---
title: "Проактивные системы взаимодействия с людьми: от опросов до агентного управления"
slug: "proactive-people-systems"
date: 2026-09-21
status: final
summary: "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."
---

# Проактивные системы взаимодействия с людьми: от опросов до агентного управления

## Вердикт координатора {#verdict}

**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 {#agreement}

| 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 {#unique}

### 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](astra/demo.html) с четырьмя сценариями, бюджетом и устаревшим одобрением; примеры [обращения](astra/interaction-example.json), [согласия](astra/consent-example.json), [одобрения](astra/approval-example.json) и [политики](astra/policy-example.yaml).

### 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 {#decision-tree}

- 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 {#schema}

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 {#stats}

| 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 {#open-questions}

- 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 {#process-notes}

- 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.

## Материалы {#links}

- [Исследование Astra](astra.html) · [markdown](astra/research.md) · [демонстрация](astra/demo.html) · примеры: [обращение](astra/interaction-example.json), [согласие](astra/consent-example.json), [одобрение](astra/approval-example.json), [политика](astra/policy-example.yaml)
- [Исследование Fable](fable.html) · [markdown](fable/research.md)
- [Задание](brief.html) · [Протокол уточнений](intake.html)
- Смежные исследования: [уведомления из многих компаний на одном телефоне](../2026-09-23-multi-tenant-push-notifications/index.html); [what-if анализ и сценарное моделирование](../2026-09-21-what-if-scenario-modeling/index.html); [методологии доставки и классификатор типов работы](../2026-09-21-delivery-methods-work-classifier/index.html); [outcome-driven управление продуктом](../2026-09-20-outcome-driven-product-management/index.html); [методы оценки и приоритизации](../2026-09-20-prioritization-valuation-methods/index.html)
