Игорь Градов
Игорь Градов
5 мин
ai

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.

ИИ за два года из помощника аналитика стал инструментом тимлида: протоколы без лотереи
Почему это важно

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.

  1. Задайте роль: «эксперт по составлению протоколов встреч с клиентами в IT-проектах».
  2. Сформулируйте задачу: составить протокол на основе вопросов и ответов.
  3. Опишите стиль: нумерованные разделы, деловой тон, активные глаголы «Обсудили», «Определили», «Договорились».
  4. Пропишите, что делать с неопределённостью: если ответа нет, пишется «Заказчик предоставит информацию позже».
  5. Дайте шаблон результата и обязательный раздел «Следующие шаги».
  6. 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.

Как это выглядит на практике

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».

Частые ошибки

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.

Совет редакции dzen.guru

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
Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Gemini 4 Argon обработал 80 000 файлов NASA, но с 4PDA его не скачать
ai

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,…

5 мин
ИИ сочиняет факты, решатель проверяет рассуждение: каждый вывод получает метку
ai

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…

5 мин
Архитектор переосмыслил, что такое ИИ-агент: проверку кода пора проектировать заранее
ai

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…

5 мин