Поглощение стартапа Poke компанией Cognition - сигнал смены приоритетов в индустрии AI. Poke строил слой эмоционального общения: сленг, юмор, имитация дружеской беседы. Теперь этот слой интегрируют с код-агентом Devin. Результат - ассистент, который воспринимается коллегой, а не терминалом для команд. Способ взаимодействия становится равным по значимости мощности базовой модели.
1,2 миллиарда пользователей Gmail уже применяют Smart Reply - автоматические подсказки для ответов, экономящие секунды на каждом письме. Это массовое принятие персонализации, где UX решает задачу снижения трения быстрее, чем наращивание параметров модели. Фронтирные модели без удобной оболочки остаются инструментом для гиков. Характер делает их продуктом для бизнеса.
Почему мощность модели больше не главное: сдвиг к UX и характеру
Гонка параметров дала индустрии модели, способные рассуждать и писать код на уровне senior-разработчика. Проблема в том, что большинство пользователей не умеют и не хотят формулировать промпты как инженеры. Им нужен интерфейс, который понимает намерение с полуслова и отвечает в привычной манере. Poke решает именно эту задачу - адаптирует тон, стиль и уровень формальности под конкретного пользователя, превращая сессию с AI в диалог, а не в программирование.
Сдвиг подтверждается не только сделками. Synthesia запустила Roleplay Sessions - коучинговую платформу, где аватар не зачитывает скрипт, а спорит, давит и реагирует на ответы сотрудника. Техническая база - мультимодальные модели, но ценность продукта создаётся именно поведенческим слоем. Без него аватар остался бы видеоплеером с синтезом речи.
Цифры внедрения тоже показательны. 70-80% корпоративных пилотов GenAI не доходят до продакшена из-за проблем интеграции, но значительная доля отсева связана с UX: сотрудники просто не возвращаются к инструменту после первого теста. Мощность модели не компенсирует неудобство.
Как характер AI-ассистента влияет на удержание и вовлеченность
Антропоморфизм в интерфейсах изучается десятилетиями. Чем больше агент похож на человека по манере общения, тем выше уровень доверия и готовность делегировать задачи. В контексте AI-ассистентов это прямо конвертируется в retention: пользователь возвращается к инструменту, с которым комфортно работать, а не к тому, который формально мощнее.
Smart Reply в Gmail - минималистичный пример. Система предлагает три коротких варианта ответа, обученных на паттернах пользователя. Никакой сложной генерации. Результат: миллиарды отправленных писем, сформированных одним тапом. Характер здесь выражается в адаптации к стилю: формальный ответ для рабочей переписки, смайлик для дружеской. Трение устранено, частота использования растёт.
Synthesia Roleplay Sessions: когда аватар спорит и давит
Synthesia вывела концепцию на уровень бизнес-тренинга. Roleplay Sessions создают интерактивную среду, где AI-аватар играет роль сложного клиента или подчинённого. Он не просто задаёт вопросы по скрипту - он перебивает, выражает недовольство, требует уточнений. Сотрудник вынужден реагировать в реальном времени, а система выставляет оценку по заданным критериям.
Менеджер получает дашборд с метриками: скорость реакции, тон ответа, соответствие политике компании. Это превращает обучение из пассивного просмотра видео в измеримый процесс. Вовлеченность растёт за счёт реалистичности: ошибка перед аватаром не несёт репутационных рисков, но эмоционально ощущается как реальный разговор. Платформа доступна крупному бизнесу, стоимость не раскрывается.
Когнитивная нагрузка - ключевой фактор удержания. Когда ассистент подстраивается под пользователя, исчезает необходимость помнить синтаксис команд или угадывать формулировки. Пользователь думает о задаче, а не об интерфейсе. Это снижает барьер входа и увеличивает частоту сессий.
Сценарии, где персонализация критична: от кодинга до массовых сообщений
Три сценария, в которых характер AI даёт измеримое преимущество: разработка, корпоративное обучение и массовые коммуникации. В каждом случае персонализация решает конкретную боль - страх ошибки, скуку рутины или недоверие к автоматизации.
Devin + Poke: код-агент, который шутит и понимает контекст
Devin позиционируется как автономный код-агент, способный спланировать задачу, написать код и отладить его. Без персонализации взаимодействие выглядит как работа с CI/CD пайплайном: логи, статусы, пул-реквесты. Poke добавляет слой неформального общения. Агент может ответить «Окей, сейчас разгребу этот репозиторий, держи кофе» вместо «Task accepted. Estimated time: 4 min». Мелочь, которая меняет восприятие.
Разработчики проводят в среде часы. Сухой интерфейс истощает внимание. Агент с характером снижает ощущение одиночества при удалённой работе и повышает удовлетворённость процессом. Предварительные аналогии можно провести с GitHub Copilot: принятие выросло, когда подсказки стали точнее учитывать контекст файла, а не только строки. Poke делает следующий шаг - учитывает контекст настроения и усталости разработчика.
Grok и God Mode: кастомизация без границ
Grok от xAI предлагает альтернативный подход. Вместо предустановленного характера пользователь сам описывает желаемое поведение через кастомные инструкции. «God Mode» снимает встроенные ограничения, позволяя создать ассистента с произвольным тоном - от саркастичного критика до подобострастного помощника.
Плюсы: полный контроль над UX. Риски: отсутствие предохранителей может привести к токсичному взаимодействию или генерации опасного контента. Этот подход ближе к power user, который хочет инструмент без навязанной личности. Массовый пользователь скорее выберет готовый характер, чем будет проектировать его сам.
Сценарий массовых коммуникаций - третий пример. Gmail Smart Reply снижает время ответа до нуля. Grok позволяет настроить стиль генерации для email-рассылок: формальный, дружеский, агрессивно-продающий. Характер ассистента напрямую влияет на конверсию письма и восприятие бренда получателем.
Почему мощные модели проваливаются без удобного UX
Мощность модели ничего не значит, если она недоступна в нужный момент или требует неестественных действий от пользователя. Инцидент с Hugging Face иллюстрирует проблему.
Урок Hugging Face: когда топ-модели не справляются
При отражении атаки Hugging Face попыталась использовать фронтирные американские модели, включая Claude. Они блокировали запросы - политики безопасности не позволили обработать вредоносный трафик. Команда переключилась на открытую GLM 5.2 от китайской Z.ai и локализовала атаку быстро. Лучшая модель оказалась бесполезной из-за ограничений, которые сломали UX.
Второй аспект - сложность промптинга. Чем мощнее модель, тем больше у неё скрытых возможностей и тем сложнее заставить её работать предсказуемо. Пользователь без инженерного бэкграунда получает нестабильные результаты, теряет доверие и уходит. Персонализация через характер решает эту проблему: система берёт на себя адаптацию промптов под конкретного пользователя, скрывая сложность за фасадом дружелюбного диалога.
Третий фактор - технический долг в AI-проектах часто связан с попыткой компенсировать плохой UX дополнительными слоями моделей и токенами. Вместо того чтобы сделать интерфейс понятным, команды наращивают сложность промптов и агентных цепочек. Издержки растут экспоненциально, а удовлетворённость пользователя не меняется.
Технологии создания характера: от системных промптов до эмоциональных слоев
Четыре основных подхода к реализации характера AI-ассистента различаются по сложности внедрения и гибкости.
Системные промпты и инструкции - базовый метод. Пользователь или разработчик задаёт описание роли, тона и ограничений. Grok God Mode доводит этот подход до предела, позволяя переопределять практически все аспекты поведения. Сложность внедрения низкая, гибкость высокая, но стабильность страдает: модель может выйти из роли при длинном диалоге.
Специализированные слои поверх LLM - подход Poke. Отдельный модуль анализирует ответы базовой модели и переупаковывает их в заданном стиле: добавляет сленг, шутки, эмодзи. Это требует обучения на диалоговых данных и интеграции в пайплайн инференса. Сложность внедрения средняя, стабильность высокая, гибкость ограничена заложенными стилями.
Интерактивные аватары и мультимодальность - метод Synthesia. Характер выражается через мимику, интонацию, паузы и жесты в дополнение к тексту. Технически это связка TTS, анимации и языковой модели. Сложность внедрения высокая, требуется студийная запись эталонов и рендеринг в реальном времени.
Адаптивные интерфейсы - Smart Reply и подобные. Характер не в тексте, а в предугадывании действия. Система изучает паттерны пользователя и предлагает варианты до того, как он начал печатать. Сложность внедрения средняя, гибкость низкая, но влияние на скорость работы максимальное.
Открытые модели вроде GLM 5.2 становятся основой для кастомизации: нет внешних политик безопасности, блокирующих запросы, и есть доступ к весам для файнтюнинга под конкретный стиль общения. Это снижает порог входа для компаний, которые хотят построить собственного ассистента с уникальным характером.
Будущее: AI-агенты как коллеги, а не инструменты
Microsoft Scout в предварительной версии - индикатор направления. Агент встраивается в рабочие процессы, а не ждёт запроса. Он проактивно предлагает действия, анализируя контекст встреч, писем и документов. Характер такого агента должен быть деловым, ненавязчивым и предсказуемым - ошибка в проактивном действии стоит дороже, чем неточный ответ на прямой вопрос.
Сдвиг от модели «запрос-ответ» к проактивным действиям меняет метрики успеха. Retention, satisfaction и trust становятся важнее бенчмарков на бенче. Компании, которые первыми решат задачу характера, получат конкурентное преимущество: пользователи не будут уходить к более мощной модели, если привыкли к стилю общения текущего ассистента.
Риски направления: этическая граница между убедительным ассистентом и манипулятивным собеседником, зависимость пользователя от эмоциональной поддержки AI, потеря контроля над решениями, принятыми на основе дружеского совета агента. Разработчик остаётся ключевой фигурой, принимающей архитектурные решения и верифицирующей результат - характер ассистента не отменяет ответственность человека.
При выборе AI-решения для бизнеса стоит оценивать три параметра: возможность кастомизации тона и стиля, стабильность характера на длинных дистанциях диалога и прозрачность - пользователь должен понимать, что общается с машиной, какой бы убедительной она ни была. Побеждать будут продукты, в которых мощность модели и качество взаимодействия растут синхронно.