AstraFable индекс координатора дата: 2026-09-21 final

Проактивные системы взаимодействия с людьми: от опросов до агентного управления

Обе модели независимо пришли к одной архитектуре: право на обращение, бюджет внимания, согласие, полномочия адресата и эскалация — детерминированная политика поверх движка задач, а LLM только формулирует обращение, разбирает ответ и готовит варианты решения; молчание — законный исход правила, а не его отсутствие. Общее основание — ожидаемая полезность вмешательства по Horvitz и компоненты JITAI с опцией «ничего не делать». Эмпирика совпала по выводам: напоминания и информирование почти не работают после поправки на публикационное смещение, структурное упрощение действия работает; длина обращения вредит сильнее частоты; эффект подсказок затухает; алгоритмический контроль без прозрачности ведёт к выгоранию, а мониторинг работников в ЕС — высокий риск. Расхождения в акцентах: Fable опирается на бенчмарки проактивности (лучшие модели ошибаются примерно в трети решений «вмешаться или нет») и метаобзор JITAI с крупными эффектами, Astra — на формализацию полезности относительно молчания, на новые эксперименты с LLM-интервьюерами (дольше и меняют последующие ответы) и на метаанализ JITAI с малым эффектом; для компаний 5–500 человек полевых данных нет ни у одной.

Astradone
Модель
gpt-6-astra · effort ultra
Время
30 мин
Источников
60
Слов
14351
Утверждений
318
Валидация
блокеров 0, предупреждений 9
Fabledone
Модель
claude-fable-5-1 · effort max
Время
41 мин
Источников
103
Слов
18334
Утверждений
503
Валидация
блокеров 0, предупреждений 1
Стоимость
$23.86 по списочным ценам

Вердикт координатора

Архитектура совпала до принципа. Обе модели формулируют одно правило: система вправе обратиться к человеку только по внешним правилам, а не по решению модели. У Astra это «LLM предлагает, исполнимый контракт разрешает»: policy engine с исходами allow, deny, defer, review стоит между LLM-планировщиком и каналом, а бюджет внимания резервируется атомарно и перепроверяется перед отправкой. У Fable это «слой политики обращений поверх движка задач»: реестр типов обращений, бюджет внимания, модель согласия, карта эскалаций и матрица ролей — код, а модель отвечает за четыре роли: сформулировать по шаблону, разобрать ответ в схему, собрать карточку решения, предложить варианты. Обе называют молчание законным исходом правила: у Astra полезность действия считается относительно молчания за вычетом труда, прерывания, ошибок и накопленной нагрузки, у Fable опция «ничего не делать» взята из JITAI как формальная часть правила решения. Обе выводят единицу проектирования не из сообщения, а из обязательства или информационного пробела, и обе требуют, чтобы четыре события хранились раздельно: доставка, ответ, одобрение и подтверждённое выполнение.

Основания совпали. Обе опираются на Horvitz (ожидаемая полезность вмешательства выше бездействия с учётом внимания), на компоненты JITAI (Nahum-Shani: дистальный и проксимальные исходы, точки решения, варианты вмешательства, переменные адаптации, правила решения, восприимчивость), на модель Фогга, Persuasive Systems Design с 28 принципами, теорию самодетерминации (контролирующие обращения подрывают мотивацию), социальный обмен Dillman, Lally о привычке (66 дней в среднем, разброс 18–254, «21 день» — миф) и на определение манипуляции Susser, Roessler и Nissenbaum как скрытого влияния через уязвимости. Обе разводят ответ и истинность, одобрение и выполнение, отсутствие ответа и отказ, рабочую обязанность и согласие. Обе относят согласие сотрудника к ограниченному основанию: Astra через позицию EDPB о дисбалансе власти, Fable через состояние required_by_role для должностных обращений и отдельное согласие на каналы личного устройства.

Эмпирика привела к одним выводам, но разными корпусами. Обе цитируют метаанализ EMA (477 статей, комплаентность 79 %, 6 сигналов в день не снижают отклик), пересмотр nudging (Mertens d≈0,45 против Maier d=0,04 после поправки на публикационное смещение; DellaVigna и Linos: 1,4 п.п. в nudge-подразделениях против 8,7 в журналах), HeartSteps (подсказка о прогулке +24 % шагов, эффект затухает), опрос OECD об алгоритмическом управлении и Kellogg, Valentine, Christin. Общий вывод один: напоминания сами по себе почти не работают, структурное упрощение действия работает; длина анкеты вредит сильнее частоты; координация превращается в контроль незаметно и тогда попадает под высокий риск EU AI Act (Annex III 4(b), обязательства с 2027-12-02) и под директиву о платформенной работе (транспозиция к 2026-12-02). Fable добавляет полевой ряд: восприимчивость предсказуема по контексту (189 участников, до 77 % прироста F1), рост числа уведомлений связан с негативными эмоциями, врачи переопределяют 46–96 % алертов при перегрузке, а лучшая модель на ProactiveBench угадывает принятие предложения с F1 66,47 %. Astra добавляет новейшие эксперименты с LLM в опросах: Barari 2026 (уточнения удлиняют ответ до 6 минут против 3) и Austin 2026 (N=2 243, AI-интервьюер 14,5 минут против менее 7, дополнительные вопросы меняли последующие ответы) и вопросник AMQ (N=1 332, алгоритмическое управление снижает автономию через две недели).

Сильнейшая альтернатива названа одинаково. Событийный workflow с формами и очередью задач, где человек разбирает исключения, а эскалация — переназначение по срокам: у Astra это «BPM или human tasks без LLM», у Fable — «BPM human tasks с ролями, дедлайнами и эскалацией без LLM» для регламентированных процессов, pulse-опросы для климата и подсказки DAP внутри интерфейса. Обе предлагают пилот на одном процессе против этой альтернативы, с рандомизацией времени и формы обращения по образцу микрорандомизированных испытаний, и обе предупреждают, что оптимизировать политику на «долю ответивших» нельзя: у Astra outcome считается по всем eligible-потребностям, включая подавленные, у Fable нулевая доля отказов означает, что отказ невозможен или незаметен.

Расхождения. Fable строит вердикт на бенчмарках агентной проактивности (ProactiveBench, ProactiveEval, AskBench, HAS-Bench) и на метаобзоре JITAI Wang и Miller с крупными эффектами (g от 0,79 до 1,65 в зависимости от контроля), оговаривая, что в обзоре по психическому здоровью разницы с активным контролем нет. Astra цитирует другой метаанализ JITAI и EMI: 23 исследования, N=2 563, g=0,15 [0,05; 0,26], одна работа с низким риском смещения. Оба числа верны для своих выборок, и вместе они означают одно: эффект своевременного вмешательства существует, но мал против активного контроля и зависит от типа сравнения, поэтому в продукте его нужно измерять, а не предполагать. Второе расхождение — LLM в опросах: Fable подчёркивает выигрыш чат-бота в качестве открытых ответов (Kim и соавторы, около 600 участников; телефонный LLM-опрос в Перу, 2 739 респондентов), Astra — что AI-интервью длиннее и меняют последующие ответы. Обе согласны, что глубины уточнений модель не даёт. Третье — числа OECD: Astra приводит 74 % работодателей (6 047 фирм от 20 человек, отклик 2–6 %), Fable — 90 % в США и 79 % в среднем по европейским странам; это разные срезы одного опроса, при цитировании нужно указывать, какой.

Карта согласий и расхождений

Раздел Согласие Astra Fable Комментарий координатора
0. Вердикт полное Система ограниченной инициативы вокруг обязательств и информационных пробелов; молчание как допустимое решение; альтернатива — событийный workflow; уверенность высокая в механизмах, низкая в долгосрочном эффекте Слой политики обращений поверх движка задач; модель только формулирует и интерпретирует; лучшие модели ошибаются в трети решений о вмешательстве; альтернатива — BPM human tasks; полевых данных для 5–500 нет Один вывод, разные опоры
1. Что это и как работает полное Таксономия 16 классов с колонками «инициатор и триггер», «форма и смысл ответа», «нагрузка и поломка»; инициатива как отдельная ось; порядок решений из шести шагов; формальные величины eligible, ΔU относительно молчания, budget(h, window); JITAI с внешним gate полномочий; психология с четырьмя различиями модели данных Та же таксономия 17 классов по цели и инициативе с четырьмя целевыми типами (данные, действие, управление, решение) и тремя режимами инициативы (расписание, событие, полезность); семь принципов с источником и точкой поломки; психология отклика, действия, удержания и границы манипуляции; механика восьми классов Совпадают до структуры; Astra формализует полезность, Fable расписывает принципы по источникам
2. Актуальность и доказательная база в целом OECD 74 %, HeartSteps, метаанализ JITAI/EMI g=0,15, EMA 79 %, nudging три числа, AMQ, Inner Thoughts, Barari и Austin 2026, Medallia/J&J как вендор; тренды: LLM-опросы, инициатива как объект проектирования, HumanLayer deprecated, сроки EU AI Act Omnibus OECD 90 % США и 79 % Европа, ILO и JRC, AIM-WORK 24 %; JITAI метаобзор с g до 1,65 и обзор без эффекта против активного контроля; nudging те же три числа; прерывания и алерты; algorithmic management в трёх выборках; proactive agents и бенчмарки уточнений; human oversight; регуляторная таблица из девяти норм; изменения 2023–2026 Fable вдвое шире по эмпирике; расхождение по величине эффекта JITAI объясняется разными метаанализами; регуляторные даты совпали
3. Где применимо и где нет полное Подходит: локальный факт вне учёта, проверяемый триггер и ответственный, короткий ответ, получатель с полномочиями, контакт дешевле процесса; не подходит: данные уже есть, нет ответственного, скрытое оценивание, необратимые решения, проблема в мощности, нет конфиденциальности Подходит: измеримое отклонение с ценой, структурированный ответ, предсказуемый момент, коротко и часто, замкнутый цикл, право отклонить; не подходит: тайминг дороже задержки, обращение не меняет исход, нет полномочий, контроль вместо координации, малый коллектив без культуры обратной связи, свободный текст, ненадёжный сигнал Совпадают
4. Альтернативы и дерево решений в целом Восемь вариантов от проактивной LLM-системы до DAP-подсказки; дерево от законной цели и полномочия, факта в учёте, опасности, вида информации, статуса, решения, действия; правило канала по чувствительности Девять вариантов с колонками «кто решает когда», «контроль нагрузки», «детерминизм», «учится», «стоимость», «регуляторный риск»; пять переменных выбора; дерево по типу ответа с ветками бюджета и ненадёжного сигнала Деревья объединены ниже
5. Практическое применение полное Пилот из семи шагов с shadow mode; масштаб 5–20 / 20–100 / 100–500; политика нагрузки ≤2 незапрошенных контакта и ≤5 минут за смену; иллюстрация на сервисной компании 40 человек: четыре сценария; стоимость 73,3 часа в месяц труда ответов Семь шагов внедрения; ритм, тайминг, каналы, роли, согласие; иллюстрация на 60 человек: четыре сценария с теми же типами задач; ошибки первого применения; что происходит через месяцы; стоимость с ценами инструментов Сценарии совпали по набору задач: сбор с поля, отклонение, запрос решения, назначение
6. Артефакты полное Девять сущностей: Interaction, ContactPolicy, ParticipationBasis, AuthorityGrant, RequestTemplate, TriggerAndEscalation, InteractionEvent, Resolution, AttentionLedger; жизненный цикл обращения и четыре автомата; семантика ответа из восьми исходов Шесть артефактов с полями и YAML: реестр обращений, политика бюджета внимания, модель согласия, шаблоны, карта триггеров и эскалаций, журнал ответов и реакций с хранением не менее шести месяцев Объединены в структуру ниже
7. С чем используется в связке полное Семь связок; право рабочего места: EU AI Act, GDPR 5, 6, 22, 25, 35, EDPB о согласии, директива 2024/2831, Испания, Германия BetrVG Восемь связок; конфликты: арбитраж по ценности для бизнеса против интересов получателя, сумма лимитов разных систем, мониторинг под видом координации, проактивность модели против политики, фиктивный надзор Совпадают; регуляторика у Astra шире по ЕС, у Fable добавлены Калифорния и DSA
8. Метрики здоровья и антипаттерны полное Двенадцать признаков с подавленными обращениями в знаменателе и нулём устаревших одобрений; пять антипаттернов Двенадцать признаков с нормами из источников (79 %, два прерывания за смену, две трети принятых); шесть антипаттернов Антипаттерны совпали по четырём из пяти; Fable добавляет dark patterns как отдельный
9. Инструменты и софт в целом ODK Central Cloud $199 и $499, Camunda, LangGraph, Braze, Qualtrics, Medallia, Kobo, SurveyCTO, Fulcrum, WalkMe, Pendo, Temporal, HumanLayer Те же классы с ценами: Kobo Community 5 000 отправок, SurveyCTO $225, Fulcrum $43, Temporal Cloud $50 за миллион действий, Pendo до 500 MAU; функциональный разбор Camunda, SurveyCTO, Braze, LangGraph и Agent Inbox; выбор по масштабу Совпадают
10. Адаптация под LLM и агентов полное Архитектура из десяти компонентов с «чему нельзя доверять LLM»; псевдокод «когда спрашивать, когда молчать»; пять слоёв памяти; JSON-примеры обращения, согласия, одобрения; политика YAML ops-v3; одиннадцать уровней проверок; конкурентность и replay; обучение без оптимизации послушания Четыре потока практик; восемь слоёв архитектуры; четыре проверки подряд; планирование обращений; четыре типа прерываний; таблица «код, модель, человек»; YAML-схема пяти сущностей; риски и репозитории Схемы совместимы, объединены ниже
11. Происхождение и что читать полное Horvitz, Nahum-Shani, Fogg, Oinas-Kukkonen, Deci и Ryan, Dillman, Wrzus и Neubauer, Thaler и Sunstein против Susser, Kellogg, Quinn и Bederson, Deng, Liu, Barari, Austin Четыре линии: HCI 1990-х, убеждающие технологии 2000-х, mHealth 2008–2018, платформы 2016–2021; шестнадцать пунктов чтения Совпадают
12. Открытые вопросы полное Долгая польза LLM-инициативы, оптимальная частота, поведение после новизны, истинность статуса, замена менеджера, экономика, юридическая классификация Нет полевых данных для 5–500; аннотации вместо текстов; противоречия по nudging, JITAI и частоте; какие данные изменили бы выводы Совпадают

Шкала согласия: полное, в целом, частичное, расхождение, только у одной.

Уникальные находки

Только у Astra

  • Формализация права на обращение: eligible(h, t, request), полезность ΔU(a) относительно молчания за вычетом труда, прерывания, ошибок и накопленной нагрузки, выбор a* среди разрешённых вариантов, общий budget(h, window) на все агенты; expiry обращения не равен сроку работы.
  • Порядок решений из шести шагов: предмет → можно ли взять из учёта → полномочие, правовое основание, время, канал → выбор из контакта, объединения, отсрочки, карточки, молчания → причина, минимальный запрос, срок, владелец, варианты ответа → сопоставление и обратная связь.
  • Семантика ответа из восьми исходов: факт, «не знаю», «не мой вопрос», «не могу» как блокер с маршрутизацией владельцу препятствия, «позже», отказ, решение, нет ответа; таймаут не равен отказу, а «низкая мотивация» по молчанию недопустима как основание.
  • Одобрение привязано к версии предложения: proposal_version, action_digest, valid_until, execution_business_key, invalidated_by; новая цена €950 вместо одобренных €800 инвалидирует одобрение, молчание не равно согласию.
  • Конкурентность как отдельная тема: replay, гонки CAS при резервировании бюджета, однократность действия по execution key, prompt injection во входящих ответах как данные, отказ модели, отзыв согласия и удаление, долгие ожидания.
  • Пять слоёв памяти о человеке (организационный, явные предпочтения, эпизодический, предметный, оценочный) с правилом, что отрицательные выводы из молчания не добавляются, а checkpoint не равен бессрочному профилю.
  • Обучение без оптимизации послушания: offline-набор, shadow-сравнение, безопасный пилот с молчанием, outcome по всем eligible-потребностям, включая подавленные, bandit только среди разрешённых вариантов.
  • Эксперименты 2026 года с LLM в опросах: Barari (1 803 ответа, 81 % подтверждений против 72 % совпадения кодировщиков) и Austin (N=2 243, дополнительные вопросы меняли последующие ответы); вопросник AMQ на 1 332 gig-работниках.
  • Право рабочего места шире по ЕС: EDPB о согласии работника, GDPR 25 и 35, Германия BetrVG §87(1)(6), Испания ET 64.4(d), логи по Article 26 не менее шести месяцев; сроки Omnibus по Annex I с 2028-08-02.
  • Стоимость труда ответов как расчёт: 40 человек × 5 минут × 22 дня = 73,3 часа в месяц.
  • Демонстрация astra/demo.html с четырьмя сценариями, бюджетом и устаревшим одобрением; примеры обращения, согласия, одобрения и политики.

Только у Fable

  • Бенчмарки проактивности и уточнений: ProactiveBench (6 790 событий, F1 66,47 %), ProactiveEval (328 сред, 22 модели), Ask-when-Needed, разделение детекции недоопределённости и исполнения (69,40 % на недоопределённом SWE-bench Verified), AskBench, HAS-Bench; вывод «правило инициативы нельзя отдавать модели» подкреплён числами.
  • Восприимчивость предсказуема: 189 участников за 6 недель, до 77 % прироста F1 над случайным классификатором; 70 студентов за две недели с пассивными признаками телефона; соавторство текста подсказки как лёгкая персонализация.
  • Прерывания и алерты: 63,5 уведомления в день, рост связан с негативными эмоциями; переопределение 46,2–96,2 % клинических алертов; норма Google SRE не более двух инцидентов на 12-часовую смену и отношение алертов к инцидентам 1:1.
  • Алгоритмическое управление в трёх выборках: 107 интервью и 679 анкет в шести странах; водители Uber с осями matching и control; 666 сотрудников МСП Стамбула, где прямой эффект незначим, а опосредованный через выгорание и угрозу значим.
  • Human oversight как проблема: анализ 41 политики (Green: надзор часто фиктивен), со-дизайн с двенадцатью соображениями, готовность людей использовать несовершенный алгоритм при праве его чуть изменить (Dietvorst).
  • Продуктовые и инфраструктурные события 2025–2026: ChatGPT Pulse (2025-09-25), scheduled actions Gemini (2025-06-06), проактивные сообщения Copilot Studio в Teams с кодами недоставки, закрытие Mechanical Turk 2026-09-30, архивирование Agent Inbox 2026-09-20, HumanLayer заменён CodeLayer.
  • Машиночитаемая модель ответа из готовых спецификаций: MCP elicitation с исходами accept, decline, cancel и Agent Inbox с accept, edit, response, ignore; OpenAI Agents SDK с needs_approval, RunState и fail-closed при неразборчивых аргументах; Claude Agent SDK с шестью шагами проверки разрешения; WS-HumanTask как модель ролей, состояний и эскалаций.
  • Регуляторика вне ЕС: вето SB 7 в Калифорнии (октябрь 2025) и преемник SB 947, DSA Article 25 о манипулятивных интерфейсах платформ; таблица из девяти норм со статусом на дату среза.
  • Пересмотр nudging как проектное правило: «побуждение проектируется через структуру задачи и снижение трения, а не через сообщения», с кнопкой «нет изменений», заполняющей форму вчерашними значениями.
  • Нормы здоровья с источниками: отклик около 79 % по типу, не более двух прерываний за смену, не ниже двух третей принятых предложений, длина один–три поля для микрозапроса и 10–15 вопросов для pulse.
  • Антипаттерн dark patterns в побуждении: асимметрия кнопок, повтор после отказа, счётчик пропусков; проверка шаблонов по критериям Susser и требование decline и defer в каждом.

Объединённое дерево решений

  • Если нет законной цели обработки или полномочия обращаться к этому человеку→обращение блокируется политикой; сначала основание и роль, потом любой контакт
  • Если факт уже есть в учёте, датчике или интеграции→взять оттуда без обращения; при конфликте источников → human task на сверку, а не вопрос «как на самом деле»
  • Если подтверждена опасность или активный критический сбой→детерминированный incident и on-call вне LLM-политики, с записью причины превышения бюджета
  • Если нужны данные о факте (замер, фото, чек-лист)
    • Если сбор офлайн и много полей→форма мобильного сбора с назначенным заданием и дедлайном (ODK, KoboToolbox, SurveyCTO, Fulcrum)
    • Если человек в этот момент в интерфейсе→подсказка в момент действия по паттерну DAP вместо push
    • Если нужно регулярно и коротко (1–3 поля)→EMA-микрозапрос по событию с фиксированным ядром вопросов; длина важнее частоты
    • Если нужно наблюдение из среды или микрозадача→participatory sensing или микрозадача с контролем качества
    • Иначе→задача в списке с follow-up-датой и одним напоминанием
  • Если нужен статус выполнения→сначала запись задачи и пассивный сигнал; обращение только при отсутствии сигнала к сроку
    • Если статус подтверждён системой→закрыть без сообщения
    • Если критичен (цена задержки высока, срочность часы)→сообщение с кнопками «сделано / не могу / позже» и эскалация по карте через заданный интервал
    • Если некритичен→строка в утренней сводке
    • Если бюджет внимания исчерпан→digest следующего окна; критичное только через канал для критичного с записью причины
  • Если нужно решение ответственного→human-in-the-loop с подготовленным пакетом и структурированными вариантами; одобрение привязано к версии предложения
    • Если цена ошибки высока или действие необратимо→обязательное одобрение с accept / edit / reject, таймаутом и эскалацией по матрице ролей
    • Если решение типовое и такие же одобрялись→правило автоодобрения для класса с лимитом, журналом и правом отзыва; изменение пакета инвалидирует одобрение
    • Если решения нет к дедлайну→заместитель по матрице, а не повтор тому же человеку; молчание не равно согласию
  • Если нужно побудить к действию
    • Если действие можно упростить структурно (умолчание, автозаполнение, кнопка)→менять структуру задачи, не слать напоминание
    • Если действие требует привычки→JITAI-паттерн: короткая подсказка в момент возможности, вариант «ничего не делать» при невосприимчивости, смена формы при затухании
    • Если это разовое отклонение с известной ценой→одно обращение с причиной и сроком, затем эскалация владельцу препятствия
    • Если действие требует ресурса, которого у получателя нет→запрос ресурса владельцу, не давление на исполнителя
  • Если нужно назначить задачу→BPM-паттерн: потенциальные владельцы, claim, дедлайн, эскалация расширением круга и переназначением; уведомление о назначении одно
    • Если исполнителей несколько и есть маршруты и ресурсы→диспетчеризация FSM или WFM
  • Если единственное основание — «модель считает обращение полезным»→review владельцем политики или молчание; сигнал состояния ненадёжен → правило на нём не строится, используется расписание или явный запрос
  • Иначе→проактивный агент по правилам: реестр типов, бюджет, согласие, полномочие адресата и эскалация в коде, модель формулирует и интерпретирует; канал по чувствительности: публичный чат для обезличенной координации, личное уведомление для адресного запроса, защищённая карточка для чувствительных фактов и одобрений, голос только с подтверждением полей

Объединённая структура обращений, согласий, ответов и эскалаций

Обе модели предлагают близкие схемы; ниже их объединение как основа машиночитаемого слоя. Всё это авторские предложения обеих моделей, а не отраслевой стандарт; заимствования из спецификаций отмечены.

Сущность Поля и правила Откуда
Тип обращения (реестр) type_id, цель (data, status, decision, action), триггер с условием, правило аудитории по роли и объекту, упорядоченные каналы, класс нагрузки (interrupting, deferred, digest), схема ожидаемого ответа из плоских примитивов, разрешённые реакции, ссылка на карту эскалаций, правовое основание и категория риска, владелец, дата пересмотра; ничего не отправляется вне реестра Fable реестр, Astra allowed_purposes политики
Обращение id, тип, получатель с authority_check, триггер с источником, классом надёжности и snapshot, решение политики (send, defer, silence, escalate) с причинами, класс бюджета и остаток после, канал, содержание с шаблоном и признаком generated_by, разрешённые ответы, срок ответа, отдельный expiry обращения, idempotency_key доставки, раскрытие «инициировано системой» и ссылка «почему я это получил» обе
Основание участия и согласие lawful_basis_ref отдельно от предпочтений канала; состояние (granted, declined, paused_until, required_by_role), informed_at, источник (сам, роль, договор), revoke_path, withdrawal_effect; должностная обязанность не распространяется на личное устройство без отдельного согласия; запрещённые категории (эмоции, частные разговоры, внерабочее время) отсутствуют в модели данных обе
Полномочие (AuthorityGrant, матрица ролей) объект решения, потенциальные, фактические и исключённые владельцы, заместитель для эскалации, получатели уведомлений, пределы делегирования; обращение типа «решение» адресуется только владельцу решения, остальным только запрос данных Astra AuthorityGrant, Fable по WS-HumanTask
Политика бюджета внимания лимиты на человека и окно по классам (иллюстрация обеих: два прерывающих обращения за смену, около пяти отложенных, минимальный интервал), тихие часы и статус (смена, встреча, вождение), окна сводок, most_restrictive_wins, атомарный резерв и повторная проверка перед отправкой, исключение critical_safety с обязательной причиной, общий учёт на все процессы и агенты обе
Шаблон обращения причина, контекст в одну-две строки, минимальный запрос, варианты ответа с симметричными кнопками, срок, что будет без ответа, обязательные decline и defer, раскрытие ИИ; модель заполняет, не меняет структуру; проверка владельцем политики на dark patterns обе
Триггер и эскалация условие, надёжность источника (verified, noisy, none), дедлайн решения из цены задержки, уровни с получателем по роли и действием (remind_once, widen_candidates, reassign, notify_stakeholder), задержки, stop_condition, max_levels; напоминание не более одного, переназначение обязательно, cooldown и дедупликация обе
Ответ outreach_id, действие (accept, edit, respond, decline, ignore, defer) по MCP elicitation и Agent Inbox; семантика содержания: факт, «не знаю», «не мой вопрос», «не могу» как блокер, «позже», отказ, решение; ignore фиксируется по таймауту и не равен отказу; payload валидирован по схеме; verification_status (self_report_only, подтверждено) и признак интерпретации моделью обе
Одобрение (Resolution) proposal_version, action_digest, valid_until, execution_business_key, invalidated_by; автоодобрение класса с лимитом, журналом и отзывом; исполнение однократно по ключу; fail-closed при неразборчивых аргументах Astra привязка к версии, Fable sticky decisions
Реакция и следствие исход (done, changed_plan, rejected, no_change, escalated), что изменилось в процессе, route_blocker владельцу препятствия, ссылка на следующее обращение обе
Журнал событий запись создаётся при решении отправить, даже если отправка отложена или подавлена; доставка с кодами недоставки, first_seen_at, ответ, уровень эскалации, исход, model_involvement; четыре автомата: обращение, доставка, одобрение, задача; хранение не менее шести месяцев; версия политики и модели обе
Автоматические проверки тип есть в реестре и триггер надёжен; основание и согласие; бюджет не исчерпан; цена задержки выше цены прерывания по порогу владельца; адресат имеет полномочие; текст соответствует шаблону и схеме; нет полей, которых нет в данных; нет запрещённых категорий; есть decline и defer; одобрение привязано к актуальной версии; идемпотентность действия и replay; входящий текст как данные, не команды обе
Остаётся человеку пороги и лимиты политики, утверждение шаблонов, решения по пакету, спорные интерпретации ответов, любые выводы о состоянии и качествах человека (вне системы), пересмотр политики по журналу, право оспорить и отозвать обе

Статистика запусков

Показатель Astra Fable
Модель и effort gpt-6-astra, ultra claude-fable-5-1, max
Время работы 30,9 мин 41,8 мин
Поиск и чтение 77 поисковых запросов по собственному учёту; 60 источников: 49 полных текстов, 7 аннотаций, 4 фрагмента 74 поиска, 179 обращений к страницам, 27 правок файла; 103 источника
Пересечение источников 5 общих URL, 18 общих доменов: behaviormodel.org, Camunda, LangGraph interrupts, Pendo throttling, AIS; домены OUP, Braze, ODK, Temporal, Horvitz, EUR-Lex, Fulcrum, Medallia, Qualtrics, SurveyCTO, PMC, SDT
Объём, слов 14 351 18 334
Типизация утверждений 318: 193 гипотезы, 72 факта, 20 эмпирики, 19 мнений, 14 вендор 503: 261 факт, 133 эмпирики, 70 вендор, 26 гипотез, 13 мнений
Ссылок на источники в тексте 163 558
Дерево решений 8 ветвей, 21 лист 8 ветвей, 16 листьев
Антипаттерны, термины 5, 58 6, 43
Стоимость CLI не сообщает $23,86 по списочным ценам
Статус валидации 0 блокеров с первого раза, 9 предупреждений: 403 и таймауты при проверке ссылок 0 блокеров с первого раза, 1 предупреждение: 403 у OUP при проверке ссылки

Открытые вопросы

  • Полевых данных о проактивных обращениях к сотрудникам в компаниях 5–500 человек нет ни у одной модели; отклик по размеру организации известен только из вендорского бенчмарка (38 % до 250 человек, 56 % для 251–500). Обе предлагают пилот на одном процессе с рандомизацией времени и формы обращения на 4–6 недель и измерением отклика, эскалаций и выгорания.
  • Величина эффекта своевременных вмешательств не установлена: метаобзор у Fable даёт g до 1,65 против листа ожидания, метаанализ у Astra — g=0,15; обзор по психическому здоровью не находит разницы с активным контролем. Для продукта это означает измерять эффект против альтернативы «просто список задач», а не против отсутствия системы.
  • Долгосрочная польза LLM-инициативы против настроенного workflow не доказана; эффект подсказок затухает, привычка формируется за месяцы; обе модели требуют отключать обращения, вошедшие в рутину, и менять форму до падения отклика.
  • LLM в опросах: качество открытых ответов выше, чем в форме, но интервью длиннее, уточняющие вопросы меняют последующие ответы, глубины уточнений нет; для чувствительных тем диалог с ботом не замена разговору.
  • Усталость от опросов как самостоятельный феномен в организациях не измерена: классические работы недоступны, тезис держится на EMA-эмпирике и вендорских утверждениях.
  • Юридическая классификация продукта: распределение задач по поведению и оценка результативности — высокий риск по Annex III с обязательствами с 2027-12-02; координация без оценки — нет; граница проводится проектным решением, и обе модели советуют вести журнал, информирование и человеческий пересмотр с первого дня.
  • Первоисточники по аннотациям у обеих: Horvitz 1999 (PDF не распознан), Kellogg частично, Mertens, Wrzus, HeartSteps, Dillman и Thaler с Sunstein как книги; OECD и Eurofound отвечали 403 и 429; Astra исключила из расчётов N метаанализа EMA из-за несогласованности; Digital Omnibus по GDPR не подтверждён.
  • Все числа сценариев (40 и 60 человек, 12 техников, 73,3 часа в месяц, отклик 70–80 %) — иллюстрации, не измерения.

Заметки о прогоне

  • Вторая тема дня 2026-09-21. Astra запущена параллельно с прогонами по what-if и методологиям доставки и закончила за 31 минуту; Fable стартовала автоматически в 08:43 UTC после завершения Fable по what-if (ограничение подписки: один прогон Fable одновременно) и закончила за 42 минуты, после чего цепочка сама запустила Fable по методологиям доставки.
  • Обе прошли валидацию с первого раза; все предупреждения относятся к проверке доступности ссылок.
  • Astra собирала отчёт из файлов разделов через собственный скрипт и приложила самопроверку self-check-astra.json, демонстрацию demo.html и четыре примера данных; Fable вела один файл с 27 правками.
  • Пересечение источников самое низкое среди всех тем: 5 общих URL при 18 общих доменах. Astra ушла в формализацию и новейшие эксперименты 2026 года, Fable — в бенчмарки агентов, эмпирику прерываний и регуляторную таблицу; вместе они покрывают тему заметно шире, чем каждая по отдельности.
  • Astra помечает гипотезой 193 из 318 утверждений, Fable — 26 из 503 при 133 эмпирики: у Astra авторская модель, у Fable корпус исследований; при чтении это нужно учитывать, чтобы не принять формализацию Astra за установленный факт и не принять оговорки Fable за отсутствие гипотез.
  • Формулировка пользователя была многострочной; бриф процитировал её целиком после правки make_brief.py, обе модели получили одинаковое задание.