Приложение H. Словарь терминов
Словарь терминов
Этот словарь фиксирует язык книги.
Он нужен, чтобы читатель не тонул в англицизмах, но при этом видел важные стандартные термины индустрии.
AI-Native
Компания, роль или рабочий контур, где ИИ встроен в способ работы, а не используется как внешний чат.
AI-Native компания имеет роли, ассистентов, skills, source of truth, MCP, права, память, качество и метрики.
LLM
Большая языковая модель.
Примеры: ChatGPT, Claude, Gemini, DeepSeek, Qwen, Llama, Mistral.
В книге под ИИ чаще всего имеются в виду именно LLM и ассистенты вокруг них.
Ассистент
ИИ-помощник, который работает с человеком: отвечает, ищет, готовит черновики, проверяет, помогает думать и выполнять задачи.
Ассистент обычно действует в диалоге с человеком.
Агент
Ассистент с большей самостоятельностью.
Агент может использовать инструменты, выполнять шаги, работать по расписанию, брать фоновые задачи и действовать в заданном коридоре.
Агенту особенно нужны права, аудит, правила остановки и владелец.
Автономный агент
Агент, который может выполнять задачу без постоянного участия человека.
Например: ежедневно собирать проектный статус, искать блокеры, мониторить задачи, готовить summary, проверять документы.
Автономность не означает отсутствие контроля.
Skill
Рабочий навык или протокол ассистента.
Skill описывает:
когда использовать;
какие входы нужны;
где source of truth;
какие шаги выполнить;
какие ограничения соблюдать;
где остановиться;
как проверить качество;
какой результат вернуть.
Промпт помогает одному человеку. Skill становится активом компании.
Prompt
Запрос к модели.
Промпт может быть полезным, но сам по себе он редко становится корпоративным стандартом. Если промпт повторяется и улучшает работу, его нужно оформлять в skill.
Source of truth
Официальный источник правды.
Место, где компания считает данные актуальными и управляемыми: CRM, трекер, база знаний, договорная система, Git- репозиторий, ERP, HR-система, утвержденный документ.
Память ассистента не заменяет source of truth.
MCP
Протокол и подход для подключения ассистентов к инструментам и данным.
Через MCP ассистент может безопаснее работать с корпоративными системами: искать документы, читать задачи, получать данные клиента, вызывать разрешенные действия.
MCP-шлюз
Управляемый слой между ассистентами и корпоративными системами.
Он отвечает за авторизацию, права, аудит, маршруты к системам, обезличивание, доступ к памяти и контроль действий.
В книге используется общий термин “MCP-шлюз”, без привязки к внутренним названиям конкретных реализаций.
Контур
Повторяющаяся рабочая область, которую можно усилить ассистентом.
Примеры:
подготовка коммерческого предложения;
проверка договора;
проектный статус;
обработка входящей заявки;
разработка функции;
протокол встречи.
Усиленная роль
Роль сотрудника после встраивания ассистента.
Например, менеджер по продажам больше не просто вручную собирает КП, а работает с ассистентом, source of truth, skills и quality review.
Delegate / Review / Act
Три режима работы ассистента и агента.
Delegate — человек поручает подготовку результата.
Review — ассистент проверяет результат, ищет ошибки, риски и расхождения.
Act — агент выполняет действие в разрешенном коридоре: создает задачу, записывает summary, обновляет статус, готовит MR.
Human-in-the-loop
Человек в контуре управления.
Это значит, что человек подтверждает важные действия, принимает решения и несет ответственность за результат.
Правило остановки
Условие, при котором ассистент или агент должен прекратить действие и вернуть управление человеку.
Например:
нет доступа к source of truth;
данные противоречат друг другу;
требуется юридическое решение;
действие затрагивает деньги;
есть персональные данные;
confidence низкий.
Quality review
Проверка результата по правилам качества.
Это может быть чек-лист, review другим человеком, автоматическая проверка или evals.
Evals
Тестовые сценарии для проверки качества skills и ассистентов.
Например, набор договоров с известными рисками или набор заявок клиента, где известна правильная классификация.
Память
Управляемый слой контекста, который помогает ассистенту и компании не начинать каждый раз с нуля.
В книге выделяются:
короткая память — задача и сессия;
средняя память — проект, клиент, команда;
длинная память — знания компании, связанные с source of truth.
Закрытый контур
Архитектура, где данные не уходят во внешний сервис без разрешения.
Может использовать внутренние модели, open-source LLM, локальную инфраструктуру, собственный MCP-шлюз и строгие правила доступа.
Закрытый контур дает больше контроля, но требует инженерной дисциплины.
Open-source модель
Модель с открытыми весами или открытой экосистемой, которую можно разворачивать и донастраивать в своем контуре при соблюдении лицензии и технических требований.
Примеры семейств: Llama, Qwen, Mistral и другие.
Проприетарная модель
Модель, предоставляемая компанией как сервис или закрытая технология.
Примеры: ChatGPT, Claude, Gemini.
Плюсы часто в качестве и удобстве. Ограничения — в контроле данных, стоимости и зависимости от поставщика.
Обезличивание
Удаление или маскирование чувствительных данных до передачи в LLM.
Например: заменить имя на роль, удалить телефон, скрыть реквизиты, обобщить сумму, не передавать токены и секреты.
Обезличивание должно происходить до модели, а не после.
Аудит
Журнал действий ассистентов и агентов.
Аудит отвечает на вопросы:
кто запросил действие;
какой skill использовался;
какие источники читались;
какие инструменты вызваны;
что было изменено;
где человек подтвердил результат.
Scopes
Разрешения, которые задают, какие действия доступны пользователю или агенту.
Например:
читать документы;
искать задачи;
создавать MR;
писать summary;
администрировать права.
Adoption
Принятие нового способа работы командой.
В книге по возможности используется русское слово “принятие”, но термин adoption может встречаться как рыночный.
Сдвиг мышления
Момент, когда человек перестает воспринимать ИИ как игрушку или угрозу и начинает думать вместе с ассистентом.
После сдвига мышления возврат к старой работе ощущается как потеря скорости и качества.
Операционное ядро
Система, которая позволяет компании регулярно собирать AI-Native контуры.
Включает роли, skills, source of truth, MCP-шлюз, права, память, качество, метрики, автономных агентов и владельцев.
AI-Native инженер
Инженер новой роли.
Он не только пишет код, но и умеет:
ставить задачи агентам;
собирать контекст;
проектировать skills;
проверять результат;
работать с MCP;
думать о безопасности, качестве и сопровождаемости.
Владелец skill
Человек, который отвечает за актуальность и качество конкретного skill.
Он принимает изменения, смотрит на ошибки, обновляет source of truth и решает, когда skill устарел.
Skill master
Роль или функция, которая отвечает за здоровье корпоративной библиотеки skills.
Skill master помогает сотрудникам оформлять новые skills, организует PR/MR review, проверяет структуру, source of truth, правила остановки, безопасность и качество.
Он не заменяет владельца процесса, а следит, чтобы удачная практика сотрудника могла стать управляемым корпоративным активом.
Владелец agentic-контура
Человек, который отвечает за рабочий контур с ассистентами и агентами.
Он владеет целью, ролями, skills, метриками, качеством и границами автономии.