Что такое harness и почему это главное слово 2026 года

Компания покупает корпоративный доступ к сильной модели. Раздаёт лицензии, проводит обучение, собирает восторженные отзывы на демо. Проходит полгода — в отчётности ничего не меняется. Ни скорость, ни себестоимость, ни качество.

Объяснение обычно ищут в модели: не та, слабая, надо было брать другую. Но дело не в ней. Куплена половина уравнения.

Агент — это модель плюс harness

Формула, которая всё расставляет по местам: агент — это модель плюс harness. Модель — способность рассуждать. Harness — программная обвязка, которая создаёт этой способности рабочее место. Агент получается только из суммы.

Само слово пришло из альпинизма: harness — это страховочная система, ремни, которыми человек пристёгнут к верёвке. Обвязка не лезет за вас на гору. Но именно она определяет, что вы можете себе позволить: удержит ли при срыве, с какой скоростью пойдёте вниз, какое снаряжение висит под рукой. И она подгоняется под конкретного человека и конкретный маршрут. У глагола to harness есть второй смысл — запрячь силу, чтобы её использовать. Для нашего случая точнее не придумаешь: сила есть, вопрос в упряжи.

Ключевое различие, ради которого стоит запомнить это слово: модель вам не принадлежит. Harness — принадлежит.

Почему это не «ещё один интерфейс к ChatGPT»

Интерфейс — это окно, через которое человек разговаривает с моделью. Harness — это среда, в которой модель работает без человека в каждом шаге.

Разница видна на простом тесте. Спросите себя: что происходит между тем, как сотрудник нажал «отправить», и тем, как он увидел результат? Если ровно один запрос и один ответ — это интерфейс. Если модель успела сходить в три источника, посчитать, забраковать собственный промежуточный результат и переделать — это harness.

Четыре функции, из которых он состоит

Системный промпт

У модели есть установки, заложенные при обучении, — общие правила поведения. Системный промпт harness работает иначе: это инструктаж при выходе на работу в конкретную компанию. Не «кто ты вообще», а «как здесь принято».

Для юридического контура это выглядит так: сверяйся с библиотекой утверждённых формулировок; не предлагай условий, которых там нет; при расхождении с типовым договором не решай сам, а эскалируй. Такие инструкции подмешиваются в каждый диалог, а не живут в голове у сотрудника, который однажды был на тренинге.

Инструменты

Это код, который модель может вызвать: поиск по внутренней базе, запрос в учётную систему, выгрузка из CRM, отправка письма, генерация файла.

Тонкость, которую почти всегда упускают: harness обычно не предписывает, когда и каким инструментом воспользоваться. Он даёт инструмент и честное описание того, что тот делает. Решение остаётся за моделью.

Это переворачивает привычную логику автоматизации. Классический процесс — блок-схема с ветвлениями, где каждый переход предусмотрен заранее. Агентный контур — набор возможностей и исполнитель, который сам собирает маршрут под конкретную задачу. Что, кстати, объясняет, почему такие системы приходится не столько настраивать, сколько проверять: заранее известен не путь, а границы.

Агентный цикл

Задача: подготовить справку по новому поставщику к завтрашнему комитету.

Агент разбирает запрос, формулирует поисковые запросы, собирает данные о компании. Смотрит на то, что нашёл, и приходит к выводу, что финансовых показателей не хватает, — идёт искать ещё раз, уже иначе. Полученное сводит в таблицу, вызвав инструмент исполнения кода. Сравнивает результат с исходной задачей. Если справка не отвечает на вопрос комитета — возвращается на круг. Когда сходится, оформляет письмо, прикладывает таблицу, отправляет.

Вот это возвращение к собственной работе и есть цикл. Чат-бот отвечает на реплику. Агент переделывает сделанное, пока результат не сойдётся с задачей. Разница между ними не в качестве ответа, а в наличии второй попытки.

Слой трансляции

Он позволяет одному и тому же контуру работать на разных моделях — и даже использовать разные модели на разных шагах одного цикла, потому что они по-разному сильны.

Для инженера это удобство. Для компании — переговорная позиция. Стоимость задачи перестаёт быть заданной сверху: один и тот же контур можно прогнать на трёх моделях и сравнить цену и качество на своих реальных задачах, а не на бенчмарках. Требования безопасности перестают быть стоп-фактором: шаг, где в работе персональные данные, уходит на модель в закрытом контуре, остальные остаются снаружи. И самое неприятное, о чём стоит думать заранее: доступ к конкретной лаборатории может измениться по причинам, к вашему бизнесу отношения не имеющим. Если операционная модель компании прибита гвоздями к одному вендору, это уже не технический риск, а операционный.

Именно этот слой переносит власть от лабораторий к пользователю. Всё остальное — детали реализации.

Почему обучение промптам не спасает

Самый частый второй шаг после покупки лицензий — научить сотрудников писать запросы. Это полезно, но проблему не решает.

Возьмём хороший промпт: «проанализируй историю клиента, выдели ключевые потребности, риски сделки и предложи следующий шаг». Претензий к формулировке нет. Только где эта история клиента? Можно ли её загружать в модель? Какие данные о клиенте считаются достоверными? Нужно ли сохранить вывод в CRM? Кто проверит, что предложенный шаг не противоречит коммерческой стратегии? Что делать, если модель нашла риск, которого нет в регламенте?

Промпт не отвечает ни на один из этих вопросов — и не должен. На них отвечает контур вокруг него: источник данных, права доступа, инструмент записи результата, правило проверки, ответственный. Промпт — часть этого контура, а не замена ему.

Поэтому обучение промптам даёт всплеск личной продуктивности и ноль изменений в операционной модели. Личная продуктивность не суммируется в показатели компании, если её не во что собрать.

Harness, в отличие от модели, присваивают

Модель вы не измените: она приходит такой, какая есть. Обвязку — да. Свои инструкции, свои инструменты, свои расширения под свои процессы. И, что для многих оказывается решающим, своя история работы: локальные записи сессий — это переписка ваших людей с машиной, и она остаётся у вас.

Здесь работает неочевидный принцип: чем минимальнее обвязка на старте, тем лучше она присваивается. Короткий системный промпт и небольшой набор инструментов — это не бедность, а место, которое компания заполняет собой. Дальше вокруг такой основы нарастают сценарии под конкретные роли, и однажды выясняется, что главная ценность системы — не в её исходной функциональности, а в том, что к ней достроили.

История развития агентных обвязок это подтверждает. Начинались они не как нейтральные: первые массовые инструменты создавались лабораториями, чтобы дать возможность работать со своими моделями на компьютере пользователя. Открытые и не привязанные к одному вендору выросли уже следом. Направление движения понятное: от приложения одной лаборатории к инструменту, который принадлежит тому, кто им работает.

Обвязка накапливает опыт, модель — нет

Есть ещё одно свойство, которое обычно замечают позже всего, а стоит оно дороже остального.

Модель приходит в компанию без памяти о ней и уходит из диалога, ничего о ней не запомнив. Следующее поколение модели будет умнее — и точно так же ничего не будет знать про то, как у вас принято считать маржу по проекту, какие три поставщика в прошлом году сорвали сроки и почему юристы не согласовывают предоплату выше тридцати процентов.

Всё это живёт в обвязке. Сценарии работы, накопленные исключения, правила проверки, зафиксированные источники данных, память о предыдущих запусках. И вот эта часть, в отличие от модели, со временем дорожает.

Отсюда практическое следствие для того, кто считает деньги. Расход на модель — операционный, он тратится и исчезает. Расход на обвязку — вложение в актив, который остаётся у компании и переживает смену вендора. Компания, которая полтора года платила за лицензии и не построила контур, за эти полтора года не приобрела ничего. Компания, которая строила контур, к моменту выхода следующего поколения моделей просто переключает слой трансляции и получает прирост качества бесплатно.

Самый ценный материал для такого актива уже есть внутри — это приёмы работы сильных сотрудников. У кого-то из ваших менеджеров сделки закрываются лучше, чем у коллег, и он умеет объяснить почему. Пока это знание живёт только в его голове, оно уходит вместе с ним. Зафиксированное в виде сценария внутри обвязки, оно становится общим способом работы. Собственно, в этом и состоит переход к AI-Native: не в том, что люди начали задавать модели больше вопросов, а в том, что изменился способ выполнения реальных задач.

Как понять, что harness у вас нет

Проверьте по пунктам. У вас нет обвязки, если:

• ИИ живёт в отдельной вкладке, а не внутри процесса: сотрудник копирует туда кусок работы и копирует ответ обратно руками;
• у ассистента нет единого источника достоверных данных, поэтому в спорных местах он угадывает — и иногда угадывает убедительно;
• нет журнала: невозможно ответить, на каких данных и по какому правилу получен вывод, который лёг в основу решения;
• смена модели означает переучивание всех сотрудников, потому что рабочие приёмы существуют только в головах и личных заметках;
• на вопрос «кто отвечает за результат» нет ответа — виноватыми по очереди оказываются человек, модель, данные и устаревший шаблон.

Каждый пункт лечится не выбором модели, а конструкцией вокруг неё.

Что с этим делать

Порядок действий обратный привычному. Не «какую модель взять» и потом «куда её приткнуть», а наоборот.

Сначала — рабочий процесс и роль ИИ в нём. Потом — какой результат считается хорошим. Затем — единый источник достоверных данных, из которого этот результат собирается. После — права доступа. Дальше — сценарий работы, зафиксированный так, чтобы им мог пользоваться не только его автор. И только в конце — на какой модели всё это крутить. Модель важна. Но она последняя в списке, а не первая.

Компании, у которых ИИ действительно поменял показатели, отличаются от остальных не тем, что нашли модель получше. Они построили обвязку — и потому пережили уже несколько смен поколений моделей, почти ничего не переделывая в процессах.

Технологии не обязательно принимать целиком или отвергать целиком. Их берут в руки — трезво и крепко, следя за тем, чтобы молотком махали вы, а не он вами.