The post has been translated automatically. Original language: Russian
It seems that the next big AI problem for companies is not the choice of a model.
It's about where their expertise will live.
Now many teams are rapidly implementing ChatGPT, Claude, Gemini, Perplexity and other AI tools. They use them for research, documentation, requirements analysis, code, presentations, and product solutions.
And at first glance, everything looks logical: one model became less suitable, and another was connected.
But there is a caveat.
Along with AI, hundreds of promptos, agents, templates, workflow, instructions, verification rules, and internal best practices are starting to appear in companies.
And if all this lives inside a specific tool, the company imperceptibly becomes dependent.
Not from AI as a technology.
It depends on the specific AI system and its behavior.
In my opinion, a more sustainable approach is to bring skills, agents, and business logic into the external circuit.
That is, to build a separate layer where there are:
methodologies, agent roles, quality criteria, verification rules, work scenarios, prompta, and workflow.
And already connect different models to this layer.
ChatGPT is for some tasks. Claude — for a long context. Perplexity is for research. Gemini or other models — for your own scenarios.
In such an architecture, the model becomes not the center of the system, but a replaceable performer.
And this fundamentally changes the picture.
Because the models only look the same in marketing presentations. In real work, they reason differently, structure answers, make assumptions, write code, and analyze data.
If the entire expertise of a company is embedded in a specific tool, migration becomes impossible.
If the expertise lives in an external loop, you can change models without losing the accumulated experience.
For me, this is one of the key issues of AI transformation.:
is the company building a dependency on the tool or its own AI infrastructure?
Because almost everyone will be able to implement AI.
But maintaining control over skills, processes, and expertise is already much more difficult.
I wonder how you look at it?
Should AI skills and agents live inside specific platforms or in an external circuit to which different models are connected?
Кажется, следующая большая AI-проблема компаний — это не выбор модели.
А то, где будет жить их экспертиза.
Сейчас многие команды быстро внедряют ChatGPT, Claude, Gemini, Perplexity и другие AI-инструменты. Они используют их для исследований, документации, анализа требований, кода, презентаций и продуктовых решений.
И на первый взгляд все выглядит логично: одна модель стала хуже подходить — подключили другую.
Но есть нюанс.
Вместе с AI в компаниях начинают появляться сотни промптов, агенты, шаблоны, workflow, инструкции, правила проверки и внутренние best practices.
И если все это живет внутри конкретного инструмента, компания незаметно попадает в зависимость.
Не от AI как технологии.
А от конкретной AI-системы и ее поведения.
На мой взгляд, более устойчивый подход — выносить скиллы, агентов и бизнес-логику во внешний контур.
То есть строить отдельный слой, где находятся:
методологии, роли агентов, критерии качества, правила проверки, сценарии работы, промпты и workflow.
А уже к этому слою подключать разные модели.
ChatGPT — для одних задач. Claude — для длинного контекста. Perplexity — для исследований. Gemini или другие модели — для своих сценариев.
В такой архитектуре модель становится не центром системы, а заменяемым исполнителем.
И это принципиально меняет картину.
Потому что модели только в маркетинговых презентациях выглядят одинаково. В реальной работе они по-разному рассуждают, структурируют ответы, делают допущения, пишут код и анализируют данные.
Если вся экспертиза компании зашита в конкретный инструмент, миграция становится болезнной.
Если экспертиза живет во внешнем контуре, вы можете менять модели без потери накопленного опыта.
Для меня это один из ключевых вопросов AI-трансформации:
компания строит зависимость от инструмента или собственную AI-инфраструктуру?
Потому что внедрить AI смогут почти все.
А вот сохранить контроль над скиллами, процессами и экспертизой — уже намного сложнее.
Интересно, как вы смотрите на это?
AI-скиллы и агенты должны жить внутри конкретных платформ или во внешнем контуре, к которому подключаются разные модели?
Share
