TL;DR
PHP-AIO — протокол для оценки автоматизации задач и ролей через пять последовательных проверок, каждая из которых задаёт один вопрос с числовым порогом. Идея простая: перед тем как отдать задачу ИИ, прогони её через «ворота». Не прошла ворота — получаешь конкретный ответ: оставить человека, перевести в «человек + ИИ» или сделать гибридную схему.
Стандартный анализ автоматизации считает только экономику: сколько стоит задача сейчас и сколько будет стоить с ИИ. Если экономия есть — автоматизируй. Проблема в том, что при этом не считаются четыре скрытых риска: потеря экспертизы, которую нельзя восстановить; хрупкость системы при сбоях ИИ; регуляторное давление в будущем; и разрушение доверия клиентов, которые ждут живого человека.
Протокол закрывает этот слепой угол. Семь шагов — Gate 1 (экономический фильтр) плюс четыре ворот по рискам плюс итоговая сводная проверка — дают один из четырёх ответов: автоматизировать / сохранить человека / усилить человека ИИ-инструментом / гибридная схема с надзором.
Схема метода
Gate 1 → Экономика: есть ли хотя бы 15% выгода?
Нет → СОХРАНИТЬ ЧЕЛОВЕКА
Gate 2 → Неявные знания (TKE): потеряем ли уникальную экспертизу навсегда?
Риск высокий → СОХРАНИТЬ ЧЕЛОВЕКА
Gate 3 → Устойчивость (RR): что будет, если ИИ сломается?
Риск высокий → СОХРАНИТЬ ЧЕЛОВЕКА
Gate 4 → Регуляторные риски (RE): грозит ли нам обязательный человек-контролёр по закону?
Риск высокий → ГИБРИД (ИИ делает, человек надзирает)
Gate 5 → Доверие клиентов (SCD): ожидают ли клиенты живого человека?
Риск высокий → УСИЛЕНИЕ (ИИ помогает, человек решает)
Итоговая сводка → Если все ворота пройдены, но сумма рисков ≥ 0.60 → ГИБРИД
Всё в порядке → АВТОМАТИЗИРОВАТЬ
Все шаги — в одном запросе к LLM. Или самостоятельно, как чеклист.
Пример применения
⚠️ Метод разрабатывался для корпоративных HR-решений. Сильная зона — анализ ролей или задач в бизнесе с реальными рисками. Слабая зона — мелкие личные задачи, где все ворота тривиально зелёные.
Задача: Основатель онлайн-школы по подготовке к ЕГЭ думает автоматизировать куратора, который ведёт учеников весь учебный год. Экономия на зарплатах очевидна — 40 кураторов по 70 000 ₽ в месяц. Но что-то останавливает.
Промпт:
Ты — эксперт по организационным решениям. Оцени автоматизацию роли куратора
в онлайн-школе по методу PHP-AIO. Пройди пять ворот последовательно.
Контекст роли:
- Куратор ведёт 30 учеников 9–11 месяцев, знает их слабые места,
мотивирует в кризисных точках, звонит при пропусках
- Экономия при автоматизации: ~40 млн ₽/год
- Если бот сломается или даст неверный совет — ученик может потерять год
и не поступить в вуз
- Родители платят от 80 000 ₽ и прямо говорят "мы платим за живое внимание"
- Регуляторного требования по надзору пока нет, но Роспотребнадзор
усиливает контроль EdTech
Пройди ворота:
Gate 1: Есть ли минимум 15% чистой выгоды? [да/нет + обоснование]
Gate 2: Высокий ли риск потери уникальной экспертизы кураторов
(TKE ≥ 0.70)? [оценка 0–1 + обоснование]
Gate 3: Высокий ли риск хрупкости при сбоях ИИ (RR ≥ 0.70)? [оценка 0–1]
Gate 4: Высокий ли регуляторный риск (RE ≥ 0.70)? [оценка 0–1]
Gate 5: Высокий ли риск потери доверия клиентов (SCD ≥ 0.70)? [оценка 0–1]
Итог: какой из четырёх вариантов — автоматизировать / сохранить /
усилить / гибрид — и почему?
Результат: Модель пройдёт ворота последовательно. Gate 1 — пройдена (экономия есть). Gate 3 — вероятно красная (ученик теряет год при сбое). Gate 5 — красная (родители платят за живого человека). Финальный ответ — "усиление": куратор остаётся, но получает ИИ-ассистента для рутины — трекинг дедлайнов, напоминания, анализ успеваемости. Модель объяснит, почему именно это решение, а не просто "не автоматизировать".
Почему это работает
Стандартный вопрос "стоит ли автоматизировать" — ловушка. Он активирует в голове только один фрейм: экономию. Всё остальное остаётся невидимым, пока не рванёт.
PHP-AIO работает потому что заставляет задать четыре вопроса, которые обычно не задают. Вопросы про разные типы рисков — каждый про свою боль. Потеря экспертизы — это необратимо. Регуляторный риск — это про будущее. Доверие клиентов — это про восприятие. Ни один из них не виден в таблице с ROI.
LLM отлично справляется с ролью структурированного аналитика: ты задаёшь рамку, она последовательно проходит по воротам и объясняет рассуждение. Ключевой рычаг — описание роли в промпте. Чем конкретнее детали (как долго накапливается экспертиза, что случится при сбое, что говорят клиенты) — тем точнее оценка.
Рычаги управления: - Пороги (0.70 по умолчанию) → понизь до 0.50 для критичных ролей, повысь до 0.80 для экспериментальных - Веса ворот → если регуляторика у тебя главный страх — попроси модель удвоить вес Gate 4 - Горизонт оценки → добавь "оцени риски через 3 года" — протокол умеет считать дрейф рисков во времени (регуляторика растёт, надёжность ИИ улучшается) - Формат вывода → попроси "объясни каждую оценку как будто для совета директоров" — получишь аргументированный меморандум
Шаблон промпта
Ты — эксперт по организационным решениям. Оцени автоматизацию роли
{название роли или задачи} по методу PHP-AIO.
Контекст:
- Что делает эта роль: {описание задач}
- Опыт и уникальность: {сколько лет накапливается, можно ли задокументировать}
- Риск при сбое ИИ: {что случится с клиентом / процессом}
- Ожидания клиентов: {хотят ли они живого человека}
- Регуляторный контекст: {есть ли требования по надзору}
- Экономика: {примерная экономия при автоматизации}
Пройди пять ворот последовательно. Для каждой ворот:
1. Дай числовую оценку риска от 0 до 1
2. Объясни обоснование в 2–3 предложениях
3. Вынеси вердикт: пройдена (< 0.70) или остановка
Gate 1 — Экономика: есть ли чистая выгода минимум {порог_выгоды, по умолчанию 15%}?
Gate 2 — Неявные знания (TKE): потеряем ли уникальную экспертизу навсегда?
Gate 3 — Устойчивость (RR): насколько хрупка система при сбое ИИ?
Gate 4 — Регуляторный риск (RE): грозит ли обязательный человек-контролёр?
Gate 5 — Доверие клиентов (SCD): ждут ли клиенты живого человека?
Итог: один из четырёх вариантов:
- АВТОМАТИЗИРОВАТЬ — все ворота пройдены
- СОХРАНИТЬ ЧЕЛОВЕКА — провал Gate 1, 2 или 3
- УСИЛИТЬ — провал Gate 5 (ИИ помогает, человек решает)
- ГИБРИД — провал Gate 4 (ИИ делает, человек надзирает)
Обоснуй итог одним абзацем.
Что подставлять:
- {название роли} — "менеджер по работе с клиентами", "бухгалтер на первичку", "копирайтер блога"
- {порог_выгоды} — 15% стандарт из протокола, увеличь для рискованных секторов
- Контекстные поля — заполни максимально конкретно: числа, факты, что говорят клиенты
🚀 Быстрый старт — вставь в чат:
Вот шаблон PHP-AIO для оценки автоматизации.
Адаптируй под мою задачу: {твоя задача/роль}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит про специфику роли, экономику и контекст клиентов — потому что без этого числовые оценки рисков будут пустыми. Она возьмёт паттерн из шаблона и адаптирует под твою ситуацию.
Ограничения
⚠️ Субъективные входные данные: Многие оценки — экспертные суждения ("насколько клиенты ожидают человека?"). Два разных человека могут дать разные числа — и получить разный итог. Протокол признаёт это и называет своей главной нерешённой проблемой.
⚠️ Корпоративный масштаб: Протокол разрабатывался для банков и крупных организаций (Santander AI Lab). Для малого бизнеса или фриланса пороги и веса нужно переосмысливать — стандартные значения могут давать неподходящие ответы.
⚠️ Пока не проверен на реальных данных: Авторы честно говорят, что ретроспективного исследования на исторических решениях ещё нет. Это концептуальный v1, а не валидированный инструмент.
⚠️ Не для мелких задач: Ворота заточены под оценку ролей с людьми, не под "стоит ли попросить GPT написать этот email". Для личной продуктивности протокол избыточен.
Ресурсы
Работа: When Not to Automate: A Formal Protocol for Human Preservation in AI-Optimized Organizations Авторы: Jairo Rodríguez Arias, Spyridon Chouliaras, José Manuel de la Chica Организация: Santander AI Lab, июль 2026 Ключевые ссылки из работы: EU AI Act (Reg. 2024/1689), NIST AI RMF 1.0, FAccT impact assessments