ИИ за два года из помощника аналитика стал инструментом тимлида: протоколы без лотереи
Даниил Иванов, руководитель группы аналитики КОРУСа, спустя два года после первых опытов с ChatGPT показал, как библиотека промптов превращает протокол встречи из лотереи в предсказуемую рутину команды.

Вопрос сместился с «может ли ИИ помочь мне» на «как встроить его в работу команды». Для руководителя это означает переход от разовых экспериментов к процессу, который повторяет каждый сотрудник.
На Хабре Даниил Иванов из департамента CRM&BPM компании КОРУС рассказал, как ИИ за два года превратился из помощника аналитика в рабочий инструмент тимлида. CRM здесь означает систему учёта клиентов и сделок, а BPM означает управление бизнес-процессами. Два года назад автор пробовал публичные чаты, теперь работает с корпоративной платформой, где хранится контекст всех проектов.
Почему два года назад ИИ не экономил время?
Тогда Иванов внедрял CRM-системы как аналитик. В его день входили встречи с заказчиком, повестки, описание интеграций, протоколы и документы проектного решения.
Он пробовал собирать протоколы по расшифровкам встреч, писать черновики технических заданий и письма заказчику. По его словам, на общение с ИИ уходило столько же времени, сколько на самостоятельную работу: запрос приходилось переформулировать, результат проверять и исправлять.
Проблема была не в модели, а в отсутствии процесса вокруг нее. : Даниил Иванов, руководитель группы аналитики КОРУСа
Тот период автор не считает потерянным: экономии не было, зато появился навык работы с моделью.
За два года изменились и модели, и инструменты
Иванов перечисляет перемены:
- модели стали работать лучше;
- появились пространства единого контекста, куда можно загрузить проектный документ целиком;
- стала доступна технология RAG (Retrieval-Augmented Generation): модель ищет ответ в базе знаний компании, а не только в тексте, который вы вставили в чат;
- появились ИИ-агенты, то есть программы, которые сами проходят часть процесса: находят документы, анализируют их и выдают результат;
- компании завели собственные ИИ-контуры, работающие с корпоративными данными внутри периметра;
- вместо голых чатов появились полноценные рабочие пространства.
Раньше автор пользовался публичными большими языковыми моделями (LLM), ChatGPT и Claude. Теперь в КОРУСе работает единая безопасная платформа KORUS AI. Главное, по его словам, изменились ожидания: от инструмента теперь ждут стабильного результата с измеримым качеством.
Что понадобится для старта?
- Доступ к языковой модели. Из доступных в РФ подойдут YandexGPT и GigaChat.
- Расшифровка или список вопросов и ответов с прошедшей встречи.
- Общая папка или документ, где команда будет хранить шаблоны.
- Пара встреч, на которых вы проверите и доработаете шаблон.
Пошаговая инструкция: как собрать промпт для протокола по методу Иванова
Автор называет три шага систематизации. Первый из них, библиотека промптов: шаблоны для протоколов, повесток, черновиков технических заданий и писем заказчику. Ниже разобрана структура его рабочего промпта для протокола.
- Задайте роль: «эксперт по составлению протоколов встреч с клиентами в IT-проектах».
- Сформулируйте задачу: составить протокол на основе вопросов и ответов.
- Опишите стиль: нумерованные разделы, деловой тон, активные глаголы «Обсудили», «Определили», «Договорились».
- Пропишите, что делать с неопределённостью: если ответа нет, пишется «Заказчик предоставит информацию позже».
- Дайте шаблон результата и обязательный раздел «Следующие шаги».
- Добавьте примеры плохих и хороших формулировок.
Сокращённый каркас промпта:
<role>Ты эксперт по составлению протоколов встреч с клиентами в сфере IT-проектов.</role>
<task>На основе вопросов и ответов составь протокол встречи в профессиональном стиле.</task>
<style_requirements>
Нумерованные разделы с заголовками в верхнем регистре.
Деловой, но живой тон, активные конструкции: «Обсудили», «Определили», «Договорились».
Группируй связанные вопросы в абзацы, избегай перечисления вопрос-ответ.
Нет ответа: «Заказчик предоставит информацию позже».
Нужна проработка: «Требует дополнительной проработки».
В конце раздел «Следующие шаги».
</style_requirements>
<output_template># Протокол встречи с Заказчиком по проекту [НАЗВАНИЕ ПРОЕКТА]</output_template>
Иванов пишет, что при правильной структуре промпта результат перестаёт быть лотереей. Его коллеги-аналитики начали собирать такие же шаблоны, и команда стала обмениваться удачными промптами.
Вводим фразу из расшифровки: «Заказчик сказал, что в системе 1000 пользователей». Получаем: «Уточнили, что в системе активно работает 1000 пользователей». Вторая пара из промпта автора: «На вопрос о картах ответили, что нужна полноэкранная» превращается в «Определили, что карта будет полноэкранной».
Писать запрос каждый раз с нуля: так вы повторяете путь Иванова двухлетней давности и тратите столько же времени, сколько без ИИ. Не загружайте клиентские расшифровки в публичный чат: автор подчёркивает ценность закрытого корпоративного контура. И не убирайте проверку, промпт снижает ошибки, но не отменяет их.
Что делать с этим прямо сейчас, по ролям
Автору Дзена: соберите свой шаблон для типового формата, например разбора новости или интервью, с ролью, стилем и примерами «плохо и хорошо».
Маркетологу: вынесите удачные промпты в общий документ отдела. Ценность появляется, когда шаблон переиспользует вся команда, а не один энтузиаст.
Предпринимателю: KORUS AI описан как внутренняя платформа КОРУСа, о доступе для сторонних компаний в материале не сказано. Начните с библиотеки промптов на YandexGPT или GigaChat и заранее решите, какие данные нельзя выносить за периметр.
На мой взгляд, главный урок здесь не в платформе, а в блоке с примерами «плохо и хорошо»: именно он дисциплинирует модель сильнее любых длинных инструкций. Я бы начинал с одного шаблона под самую частую задачу и шлифовал его неделю, прежде чем браться за второй. Честная оговорка: без единого контекста и базы знаний, как в корпоративном контуре, каждый раз придётся заново объяснять модели детали проекта.
Иванов формулирует цель так: ИИ должен стать для команды такой же рутиной, как Excel. Ближе всего к этому вы окажетесь, когда первый шаблон из общей папки возьмёт коллега и получит тот же результат, что и вы.
Соберите свою библиотеку промптов
В dzen.guru разбираем, как превращать разовые запросы к нейросетям в рабочие шаблоны для контента
Перейти в dzen.guru
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Gemini 4 Argon обработал 80 000 файлов NASA, но с 4PDA его не скачать
Google опубликовала восемь примеров работы Gemini 4 Argon, своей новой модели, и одновременно открыла её разработчикам и подписчикам Ultra и Pro по всему миру,…

ИИ сочиняет факты, решатель проверяет рассуждение: каждый вывод получает метку
Автор технического разбора описал нейросимволические рассуждения, где логический решатель проверяет каждый факт языковой модели, и вышел этот разбор на фоне…

Архитектор переосмыслил, что такое ИИ-агент: проверку кода пора проектировать заранее
Архитектор программных систем предложил средовой подход к работе с ИИ-агентами: код они пишут всё быстрее, а время человека на разбор изменений не растёт, и…
Комментарии