LLM умеют считать и писать код. Но в ситуации «не паника, а договорись» у них всё ещё дыра.

LLM умеют считать и писать код. Но в ситуации «не паника, а договорись» у них всё ещё дыра.

Взяли Gemini, ChatGPT и других и посадили в игру «Бункер»: ограниченные ресурсы, конфликт интересов, нужно торговаться, убеждать и не развалить коалицию. Это не про IQ-тесты. Это про поведение под давлением.

Что важно:
1) Модели могут быстро генерить аргументы, но часто ломаются на долгой стратегии — начинают повторяться, теряют линию, путают цели.
2) В переговорах они нередко переоценивают свою «убеждающую силу» и недооценивают чужие приоритеты.
3) Когда условия меняются, часть моделей плохо пересобирает план: вроде логика есть, а адаптации нет.

Для рынка это не игрушка. Если LLM ставят в поддержку продаж, медиапланирование, negotiation-ассистенты или автоответы в ad ops — ошибка будет не в «тексте», а в принятии решений под дефицитом времени и контекста 🤖

Вывод простой: бенчмарки по математике и коду не показывают, как модель ведёт себя в живой аукционной среде, где надо не просто отвечать, а лавировать.