Вендоры ИИ отгружают всем одинаковых агентов: Claude, Kimi, Hermes, Codex. Их можно сравнить с новым ноутбуком из коробки: многое умеет сразу, но ещё не адаптирован под меня. В моей рабочей среде эти агенты за месяцы работы стали разными личностями, и я заметил, что мне всё труднее отвечать себе на простой вопрос: с кем именно я сейчас разговариваю?
Смотрите, как это выглядит у меня. Один и тот же Клод от Anthropic работает в четырёх местах: в редакторе кода на ноутбуке, на моём сервере, который трудится круглые сутки, в браузерном рабочем месте и в Telegram. Ядро одно, а поведение разное: у каждого своя память, свои правила, свой набор навыков и свой доступ к моей персональной информации. Рядом трудятся Кими, Гермес и Кодекс, у каждого тоже есть свои сильные и слабые стороны, своя накопленная история совместной работы. Это уже не инструмент, который берёшь с полки и кладёшь обратно. Это команда, в которой я пока единственный, кто не путается в участниках, да и то не всегда ))
Можно объяснить это еще через аналогию с авто. Два одинаковых автомобиля сходят с одного конвейера. Один год ездит в такси, другой у инструктора по вождению. Через год это две разные машины: разная память навигатора, разные настройки и доработки, разные потёртости и болячки, разные привычки хозяев, впечатанные в кресла и зеркала. Модель одна, а экземпляры разные, и опытный водитель это чувствует за первые пять минут. С ИИ-агентами происходит то же самое, только быстрее.
Отсюда главная мысль, с которой начинается новое исследование: личность ИИ-агента это не модель. Модель есть ядро, его делает лаборатория вендора, и оно у всех одинаковое. Личностью агента делает персональная информация, которая на этом ядре выросла. Недавно я писал, что у каждого человека есть четыре типа информации: универсальные знания, формализованные личные знания, рабочие записи и неформализуемый остаток. Так вот, у каждого моего агента есть ровно те же типы: правила и инструкции, которые я для него написал, память о нашей совместной работе, навыки, которые он накопил, и что-то трудноуловимое, что можно назвать «сработанностью». Два агента на одном ядре с разными наборами такой информации ведут себя как разные сотрудники. Значит, и относиться к ним стоит как к разным.
Мировая индустрия и наука уже движутся в эту сторону, просто с разных концов. Google придумал для агентов машиночитаемые визитки, Microsoft заводит агентам учётные записи в корпоративном каталоге, как обычным сотрудникам. Anthropic целенаправленно конструирует характер Клода и научился измерять дрейф характера прямо внутри модели. Исследователи из Оксфорда и MIT пишут: осмысленный идентификатор принадлежит экземпляру системы, а не модели вообще. А работы про долгие диалоги показывают неприятное: личность, заданная только промптом, без внешней памяти постепенно расплывается. То есть интуиция «личность = ядро + выросшая на нём информация» совпадает с тем, куда движется поле, но целостной практики «как жить с командой ИИ-личностей» я пока не нашёл.
Вот вопросы, которые я хочу разобрать в этой серии:
- Из чего состоит ИИ-личность. Где проходит граница между моделью, агентом, ролью и личностью. Что здесь онтология, а что удобная метафора.
- Кто есть кто. Перепись всех моих ИИ-личностей и паспорт каждой: имя, ядро, память, мастерство, каналы, полномочия. И отдельный вопрос: нужны ли им имена.
- Представление. Как в каждом канале сразу понимать, с кем говоришь. Сейчас я определяю это по косвенным признакам, как по почерку, и это неправильно.
- Непрерывность. Что переживает смену модели вендора и доступ к вычислениям. Вышло новое ядро, я обновился, но личность с её памятью и мастерством должна переехать без потерь. Как это устроить?
- Развитие ИИ-команды. Как растить личности осознанно: ревью работы, рост мастерства, профиль ошибок каждой и саморазвитие. И где граница: свежее полевое исследование BCG показывает, что отношение к агентам как к людям-сотрудникам ухудшает проверку их работы. Имена и паспорта да, а вот человеческие трудовые отношения, видимо, нет.
Зачем мне это практически. Во-первых, полномочия и безопасность: я обязан знать, у какой личности какие права и доступы к паролям, иначе рано или поздно не та личность сделает не то действие. Во-вторых, качество: исследования 2026 года показывают, что команда агентов эффективнее одиночки, но при этом сильнее отклоняется от намерений владельца, поэтому командой нельзя управлять вслепую. В-третьих, вложения: в каждую личность вложены месяцы совместной работы, и терять это при каждом обновлении модели непозволительно. В-четвёртых, независимость: я для себя уже решил, что интересы человека здесь выше интересов вендора, и если понадобится, должен суметь забрать личность вместе с её данными и уйти, а не остаться привязанным к чужой инфраструктуре. Ну и главное: я строю платформу, где персональный ИИ будет у каждого участника, а значит вопрос «кто есть кто в моей ИИ-команде» очень скоро станет бытовым для многих. Хочу прийти к этому моменту с проработанным ответом.
Таким образом, эта серия про умение видеть в своих ИИ-агентах не сменные инструменты, а выращиваемые личности, и управлять ими как командой. Следующий текст серии будет про состав ИИ-личности: из чего она собирается и что из этого главное. А пока простой тест: сколько ИИ-личностей уже живёт у вас? Если их не получается перечислить по именам, знакомство ещё впереди.
Главные исследования, на которые я обопрусь в серии:
Характер и персона:
- Anthropic, «Claude’s Character», 2024 — Claude’s Character \ Anthropic
- Chen et al. (Anthropic), «Persona Vectors: Monitoring and Controlling Character Traits in Language Models», 2025 — [2507.21509] Persona Vectors: Monitoring and Controlling Character Traits in Language Models
- Shanahan et al., «Role play with large language models», Nature, 2023 — Role play with large language models | Nature
- Park et al. (Stanford), «Generative Agents: Interactive Simulacra of Human Behavior», 2023 — [2304.03442] Generative Agents: Interactive Simulacra of Human Behavior
- «Examining Identity Drift in Conversations of LLM Agents», 2024 — [2412.00804] Examining Identity Drift in Conversations of LLM Agents
- Xiao et al., «The Chameleon’s Limit: Persona Collapse and Homogenization», 2026 — [2604.24698] The Chameleon's Limit: Investigating Persona Collapse and Homogenization in Large Language Models
Память и мастерство:
- Packer et al., «MemGPT: Towards LLMs as Operating Systems», 2023 — [2310.08560] MemGPT: Towards LLMs as Operating Systems
- «From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms», 2026 — [2605.06716] From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms
- Jiang et al., «Adaptation of Agentic AI: A Survey of Post-Training, Memory, and Skills», 2026 — [2512.16301] Adaptation of Agentic AI: A Survey of Post-Training, Memory, and Skills
- Wang et al., «Voyager: An Open-Ended Embodied Agent with Large Language Models», 2023 — [2305.16291] Voyager: An Open-Ended Embodied Agent with Large Language Models
- Shinn et al., «Reflexion: Language Agents with Verbal Reinforcement Learning», 2023 — [2303.11366] Reflexion: Language Agents with Verbal Reinforcement Learning
Команды агентов:
- Hong et al., «MetaGPT: Meta Programming for a Multi-Agent Collaborative Framework», 2023 — [2308.00352] MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework
- Microsoft, «Work Trend Index 2025: The Frontier Firm» — 2025: The year the Frontier Firm is born
- Shen et al., «AI Organizations are More Effective but Less Aligned than Individual Agents», 2026 — [2604.10290] AI Organizations are More Effective but Less Aligned than Individual Agents
- BCG / HBR, «Research: Why You Shouldn’t Treat AI Agents Like Employees», 2026 — Research: Why You Shouldn’t Treat AI Agents Like Employees
Идентичность: кто есть кто:
- Google / Linux Foundation, «Agent2Agent Protocol: Agent Card», 2025 — Overview - A2A Protocol
- Microsoft, «Entra Agent ID», 2025 — What is Microsoft Entra Agent ID? - Microsoft Entra Agent ID | Microsoft Learn
- Chan et al. (GovAI), «IDs for AI Systems», 2024 — [2406.12137] IDs for AI Systems
- South et al. (MIT), «Authenticated Delegation and Authorized AI Agents», 2025 — [2501.09674] Authenticated Delegation and Authorized AI Agents
- Raskar et al. (MIT), «NANDA: цифровой указатель агентов», 2025 — [2507.14263] Beyond DNS: Unlocking the Internet of AI Agents via the NANDA Index and Verified AgentFacts
