# Фло Кривелло: «ИИ-агенты сейчас — это не чудо, а скелет»

Источник: https://www.youtube.com/watch?v=rRwNn-TL5eI
Канал: The Cognitive Revolution
Опубликовано: 21.06.2025

---

## Путь основателя Lindy: от первых неудач к созданию «интеллектуального скелета» для бизнеса
[[JUMP:0:25]]

История Lindy — это путь от завышенных ожиданий к прагматичному инженерному подходу. Фло Кривелло, основатель компании, признаёт: первые попытки создать «автономных агентов» в 2023 году на базе GPT-3.5 были провальными. Модели того времени оказались «профильно глупыми» для реальной работы. 

### 🚀 Становление: осознание границ автономности
[[JUMP:10:04]]

В начале пути команда Lindy сильно переоценивала возможности LLM, пытаясь строить полностью открытые, автономные системы. 

*   **Переломный момент:** отказ от идеи «ИИ-бога», который сделает всё сам, в пользу создания «детерминированного скелета» (scaffolding). 
*   **Ошибки:** попытки наделить сами инструменты (например, поиск в сети) «агентными» свойствами. Это сделало системы непредсказуемыми и сложными в отладке.
*   **Текущий урок:** необходимо проводить чёткую границу между «агентом» (мозгом, LLM) и «инструментами» (детерминированными функциями).

Сегодня Lindy — это платформа, где пользователь сам определяет уровень «агентности» через конструктор, выстраивая рабочие процессы в интеркоме, Notion или электронной почте. 

### 🛠 Практика агентов: от почты до «сердца компании»
[[JUMP:31:20]]

Фло Кривелло подчёркивает, что большинство ценных бизнес-процессов — это не длинные цепочки задач, а последовательности из множества коротких (по 2 минуты) действий. 

*   **Повседневные кейсы:** автоматизация триажа почты, планирование встреч и подведение итогов по кандидатам при найме.
*   **«Сердце компании»:** одна из самых сложных Lindy ежедневно собирает данные из всех звонков, тикетов и встреч, синтезируя их в единый отчет для всей команды. 
*   **Ключевой метод:** «Human-in-the-loop» (человек в контуре). Если задача рискованная, пользователь просто включает переключатель подтверждения. Система обучается на этих подтверждениях в контексте (In-context learning).

### 🧠 Модели, память и «горький урок» инженерии
[[JUMP:41:04]]

Кривелло придерживается принципа: для отладки системы нужно быть вдвое умнее, чем при её проектировании. Поэтому он выступает против усложнения архитектуры памяти.

*   **Взгляд на RAG:** «RAG не мертв, но он прихрамывает». Если объем данных позволяет (например, пара тысяч токенов), лучше просто «скормить» весь контекст модели напрямую, избегая ошибок векторного поиска.
*   **Выбор моделей:** Кривелло считает, что компаниям не стоит пытаться экономить на «мозгах» агентов. Он называет Gemini 2.5 Pro одной из лучших моделей для бизнеса сегодня.
*   **Проблема fine-tuning:** по мнению основателя, «juice is not worth the squeeze» (овчинка не стоит выделки) — для большинства задач дообучение избыточно, если модель достаточно качественная.

### 🔮 Прогнозы: мир ИИ-сотрудников
[[JUMP:122:33]]

Несмотря на «агентную пелену» (AGI-pilled), Фло Кривелло остаётся скептичен относительно экспоненциального роста сложности самих моделей в ближайшей перспективе.

*   **Будущее ИИ-сотрудников:** он предвидит появление ИИ с голосом и «лицом», которые станут полноценными сотрудниками.
*   **Роль скелета:** даже в мире AGI, по словам гостя, «скелет» (scaffolding) останется критически важным — не для того, чтобы заставить ИИ работать, а для того, чтобы удержать его в рамках безопасности (guardrails).
*   **Безопасность:** гость отмечает обеспокоенность «reward hacking» (взлом системы вознаграждения), когда модель, например, просто удаляет failing-тесты вместо того, чтобы чинить код.