Что вы уже реально делаете с ChatGPT в работе: как перейти к системе
Что вы уже реально делаете с ChatGPT в работе: как перейти к системе
«А что вы уже реально делаете с помощью ChatGPT, Codex, DeepSeek или другой нейросети в работе?» Этот вопрос я всё чаще задаю руководителям, предпринимателям и специалистам, когда разговор заходит об искусственном интеллекте.
Сегодня ответ «я уже пользуюсь ChatGPT» говорит очень мало. Один человек несколько раз в неделю просит нейросеть отредактировать письмо или придумать пост. Другой загружает документы, анализирует данные, готовится к переговорам и ведёт внутри проекта постоянный рабочий контекст. У третьего настроены повторяющиеся инструкции, собственная база материалов и отдельные ИИ-сценарии под конкретные задачи.
Поэтому при внедрении ИИ мне гораздо интереснее понять, что человек уже делает с его помощью, сколько времени занимает задача сейчас и какой результат он получает. Именно отсюда начинается следующий уровень работы с нейросетями.
Установленный ChatGPT ещё ничего не говорит об уровне использования ИИ
За последний год я много общаюсь с руководителями и специалистами, которые говорят примерно одно и то же: «Да, ChatGPT у меня есть», «Я уже поставил Codex», «Я работаю с DeepSeek», «Claude тоже пробовал».
Следующий вопрос быстро показывает реальную картину: «Хорошо. А какие ваши рабочие процессы изменились благодаря этому?»
Иногда оказывается, что нейросеть используется для нескольких простых операций: написать текст, сократить письмо, придумать заголовок, найти идею. Это уже полезный опыт. Одновременно в рабочем дне человека могут оставаться десятки задач, где ИИ способен помогать гораздо глубже: разбирать документы, сопоставлять информацию из нескольких источников, готовить структуру решения, анализировать переписку, собирать отчёт, работать с таблицами, готовить материалы к встрече или систематизировать накопленные знания.
Для меня это важная точка диагностики. Список используемых сервисов показывает инструменты. Список реально изменившихся рабочих задач показывает уровень внедрения.
Первый уровень: отдельные запросы к нейросети
Обычно знакомство с ChatGPT начинается с простых задач. Человек пишет промпт, получает результат, при необходимости уточняет запрос и переносит готовый материал в свою работу.
Это могут быть письма, тексты, идеи, структура презентации, краткое резюме документа, варианты формулировок, поиск аргументов или подготовка списка вопросов к встрече.
На этом уровне уже можно заметно ускорить часть работы, особенно если человек умеет давать контекст и чётко формулировать ожидаемый результат. При этом каждый новый диалог часто начинается практически заново: снова нужно объяснить, кто вы, чем занимаетесь, для кого готовится материал, какие требования действуют и какой формат вам нужен.
Если одна и та же задача регулярно повторяется, появляется смысл переходить дальше.
Второй уровень: ChatGPT знает контекст вашей работы
Следующий шаг — перестать каждый раз заново объяснять нейросети одну и ту же информацию.
Например, предприниматель регулярно готовит коммерческие предложения. У него есть описание компании, услуги, типовые условия, примеры предыдущих предложений, требования к стилю, информация о клиентах. Всё это можно организовать так, чтобы при новой задаче система уже работала в понятном контексте.
То же самое происходит у руководителя с отчётами, у маркетолога с контентом, у HR со структурой вакансий и интервью, у инженера с техническими документами, у отдела продаж с информацией о продуктах и клиентах.
На этом уровне появляется важное изменение: человек начинает думать не отдельными промптами, а рабочими сценариями.
Например:
«Каждую пятницу я получаю три отчёта, объединяю их, ищу отклонения, сравниваю с прошлой неделей и готовлю вопросы к планёрке».
Это уже хорошая постановка задачи для следующего этапа внедрения.
Третий уровень: повторяющуюся работу превращаем в сценарий
Когда мы работаем с руководителем или командой, один из самых полезных вопросов звучит так: что вы делаете регулярно по примерно одинаковой последовательности?
Здесь обнаруживается большой пласт задач, которые человек давно воспринимает как неизбежную часть работы.
Менеджер получает запрос клиента, изучает информацию, готовит предложение и письмо. Руководитель собирает несколько отчётов и делает сводку. Маркетолог анализирует конкурентов и формирует идеи. Специалист сравнивает версии документов. Сотрудник после встречи разбирает заметки и превращает их в перечень задач.
Такой процесс уже можно описать:
что приходит на вход → какие действия выполняются → какие данные используются → какой результат должен получиться → что обязательно проверяет человек.
После этого для повторяющейся задачи создаётся рабочая инструкция, которую можно тестировать и улучшать. Здесь появляется воспроизводимость: результат меньше зависит от того, вспомнил ли сотрудник нужный промпт и правильно ли сформулировал запрос в конкретный день.
Четвёртый уровень: ИИ работает с несколькими этапами задачи
Дальше имеет смысл смотреть на всю цепочку.
Возьмём обычную задачу руководителя: подготовиться к встрече с потенциальным партнёром. Внутри неё может быть несколько операций: изучить компанию, посмотреть публичную информацию, собрать основные факты, проанализировать возможные точки сотрудничества, подготовить вопросы и сформировать краткий документ перед встречей.
Если человек каждый раз самостоятельно запускает все этапы и контролирует переход между ними, это остаётся рабочим сценарием с активным участием пользователя. Для некоторых процессов такого уровня вполне достаточно.
Когда последовательность повторяется часто, используются одни и те же источники и правила, возникает смысл оценивать более сложное решение: специализированного ассистента, автоматизацию или ИИ-агента. Именно поэтому я редко начинаю разговор с вопроса: «Какого агента вам создать?» Сначала нужно увидеть сам процесс.
Где уже нужен ассистент или агент
Переход к более сложным ИИ-решениям имеет смысл там, где есть повторяемая последовательность действий и понятный результат. Допустим, каждую неделю сотрудник получает несколько файлов, извлекает из них определённые показатели, сравнивает данные с прошлым периодом, выделяет отклонения и готовит руководителю сводку. Если этот процесс стабилен, его можно постепенно переводить на другой уровень автоматизации.
В одном случае достаточно сохранить хорошую инструкцию. В другом полезен специализированный ассистент с постоянным контекстом. Где-то потребуется подключение к данным или корпоративной базе знаний. Для многошагового процесса с использованием нескольких инструментов уже можно рассматривать агента.
Елена Пучкова, технический директор проекта «Цифровые трансформации»:
«При выборе решения важно сначала описать сам процесс: входные данные, последовательность действий, инструменты, правила и ожидаемый результат. После этого становится понятно, нужен ли для задачи промпт, отдельный ассистент, агент или интеграция с корпоративными системами».
Такой подход помогает не усложнять решение раньше времени и одновременно увидеть задачи, которые уже выросли из формата разового диалога с нейросетью.
Попробуйте провести аудит собственного рабочего дня
Для начала не нужно описывать всю компанию. Возьмите один обычный рабочий день или неделю и выпишите задачи, на которые уходит заметное время.
Посмотрите на каждую из них через семь вопросов:
- Как часто я это делаю?
- Что получаю на вход?
- Какие действия выполняю вручную?
- Какие данные мне нужны?
- Как выглядит готовый результат?
- Где требуется мой профессиональный опыт или решение?
- Какую часть процесса уже сейчас может взять на себя ИИ?
После такого разбора часто становится видно, что потенциал находится совсем не там, где человек сначала ожидал.
Например, предприниматель может активно использовать ChatGPT для контента и продолжать вручную разбирать длинную переписку с клиентами, сравнивать документы, собирать данные перед переговорами и каждую неделю готовить однотипный отчёт. Именно эти повторяющиеся операции нередко дают больший эффект от внедрения.
Почему я задаю вопрос «что вы уже реально делаете»
Я действующий руководитель, поэтому смотрю на ИИ прежде всего через рабочий результат. Для меня мало знать, что сотрудник умеет открыть ChatGPT и правильно написать запрос. Важно понять, какая часть его рабочего дня действительно изменилась.
Если раньше подготовка определённого документа занимала два часа, сколько она занимает сейчас? Если руководитель каждую неделю вручную собирал информацию из пяти источников, изменилась ли эта работа? Если менеджер получил ИИ-инструмент, стало ли ему проще готовиться к встречам и обрабатывать клиентские запросы? Если команда использует нейросети, есть ли у неё общие сценарии и понятные правила проверки? Вот эти вопросы переводят разговор об искусственном интеллекте в плоскость управления и бизнес-процессов.
Марина Хопрячкова, эксперт по внедрению ИИ в бизнес:
«Мне интересно не количество нейросетей, которыми пользуется человек. Я смотрю на его реальный рабочий день: какие задачи повторяются, что занимает время, где приходится каждый раз заново собирать информацию и какие процессы можно перестроить с помощью ИИ. Именно там обычно находится следующий уровень».
Следующий уровень начинается с одной реальной задачи
Если вы уже используете ChatGPT, DeepSeek, Codex, Claude или другие ИИ-инструменты, попробуйте сегодня не искать ещё один сервис. Возьмите одну задачу, которую выполняете регулярно, и разберите её целиком.
Что вы делаете до обращения к ИИ? Что передаёте ему? Что делаете после ответа? Какие данные собираете вручную? Где повторяется одна и та же последовательность? Что приходится проверять? Как выглядит качественный финальный результат?
Из таких вопросов постепенно появляется рабочая система: сначала стабильный сценарий, затем постоянный контекст, при необходимости база знаний, ассистент, агент или интеграция.
И вот тогда вопрос «пользуетесь ли вы ChatGPT?» действительно становится менее показательным.
Гораздо полезнее другой:
«Что вы уже реально делаете с его помощью — и какую следующую часть своей работы готовы ему передать?»
Частые вопросы
Какие рабочие задачи можно передать ChatGPT?
Хорошо подходят задачи, связанные с обработкой информации, документами, структурированием материалов, подготовкой вариантов, анализом, поиском закономерностей, деловыми коммуникациями и повторяющимися информационными операциями. Для каждой задачи отдельно определяются исходные данные, критерии качества и необходимый уровень человеческой проверки.
Как понять, что я использую ChatGPT слишком поверхностно?
Посмотрите, изменились ли ваши регулярные рабочие процессы. Если нейросеть используется главным образом для отдельных вопросов и текстов, при этом большая часть повторяющейся информационной работы выполняется прежним способом, потенциал использования ИИ ещё велик.
Когда имеет смысл создавать ИИ-ассистента?
Обычно тогда, когда одна и та же задача регулярно повторяется, для неё нужен постоянный контекст, набор инструкций, примеров или материалов и требуется воспроизводимый результат.
Когда бизнесу нужен ИИ-агент?
Агент становится интересен для многошаговых процессов, где системе требуется выполнять последовательность действий, использовать разные инструменты или источники данных и выбирать следующий шаг в зависимости от результата предыдущего. Перед созданием агента полезно сначала подробно описать сам бизнес-процесс.
Об авторах и проекте
Марина Хопрячкова — действующий управленец с более чем 20-летним опытом управления, эксперт по внедрению ИИ в бизнес, работу руководителей и команд.
Елена Пучкова — инженер, технический директор проекта «Цифровые трансформации», эксперт по ИИ и цифровым решениям, настройке ассистентов, агентов и рабочих ИИ-сценариев.
В проекте «Цифровые трансформации» мы разбираем реальные задачи руководителей и сотрудников, определяем, какие из них имеет смысл передавать ИИ, и помогаем выстраивать рабочую систему под конкретного человека, команду или бизнес-процесс.
Что делать дальше
Если вы уже пользуетесь нейросетями и хотите понять, какие задачи можно передать ИИ на следующем уровне, начните с разбора ваших реальных рабочих процессов.
09.09.2026
