Менеджер без опыта кода собрала ИИ-переговорщика на Codex: что сработало в промптах

Если вы пробовали делать ролевого ИИ-собеседника, то знаете главную беду: через две реплики он начинает соглашаться со всем подряд. Команда корпоративного университета «КОРУС Консалтинг» решила эту проблему для тренажёра переговоров. Любопытнее всего, что собирала его Ксения Калабушкина, менеджер по обучению, которая, по её словам, не написала в жизни ни строчки кода. Разберём, какие приёмы там работают и что из них можно забрать в свои продукты.

Зачем понадобился тренажёр

Идея простая. Навык переговоров закрепляется только практикой, а практиковаться на реальном клиенте слишком рискованно: неудачная формулировка стоит сроков, объёма работ и доверия. Тренировки с коллегами тоже не спасают: люди знают друг друга, подыгрывают и не показывают жёсткого, уклончивого или торопливого оппонента.

Поэтому нужен соперник, который доступен в любой момент, держит заданную роль и после разговора выдаёт разбор. Пользователь выбирает кейс, роль, длительность, методологию оценки и стиль: сотрудничество или конкуренция. Дальше начинается десятиминутный голосовой поединок. ИИ отвечает голосом, в конце называет победителя и разбирает сильные ходы, риски и поворотные моменты. Оценка идёт по пяти критериям: продвижение к цели, управление ходом разговора, работа с интересами, аргументация и обмены, качество договорённостей.

Как научили модель не сдаваться

Здесь самая полезная для разработчиков часть. Авторы использовали несколько приёмов.

Первый: развести роли. Во время поединка модель играет только соперника и не подсказывает пользователю. После завершения отдельный запрос получает полную стенограмму и работает как оценщик с инструкцией «оценивай только то, что подтверждается стенограммой». Одной модели трудно одновременно торговаться и быть объективным тренером, поэтому это два разных промпта.

Второй: поведение меняется по времени. В начале соперник раскрывает контекст и сопротивляется преждевременной сделке. Ближе к финалу предлагает пакетные решения и проверяет обязательства. После десяти минут помогает зафиксировать договорённость или честно признать, что сделки нет. Так модель не закрывает упражнение после двух вежливых реплик.

Третий: методологию не скармливают целиком. Книгу Владимира Тарасова «Искусство управленческой борьбы» разбили на смысловые фрагменты: работа с интересами, вопросы, условия уступок, фиксация договорённостей. Перед ответом сервис выбирает несколько фрагментов, близких к текущей реплике, и передаёт их модели. По сути, это обычный RAG, и он снижает риск общих советов вместо реакции на конкретные слова.

Четвёртый: тестировать не красоту промпта, а поведение. Авторы советуют подготовить набор провокаций: «давайте просто договоримся», «я согласен на всё», «закончим сейчас». Хороший соперник не ломает роль, не выдаёт скрытые интересы и возвращает разговор к условиям.

Сборка без программиста

Стек выбрали намеренно простой: веб-страница, небольшой сервер на Node.js, API OpenAI для текста и голоса, Supabase для хранения, GitHub для версий и Vercel для публикации. Работали через Codex. Порядок такой: сначала одностраничное описание пути пользователя, затем разделение требований на обязательные, удобные и будущие. Первый шаг к ИИ-разработчику — просить его пересказать задачу и задать вопросы, а не сразу писать код. Каждый этап проверяется запуском: сначала текстовый поединок без базы и голоса, потом остальное.

Отдельно стоит запомнить про API-ключ. Он хранится в переменной окружения на сервере и не попадает в GitHub, скриншоты и переписку. Если используете внутренние методические материалы, уберите из них персональные данные, названия клиентов и коммерческие условия, прежде чем отправлять их внешней модели.

Ограничения и вывод

У истории есть оговорки. Это рассказ самих авторов, без независимых измерений: сколько людей реально улучшили навыки, неизвестно. Оценка победителя делается самой моделью, а такие оценки склонны к субъективности. Кроме того, весь сервис держится на одном внешнем API. Часть материала в нашем источнике оборвана на разделе про подключение модели, поэтому деплой и лайфхаки по вайбкодингу здесь не разобраны.

Практический вывод шире переговоров. Если вы делаете любого ИИ-тренажёра или ролевого агента, разделите «играющего» и «оценивающего», подмешивайте знания порциями и тестируйте систему на провокациях, а не на удачных диалогах. Для продакта это ещё и пример того, как нетехнический сотрудник проверяет гипотезу за пару вечеров: сначала сценарий, потом инструменты.