20 промтов для командной работы с AI: внедряйте AI в процессы команды

Шпаргалка

Самое большое упущение большинства команд — каждый использует AI отдельно, хаотично. Нет общих промтов, нет системы, нет обмена лучшими практиками. Эти промты помогают выстроить командное использование AI так чтобы это давало мультипликативный эффект.

1. Аудит использования AI в команде

Наша команда: [размер, функции]. Помоги провести аудит: — Вопросы для выяснения как сейчас используют AI (или не используют) — Как выявить задачи с наибольшим потенциалом для автоматизации — Как определить уровень готовности команды — Какие барьеры мешают использованию — С чего начать внедрение (минимальный эффективный старт)

2. AI-стратегия для команды

Команда: [описание — функция, размер, текущие процессы]. Цель внедрения AI: [экономия времени / улучшение качества / масштабирование]. Разработай стратегию: — Приоритетные use cases (максимальный эффект × минимальные усилия) — Инструменты для каждого use case — Порядок внедрения (что сначала) — Как обучить команду — Как измерять результат

3. Карта задач для автоматизации

Задачи которые выполняет команда: [список]. Оцени каждую задачу: — Степень повторяемости (высокая / средняя / уникальная каждый раз) — Степень структурированности (чёткие правила / требует суждения) — Время которое занимает — Потенциал для AI (высокий / средний / низкий) Итог: матрица приоритетов для автоматизации.

4. Командная библиотека промтов

Функция команды: [маркетинг / продажи / поддержка / другое]. Помоги создать структуру библиотеки промтов: — Категории (по типу задач) — Формат карточки промта (что включать) — Как называть и тегировать — Где хранить (Notion / Google Docs / другое) — Как поддерживать актуальность — Как мотивировать добавлять новые промты

5. Промт для конкретной роли

Роль в команде: [должность]. Типичные задачи: [список]. Создай набор из 10 промтов которые эта роль будет использовать каждую неделю: — Каждый промт: название + когда использовать + текст промта — Учти специфику задач этой роли — Включи переменные [в квадратных скобках] для персонализации

6. Стандартизировать качество через промты

Проблема: разные люди в команде делают одинаковые задачи по-разному — качество непредсказуемо. Задача: [тип задачи — написание отчётов / ответы клиентам / создание контента]. Создай системный промт который: — Задаёт единый стандарт качества — Включает все требования к результату — Достаточно гибкий для разных ситуаций — Легко обновлять когда стандарты меняются

7. Воркшоп по промтам

Аудитория: [команда, уровень знакомства с AI]. Длительность: [N часов]. Цель: [что должны уметь после]. Разработай программу воркшопа: — Блоки с таймингом — Практические упражнения (не только теория) — Конкретные use cases из нашей работы — Как закрепить после воркшопа — Материалы которые уйдут с собой

8. Онбординг в AI для нового сотрудника

Новый сотрудник выходит на позицию: [должность]. Мы активно используем AI в команде. Создай AI-онбординг: — Что нужно освоить в первую неделю — Базовые промты для их роли — Где найти командную библиотеку промтов — Как задавать вопросы и делиться находками — Первое задание с использованием AI

9. FAQ по использованию AI в команде

Команда только начинает использовать AI. Составь FAQ: — Технические вопросы (как получить доступ, какие инструменты) — Вопросы о безопасности (что можно вводить, что нельзя) — Вопросы о качестве (можно ли доверять результату) — Вопросы о правилах (что делать с AI-контентом) — Вопросы о развитии (как улучшать навыки)

10. AI-assisted code review

Описание: наша команда разработки хочет встроить AI в code review. Помоги спроектировать процесс: — На каких этапах review использовать AI — Что AI проверяет, что остаётся человеку — Промты для code review (с примерами) — Как обеспечить что AI-review не снижает внимательность людей — Метрики: как измерить что процесс улучшился

11. AI-assisted контент-процесс

Наша команда создаёт контент: [тип и объём]. Хотим встроить AI не заменяя человека. Спроектируй процесс: — На каком этапе входит AI (идеи / черновик / редактура) — Что остаётся полностью за человеком — Как обеспечить что контент звучит как человек — Как проверять AI-контент перед публикацией — Как поддерживать качество при росте объёмов

12. AI для анализа данных командой

Команда: [нетехническая, часто работает с данными]. Цель: дать возможность анализировать данные без SQL и Python. Разработай систему: — Типовые аналитические вопросы и промты для них — Как правильно вставлять данные в AI (форматы) — Как проверять результаты (AI может ошибаться) — Границы: что AI может анализировать, что нет — Как документировать инсайты из AI-анализа

13. Преодолеть скептицизм команды

Часть команды скептически относится к AI: [какие возражения]. Как работать со скептиками: — Понять реальные причины скептицизма — Что показать чтобы убедить (не рассказать — показать) — Как дать попробовать без давления — Какой первый use case убедит именно их — Что не делать (как не усилить скептицизм)

14. AI чемпионы в команде

Хочу выделить AI-чемпионов — людей которые помогут внедрить AI в команде. Помоги: — Критерии выбора чемпионов (кто подойдёт) — Их роль и ответственность — Как поддерживать чемпионов (обучение, ресурсы) — Как избежать "AI-элиты" которая отдаляется от остальных — Как масштабировать знания от чемпионов к всем

15. Политика использования AI в команде

Компания: [описание]. Нам нужна политика использования AI сотрудниками. Составь политику: — Что разрешено использовать и для каких задач — Что нельзя вводить в AI (конфиденциальные данные, IP) — Как обращаться с AI-сгенерированным контентом (указывать ли) — Ответственность за качество AI-результатов — Как обновлять политику по мере развития технологий

16. Безопасность данных при использовании AI

Наша компания работает с: [тип данных — клиентские / финансовые / другие]. Помоги создать инструкцию: — Что категорически нельзя вводить в публичные AI — Что можно с определёнными мерами предосторожности — Как анонимизировать данные для работы с AI — Корпоративные AI-решения для работы с чувствительными данными — Как объяснить команде (без технических деталей)

17. Измерить ROI от внедрения AI

Мы внедрили AI в [процесс]. Как измерить реальный эффект: — Метрики до/после (что замерить) — Как учесть качество (не только скорость) — Как отделить эффект AI от других изменений — Что считать успешным внедрением — Как обосновать дальнейшие инвестиции в AI

18. Ретроспектива по AI

Квартал использования AI: [что делали, какие инструменты]. Проведи AI-ретроспективу: — Вопросы для команды (что работает / что нет / что хотим попробовать) — Как обновить библиотеку промтов на основе опыта — Новые use cases которые стоит попробовать — Что убрать (инструменты или процессы которые не прижились) — Цели на следующий квартал

19. Roadmap AI-внедрения

Текущий уровень: [как используем AI сейчас]. Амбиция: [где хотим быть через год]. Составь roadmap: — Квартал 1: базовые use cases (быстрые победы) — Квартал 2: углубление и стандартизация — Квартал 3: автоматизация процессов — Квартал 4: AI как часть продукта/сервиса (если применимо) Для каждого этапа: приоритеты, ресурсы, метрики.

20. Культура непрерывного обучения AI

Цель: команда которая постоянно улучшает свои AI-навыки. Как выстроить культуру: — Регулярный обмен лучшими практиками (формат и ритм) — Как поощрять эксперименты — Как учиться на ошибках с AI (не замалчивать) — Ресурсы для самостоятельного развития — Как оставаться в курсе изменений в AI (без информационного перегруза)