IBM только что показала, почему один «идеальный» промпт проигрывает четырем скучным. Задача была простой: сопоставить недостающие продукты с заметками курьеров, отклонить бессмысленные причины, такие как «ммм», и сгенерировать чистый отчет. Один большой промпт постоянно терпел неудачу на пограничных случаях. Не потому, что модель была слишком маленькой. Ей требовалось одновременно извлекать, оценивать, сравнивать и писать. Поэтому IBM разбила её на четыре этапа: извлечение, валидация, сравнение и генерация. Та же модель. Те же данные. Меньше интеллекта требуется на каждом этапе. Каждая ошибка становится видимой и устранимой. Вот в чём большинство команд неправильно понимают агентов. Преимущество — не в том, чтобы поместить 20 AI-персонажей в групповой чат. А в том, чтобы превратить одну расплывчатую задачу в узкие, проверяемые решения. Более крупные модели улучшают демонстрацию. Лучшие рабочие процессы выживают в продакшене.