 8 (user tasks). Сущности: процесс, экземпляр, пользовательская задача с исполнителем, кандидатами-пользователями и группами, сроком, follow-up-датой, приоритетом и переменными. Операции: назначить, снять исполнителя, обновить, завершить; статус выводится из событий creating, assigning, updating, completing, canceling; листенеры задач выполняются синхронно и могут отклонить завершение; пользовательские действия вроде escalate пишутся для аудита факт [S15]. Интеграции: REST API задач, Tasklist. Ограничения: нет понятия бюджета внимания и восприимчивости; уведомления — внешняя забота. Цена: разработка бесплатно, production по запросу вендор [S99].
SurveyCTO (полевой сбор). Сущности: форма, отправка, кейс (для лонгитюдных проектов), устройство. Ключевые операции: дизайн формы, офлайн-сбор, шифрование, управление кейсами, API и плагины на старших планах. Ограничения: лимиты отправок по планам (5 000 в месяц на Basic), AI-токены как отдельный ресурс. Цена: Basic 225–250, Pro 315–350, Advanced 630–700 долларов в месяц, дополнительные 1 000 отправок за 100 долларов вендор [S96]. Альтернатива без лицензии — ODK с теми же XLSForm и офлайн-режимом при самостоятельном хостинге факт [S95].
Braze (частота и оркестрация). Сущности: пользователь, кампания, Canvas, теги, правила frequency capping на уровне рабочего пространства. Операции: лимиты по каналам и окнам до 30 дней, до 10 правил, правила по тегам, самое строгое правило при конфликте, quiet hours с повторной проверкой лимита, исключения для кампаний, которые не учитываются в лимитах вендор [S9]. Ограничения: логика построена вокруг клиентов и MAU; для сотрудников переносятся только паттерны. Цена: не публикуется, четыре редакции вендор [S101].
LangGraph interrupts плюс Agent Inbox (HITL для агентов). Сущности: граф, узел, checkpoint, thread, прерывание с action_request, config (allow_ignore, allow_respond, allow_edit, allow_accept) и description. Операции: interrupt() сохраняет состояние, Command(resume=...) возобновляет, узел выполняется заново, несколько прерываний сопоставляются по идентификаторам факт [S18]; ответ человека типизирован как accept, edit, response, ignore факт [S28]. Ограничения: репозиторий Agent Inbox архивирован 2026-09-20, есть размещённая версия; побочные эффекты до прерывания должны быть идемпотентны факт [S28, S18]. Цена: открытый код; LangSmith по тарифам вендора (не проверялось).
9.3. Что выбрать
- Соло или команда до 15 человек. Список задач в имеющемся трекере, мессенджер с кнопками, форма ODK или KoboToolbox для поля; агентный слой на LangGraph или OpenAI Agents SDK с одним типом прерывания «одобрить/отредактировать/отклонить». Бюджет внимания — константы в конфиге.
- Команда 15–100 человек. Движок задач (Camunda или Temporal) как владелец состояния; реестр обращений и журнал как таблицы; SurveyCTO или Fulcrum, если есть кейсы и диспетчеризация; троттлинг по образцу Pendo для подсказок в интерфейсе.
- Организация 100–500 человек. То же плюс отдельная политика бюджета внимания на человека с классами обращений, матрица ролей и заместителей, ежемесячный аудит журнала, оформленное информирование сотрудников и оценка риска по EU AI Act, если система распределяет задачи или оценивает результативность факт [S85].
Адаптация под LLM и агентов
10.1. Существующие практики
Практики применения LLM в проактивном взаимодействии с людьми делятся на четыре потока, и у каждого есть реальные инструменты.
- Агент прерывается и спрашивает человека. Стандартизировано в LangGraph (
interruptиCommand(resume)) факт [S18], OpenAI Agents SDK (needs_approval,RunState) факт [S50], Claude Agent SDK (canUseToolпосле hooks, deny, ask, режима и allow) факт [S51], MCP elicitation (elicitation/createсо схемой из плоских примитивов и исходами accept, decline, cancel) факт [S19]. Ограничение всех четырёх: они обслуживают диалог, начатый человеком, и не решают, стоит ли начинать диалог. - Агент сам предлагает помощь. ProactiveBench и обученная на нём модель предсказывают, примет ли человек предложение, с F1 66,47 % эмпирика [S16]; Inner Thoughts моделирует внутреннюю мотивацию высказаться и выбирает момент эмпирика [S73]; Vigil встроен в диалог поддержки и предлагает помощь без вызова вендор [S74]; потребительские Pulse и scheduled actions переносят инициативу в ежедневные сводки и расписания вендор [S56, S57].
- Агент решает, спрашивать или действовать. Ask-when-Needed, разделение детекции недоопределённости и исполнения, AskBench с метриками избыточных и недостаточных вопросов эмпирика [S75, S76, S77]. Общий вывод: калиброванное уточнение достижимо, но требует отдельного компонента, а не «просьбы» в промпте.
- LLM ведёт опрос или интервью. Чат-боты и LLM-интервьюеры дают качество открытых ответов не хуже форм и близкое к человеку в структурированных вопросах, но слабее в глубине эмпирика [S44, S46, S47].
Заметных открытых реализаций «проактивного агента управления людьми» с бюджетом внимания, согласием и эскалацией как данными на дату среза не найдено; ниже — авторская архитектура, собранная из перечисленных компонентов гипотеза.
10.2. Архитектура проактивного LLM-агента управления
Принцип разделения: правила инициативы, бюджет, согласие и эскалация — детерминированный код; модель — формулировка, интерпретация и подготовка вариантов. Обоснование: лучшие модели ошибаются в трети решений «вмешаться или нет» эмпирика [S16], додумывают недостающие аргументы эмпирика [S75], а регуляторика требует объяснимого надзора и журнала факт [S83, S27].
Слои.
- Слой сигналов. События процессов, дедлайны, датчики, календарь, статус смены, активность в интерфейсе. Каждому источнику присвоен класс надёжности; правила разрешены только на проверенных источниках факт [S1].
- Слой политики (детерминированный). Реестр обращений, бюджет внимания, модель согласия, карта эскалаций, матрица ролей (раздел 6). Выход — решение «обратиться / отложить / промолчать / эскалировать» с зафиксированным основанием. Здесь же опция «ничего не делать» как явный исход факт [S1].
- Оценщик момента (необязательный, статистический). Предсказание восприимчивости по контексту (время, занятость, активность устройства) по образцу исследований JITAI эмпирика [S21, S61]; используется только для выбора окна внутри разрешённого политикой диапазона, не для решения об обращении.
- Слой модели (LLM). Четыре роли: сформулировать обращение по шаблону; разобрать свободный ответ в схему; собрать контекст для решения (карточка с фактами, историей, рекомендацией); предложить варианты действий. Модель не решает, кому и когда писать, не выбирает уровень эскалации и не делает выводов о состоянии или качествах человека.
- Слой доставки. Каналы с их допусками (установка агента, активный диалог, тихие часы) и кодами недоставки факт [S23]; кнопки с симметричными вариантами; ссылка «почему я это получил».
- Слой ожидания и прерывания. Durable-ожидание ответа с таймаутом и эскалацией (Temporal-паттерн) факт [S25] или прерывание графа с сохранением состояния (LangGraph-паттерн) факт [S18]; ответ человека типизирован (accept, edit, respond, decline, ignore, defer) факт [S19, S28].
- Память о человеке и контексте. Предпочтения каналов и тихих часов, история отказов и игнорирований по типам, что уже спрашивали и когда, вошедшие в привычку действия. Память — источник для политики и шаблонов, но не для оценки человека; из неё исключены категории, запрещённые к обработке факт [S89, S84].
- Журнал и обучение политики. Каждое обращение, решение политики, вклад модели и реакция человека записываются (раздел 6.6); еженедельно пересчитываются метрики раздела 8; изменения политики версионируются; время и форма обращений рандомизируются в пределах разрешённого окна для честной оценки эффекта факт [S40].
Когда спрашивать и когда молчать. Правило принимает решение по четырём проверкам подряд: есть ли тип обращения в реестре и надёжен ли триггер; есть ли согласие и не исчерпан ли бюджет; выше ли цена задержки цены прерывания для данного класса (порог задан владельцем политики, не моделью); есть ли у адресата полномочия ответить. Любое «нет» означает «промолчать» или «отложить» с записью причины. Это прямое воплощение принципа ожидаемой полезности факт [S2, S20] и опции «ничего не делать» факт [S1].
Планирование обращений. Все разрешённые обращения ставятся в очередь на человека; планировщик раскладывает их по окнам внимания и объединяет некритичные в сводку; минимальный интервал между обращениями и одно обращение за раз — как в троттлинге подсказок вендор [S12]; при конфликте лимитов побеждает самый строгий вендор [S9].
Human-in-the-loop и interrupt-паттерны. Четыре типа прерываний по образцу Agent Inbox: вопрос (нужны данные), проверка (одобрить или отредактировать предложенное действие), уведомление (без ответа), решение (выбор из вариантов) факт [S28]. Необратимые действия проходят через обязательное одобрение с fail-closed поведением при неразборчивых аргументах факт [S50]; типовые решения переводятся в правила автоодобрения по классу с журналом и правом отзыва факт [S50]. Побочные эффекты до прерывания идемпотентны факт [S18].
Проверка согласованности. Перед отправкой автоматически проверяются: соответствие текста шаблону и схеме; отсутствие полей, которых нет в данных (защита от додумывания); отсутствие запрещённых категорий данных; наличие decline и defer; соответствие адресата матрице ролей; остаток бюджета. Проверки — код, не модель.
10.3. Что автоматизируется, что остаётся человеку, чему нельзя доверять модели
| Задача | Автоматически (код) | Модель | Человек |
|---|---|---|---|
| Решение об обращении | да, по политике | нет | владелец политики задаёт пороги |
| Выбор момента в окне | статистический оценщик | нет | человек задаёт тихие часы и лимиты |
| Формулировка обращения | валидация по схеме | да, по шаблону | владелец процесса утверждает шаблон |
| Интерпретация свободного ответа | валидация результата | да, в схему | спорные случаи — человек |
| Подготовка карточки решения | сбор фактов из систем | да, сводка и варианты | принимает решение |
| Эскалация | да, по карте | нет | заместитель по матрице |
| Оценка человека, выводы о состоянии | нет | нет, запрещено политикой | только руководитель вне системы |
| Пересмотр политики | метрики | предложения на основе журнала (черновик) | владелец политики утверждает |
Модели нельзя доверять: решение о самом обращении и его частоте (ошибка в трети случаев эмпирика [S16]); заполнение недостающих аргументов эмпирика [S75]; вывод об эмоциях и намерениях сотрудника факт [S84]; выбор адресата по контексту переписки вместо матрицы ролей; формулировки с давлением (dark patterns) эмпирика [S39].
10.4. Машиночитаемая структура обращений, согласий, ответов и эскалаций гипотеза
Ниже — минимальная схема, согласованная с артефактами раздела 6. Все типы — гипотеза; заимствования отмечены.
Outreach: # одно обращение
id: string
type_id: string # ссылка на реестр обращений
goal: enum[data, status, decision, action]
recipient:
person_id: string
role: string
authority_check: enum[passed, failed]
trigger:
source: string
reliability: enum[verified, noisy, none]
snapshot: object
policy_decision:
result: enum[send, defer, silence, escalate]
reasons: [string]
budget_class: enum[interrupting, deferred, digest]
budget_remaining_after: int
channel: enum[task_list, messenger, push, digest, voice]
content:
template_id: string
text: string
generated_by: enum[template, model]
schema_ref: string
allowed_responses: [enum[accept, edit, respond, decline, ignore, defer]] # из Agent Inbox и MCP elicitation
deadline: datetime
escalation_ref: string
disclosure: # Article 50
ai_initiated: true
why_link: string
Consent:
person_id: string
scope:
type_id: string? # либо тип обращения, либо канал
channel: string?
state: enum[granted, declined, paused_until, required_by_role]
informed_at: datetime
source: enum[self, role, contract]
revoke_path: string
Response:
outreach_id: string
action: enum[accept, edit, respond, decline, ignore, defer] # ignore фиксируется по таймауту
payload: object # валидирован по schema_ref
free_text: string?
interpreted_by_model: bool
at: datetime
Reaction: # что произошло после ответа
outreach_id: string
outcome: enum[done, changed_plan, rejected, no_change, escalated]
process_effect: string # что изменилось в процессе
followup_outreach_id: string?
Escalation:
outreach_id: string
level: int
action: enum[remind_once, widen_candidates, reassign, notify_stakeholder]
to:
role: string
person_id: string?
basis:
deadline_missed: bool
cost_of_delay: number
trigger_reliability: enum[verified, noisy, none]
at: datetime
closed_by: enum[response, stop_condition, max_levels]
Связи: Outreach ссылается на тип из реестра и на карту эскалаций; Consent проверяется политикой до создания Outreach; Response и Reaction замыкают цикл и питают метрики; Escalation создаётся только политикой по карте. Совместимость: allowed_responses и Response.action совпадают с моделью Agent Inbox факт [S28] и исходами MCP elicitation факт [S19]; роли получателя — с генеральными ролями WS-HumanTask факт [S14]; поле disclosure закрывает требование Article 50 факт [S26]; журнал Outreach плюс Response хранится не менее шести месяцев факт [S27].
10.5. Риски и открытые репозитории
- Риски. Ложные срабатывания и усталость (раздел 8); скрытый мониторинг через «память о человеке»; automation bias у одобряющих факт [S83]; регуляторная переквалификация в высокий риск при распределении задач по поведению факт [S85]; зависимость от каналов, которые могут не доставить сообщение факт [S23].
- Открытые репозитории и документация (дата доступа 2026-09-21). LangGraph interrupts факт [S18]; Agent Inbox (архивирован 2026-09-20) факт [S28]; OpenAI Agents SDK HITL факт [S50]; Claude Agent SDK permissions факт [S51]; MCP elicitation факт [S19]; Temporal HITL cookbook факт [S25]; HumanLayer (SDK удалены, Apache-2) факт [S17]; Proactive Agent и ProactiveBench эмпирика [S16]; Inner Thoughts (открытый код по ссылке из статьи) эмпирика [S73]; Vigil (volcengine/veaiops по ссылке из статьи) вендор [S74].
Происхождение, ключевые фигуры, что читать
11.1. Какую боль решал предмет и что из этого актуально
Проактивные системы выросли из четырёх независимых линий, и каждая решала свою боль.
- Человеко-машинное взаимодействие, конец 1990-х. Спор между прямым манипулированием и автоматизацией интерфейса; Horvitz предложил «элегантное сопряжение» автоматических сервисов с прямым управлением, где система действует только при ожидаемой пользе выше бездействия и учитывает внимание пользователя; демонстрация — система Lookout для планирования встреч факт [S2]. Актуально целиком: это и есть правило инициативы; модели внимания и стоимость прерывания развиты в проекте Attentional User Interfaces факт [S20].
- Поведенческая наука и убеждающие технологии, 2000-е. Модель Фогга ответила на вопрос, почему подсказка не срабатывает: не совпали мотивация и способность факт [S31]; Oinas-Kukkonen и Harjumaa перевели это в 28 проектных принципов и постулаты открытости и ненавязчивости факт [S32]; Thaler и Sunstein в 2008 году описали архитектуру выбора и либертарианский патернализм факт [S103]. Актуальны принципы и критика: после пересмотра эффективности nudging эмпирика [S64, S65] ценность сместилась к структурным вмешательствам.
- Клиническая психология и мобильное здоровье, 2008–2018. EMA снизила ошибку припоминания факт [S41]; JITAI формализовали «правильную поддержку в правильный момент» через шесть элементов и восприимчивость факт [S1]; микрорандомизированные испытания дали способ проверять такие правила факт [S40]. Актуальны напрямую: восприимчивость, опция «ничего не делать», затухание эффекта эмпирика [S60].
- Социология труда и платформы, 2016–2021. Uber и курьерские платформы сделали алгоритмическое управление массовым; Kellogg, Valentine и Christin описали шесть механизмов контроля факт [S4], Wood и соавторы и Möhlmann и соавторы — последствия для работников эмпирика [S69, S70]. Актуально как список того, чего проактивная система делать не должна, и как основа регуляторики факт [S89].
Агентный слой (proactive dialogue systems с 2023 года факт [S3], proactive agents с 2024 года эмпирика [S16], встроенные interrupt-паттерны SDK) не создал новых оснований: он реализует правило Horvitz и элементы JITAI средствами LLM гипотеза.
11.2. Ключевые фигуры
- Eric Horvitz — mixed-initiative, модели внимания, стоимость прерывания факт [S2, S20].
- B. J. Fogg — модель поведения B = MAP, Stanford Behavior Design Lab факт [S31].
- Harri Oinas-Kukkonen, Marja Harjumaa — Persuasive Systems Design факт [S32].
- Richard Thaler, Cass Sunstein — nudge и его этика факт [S103, S37]; Daniel Susser, Beate Roessler, Helen Nissenbaum — определение манипуляции факт [S36].
- Saul Shiffman, Arthur Stone — EMA факт [S41]; Inbal Nahum-Shani, Susan Murphy, Predrag Klasnja — JITAI и микрорандомизированные испытания факт [S1, S40].
- Katherine Kellogg, Melissa Valentine, Angèle Christin — алгоритмический контроль факт [S4]; Sharon Parker, Xavier Parent-Rocheleau — алгоритмы как дизайнеры работы факт [S49].
- Don Dillman — Tailored Design Method факт [S29, S30]; Alexander Quinn, Benjamin Bederson — таксономия human computation факт [S48].
- Yang Deng и соавторы — обзор проактивных диалоговых систем факт [S3]; Yaxi Lu и соавторы — Proactive Agent и ProactiveBench эмпирика [S16].
11.3. Кураторский список чтения
- Nahum-Shani и соавт., JITAIs in Mobile Health (2018) — единственный текст, где «когда обращаться» разложено на элементы с опцией «ничего не делать» факт [S1].
- Horvitz, Principles of Mixed-Initiative User Interfaces (1999) — исходное правило ожидаемой полезности вмешательства факт [S2].
- Horvitz и соавт., Models of Attention in Computing and Communication (2003) — как измерять стоимость прерывания факт [S20].
- Kellogg, Valentine, Christin, Algorithms at Work (2020) — карта механизмов контроля, которых следует избегать факт [S4].
- Parent-Rocheleau, Parker, Algorithms as work designers (2022) — модераторы вреда: прозрачность, справедливость, влияние работника факт [S49].
- Susser, Roessler, Nissenbaum, Online Manipulation (2019) — рабочее определение манипуляции для проверки шаблонов факт [S36].
- Sunstein, The Ethics of Nudging (2015) — критерии допустимого nudge: благополучие, автономия, достоинство факт [S37].
- Maier и соавт., No evidence for nudging after adjusting for publication bias (2022) и DellaVigna, Linos, RCTs to Scale (2022) — почему напоминания дают мало эмпирика [S64, S65].
- Wrzus, Neubauer, EMA meta-analysis (2023) и Eisele и соавт. (2022) — нормы частоты и длины обращений эмпирика [S6, S22].
- Klasnja и соавт., HeartSteps MRT (2019) — эмпирика затухания эффекта подсказок эмпирика [S60].
- Deng и соавт., A Survey on Proactive Dialogue Systems (2023) и Lu и соавт., Proactive Agent (2024) — состояние агентной проактивности и её предел точности факт [S3]; эмпирика [S16].
- Green, The flaws of policies requiring human oversight (2022) — почему «человек одобрит» не гарантия мнение [S80].
- OASIS WS-HumanTask 1.1 (2010) — готовая модель ролей, состояний и эскалаций для задач людям факт [S14].
- MCP Elicitation (2025) и Agent Inbox README — машиночитаемая модель ответа человека агенту факт [S19, S28].
- Directive (EU) 2024/2831, глава III — что регулятор считает алгоритмическим управлением и как требует надзор факт [S89].
- Thaler, Sunstein, Nudge (2008) — первоисточник архитектуры выбора; в этом исследовании не прочитан, доступна аннотация издания факт [S103].
Открытые вопросы и границы уверенности
12.1. Что не удалось проверить
- Полевые данные для компаний 5–500 человек. Ни одно эмпирическое исследование проактивных обращений к сотрудникам в организациях такого размера не найдено; отклик по размеру организации известен только из вендорского бенчмарка вендор [S43]. Все числа сценариев раздела 5 — иллюстрации.
- Полный список принципов Horvitz. Прочитана только страница-аннотация; PDF статьи не распознан инструментом факт [S2]. Принципы в разделе 1 приведены по аннотации и обзорной странице проекта факт [S20], без дословного перечня.
- Полный текст Kellogg и соавторов. Извлечение PDF частичное; шесть механизмов и характеристики подтверждены, детали кейсов нет факт [S4].
- Абстракты вместо полных текстов. Для многих статей (Wrzus, Wang и Miller, Mertens, Parent-Rocheleau, Künzler, Eisele, Wood, Dietvorst, HeartSteps, Kim и соавторы) доступна только аннотация; дизайн и ограничения взяты из аннотаций.
- Усталость от опросов в организациях. Классические работы Rogelberg и соавторов и Porter и соавторов оказались недоступны (аннотации скрыты издателем); прямых измерений «survey fatigue» в компаниях в отчёте нет, тезис опирается на EMA-эмпирику эмпирика [S22, S6] и вендорские утверждения вендор [S5].
- Полный отчёт OECD 2025 и данные EWCS 2024. Страницы OECD и Eurofound не открылись (403 и 429); числа взяты из пересказа профсоюзного комитета и статьи автора JRC эмпирика [S52, S55].
- Исследования прерываний Mark и соавторов (2008), Iqbal и Horvitz (2007), Sahami Shirazi и соавторов (2014). PDF не распознаны, аннотации скрыты; их результаты в отчёт не включены, кроме пересказа на странице автора эмпирика [S66].
- Первоисточник Burke и соавторов (2006) по participatory sensing. Страницы недоступны или пусты; класс описан без первичной ссылки, через таксономию human computation факт [S48].
- Цены Qualtrics, WalkMe, Pega, Dynamics 365 Field Service. Не публикуются или не проверялись.
12.2. Где источники противоречат друг другу
- Эффект nudging. d = 0,45 у Mertens и соавторов эмпирика [S63] против d = 0,04 после коррекции у Maier и соавторов эмпирика [S64]; полевые данные nudge-подразделений дают 1,4 процентного пункта эмпирика [S65]. Отчёт принимает консервативную сторону.
- Величина эффекта JITAI. g от 0,79 до 1,65 в метаобзоре эмпирика [S58] против отсутствия разницы с активным контролем в обзоре по психическому здоровью эмпирика [S59]. Вероятно, разница объясняется типом контроля и размером выборок гипотеза.
- Частота обращений. Число опросов в день не влияет на комплаентность эмпирика [S6, S22], тогда как число уведомлений связано с негативными эмоциями эмпирика [S66]. Совместимо, если различать запланированные короткие опросы и неструктурированный поток уведомлений гипотеза.
- Дата вето SB 7. Источники называют 13 и 14 октября 2025 года; в отчёте указан «октябрь 2025 года» факт [S91].
- Год публикации Mertens и соавторов. Онлайн-публикация в декабре 2021 года, номер журнала 2022 года; в реестре указан 2022 эмпирика [S63].
12.3. Какие данные могли бы изменить выводы
- Полевой эксперимент в организациях 20–200 человек с рандомизацией времени и формы обращений и измерением отклика, эскалаций и выгорания за 3–6 месяцев.
- Открытые данные о доле принятых проактивных предложений в развёрнутых рабочих ассистентах (Pulse, Copilot, Vigil) — сейчас только вендорские утверждения вендор [S56, S74].
- Результаты бенчмарков «когда спрашивать» на операционных задачах, а не на программировании и QA эмпирика [S76, S77].
- Практика применения Article 26(7) и главы III директивы о платформенной работе после транспозиции в декабре 2026 года факт [S27, S89].
12.4. Ограничения доступа
Закрытые или нераспознанные источники: PNAS (оригиналы статей, использованы зеркала PMC и Semantic Scholar), SAGE, Wiley, Springer (перенаправление на авторизацию), ACM DL, ResearchGate, SSRN, PubMed (требование cookies), OECD и Eurofound (403 и 429), ряд PDF (Horvitz 1999, Kellogg и соавторы частично, Mark и соавторы, Pielot и соавторы, Eisele и соавторы, ILO PDF). Книги Dillman и Thaler и Sunstein представлены страницами изданий и не прочитаны.
Статус complete выставлен, поскольку все разделы заполнены по доступным источникам, а перечисленные пробелы не блокируют выводы, но снижают уверенность в числах раздела 2 до среднего уровня.
Реестр источников
| ID | Название | Автор или издатель | URL | Публикация | Доступ (дата) | Вид доступа | Что подтверждает |
|---|---|---|---|---|---|---|---|
| S1 | Just-in-Time Adaptive Interventions (JITAIs) in Mobile Health: Key Components and Design Principles for Ongoing Health Behavior Support | Nahum-Shani I. и соавт., Annals of Behavioral Medicine 52(6) | pmc.ncbi.nlm.nih.gov/articles/PMC5364076/ | 2018 | 2026-09-21 | полный текст | раздел 1: определение JITAI, шесть элементов, уязвимость, возможность, восприимчивость, опция «ничего не делать», усталость от вмешательства |
| S2 | Principles of Mixed-Initiative User Interfaces | Horvitz E., CHI 1999; страница Microsoft Research | microsoft.com/en-us/research/publication/principles-mixed… | 1999 | 2026-09-21 | аннотация | раздел 1: ожидаемая полезность действия, внимание, стоимость беспокойства |
| S3 | A Survey on Proactive Dialogue Systems: Problems, Methods, and Prospects | Deng Y., Lei W., Lam W., Chua T.-S., IJCAI 2023 | arxiv.org/abs/2305.02750 | 2023-05 | 2026-09-21 | аннотация | раздел 1: определение проактивных диалоговых систем, три типа задач |
| S4 | Algorithms at Work: The New Contested Terrain of Control | Kellogg K. C., Valentine M. A., Christin A., Academy of Management Annals 14(1) | angelechristin.com/wp-content/uploads/2020/01/Algorithms-… | 2020 | 2026-09-21 | фрагмент | раздел 1: шесть механизмов алгоритмического контроля, алгоактивизм |
| S5 | Employee Pulse Surveys: The Complete Guide | Qualtrics | qualtrics.com/experience-management/employee/what-is-empl… | без даты | 2026-09-21 | полный текст | раздел 1: длина и частота pulse-опросов, причины усталости (вендор) |
| S6 | Ecological Momentary Assessment: A Meta-Analysis on Designs, Samples, and Compliance Across Research Fields | Wrzus C., Neubauer A. B., Assessment 30(3) | api.semanticscholar.org/graph/v1/paper/DOI:10.1177/107319… | 2023 | 2026-09-21 | аннотация | раздел 1: 477 статей, 6 опросов в день, 7 дней, комплаентность 79 %, стимулы |
| S7 | Amazon Mechanical Turk core concepts | Amazon Web Services | docs.aws.amazon.com/AWSMechTurk/latest/AWSMechanicalTurkR… | без даты | 2026-09-21 | полный текст | раздел 1: HIT, assignment, reward, qualifications, закрытие сервиса 2026-09-30 |
| S8 | Next-Best-Action Designer | Pega Academy | academy.pega.com/topic/next-best-action-designer/v1 | без даты | 2026-09-21 | полный текст | раздел 1: engagement policies, contact policies, арбитраж (вендор) |
| S9 | Rate limiting and frequency capping | Braze Docs | braze.com/docs/user_guide/engagement_tools/campaigns/test… | без даты | 2026-09-21 | полный текст | раздел 1: глобальные лимиты частоты, окна до 30 дней, самое строгое правило (вендор) |
| S10 | WalkMe Solution Overview | WalkMe Help Center | support.walkme.com/knowledge-base/walkme-apps-overview/ | без даты | 2026-09-21 | полный текст | раздел 1: типы контента DAP (Smart Walk-Thrus, SmartTips, ShoutOuts, Launchers) |
| S11 | Digital adoption platform | Wikipedia | en.wikipedia.org/wiki/Digital_adoption_platform | без даты | 2026-09-21 | полный текст | раздел 1: определение DAP, типовые функции, вендоры |
| S12 | Order and throttle your guides | Pendo Help Center | support.pendo.io/hc/en-us/articles/360031864452-Order-and… | без даты | 2026-09-21 | полный текст | раздел 1: троттлинг подсказок, одна за раз, минимальный интервал (вендор) |
| S13 | Overview of Dynamics 365 Field Service | Microsoft Learn | learn.microsoft.com/en-us/dynamics365/field-service/overview | 2026-07-21 | 2026-09-21 | полный текст | раздел 1: наряды, диспетчер, schedule board, RSO, мобильное приложение |
| S14 | Web Services – Human Task (WS-HumanTask) Specification Version 1.1 | OASIS | docs.oasis-open.org/bpel4people/ws-humantask-1.1-spec-cs-… | 2010-08-17 | 2026-09-21 | полный текст | раздел 1: роли, состояния задачи, дедлайны, эскалации, уведомления |
| S15 | User task lifecycle | Camunda 8 Docs | docs.camunda.io/docs/apis-tools/frontend-development/task… | без даты | 2026-09-21 | полный текст | раздел 1: события жизненного цикла, назначение, срок, follow-up, листенеры |
| S16 | Proactive Agent: Shifting LLM Agents from Reactive Responses to Active Assistance | Lu Y. и соавт., arXiv 2410.12361 (ICLR 2025) | arxiv.org/abs/2410.12361 | 2024-10 | 2026-09-21 | аннотация | раздел 1: ProactiveBench 6 790 событий, F1 66,47 % |
| S17 | HumanLayer README (humanlayer.md) | HumanLayer, GitHub | github.com/humanlayer/humanlayer/blob/main/humanlayer.md | без даты | 2026-09-21 | полный текст | раздел 1: require_approval, human_as_tool, SDK удалены, замещён CodeLayer |
| S18 | Interrupts | LangChain Docs (LangGraph) | docs.langchain.com/oss/python/langgraph/interrupts | без даты | 2026-09-21 | полный текст | раздел 1: interrupt(), checkpointer, Command(resume), повторное выполнение узла, идемпотентность |
| S19 | Elicitation (MCP Specification 2025-06-18) | Model Context Protocol | modelcontextprotocol.io/specification/2025-06-18/client/e… | 2025-06-18 | 2026-09-21 | полный текст | раздел 1: accept / decline / cancel, ограниченная JSON-схема, требования безопасности |
| S20 | Models of Attention in Computing and Communication: From Principles to Applications (обзор проекта AUI) | Horvitz E., Microsoft Research | erichorvitz.com/cacm-attention.htm | 2003 | 2026-09-21 | полный текст | раздел 1: ценность информации против стоимости прерывания, отложенная доставка |
| S21 | Exploring the State-of-Receptivity for mHealth Interventions | Künzler F. и соавт., IMWUT 3(4) | api.semanticscholar.org/graph/v1/paper/DOI:10.1145/336980… | 2019 | 2026-09-21 | аннотация | раздел 1: 189 участников, 6 недель, факторы восприимчивости, +77 % F1 |
| S22 | The Effects of Sampling Frequency and Questionnaire Length on Perceived Burden, Compliance, and Careless Responding in Experience Sampling Data in a Student Population | Eisele G. и соавт., Assessment 29(2) | api.semanticscholar.org/graph/v1/paper/DOI:10.1177/107319… | 2022 | 2026-09-21 | аннотация | раздел 1: 163 участника, длина анкеты вредит, частота нет |
| S23 | Send proactive Microsoft Teams messages | Microsoft Learn, Copilot Studio | learn.microsoft.com/en-us/microsoft-copilot-studio/advanc… | 2026-02-23 | 2026-09-21 | полный текст | раздел 1: условия доставки проактивных сообщений, отложенная отправка при активном чате |
| S24 | Web Versus Other Survey Modes: An Updated and Extended Meta-Analysis Comparing Response Rates | Daikeler J., Bošnjak M., Lozar Manfreda K., Journal of Survey Statistics and Methodology 8(3) | academic.oup.com/jssam/article-abstract/8/3/513/5488703 | 2020 | 2026-09-21 | аннотация | раздел 1: 114 сравнений, веб на 12 п.п. ниже, модераторы отклика |
| S25 | Human-in-the-loop AI agent (AI Cookbook) | Temporal Docs | docs.temporal.io/ai/cookbook/human-in-the-loop-python | без даты | 2026-09-21 | полный текст | раздел 1: wait_condition, сигналы, durable-таймеры, таймаут, эскалация |
| S26 | Article 50: Transparency Obligations for Providers and Deployers of Certain AI Systems | artificialintelligenceact.eu | artificialintelligenceact.eu/article/50/ | 2024 | 2026-09-21 | полный текст | раздел 1: обязанность сообщать о взаимодействии с ИИ, применение с 2026-08-02 |
| S27 | Article 26: Obligations of Deployers of High-Risk AI Systems | artificialintelligenceact.eu | artificialintelligenceact.eu/article/26/ | 2024 | 2026-09-21 | полный текст | раздел 1: информирование работников (26(7)), надзор, логи не менее шести месяцев |
| S28 | Agent Inbox README | LangChain, GitHub | github.com/langchain-ai/agent-inbox/blob/main/README.md | без даты | 2026-09-21 | полный текст | раздел 1: схема прерывания, разрешённые действия accept / edit / response / ignore, архив 2026-09-20 |
| S29 | The Tailored Design Method | Social & Economic Sciences Research Center, Washington State University | sesrc.wsu.edu/about/total-design-method/ | без даты | 2026-09-21 | полный текст | раздел 1: социальный обмен, несколько контактов, отклик 60–70 % в ранних применениях |
| S30 | Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method, 4th Edition | Dillman D. A., Smyth J. D., Christian L. M., Wiley | wiley.com/en-us/Internet%2C+Phone%2C+Mail%2C+and+Mixed+Mo… | 2014 | 2026-09-21 | аннотация | раздел 1: книга-первоисточник TDM (не прочитана целиком) |
| S31 | Fogg Behavior Model | Fogg B. J., behaviormodel.org | behaviormodel.org/ | без даты | 2026-09-21 | полный текст | раздел 1: B = MAP, поведение при совпадении мотивации, способности и подсказки |
| S32 | Persuasive Systems Design: Key Issues, Process Model, and System Features | Oinas-Kukkonen H., Harjumaa M., Communications of the AIS 24 | aisel.aisnet.org/cais/vol24/iss1/28/ | 2009 | 2026-09-21 | аннотация | раздел 1: семь постулатов, 28 принципов в четырёх категориях |
| S33 | The behaviour change wheel: A new method for characterising and designing behaviour change interventions | Michie S., van Stralen M. M., West R., Implementation Science 6:42 | pmc.ncbi.nlm.nih.gov/articles/PMC3096582/ | 2011-04-23 | 2026-09-21 | полный текст | раздел 1: COM-B, девять функций вмешательства |
| S34 | Theory (overview of Self-Determination Theory) | Center for Self-Determination Theory (Deci E. L., Ryan R. M.) | selfdeterminationtheory.org/theory/ | без даты | 2026-09-21 | полный текст | раздел 1: автономия, компетентность, связанность; контроль подрывает внутреннюю мотивацию |
| S35 | How to form a habit (дайджест Lally et al. 2010) | British Psychological Society Research Digest | bps.org.uk/research-digest/how-form-habit | 2010-10-06 | 2026-09-21 | полный текст | раздел 1: 96 участников, 66 дней в среднем, разброс 18–254, пропуск дня |
| S36 | Online Manipulation: Hidden Influences in a Digital World | Susser D., Roessler B., Nissenbaum H., Georgetown Law Technology Review 4 | pure.uva.nl/ws/files/45242068/Susser_Roessler_Nissenbaum_… | 2019 | 2026-09-21 | полный текст | раздел 1: определение манипуляции, отличие от убеждения, принуждения и nudging |
| S37 | The Ethics of Nudging | Sunstein C. R., Yale Journal on Regulation 32 | yalejreg.com/print/the-ethics-of-nudging/ | 2015 | 2026-09-21 | фрагмент | раздел 1: критерии благополучия, автономии, достоинства; риск манипуляции |
| S38 | Digital Nudging | Weinmann M., Schneider C., vom Brocke J., Business & Information Systems Engineering 58(6) | aisel.aisnet.org/bise/vol58/iss6/5/ | 2016 | 2026-09-21 | аннотация | раздел 1: определение digital nudging, среды выбора (формы, ERP) |
| S39 | Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites | Mathur A. и соавт., CSCW 2019 | arxiv.org/abs/1907.07032 | 2019 | 2026-09-21 | аннотация | раздел 1: определение dark patterns, 1 818 случаев, 15 типов |
| S40 | Microrandomized Trials: An Experimental Design for Developing Just-in-Time Adaptive Interventions | Klasnja P. и соавт., Health Psychology 34(Suppl) | api.semanticscholar.org/graph/v1/paper/DOI:10.1037/hea000… | 2015 | 2026-09-21 | аннотация | раздел 1: дизайн MRT, проксимальные эффекты, модерация во времени |
| S41 | Ecological Momentary Assessment | Shiffman S., Stone A. A., Hufford M. R., Annual Review of Clinical Psychology 4 | annualreviews.org/content/journals/10.1146/annurev.clinps… | 2008 | 2026-09-21 | аннотация | раздел 1: определение EMA, ошибка припоминания, экологическая валидность |
| S42 | Using experience sampling methodology in organizational behavior | Fisher C. D., To M. L., Journal of Organizational Behavior 33(7) | research-repository.uwa.edu.au/en/publications/using-expe… | 2012 | 2026-09-21 | аннотация | раздел 1: ESM в организациях, внутриличностные процессы |
| S43 | The Employee Engagement Benchmarks Q1 2025 | Hive HR | hive.hr/the-employee-engagement-benchmarks-q1-2025/ | 2025 | 2026-09-21 | полный текст | раздел 1: отклик по размеру организации (38 % до 250 сотрудников) (вендор) |
| S44 | Tell Me About Yourself: Using an AI-Powered Chatbot to Conduct Conversational Surveys with Open-ended Questions | Xiao Z. и соавт., ACM TOCHI 27(3) | arxiv.org/abs/1905.10700 | 2020 | 2026-09-21 | аннотация | раздел 1: ~600 участников, 5 200 ответов, качество по максимам Грайса |
| S45 | Comparing Data from Chatbot and Web Surveys: Effects of Platform and Conversational Style on Survey Response Quality | Kim S., Lee J., Gweon G., CHI 2019 | api.semanticscholar.org/graph/v1/paper/DOI:10.1145/329060… | 2019 | 2026-09-21 | аннотация | раздел 1: меньше satisficing в чат-боте, эффект разговорного стиля |
| S46 | AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers | Wuttke A. и соавт., arXiv 2410.01824 | arxiv.org/abs/2410.01824 | 2024-10 | 2026-09-21 | аннотация | раздел 1: LLM-интервьюер сопоставим с человеком в малом эксперименте |
| S47 | Telephone Surveys Meet Conversational AI: Evaluating a LLM-Based Telephone Survey System at Scale | Lang M. M., Eskenazi S., arXiv 2502.20140 | arxiv.org/abs/2502.20140 | 2025-02 | 2026-09-21 | аннотация | раздел 1: n = 2 739 в Перу, качество структурированных ответов, слабее в глубине |
| S48 | Human computation: a survey and taxonomy of a growing field (конспект курса CS6724) | Quinn A. J., Bederson B. B., CHI 2011; конспект Virginia Tech | wordpress.cs.vt.edu/cs6724f15/2015/08/26/human-computatio… | 2011 | 2026-09-21 | фрагмент | раздел 1: определение human computation, шесть измерений таксономии (вторичный пересказ) |
| S49 | Algorithms as work designers: How algorithmic management influences the design of jobs | Parent-Rocheleau X., Parker S. K., Human Resource Management Review 32(3) | api.semanticscholar.org/graph/v1/paper/DOI:10.1016/j.hrmr… | 2022 | 2026-09-21 | аннотация | раздел 1: шесть функций AM, модераторы прозрачность, справедливость, влияние человека |
| S50 | Human-in-the-loop | OpenAI Agents SDK (Python) docs | openai.github.io/openai-agents-python/human_in_the_loop/ | без даты | 2026-09-21 | полный текст | раздел 1: needs_approval, interruptions, RunState, fail-closed |
| S51 | Configure permissions | Claude Agent SDK docs, Anthropic | code.claude.com/docs/en/agent-sdk/permissions | без даты | 2026-09-21 | полный текст | раздел 1: порядок проверки разрешений, canUseTool, режимы |
| S52 | New OECD report on algorithmic management reveals urgent need for worker protections | TUAC (Trade Union Advisory Committee to the OECD) | tuac.org/news/new-oecd-report-on-algorithmic-management-r… | 2025-02-07 | 2026-09-21 | полный текст | раздел 2: числа опроса OECD (6 000 менеджеров, 90 % США, 79 % Европа, мониторинг переписки 55 % против 6 %, 63 % консультируются); мнение профсоюзов |
| S53 | Algorithmic management in the workplace: New evidence from an OECD employer survey (страница мероприятия) | ILO | ilo.org/meetings-and-events/algorithmic-management-workpl… | 2025-03-06 | 2026-09-21 | полный текст | раздел 2: восприятие менеджерами пользы и рисков инструментов |
| S54 | Algorithmic Management practices in regular workplaces: case studies in logistics and healthcare | Rani U., Pesole A., Gonzalez Vazquez I., ILO и JRC | ilo.org/publications/algorithmic-management-practices-reg… | 2024-02-19 | 2026-09-21 | аннотация | раздел 2: кейсы в четырёх странах, риск ухудшения качества работы и слежки, разные эффекты по контексту |
| S55 | The Algorithmic Workplace: How Platformisation Is Reshaping Work in Europe | Fernández-Macías E., Social Europe | socialeurope.eu/the-algorithmic-workplace-how-platformisa… | 2025-11-28 | 2026-09-21 | полный текст | раздел 2: AIM-WORK, 70 316 респондентов, 24 % с автоматическим распределением времени |
| S56 | OpenAI launches ChatGPT Pulse to proactively write you morning briefs | TechCrunch | techcrunch.com/2025/09/25/openai-launches-chatgpt-pulse-t… | 2025-09-25 | 2026-09-21 | полный текст | раздел 2: запуск Pulse, карточки, память и коннекторы, намеренная остановка (вендор) |
| S57 | Gemini app launches scheduled actions to help you stay productive | Google, blog.google | blog.google/products-and-platforms/products/gemini/schedu… | 2025-06-06 | 2026-09-21 | полный текст | раздел 2: scheduled actions для AI Pro и Ultra (вендор) |
| S58 | Just-in-the-Moment Adaptive Interventions (JITAI): A Meta-Analytical Review | Wang L., Miller L. C., Health Communication 35(12) | api.semanticscholar.org/graph/v1/paper/DOI:10.1080/104102… | 2020 | 2026-09-21 | аннотация | раздел 2: 33 исследования, g = 1,65 / 0,89 / 0,79, аддитивность адаптации |
| S59 | Beyond the current state of just-in-time adaptive interventions in mental health: a qualitative systematic review | van Genugten C. R. и соавт., Frontiers in Digital Health 7 | frontiersin.org/journals/digital-health/articles/10.3389/… | 2025-01-28 | 2026-09-21 | полный текст | раздел 2: 9 статей, 5 систем, нет разницы с активным контролем, отсев до 40 %, восприимчивость оценена в одной системе |
| S60 | Efficacy of Contextually Tailored Suggestions for Physical Activity: A Micro-randomized Optimization Trial of HeartSteps | Klasnja P. и соавт., Annals of Behavioral Medicine 53(6) | api.semanticscholar.org/graph/v1/paper/DOI:10.1093/abm/ka… | 2019 | 2026-09-21 | аннотация | раздел 2: 44 участника, 6 недель, +24 % шагов, затухание эффекта |
| S61 | Real-World Receptivity to Adaptive Mental Health Interventions: Findings from an In-the-Wild Study | Sahu N. K., Sneh A., Gupta S., Lone H. R., arXiv 2508.02817 | arxiv.org/abs/2508.02817 | 2025-07-10 | 2026-09-21 | аннотация | раздел 2: 70 студентов, 2 недели, восприимчивость как принятие плюс выполнимость |
| S62 | Designing for the Moment: How One-Minute Interventions Fit or Falter Across Domains | Hassanzadeh Z. и соавт., arXiv 2605.29051 | arxiv.org/abs/2605.29051 | 2026-05-27 | 2026-09-21 | аннотация | раздел 2: 22 участника, 14 дней, соавторство подсказок как персонализация |
| S63 | The effectiveness of nudging: A meta-analysis of choice architecture interventions across behavioral domains | Mertens S., Herberz M., Hahnel U. J. J., Brosch T., PNAS 119(1) | api.semanticscholar.org/graph/v1/paper/DOI:10.1073/pnas.2… | 2022 | 2026-09-21 | аннотация | раздел 2: d = 0,45, более 200 исследований, структура выбора сильнее информирования |
| S64 | No evidence for nudging after adjusting for publication bias | Maier M. и соавт., PNAS 119(31) | pmc.ncbi.nlm.nih.gov/articles/PMC9351501/ | 2022 | 2026-09-21 | полный текст | раздел 2: RoBMA, скорректированный d = 0,04, по категориям |
| S65 | RCTs to Scale: Comprehensive Evidence from Two Nudge Units | DellaVigna S., Linos E., NBER Working Paper 27594 (Econometrica 90(1), 2022) | nber.org/papers/w27594 | 2020 | 2026-09-21 | аннотация | раздел 2: 126 RCT, 23 млн человек, 8,7 против 1,4 п.п. |
| S66 | Research (обзор публикаций автора об уведомлениях) | Pielot M., pielot.org | pielot.org/research/ | без даты | 2026-09-21 | полный текст | раздел 2: in-situ исследование 15 пользователей, 63,5 уведомления в день, эмоции, внимательность 12,1 ч в день |
| S67 | Appropriateness of Overridden Alerts in Computerized Physician Order Entry: Systematic Review | Poly T. N., Islam M. M., Yang H.-C., Li Y.-C. J., JMIR Medical Informatics 8(7) | api.semanticscholar.org/graph/v1/paper/DOI:10.2196/15653?… | 2020 | 2026-09-21 | аннотация | раздел 2: переопределение алертов 46,2–96,2 %, уместность 29,4–100 % |
| S68 | Being On-Call (Site Reliability Engineering, глава 11) | Google, sre.google | sre.google/sre-book/being-on-call/ | 2016 | 2026-09-21 | полный текст | раздел 2: не более двух инцидентов на 12-часовую смену, около 6 часов на инцидент, алерты должны требовать действия |
| S69 | Good Gig, Bad Gig: Autonomy and Algorithmic Control in the Global Gig Economy | Wood A. J., Graham M., Lehdonvirta V., Hjorth I., Work, Employment and Society 33(1) | api.semanticscholar.org/graph/v1/paper/DOI:10.1177/095001… | 2019 | 2026-09-21 | аннотация | раздел 2: 107 интервью, 679 анкет; автономия против переработки и истощения |
| S70 | Algorithmic Management of Work on Online Labor Platforms: When Matching Meets Control | Möhlmann M., Zalmanson L., Henfridsson O., Gregory R. W., MIS Quarterly 45(4) | aisel.aisnet.org/misq/vol45/iss4/16/ | 2021 | 2026-09-21 | аннотация | раздел 2: matching и control, напряжения исполнения, оплаты и принадлежности |
| S71 | How Do Algorithmic Management Practices Affect Workforce Well-Being? A Parallel Moderated Mediation Model | Zayid H., Alzubi A., Berberoğlu A., Khadem A., Behavioral Sciences 14(12) | pmc.ncbi.nlm.nih.gov/articles/PMC11672927/ | 2024 | 2026-09-21 | полный текст | раздел 2: 666 сотрудников МСП, опосредование через выгорание и угрозу, модератор person-job fit |
| S72 | ProactiveEval: A Unified Evaluation Framework for Proactive Dialogue Agents | Liu T., Wan F., Guo J., Quan X., arXiv 2508.20973 | arxiv.org/abs/2508.20973 | 2025-08-28 | 2026-09-21 | аннотация | раздел 2: 328 сред, 6 доменов, 22 модели |
| S73 | Proactive Conversational Agents with Inner Thoughts | Liu X. B. и соавт., CHI 2025; arXiv 2501.00383 | arxiv.org/abs/2501.00383 | 2025 | 2026-09-21 | аннотация | раздел 2: параллельный поток мыслей, внутренняя мотивация, 24 участника формативного исследования |
| S74 | Help Without Being Asked: A Deployed Proactive Agent System for On-Call Support with Continuous Self-Improvement | Liu F., He X., Zhang T., arXiv 2604.09579 | arxiv.org/abs/2604.09579 | 2026-02-25 | 2026-09-21 | аннотация | раздел 2: развёртывание более десяти месяцев в Volcano Engine, самообучение (вендор) |
| S75 | Learning to Ask: When LLM Agents Meet Unclear Instruction | Wang W. и соавт., EMNLP 2025; arXiv 2409.00557 | arxiv.org/abs/2409.00557 | 2024-08-31 | 2026-09-21 | аннотация | раздел 2: агенты додумывают аргументы, Noisy ToolBench, Ask-when-Needed |
| S76 | Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents | Edwards N., Schuster S., arXiv 2603.26233 | arxiv.org/abs/2603.26233 | 2026-03-27 | 2026-09-21 | аннотация | раздел 2: 69,40 % решённых задач, калиброванные уточнения |
| S77 | When and What to Ask: AskBench and Rubric-Guided RLVR for LLM Clarification | Zhao J., Fang K., Cheng L., arXiv 2602.11199 | arxiv.org/abs/2602.11199 | 2026-02-04 | 2026-09-21 | аннотация | раздел 2: измерение избыточных и недостаточных уточнений |
| S78 | HAS-Bench: Evaluating LLM-Based Human-Agent Systems under Configurable Human Participation | Wu Y. и соавт., arXiv 2607.04329 | arxiv.org/abs/2607.04329 | 2026-07-05 | 2026-09-21 | аннотация | раздел 2: выигрыш от участия человека зависит от «когда, как и кем», стоимость взаимодействия как метрика |
| S79 | Knowing Isn't Understanding: Re-grounding Generative Proactivity with Epistemic and Behavioral Insight | Kaur K., Lyu X., Shah C., arXiv 2602.15259 | arxiv.org/abs/2602.15259 | 2026-02-16 | 2026-09-21 | аннотация | раздел 2: критика антиципаторной проактивности, неизвестные неизвестные |
| S80 | The flaws of policies requiring human oversight of government algorithms | Green B., Computer Law & Security Review 45; arXiv 2109.05067 | arxiv.org/abs/2109.05067 | 2022 | 2026-09-21 | аннотация | раздел 2: 41 политика, надзор как ложное чувство безопасности |
| S81 | Design Considerations for Human Oversight of AI: Insights from Co-Design Workshops and Work Design Theory | Faas C., Kerstan S., Uth R., Langer M., Feit A. M., arXiv 2510.19512 | arxiv.org/abs/2510.19512 | 2025-10-22 | 2026-09-21 | аннотация | раздел 2: двенадцать соображений дизайна надзора, мотивация надзирающего |
| S82 | Overcoming Algorithm Aversion: People Will Use Imperfect Algorithms If They Can (Even Slightly) Modify Them | Dietvorst B. J., Simmons J. P., Massey C., Management Science 64(3) | api.semanticscholar.org/graph/v1/paper/DOI:10.1287/mnsc.2… | 2018 | 2026-09-21 | аннотация | раздел 2: возможность изменить результат снижает неприятие алгоритма |
| S83 | Article 14: Human Oversight | artificialintelligenceact.eu | artificialintelligenceact.eu/article/14/ | 2024 | 2026-09-21 | полный текст | раздел 2: осведомлённость об automation bias, переопределение, остановка |
| S84 | Article 5: Prohibited AI Practices | artificialintelligenceact.eu | artificialintelligenceact.eu/article/5/ | 2024 | 2026-09-21 | полный текст | раздел 2: запреты 5(1)(a), (b), (f), применение с 2025-02-02 |
| S85 | Annex III: High-Risk AI Systems Referred to in Article 6(2) | artificialintelligenceact.eu | artificialintelligenceact.eu/annex/3/ | 2024 | 2026-09-21 | полный текст | раздел 2: п. 4(b) распределение задач по поведению, мониторинг и оценка работников |
| S86 | EU AI Act Omnibus Agreement — Postponed High-Risk Deadlines and Other Key Changes | Gibson Dunn | gibsondunn.com/eu-ai-act-omnibus-agreement-postponed-high… | 2026-05-27 | 2026-09-21 | полный текст | раздел 2: перенос Annex III на 2027-12-02, Annex I на 2028-08-02, Article 50 без переноса |
| S87 | Art. 22 GDPR: Automated individual decision-making, including profiling | gdpr-info.eu | gdpr-info.eu/art-22-gdpr/ | 2016 | 2026-09-21 | полный текст | раздел 2: право не подвергаться исключительно автоматизированному решению, вмешательство человека |
| S88 | Art. 88 GDPR: Processing in the context of employment | gdpr-info.eu | gdpr-info.eu/art-88-gdpr/ | 2016 | 2026-09-21 | полный текст | раздел 2: национальные правила для трудовых отношений, мониторинг, достоинство |
| S89 | Directive (EU) 2024/2831 on improving working conditions in platform work | European Parliament and Council, EUR-Lex | eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX%3A… | 2024-10-23 | 2026-09-21 | полный текст | раздел 2: глава III об алгоритмическом управлении, ст. 7, 9, 10, 11; транспозиция до 2026-12-02 |
| S90 | Spain's Rider Law: Algorithmic Transparency and Worker Rights | Holistic AI | holisticai.com/blog/spain-rider-law-royal-decree-9-2021 | без даты | 2026-09-21 | полный текст | раздел 2: ст. 64.4 Статута работников, вступление в силу 2021-08-12, охват всех работодателей |
| S91 | California Governor Vetoes "No Robo Bosses Act" | Fisher Phillips | fisherphillips.com/en/insights/insights/california-govern… | 2025-10 | 2026-09-21 | полный текст | раздел 2: вето SB 7, требования законопроекта, причины вето |
| S92 | California SB 947 ("No Robo Bosses Act"): New Proposed Guardrails on Use of Automated Decision Systems in Employer Discipline and Termination Decisions | Crowell & Moring | crowell.com/en/insights/client-alerts/california-sb-947-n… | 2026-02-11 | 2026-09-21 | полный текст | раздел 2: SB 947 внесён 2026-02-02, пост-уведомление, человеческая проверка |
| S93 | Digital Services Act, Article 25: Online interface design and organisation | eu-digital-services-act.com | eu-digital-services-act.com/Digital_Services_Act_Article_… | 2022 | 2026-09-21 | полный текст | раздел 2: запрет обманных и манипулятивных интерфейсов для платформ, примеры |
| S94 | Update about limits for free accounts! (Announcements) | KoboToolbox Community Forum | community.kobotoolbox.org/t/update-about-limits-for-free-… | 2023-08-19 | 2026-09-21 | полный текст | разделы 5, 9: Community plan 5 000 отправок в месяц, 1 ГБ (вендор) |
| S95 | Getting started with ODK | ODK Documentation | docs.getodk.org/getting-started/ | без даты | 2026-09-21 | полный текст | разделы 5, 9: ODK Collect, Central, XLSForm, офлайн, открытый код, ODK Cloud или self-hosting |
| S96 | Pricing | SurveyCTO | surveycto.com/pricing/ | без даты | 2026-09-21 | полный текст | разделы 5, 9: планы Basic 225–250 долларов в месяц, Pro, Advanced, лимиты отправок, case management (вендор) |
| S97 | Pricing | Fulcrum | fulcrumapp.com/pricing/ | без даты | 2026-09-21 | полный текст | разделы 5, 9: Professional 43 и Elite 55 долларов за пользователя в месяц, минимум пять пользователей, dispatch (вендор) |
| S98 | Pricing | Temporal Technologies | temporal.io/pricing | без даты | 2026-09-21 | полный текст | разделы 5, 9: Temporal Cloud от 50 долларов за миллион действий, 150 долларов кредитов (вендор) |
| S99 | Pricing | Camunda | camunda.com/pricing/ | без даты | 2026-09-21 | полный текст | разделы 5, 9: бесплатная разработка, Enterprise по запросу, Tasklist (вендор) |
| S100 | A differentiated pricing model with experience data records | Medallia | medallia.com/pricing/ | без даты | 2026-09-21 | полный текст | раздел 9: модель Experience Data Record, публичных цен нет (вендор) |
| S101 | Pricing | Braze | braze.com/pricing | без даты | 2026-09-21 | полный текст | раздел 9: MAU и кредиты действий, четыре редакции, публичных цен нет (вендор) |
| S102 | Pricing | Pendo | pendo.io/pricing/ | без даты | 2026-09-21 | полный текст | раздел 9: бесплатно до 500 MAU, остальные планы по запросу (вендор) |
| S103 | Nudge: Improving Decisions About Health, Wealth, and Happiness (страница издания) | Thaler R. H., Sunstein C. R., Yale University Press; Google Books | books.google.com.ua/books/about/Nudge.html?id=dSJQn8egXvU… | 2008 | 2026-09-21 | аннотация | раздел 11: первоисточник архитектуры выбора и либертарианского патернализма (книга не прочитана) |
Словарь терминов
- Algorithmic management алгоритмическое управление
- использование алгоритмов для назначения задач, контроля, оценки и дисциплинирования работников; шесть механизмов по Kellogg и соавторам.
- Algoactivism алгоактивизм
- индивидуальные и коллективные тактики сопротивления работников алгоритмическому контролю.
- Attention budget бюджет внимания
- лимит числа и веса обращений к человеку за период, общий для всех процессов; авторский термин отчёта по образцу frequency capping.
- Automation bias склонность к автоматизации
- тенденция человека полагаться на выход автоматизированной системы без проверки; упомянута в Article 14 EU AI Act.
- BCSS, Behavior Change Support System система поддержки изменения поведения
- информационная система, спроектированная для изменения установок или поведения без принуждения и обмана; основа модели PSD.
- Choice architecture архитектура выбора
- способ представления вариантов, влияющий на выбор без запрета вариантов; понятие Thaler и Sunstein.
- Contact policy политика контактов
- правило подавления действия после заданного числа обращений; термин Pega.
- Conversational survey диалоговый опрос
- опрос, проводимый ботом или LLM в форме диалога с уточнениями.
- Crowdsensing, participatory sensing краудсенсинг, участное зондирование
- сбор наблюдений о среде людьми с мобильными устройствами как распределённой сетью датчиков.
- DAP, Digital Adoption Platform платформа цифровой адаптации
- слой поверх приложения с подсказками, туром и аналитикой использования.
- Dark pattern тёмный паттерн
- элемент интерфейса, который принуждает, направляет или обманывает пользователя к невыгодному ему решению.
- Decision point, tailoring variable, decision rule точка решения, переменная адаптации, правило решения
- элементы JITAI, определяющие, когда, по каким данным и какое вмешательство предоставить.
- Digital nudging цифровое подталкивание
- использование элементов интерфейса для направления поведения в цифровых средах выбора.
- Durable timer, signal устойчивый таймер, сигнал
- механизмы Temporal для ожидания ответа человека с сохранением состояния между перезапусками.
- Elicitation запрос данных у пользователя
- механизм MCP, которым сервер запрашивает у пользователя структурированные данные через клиента с исходами accept, decline, cancel.
- EMA, ESM экологическая моментальная оценка, метод выборки переживаний
- повторные короткие опросы о текущем состоянии в естественной среде.
- Escalation эскалация
- заранее описанное действие при неответе к сроку: уведомление, расширение круга, переназначение.
- Experience Data Record запись данных опыта
- единица тарификации Medallia, охватывающая одно взаимодействие.
- Fogg Behavior Model, B = MAP модель поведения Фогга
- поведение происходит при совпадении мотивации, способности и подсказки.
- Frequency capping ограничение частоты
- лимит числа сообщений человеку за окно времени по каналу; термин Braze.
- FSM, WFM управление полевым обслуживанием, управление рабочей силой
- системы нарядов, диспетчеризации, расписаний и учёта времени.
- Guide throttling троттлинг подсказок
- минимальный интервал между автоматическими подсказками; термин Pendo.
- HIT, Human Intelligence Task задача для человека
- атомарная микрозадача в Mechanical Turk.
- HITL, human-in-the-loop человек в контуре
- паттерн, при котором агент останавливается и запрашивает у человека одобрение, данные или решение.
- Human computation человеческие вычисления
- вычислительный процесс, использующий усилия людей для задач, недоступных компьютерам.
- Interrupt прерывание
- в LangGraph — остановка графа с сохранением состояния и ожиданием значения для возобновления.
- JITAI, Just-in-Time Adaptive Intervention адаптивное вмешательство в нужный момент
- дизайн вмешательства, подстраивающий тип и момент поддержки под меняющееся состояние человека.
- Mixed-initiative смешанная инициатива
- взаимодействие, в котором инициативу могут брать и система, и человек; система действует при ожидаемой пользе выше бездействия.
- MRT, micro-randomized trial микрорандомизированное испытание
- дизайн, где вмешательство рандомизируется в каждой точке решения для оценки проксимальных эффектов.
- NBA, Next Best Action следующее лучшее действие
- маркетинговый движок выбора действия для клиента по правилам, склонности и ценности.
- Nonresponse, response rate нонреспонс, отклик
- доля не ответивших и доля ответивших на обращение или опрос.
- Nudge подталкивание
- элемент архитектуры выбора, предсказуемо меняющий поведение без запрета вариантов и значимого изменения стимулов.
- Outreach обращение
- авторский термин отчёта для единицы инициативы системы к человеку.
- Proactive agent, proactive dialogue system проактивный агент, проактивная диалоговая система
- агент, инициирующий действие или ведущий диалог к цели без явного запроса.
- PSD, Persuasive Systems Design проектирование убеждающих систем
- модель Oinas-Kukkonen и Harjumaa с постулатами и 28 принципами.
- Pulse survey пульс-опрос
- короткий регулярный опрос сотрудников.
- Receptivity восприимчивость
- преходящая способность и готовность человека получить и использовать поддержку в момент обращения.
- Satisficing удовлетворительный минимум
- стратегия респондента давать приемлемый, а не точный ответ.
- SDT, Self-Determination Theory теория самодетерминации
- теория мотивации Deci и Ryan с потребностями в автономии, компетентности и связанности.
- Tailored Design Method метод адаптированного дизайна
- подход Dillman к повышению отклика через социальный обмен и серию контактов.
- User task, human task пользовательская задача
- шаг процесса, выполняемый человеком; в BPMN и WS-HumanTask имеет роли, состояния и дедлайны.
- Vulnerability, opportunity уязвимость, возможность
- состояния повышенного риска и повышенной готовности к желательному действию в JITAI.
- VoC, VoE, XM голос клиента, голос сотрудника, управление опытом
- программы сбора и анализа обратной связи клиентов и сотрудников.