Классы задач, которые можно решать с GPT, и эффект от экономии времени на личном опыте (часть 2, лонгрид)

Прямое продолжение предыдущей статьи

Расскажу на чем именно экономится время, когда GPT НЕ решает задачу целиком. Все примеры будут на базе моего текущего инструмента – GPT сервиса https://monkeyjob.pro/.

Статья является субъективной и основана на личном опыте))

Основным типом задач, с которыми GPT не справляется под ключ - это задачи где нужно много контекста или специфических знаний. Например, знаний истории работы с контрагентом, истории переписки с коллегой, договоренности со встречи, архитектуры проекта и любые другие знания или информация. Так же это объясняет почему GPT не заменяет человека и является лишь инструментом.

Способы оптимизации использования gpt для таких задач несколько:

Конечно же, как и многое в этом мире, наиболее оптимально – балансировать и комбинировать все методы сразу.

Какие патерны помогают извлекать пользу от GPT при частичном решении задачи

И как итог, на комплексных задачах экономия от часа двух до нескольких дней (если учесть все паузы на задачи, ожидания ответов от коллег и тд)

Для удобства перечислю типы примеров, которые буду далее:

Решение части задач целиком рассматривать не будем, для этого была отдельная статья – ссылка

Важный дисклеймер – не стоит забирать и использовать для комплексных сложных вещей ответы GPT в лоб, надо смотреть на это как на рыбу и дополнять, изменять и тд (к задачам под ключ это тоже относится, но в меньшей степени так как там проще проверить)

Промты(запросы) в GPT очень важны и это ощущается когда используешь сервис, где нужно меньше «промтить». Качество запросов сильно влияет на итоговый результат, именно поэтому очень классно, что у сервиса появилось улучшение запросов в нескольких разрезах по контексту.

Давайте рассмотрим гипотетический запуск продажи антиквариата на маркетплейсе, берем пишем супер простой запрос:

Жмем на магическую синюю кнопку и получаем несколько вариантов:

Далее на основе улучшений можно понять СВОИ ограничения или доп детали, которые нужны и добавить необходимый контекст.

Давайте же сравним на сколько же влияет запрос на ответы

Это ответ с исходным запросом:

Это ответ с «улучшенным» запросом:

Ответ на 2й запрос(улучшенный) кажется намного качественнее

Мы получили верхнеуровневую этапность по запуску проекта, давайте теперь попробуем частично решить одну из задач, а именно опрос целевой аудитории и тут опять нам поможет чудокнопка

Запрос:

На первый взгляд запрос кажется итак достаточно развернутым, но и его можно улучшить:

Видно, что при улучшении запроса учитывается контекст диалога и это прям очень круто помогает взаимодействовать с GPT, даже не имея опыта работы с ним (но даже и имея достаточно хорошо помогает с направлением мысли)

Давайте теперь посмотрим ответы на такой улучшенный запрос, в рамках того же диалога:

Для проработки верхнеуровневой этапности + написания сценариев нам бы понадобилось несколько часов, тут же мы частично справились с задачей за 5 минут вместо нескольких часов

Переодически возникает необходимость написать ТЗ на какую-то тему или задачу. В сервисе есть пара лайфхаков - помимо запроса в лоб мы можем загрузить шаблон тз файлом или задать вручную компоновку в запроса.

Для примера возьмем продолжение того же сценария с антиквариатом, тут так же используем кнопку и сразу закинем вариант с условием ограничений (сервис любезно добавил про существующие системы в запрос)

Как видим, тз получилось общее и не совсем верно решает задачу. Но мы можем попросить исправиться :) (опять же через кнопку улучшив запрос)

Опять же оно достаточно общее и так же итеративно можно генерировать по шагу. Но мы уже за пару минут получили СКЕЛЕТ ТЗ, и дальше можем его наполнять. Обычно у меня уходит какое-то время до того, как начну писать ТЗ, в том числе на подумать про структуру, будем считать, что экономия порядка получаса. Из минусов, оно не очень хорошо работает с сложной структурой шаблонов или специальными форматирования, но такие требования можно указывать явным образом.

Тут общая логика такая же как ТЗ, давайте например напишем статью на vc.ru на эту же тему

Запрос и начало ответа:

Так же можно просить написать отдельно какие то части подробнее, тут авторы сервиса говорили о большой статье написанной на 95% самим сервисом в 8 запросов - https://dzen.ru/a/Zl7lyOteXhfuv1GC

На таких задачах основная экономия на проблеме белого листа, изначальная структура. В зависимости от статьи и степени участи gpt в итоговом материале экономия от 10 минут до нескольких часов

Очень часто нужно подумать о проблематике и что с ней можно сделать, например при анализе данных из предыдущей статьи или при определенном поведении.

Например, вот ответ на вопрос с метриками по поводу провала воронки на форме авторизации лендинга

Выгода здесь не только в очевидных ответах, но и в том что можно упустить какое-то направление или задать импульс для подумать в новую сторону.

Так же есть куча случаев, которые не попадают явным образом под класс задач, но тем не менее их частичное решение супер экономит время:

Первичное обращение на консультацию и по запросу сформулировал опросник для лучшего понимания контекста

По этому же кейсу загрузил часть описания из предметной области заказчика и попросил объяснения специфических терминов, сэкономил час времени минимум

Тут будет без скриншота по понятным причинам :)

Написание инструкций, гайдов интерфейсов - схожая с тз задача, но немного под другим углом

Подготовка к собеседованию или решение тестовых заданий, на эту тему в тг авторов сервиса был пост

И на каждой такой задаче можно экономить от минут 15 на написание структуры до нескольких часов, если генерация от сервиса будет подходящей

Лично я, используя сервис monkeyjob.pro, экономлю от одного до нескольких рабочих часов еженедельно. Так же не стоит бояться «сложности» работы с gpt, если инструмент делает какую-то часть работы по запросам за вас.

Спасибо за внимание, напишите в комментариях как вы используете и используете ли GPT, а если нет то почему нет. А так же есть ли у вас сложности с запросами