Как я использую ИИ — апдейт спустя три года

Три года назад я, как и большинство, экспериментировал со всем подряд. ChatGPT, Perplexity, куча других инструментов — каждый месяц что-то новое, каждую неделю очередной «убийца предыдущего убийцы».

В итоге упростил радикально. Оставил один инструмент — Claude за $20 в месяц — и перестал гоняться за новинками. Проблема была не в выборе инструмента, а в том, что я долго не понимал, под какие задачи его вообще встраивать. Мой рабочий день — зум-звонки, аналитика, переписка с китайскими партнёрами, поиск возможностей для роста. Не самый очевидный кейс — но именно здесь и начало работать.

Первое, что всё изменило — Whispr Flow. Транскрибирует голос в текст, и делает это заметно лучше, чем встроенные инструменты Claude или iOS. Последнее — отдельная история: транскрибация от Apple это что-то за гранью добра и зла.

Теперь я просто наговариваю — идеи, тезисы, черновики сообщений — и отправляю текст в Claude. Перевести на английский/китайский, структурировать, переформулировать, провести анализ на недостающие тезисы. Этот пост, кстати, написан именно так: надиктован голосом, транскрибирован, прогнан через humanizer — и вы теперь это читаете.

Маленькое изменение, но оно убирает самый раздражающий барьер: больше не нужно садиться и «писать». Достаточно думать вслух.

Для зумов использую Granola. Раньше схема была такая: диктофон на телефоне → аудиофайл → бот-транскрибатор в телеграме → ждать. После того как телеграм начали замедлять, ждать стало совсем невыносимо — файл грузится, потом обрабатывается, бывало что это занимало больше часа ожидания.

Granola решает это за $ 14 в месяц. А с появлением Whispr Flow необходимость в диктофонных записях вообще отпала — если нужно зафиксировать мысль, наговариваешь прямо в телефон и сразу получаешь текст. Правда данные Granola я все равно загружаю в Claude, саммари от самого сервиса оставляет желать лучшего.

В работе активно использую Claude Cowork — и это, пожалуй, самый нестандартный сценарий из всех. Прошу его буквально зайти в браузер, посмотреть карточки конкурентов на маркетплейсах, выделить УТП, проанализировать категорию — и он делает это сам. Возвращается с документом, который можно читать и использовать.

То, что раньше занимало дни — теперь занимает пару часов.

Многие используют ИИ похожим образом, но упускают кое-что простое: чем больше данных о твоих вкусах, тем точнее результат.

Я загрузил список прочитанных книг с Goodreads — с оценками, статусами, жанрами — и попросил дать рекомендации что читать в первую очередь и предложить авторов на основе моих предпочтений. Рекомендации оказались неожиданно точными — так я нашел для себя Дэвида Вонга (его посоветовал ИИ как наследие Пратчетта) и Тэда Чана за последний месяц.

То же самое с играми: написал какие проходил на Nintendo Switch — получил список игр с похожей атмосферой. С фильмами — аналогично. Главное — откуда-то выгрузить список со своими оценками и дать его как контекст.

Ещё из личного: размещал объявления на Авито, подбираю рецепты под Thermomix — пишу что хочу приготовить, или перечисляю что есть в холодильнике, и получаю либо адаптированный рецепт, либо идею из имеющегося. Реально меняет подход к готовке.

Сейчас готовлю программу поездки по Японии — с расписанием, рекомендациями мест и отелей по каждому городу. Раньше на такое уходили десятки часов и несколько вкладок браузера, открытых одновременно.

Я долго пытался работать с личным ассистентом. Перепробовал, наверное, человек пять. Всё равно работаю сам. И в этом смысле ИИ оказался лучшим ассистентом из всех, что я мог себе представить. Я даже писал пост о том, что один в поле — воин. Кажется, теперь это работает буквально.

Важная вещь, о которой стоит помнить: ИИ галлюцинирует. Не иногда — регулярно. Поэтому я никогда не беру результат напрямую — смотрю внимательно, нахожу потенциальные косяки, пишу об этом. Или сам правлю и отправляю исправленную версию с просьбой доработать на её основе.

Полностью отдаваться во власть инструмента — плохая идея.

Если вы только думаете о том, как встроить ИИ в работу — начните с простого: структурируйте свои мысли и тезисы, задавайте вопросы на предмет того, чего не хватает для принятия решения. Загрузите свои соображения по какому-то вопросу и спросите напрямую: «Я занимаю такую-то роль, передо мной такая-то задача — чего в этих данных не хватает для принятия решения?»

Люди часто ждут, что ИИ сам догадается что им нужно. Не догадается. Чем точнее контекст — тем точнее ответ. Это, наверное, и есть главный вывод за два года.

Задача сформулирована просто: сэкономить два часа в день тем, кому это реально возможно. Написание сообщений и структурирование — это уже работает. Но есть два проекта крупнее.

Первый — автоматизация данных по продажам. Сейчас бьёмся с настройкой источников данных и скриптами визуализации. Работа с данными у нас в целом неплохо автоматизирована, но полная автоматизация сэкономит существенное время финансистам — и, что важнее, даст систему алармов: когда нужно срочно реагировать, а не обнаруживать проблему постфактум на квартальном ревью.

Второй — автоматизация коммуникации. Telegram-диспетчер, который участвует во всех рабочих чатах, на основе обсуждений создаёт задачи в таск-трекере и хранит итоги всех созвонов в единой базе. Чтобы прогресс был виден в реальном времени, а не собирался по осколкам переписки в пяти разных чатах.

Параллельно коллеги активно используют Syntx AI для генерации изображений — продуктовые карточки для маркетплейсов. Думаю, как масштабировать это на всю компанию системно, а не точечно.

Честно: быстрого результата добиться удаётся далеко не всегда.

Один из проектов — оцифровка здоровья. Идея: выгружать данные с браслета, анализировать питание и тренировки, получать план на день. Всё автоматически, всё в одном месте.

Я сломался на интеграции данных из Whoop через Make. API подключается — и просто не отдаёт данные. Потратил часа четыре на настройку. Безуспешно. Пока.

Это хороший пример того, где ИИ не спасает: если на входе сломана инфраструктура — никакой интеллект не поможет.

Ради этого я и написал статью: поделитесь, пожалуйста, своими сценариями использования ИИ — как в жизни, так и в работе. Особенно интересны нестандартные кейсы: то, до чего дошли сами методом проб, а не прочитали в очередном посте про «10 промптов для продуктивности».

Подписывайтесь на Telegram Репродуктор Белоусова.