Вы уже пользуетесь ИИ. Почему легче не становится?

ИИ помогает быстрее писать, разбирать информацию и готовить документы. Но если рабочий день по-прежнему заканчивается ощущением, что вы ничего не успели, стоит посмотреть, что происходит вокруг этих задач.

Вы уже пользуетесь ИИ каждый день. Просите подготовить письмо, разобрать документ, собрать аргументы для встречи или превратить сбивчивые заметки в нормальный текст. Иногда результат получается настолько быстро, что вспоминать прежний способ работы даже немного странно.

При этом вечером вы всё так же устали. Важная задача снова осталась на завтра, несколько разговоров требуют продолжения, а на вопрос «что сегодня удалось закончить?» ответить сложнее, чем хотелось бы.

Возникает неприятное противоречие: отдельные вещи вы явно делаете быстрее, но свободного времени почему-то не прибавилось.

Я бы предложил в этот момент посмотреть на одну задачу целиком. От момента, когда она появилась, до момента, когда её результат действительно кому-то пригодился. Возможно, ИИ ускорил самый заметный участок, а большая часть работы осталась вокруг него.

Быстрый ответ находится внутри длинной задачи

Представим обычную рабочую ситуацию: нужно подготовить клиенту предложение по итогам разговора.

Сам текст теперь можно получить довольно быстро. Но перед этим приходится найти запись встречи, вспомнить последнее уточнение, выбрать подходящий пример из прошлых проектов и разобраться, какая версия описания услуг актуальна.

После первого ответа модели работа тоже продолжается. Нужно проверить факты, убрать неподходящие обещания, уточнить условия у коллеги и перенести текст в нужный шаблон. Затем сохранить документ, отправить его клиенту и не забыть вернуться к разговору, если ответа не будет.

ИИ мог заметно сократить время написания. Однако поиск материалов, ожидание уточнений, проверка и дальнейшие действия никуда не исчезли.

Более того, быстрый черновик создаёт приятное ощущение, что задача почти закончена. Хотя впереди может оставаться именно та часть, на которой она обычно и застревает.

Поэтому полезно различать два события: модель подготовила ответ и работа дошла до нужного результата. Между ними иногда помещается ещё половина рабочего дня.

Что именно вы теперь делаете быстрее?

Фраза «я стал быстрее работать с документами» звучит убедительно, пока не пытаешься понять, что конкретно изменилось.

Быстрее появляется первая версия? Меньше времени уходит на проверку? Коллеги реже возвращают документ с вопросами? Клиент раньше получает предложение?

Это разные изменения, и каждое влияет на рабочий день по-своему.

Если первый вариант текста появился за несколько минут, но затем вы долго восстанавливаете исходные данные и перепроверяете каждое утверждение, польза может оказаться скромнее, чем показалось в начале. А если ИИ помог сразу заметить, каких сведений не хватает, и вы вовремя запросили их у клиента, задача может пройти легче даже без впечатляющей скорости генерации.

Я бы оценивал применение ИИ по тому, что стало происходить со всей работой. Удалось ли завершить её раньше, сократить число переделок, избежать лишнего согласования или передать результат так, чтобы его не пришлось объяснять заново?

Для этого не нужна сложная система учёта. Достаточно разобрать одну недавнюю задачу, которую вы хорошо помните.

Посмотрите, где задача ждала вас

Выберите работу, в которой уже использовали ИИ. Желательно повторяющуюся: подготовку предложения, отчёта, материала, плана встречи или ответа на обращение.

Попробуйте восстановить её путь.

Здесь особенно интересны места, где задача останавливалась.

Возможно, вы получили хороший ответ, но отвлеклись на звонок и вернулись к нему только на следующий день. Возможно, документ ждал одного уточнения, а запросить его вы вспомнили вечером. Или готовый результат остался в чате, и перед встречей пришлось снова искать, на какой версии вы остановились.

В такой картине становится понятнее, почему более быстрые ответы модели пока мало меняют ваше самочувствие. Рабочий день состоит ещё и из возвращений к незавершённому, поиска потерянного контекста и решений о том, что делать дальше.

С ИИ тоже можно организовать бесконечную работу

Есть ещё одна ситуация, которую полезно проверить у себя: возможность быстро получать новые варианты сама становится источником дополнительной работы.

Вы просите улучшить текст, затем попробовать другой подход, потом посмотреть критически и предложить ещё несколько идей. Каждый ответ содержит что-то интересное, поэтому разговор легко продолжается.

При этом момент, когда результат уже можно принять, заранее не определён.

Для исследовательской задачи такой разговор может быть очень полезен. Но если вам нужно отправить обычное рабочее письмо, поиски идеальной версии способны занять больше времени, чем подготовка вполне подходящей.

Я бы перед началом такой работы коротко формулировал, что должно получиться и по каким признакам этого будет достаточно.

Например: письмо должно объяснять предложение, содержать подтверждённые условия и завершаться понятным следующим шагом. Если всё это есть, факты проверены и текст нормально читается, его можно отправлять.

Критерий готовности помогает вовремя воспользоваться результатом. Без него возможность улучшать ответ почти бесконечно легко превращается в привычку почти бесконечно его улучшать.

Когда начинаешь с нуля каждый раз

Допустим, вы регулярно готовите похожие документы. И каждый раз заново рассказываете модели, чем занимается компания, кто ваш читатель, какого тона придерживаться и какие формулировки вам не подходят.

К концу разговора результат получается хорошим. Через несколько дней возникает похожая задача, вы открываете новый чат — и повторяете объяснение.

Такая работа может быть быстрее полностью ручной, но значительная часть усилий уходит на повторную подготовку.

Удачный способ работы можно упаковать в скилл — сохранённую инструкцию для ИИ-агента под конкретную задачу. В ней описывается, что нужно сделать, какие материалы использовать и как проверить результат. Рядом можно хранить шаблоны и примеры, чтобы при следующей похожей задаче агент мог обратиться к этому набору.

Например, скилл для подготовки коммерческого предложения может объяснять, какие сведения запросить у вас, по какому шаблону собрать документ и какие условия обязательно оставить на согласование. Так вам не придётся каждый раз заново объяснять весь порядок работы.

Начать можно прямо после удачно выполненной задачи, попросив агента: «Собери из нашего разговора скилл для подготовки таких предложений. Сохрани общий порядок работы и правила проверки, а данные этого клиента не включай в постоянную инструкцию». Получившийся скилл нужно прочитать, поправить и проверить на следующем предложении. Подробнее об устройстве и создании таких инструкций я рассказал в руководстве по скиллам в Codex.

Необязательно сразу собирать большую библиотеку. Возьмите одну повторяющуюся задачу и сохраните то, что помогло её выполнить. При следующей попытке станет видно, чего в этой заготовке не хватает и что, наоборот, оказалось лишним.

Важно только поддерживать её в актуальном состоянии. Скилл со старыми условиями способен быстро воспроизводить одну и ту же ошибку, поэтому проверка результата остаётся частью работы.

Иногда полезнее убрать одно возвращение к задаче

Когда речь заходит об эффективности, хочется найти действие, которое ИИ сможет выполнить целиком. Это понятное желание, но я бы обращал внимание и на менее заметные изменения.

Например, после встречи у вас сразу появляется список недостающих сведений, и вы запрашиваете их одним сообщением. Или рядом с готовым документом сохраняется короткая запись: что согласовано, что ещё нужно проверить и кто продолжает работу.

В каждом таком изменении может не быть ничего зрелищного. Зато вам реже приходится заново открывать проект в голове и вспоминать, почему он остановился.

Особенно это важно в работе, где одновременно идёт много небольших процессов. Каждый из них по отдельности кажется простым, но вместе они требуют постоянно удерживать незавершённые действия.

Эту зависимость от памяти руководителя я подробно разбирал в статье «Когда вся компания держится у вас в голове». Даже в личной работе полезно проверить ту же вещь: сможет ли завтрашняя версия вас продолжить задачу по сохранённым материалам или ей придётся заново проводить расследование?

Проверьте, куда уходит освободившееся время

Бывает и так, что ИИ действительно помогает. Вы быстрее заканчиваете прежние задачи, но на освободившееся место сразу приходят новые.

Теперь можно подготовить ещё один материал, глубже изучить вопрос, предложить клиенту дополнительный вариант и наконец взяться за проект, который давно откладывался.

В этом нет ничего плохого. Просто результатом применения ИИ становится больший объём работы, а не более свободный день.

Полезно честно договориться с собой, какого эффекта вы хотите. Если вам важно выпускать больше материалов, рост объёма может быть хорошим результатом. Если вы хотите раньше заканчивать рабочий день, придётся отдельно защитить это время от новых задач.

Сам по себе быстрый инструмент не решает, на что потратить освободившийся час.

Поэтому ощущение «легче не стало» стоит проверить с двух сторон. Возможно, прежняя работа по-прежнему требует слишком много усилий вокруг каждого ответа модели. А возможно, вы уже делаете значительно больше и просто незаметно подняли собственную норму.

Начать можно с одного места, где работа буксует

Я бы не пытался после такого разбора сразу перестроить весь рабочий день. Выберите один повторяющийся участок, который создаёт больше всего лишних усилий, и попробуйте изменить именно его.

Если каждый раз ищете материалы — соберите актуальный набор для одной задачи. Если долго проверяете ответы — уточните исходные данные и критерии качества. Если готовые документы зависают — определите, кто их принимает и куда они отправляются дальше. Если постоянно теряется продолжение — сохраняйте следующий шаг вместе с результатом.

После этого пройдите несколько похожих задач и посмотрите, что изменилось. Учитывайте время подготовки и проверки, число возвратов и необходимость заново вспоминать предысторию.

Возможно, следующий полезный шаг окажется совсем небольшим. Но именно он поможет превратить быстрый ответ модели в работу, которую действительно удалось закончить.

Если вы регулярно пользуетесь ИИ, но пока трудно понять, почему это мало влияет на ваш рабочий день, такую ситуацию можно разобрать на консультации. Мы можем взять одну реальную задачу, восстановить её путь и определить, какое изменение стоит проверить первым. О формате разговора и результате, который остаётся после него, я рассказал в материале «Как устроена работа со мной».

Следующий шаг

Возьмите последнюю завершённую задачу, в которой вам помогал ИИ, и запишите её путь от первого запроса до принятого результата. Отметьте, где вы искали информацию, ждали уточнения, переделывали работу или возвращались к ней после перерыва.

Выберите одно из этих мест и сформулируйте небольшое изменение для следующей попытки. Так у вас появится конкретная проверка вместо общего намерения «использовать ИИ эффективнее».

Если трудно понять, какую задачу выбрать, начните со статьи «Прежде чем строить ИИ-агента, расскажите, как проходит ваш рабочий день».

Связанные материалы

• Когда вся компания держится у вас в голове
• Сначала — выгрузить из головы
• Как подготовить компанию к ИИ-агентам за 30 дней

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov.