Как пользоваться искусственным интеллектом в работе: пять шагов и четыре типа задач

Использовать искусственный интеллект в работе — значит поручать нейросети повторяющиеся задачи, где исходный материал уже у вас на руках, а результат проверяется за минуты: письма, сводки, черновики, разбор документов. Решение и проверку фактов человек оставляет за собой. Поэтому вопрос «как пользоваться искусственным интеллектом» в работе решается не выбором сервиса, а выбором задачи. Рабочая последовательность такая: берёте одну повторяющуюся операцию, которую делаете руками каждую неделю, описываете её модели тремя вводными — кто пишет, какой контекст, в каком формате нужен ответ, — и сравниваете результат с тем, что сделали бы сами. Если время экономится и качество не проседает, задача уходит в регламент; если нет — возвращаете её себе и берёте следующую. Ниже разобран этот цикл из пяти шагов, четыре типа задач, где нейросети действительно помогают, и четыре ситуации, где они обходятся дороже ручной работы.

Алексей Малков

Основатель GEOAudit.org • GEO/SEO-стратег

10+ лет в digital

ИИ в работе Внедрение нейросетей GEO-аудит

Профиль автора →

Как использовать ИИ: короткий ответ и сценарии

Использовать ИИ — значит поручать нейросети задачи, где исходный материал уже есть у вас на руках, а результат проверяется за минуты: переработку текста, структурирование, черновики и разбор больших документов. Запрос задаётся тремя вводными (роль, контекст, формат), а всё, что уходит клиенту или в документ компании, проверяет человек. Ниже типовые сценарии по трём направлениям и по ролям в команде.

В работе

• Расшифровка созвона или встречи в список поручений с ответственными.
• Письмо клиенту или коллеге по шаблону в нужном тоне.
• Сводка из нескольких отчётов или длинной переписки.
• Поиск нужных пунктов в большом договоре с цитатами и указанием места.

В бизнесе

• Поток одинаковых операций: описания товаров, ответы на типовые обращения, карточки по шаблону.
• Сведение отзывов и обращений клиентов в список претензий и повторяющихся вопросов.
• Черновая структура коммерческого предложения или внутреннего регламента.

Где ИИ окупается на уровне компании, а где нет, разобрано в материале про искусственный интеллект для бизнеса.

В маркетинге

• Варианты заголовков, планы статей и структура посадочных страниц по вашему материалу.
• Переработка готовых текстов под разные каналы: сократить, сменить тон, собрать из нескольких версий одну.
• Черновики рекламных текстов, которые затем проверяет маркетолог.

По ролям: руководитель, маркетолог, продажи

Одна и та же нейросеть закрывает у разных сотрудников разные задачи, но граница везде одна: модель готовит черновик, человек отвечает за факты и решение.

Подробный разбор задач отдела маркетинга есть в статье нейросети в маркетинге. Отдельный сценарий касается не вашей работы, а ваших клиентов: они тоже спрашивают нейросети, и о том, как проверить, называют ли вашу компанию в ответах, рассказано в последнем разделе.

Как пользоваться искусственным интеллектом: пять шагов

Пользоваться ИИ проще всего в пять шагов: выбрать одну повторяющуюся задачу, сделать её вручную с замером времени, поручить модели по правилу трёх вводных, сравнить результаты и закрепить удачный запрос в регламенте.

1. Выберите одну повторяющуюся задачу. Расшифровка созвона в список поручений, письмо клиенту по шаблону, описание товара, сводка из десятка отчётов. Критерий выбора: вы делаете это регулярно и способны за пять минут оценить, хорошо ли получилось.
2. Сделайте её сами и засеките время. Без замера сравнивать не с чем, и разговор про экономию превращается в обмен ощущениями.
3. Дайте ту же задачу модели по правилу трёх вводных — роль, контекст, формат ответа. Разбор правила — в разделе про шаблон запроса.
4. Сравните два результата по одному критерию: сколько времени ушло на доведение машинного варианта до состояния, в котором его не стыдно отправить.
5. Примите решение. Быстрее и не хуже — задача уходит в регламент вместе с текстом запроса. Дольше или хуже — возвращаете её себе и берёте следующую. Нормально, если из пяти задач приживаются две.

Один проход цикла занимает от получаса до рабочего дня, и его имеет смысл повторить на трёх-четырёх разных задачах, прежде чем делать выводы про пользу или бесполезность нейросетей.

Самая частая ошибка на старте — начать со сравнения моделей. Человек читает обзоры, заводит три аккаунта, неделю пробует их по очереди и бросает: непонятно, что именно он выиграл. Порядок обратный. Сначала задача, потом инструмент. Возьмите операцию, которую делаете руками минимум раз в неделю и результат которой — текст, таблица или список. Её и отдайте модели первой.

Термин стоит прояснить сразу. Искусственный интеллект (artificial intelligence) в Национальной стратегии развития, утверждённой Указом Президента РФ № 490 от 10 октября 2019 года, определён как комплекс технологических решений, имитирующих когнитивные функции человека. Слово «разум» здесь условное: языковая модель не понимает текст так, как понимает его человек, — она предсказывает наиболее вероятное продолжение по огромному массиву примеров. Из этого свойства растёт и сила модели (она отлично переформулирует и структурирует), и её главная опасность (она так же уверенно достраивает факты, которых не было).

Такой цикл отвечает на вопрос честнее любого обзора: он показывает не то, что нейросеть умеет вообще, а то, что она даёт лично вам на ваших задачах. На уровне компании счёт ведут по другим основаниям — по потоку одинаковых операций и по тому, приходят ли клиенты через нейросеть; где именно искусственный интеллект окупается в бизнесе, разобрано отдельно.

Какой инструмент выбрать под задачу

Инструмент выбирают по типу результата, который нужен на выходе, а не по популярности сервиса.

Перед тем как закреплять сервис в регламенте, проверьте его на той же задаче, на которой проходили пять шагов: критерий остаётся прежним, время на доработку результата до отправляемого состояния.

Нейросети уверенно закрывают четыре типа задач, остальное требует перепроверки

Задачи с предсказуемым результатом объединяет общее свойство: исходный материал уже лежит у вас на руках либо результат проверяется за минуты. Как только оба условия перестают выполняться, начинается работа по перепроверке, которая съедает сэкономленное время.

Мы у себя применяем модели ровно на трёх операциях: расшифровка созвонов в задачи, черновая структура отчёта и разбор больших выгрузок из парсеров. Всё, что попадает в отчёт клиента цифрами, считается скриптами и проверяется руками. Это принципиальная граница, и ниже объясню, почему её стоит держать всем.

Качество ответа задаёт формулировка запроса, а не выбранная модель

Правильно спрашивать у ИИ — значит давать модели всё, что она не может знать сама: кто пишет и кому, какие факты и контекст, что именно сделать, в каком формате и с какими запретами. Короткий запрос без контекста даёт усреднённый ответ, а модель, которой не хватило фактов, достраивает их сама. Поэтому запрос пишут как задание новому сотруднику, а не как строку в поисковике.

Чаще всего ломается не модель, а вход. Человек пишет «напиши текст про наши услуги» и получает ровно то, что заслуживает такой запрос: усреднённый текст, который подойдёт любой компании и не подойдёт ни одной. Чтобы использовать нейросеть осмысленно, запрос собирают из трёх обязательных частей. Это и есть правило трёх вводных.

• Роль и адресат. Кто пишет и кому: «ты руководитель отдела продаж промышленного оборудования, пишешь главному инженеру завода».
• Контекст и факты. Всё, чего модель знать не может: что за компания, какие сроки, какие цифры, что уже обсуждали с клиентом. Не дадите — она это придумает.
• Формат результата. Объём, структура, тон, запреты: «шесть пунктов, без вводного абзаца, без восклицательных знаков, каждая мысль — одно предложение».

Шаблон запроса: роль, контекст, задача, формат, ограничения

Для рабочих задач три вводные удобно развернуть в пять строк. Это те же роль, контекст и формат, только задача и ограничения вынесены отдельно, чтобы их не забыть.

Два примера для типовых бизнес-задач по этому шаблону, третий, для карточки товара, — в блоке ниже:

• Сводка для руководителя. «Ты аналитик отдела продаж. Ниже недельные отчёты менеджеров: [текст]. Сведи их в одну сводку для коммерческого директора. Формат: проблемы, договорённости, риски — по пунктам. Не делай выводов, которых нет в отчётах, и отметь, где данные расходятся».
• Разбор договора. «Ты юрист компании-покупателя. Ниже договор поставки: [текст]. Найди пункты об ответственности сторон, сроках оплаты и расторжении. Формат: таблица „пункт — цитата — что это значит для нас“. Цитируй дословно с номером пункта и не пересказывай то, чего в тексте нет».

Второй приём — итерация вместо переписывания. Получили ответ мимо цели — не сочиняйте новый запрос с нуля, а скажите, что именно не так: «слишком длинно, сократи вдвое», «убери оценочные прилагательные», «третий пункт разверни, остальные оставь». Модель держит контекст диалога, и правка по шагам почти всегда быстрее новой попытки.

Третий приём — образец. Если есть текст, который вам нравится, приложите его и попросите сделать так же по структуре и тону. Правило трёх вводных вместе с образцом работает лучше любых подборок «волшебных промптов»: образец задаёт то, что трудно описать словами.

Факт из нейросети проверяется до того, как попадёт в документ

Языковая модель не отличает знание от правдоподобной формулировки. Она не врёт — она достраивает текст так, чтобы он выглядел связным. Поэтому выдуманная деталь выглядит ровно как настоящая: те же уверенные обороты, тот же формат. Ссылка на несуществующий пункт закона, номер приказа с ошибкой в одну цифру, отзыв клиента, которого не было, — всё это правдоподобно ровно до момента проверки.

Когда мы считаем AI Visibility Score, запросы прогоняются вручную по нескольким платформам, а состав названных компаний фиксируется скриншотами. Причина та же самая: один и тот же вопрос в разные дни даёт разный ответ, и «модель так сказала» — не доказательство. Как устроена метрика и что она измеряет, разобрано в материале про AI Visibility Score.

За 10+ лет аудитов я видел два одинаково затратных сценария. Первый: человек не пользуется нейросетью вообще и тратит час на то, что переписывается за пять минут. Второй: человек ставит сгенерированный текст на сайт без единой проверки, и потом мы вместе переписываем раздел целиком, потому что в нём выдуманы факты, за которые отвечает компания. Разница между этими сценариями не в инструменте, а в том, есть ли у задачи проверяющий.

Алексей Малков

Основатель GEOAudit.org

Персональные данные и коммерческую тайну в публичный чат не загружают

Второе ограничение — юридическое, и оно жёстче первого. Часть 5 статьи 18 Федерального закона № 152-ФЗ «О персональных данных» требует, чтобы запись и хранение персональных данных граждан России велись в базах на территории страны. Выгрузка клиентской базы в зарубежный чат-сервис — это передача данных на серверы за пределами России со всеми вытекающими вопросами к оператору.

Отсюда рабочее разделение на два контура. Оно кажется бюрократией ровно до первого разбирательства.

Что не сработает: четыре задачи, где ИИ обходится дороже ручной работы

Честная часть разговора. Есть задачи, где использование нейросети не экономит ничего, а иногда приводит к прямым потерям.

1. Расчёты и сверка чисел. Модель предсказывает текст, а не вычисляет. Она уверенно сложит колонку с ошибкой и так же уверенно объяснит результат. Складывать, сверять и считать проценты должна таблица или скрипт, а нейросеть в лучшем случае напишет для них формулу, которую вы проверите.
2. Решения, за которые кто-то отвечает лично. Медицинские, юридические, кадровые и финансовые выводы. Тут цена ошибки не измеряется сэкономленными минутами, а ответственность всё равно остаётся на человеке. Максимум, чем модель полезна, — черновик вопросов к профильному специалисту.
3. Массовая генерация текстов «под поиск». В аудитах мы регулярно открываем сайты, где два десятка статей написаны одной моделью за вечер: гладкий текст без единой проверяемой детали, одинаковые формулировки, ноль собственного опыта. В нейроответах по своим же темам такие сайты не появляются — называют тех, у кого есть конкретика. Что именно делает текст цитируемым, разобрано в статье про контент для нейросетей.
4. Замена обучения сотрудника. Человек, который не разбирается в предмете, не отличит хороший ответ модели от плохого и потому не сможет её проверить. Нейросеть усиливает эксперта, а новичка она усиливает в ошибках.

Отдельная категория — тексты, где важна ответственность за формулировку: письма в госорганы, ответы на претензии, публичные заявления. Черновик модель соберёт, но подпись ставит человек, и читать этот черновик надо так же придирчиво, как чужой.

От личного эксперимента к регламенту команды

Пока нейросетью пользуется один человек, это личная продуктивность. Компания получает эффект, когда появляются три вещи: список задач, где применять модель разрешено, единый доступ к инструменту и правило проверки результата. Остальное — детали.

• Реестр задач. Что уже прошло цикл из пяти шагов и показало выигрыш. Реестр растёт снизу: сотрудники приносят свои задачи, а не получают спущенный сверху список.
• Общая библиотека запросов. Удачный запрос — такой же актив, как шаблон договора. Его пишут один раз и переиспользуют, а не сочиняют заново каждым сотрудником.
• Ответственный за проверку. У каждого типа задач есть человек, который подписывается под результатом. Без этого пункта регламент не работает.
• Замер. Часы до и после по конкретной операции. Это единственный способ отличить реальную экономию от энтузиазма первых недель.
• Обучение на своих примерах. Полчаса разбора удачных и провальных запросов внутри команды дают больше, чем любой внешний курс: у вас общий контекст и общие задачи.

Порядок внедрения, типичные ошибки и цена этих ошибок разобраны отдельно — в материале про внедрение нейросетей в бизнес: как выбрать пилотное подразделение, что считать результатом пилота и почему начинать стоит не с продаж. Обзор доступных решений — какие нейросети для бизнеса работают в России и что они умеют. По генерации рекламных креативов есть отдельный разбор нейросетей для рекламы с ограничениями по кириллице.

Если сотрудники пользуются нейросетями, то и клиенты пользуются тоже

Вопрос, который почти не поднимают в статьях о внедрении. Пока внутри компании обсуждают, как использовать искусственный интеллект в работе, клиенты уже используют его снаружи — чтобы выбрать поставщика, клинику или подрядчика. «Какую клинику выбрать в моём районе», «кто в России делает такое оборудование», «сравни двух подрядчиков» — эти вопросы теперь задают не только поисковой строке. И ответ на них собирается без вашего участия.

Отсюда следствие для маркетинга, которое стоит развести по полочкам. Классическое SEO отвечает за позиции сайта в выдаче Яндекса и Google: пользователь видит список ссылок и выбирает сам. GEO отвечает за другое — назовёт ли нейросеть вашу компанию, когда её спросят, и что именно она про вас скажет. Это разные задачи, и GEO работает поверх SEO, а не вместо него: модели собирают ответ преимущественно из страниц, которые уже видны в обычном поиске. Разница разобрана в материале что такое GEO, а как в целом устроен ИИ-поиск в России — в отдельном обзоре.

Проверить свою ситуацию можно за вечер и без бюджета. Возьмите десять вопросов, с которыми к вам приходят клиенты, задайте их Алисе, ChatGPT и Perplexity и выпишите, какие компании названы в ответах. Если вашей среди них нет — вы знаете, чем заняться. Системная работа с присутствием бренда в ответах называется продвижением в нейросетях, а разовый срез по ключевым запросам — экспресс-диагностикой AI-видимости от 25 000 ₽.

Итог по всей статье короткий. Внутри компании нейросеть — это инструмент, который экономит время на четырёх типах задач и требует проверяющего на всех остальных. Снаружи она же — новый канал, через который вас находят или не находят. Первое начинается с одной задачи и правила трёх вводных, второе — с честного ответа на вопрос, называют ли вас в чужих ответах.

Другие материалы серии: как подобрать нейросеть под задачу бизнеса.

FAQ