Кэп, вопрос «почему у нас не растёт выручка?» мгновенно запускает корпоративное перекладывание вины. Sales винит долгий запуск. Запускатели - сырые сделки. Маркетинг - воронку. У каждого свой правдоподобный кусок. Системы целиком нет.
Байрам Аннаков объединил 5 Why Тойоты и дерево текущей реальности Голдратта в тяжёлом multi-agent skill для Claude Code. Why Tree параллельно строит ветки причин, проверяет доказательства и ищет одно системное ограничение.
КАК ИДЁТ РАССЛЕДОВАНИЕ:
Сначала проблема превращается в проверяемое утверждение: «конверсия ниже X%» или «выручка отстаёт от цели на N». Затем независимые агенты смотрят на неё через разные линзы, строят ветки причин и углубляют каждое «почему».
Каждый узел получает тип основания: MEASURED, INSTANCE, EXTERNAL, CLAIM, INFERENCE, HYPOTHESIS или FRAMING. Числа дополнительно маркируются как raw, validated, triangulated или contested. Сильная цифра из грязного дашборда не сможет тихо стать корневой причиной.
После разведки отдельные скептики пытаются убить несущие ветки. Опровергнутые причины остаются в дереве вместе с доказательством, которое их уничтожило. Финальная сборка сводит десятки листьев к 3-5 корням, одному ограничению и самому дешёвому тесту, способному развилить решение.
КОГДА ДАННЫХ НЕТ:
Why Tree формирует Data Request: какую метрику вытащить, откуда и какой тест закроет гипотезу. Для данных внутри BI, ERP или рекламного кабинета есть Test-plan mode: карта веток, решающие проверки и последующее обновление по новым цифрам.
ЧТО НА ВЫХОДЕ:
• интерактивное HTML-дерево и одностраничный decision doc;
• ограничение, рекомендуемое действие и решающий тест;
• статус «карта для поиска», если ключевые узлы остались гипотезами;
• для числовой цели - расчёт вклада нескольких рычагов.
ЦЕНА РАССЛЕДОВАНИЯ:
• Scout gate: 4-5 агентов и примерно 100-150 тысяч токенов;
• Standard: 22-40 агентов и около 0,8-2 млн токенов;
• Deep: по реальным прогонам автора 90-115 агентов и около 5-7 млн токенов;
• Test-plan: 10-18 агентов, когда решающие данные может достать только человек.
Текущая оценка Deep выше исходных 50 агентов и 3-4 млн токенов. Skill обязан показать стоимость и запросить глубину. Для очевидной проблемы автор рекомендует одного агента: полный рой там проиграл по цене примерно в 50 раз.
КАК ЗАПУСТИТЬ:
git clone https://github.com/BayramAnnakov/systems-thinking-skills /tmp/systems-thinking-skillscp -R /tmp/systems-thinking-skills/skills/why-tree ~/.claude/skills/why-treeВ Claude Code вызвать
/why-tree. Полная версия требует Workflow tool, доступа к указанным файлам, данным и вебу. В PROMPT.md лежит урезанный одноконтекстный вариант для ChatGPT, Claude.ai и Cursor.СКАМ-КОНТРОЛЬ:
Репозиторий ранний: 14 звёзд, 3 форка, 36 коммитов, MIT-лицензия, 8 тегов и ни одного GitHub Release. Оценки качества и расхода получены из прогонов автора, независимого бенчмарка нет.
Сходимость к одному ограничению даёт фокус и может упростить систему с несколькими узкими местами. Маркировка показывает качество основания. Истинность причин требует эксперимента. Клиентские базы подключай после проверки разрешений, Deep запускай с жёстким бюджетом.
ВЫВОД ДЛЯ АРХИТЕКТОРОВ:
Why Tree превращает коллективное «мне кажется» в граф проверяемых утверждений. Его лучший результат иногда выглядит как список недостающих цифр. Команда хотя бы понимает, что измерить завтра, чтобы перестать спорить сегодня.
🎯 ТАРГЕТ-МЕТРИКИ (КООРДИНАТЫ ЭВОЛЮЦИИ):
• Слой ИИ-индустрии: Applications - multi-agent диагностика бизнес-систем
• Уровень специалиста: 3-5 - формулирует проблему, подключает данные и проверяет причинность
• Уровень компании: 2-4 - заменяет войну отделов общей картой ограничений и экспериментов
Status: Opinions graded. Hypotheses exposed. Constraint under interrogation. 🤖🌳
🔗 github.com/BayramAnnakov/systems-thinking-skills/tree/main/skills/why-tree
#AI #СигизмундМнение