«Нейросеть — это попугай с Wi‑Fi, без контекста не ждите результата»

Бизнесу нужно постоянно создавать контент, удерживать клиентов, выстраивать продажи, нанимать и обучать сотрудников. Но команды не всегда справляются с таким объемом, а на расширение штата обычно нет бюджета. Часть задач можно и нужно поручить искусственному интеллекту.

По мнению СЕО и основательницы школы нейросетей и SMM Ксении Барановой, ИИ способен заменить команду минимум из пяти человек. Но если подойти к внедрению нейросети в бизнес‑процессы неправильно, она окажется игрушкой, которая не приносит пользы.

В 2009 году из‑за мирового финансового кризиса сократили редакцию радиостанции «Бизнес ФМ», где Ксения на тот момент работала, и она решила начать свой бизнес. Сначала запустила новостной сайт и продавала рекламу, затем открыла школу SMM.

Нейросети начала изучать в 2022 году, когда о них активно заговорили на Западе. Ксения прошла 14 профильных курсов на английском, протестировала десятки инструментов и добавила обучение по ИИ в программу своей школы. Так она стала одной из первых в России, кто системно учит бизнес работать с нейросетями.

В колонке для Т‑Бизнес секретов Ксения Баранова рассказывает, какие конкретно задачи бизнеса можно передать ИИ в каждом отделе и как это сделать.

Коротко о деятельности Ксении Барановой

База в работе с нейросетями

Для начала хочу обозначить три момента, которые важно понимать перед стартом внедрения нейросетей в бизнес‑процессы:

1. Для работы с нейросетями не нужно техническое образование.
2. Не все можно доверить нейросетям.
3. Без контекста не будет нужного результата.

Расскажу подробнее.

Есть такое распространенное мнение, что работа с нейросетями приводит к отупению, якобы сам перестаешь мыслить, а мозг превращается в желе. Так говорят только те, кто не понимает, что такое промпт‑инжиниринг.

На деле, чтобы получить от ИИ хороший результат, нужно провести большую работу, особенно на первых этапах, когда обучаете искусственный интеллект своей специализации и задаче.

Не все можно доверить нейросетям. С ИИ не стоит:

• обсуждать личные переживания, потому что он не может проявлять эмоции или эмпатию. Он может их лишь имитировать;
• консультироваться в юридических вопросах. Обычно главный посыл таких запросов: «Мои права ущемляют, защищай их». Но ИИ действует по команде — ему говорят «защищай», он и будет защищать: врать, искажать факты, выдавать статьи закона, которых не существует или они неприменимы к этому делу;
• принимать важные решения. Не перекладывайте на ИИ ответственность за принятие решений. Например, нельзя давать такой запрос: «Мне предлагают продать долю в бизнесе, посоветуй, продавать или нет». Он ответит что‑то вроде: «Да продавай, нормально все будет». А ответственность за это все равно на человеке;
• формировать цены. Например: «У меня автошкола, есть пакеты на категории A, B, C, D, придумай мне на них цены». ИИ не будет учитывать специфику автошколы, рыночную цену на такие услуги в вашем регионе. Он пойдет искать примеры в свою базу или в интернете, может смотреть на мировую практику — в итоге его предложения будут совершенно неприменимы конкретно в вашем случае.

Без контекста не будет нужного результата. Перед тем как делегировать задачи нейросети, обязательно предварительно обучите ее — задайте ей контекст: расскажите о проекте, покажите удачные примеры, «скормите» внутренние базы знаний компании.

«Когда вы погружаете ИИ в контекст, вы даете ему точку опоры. Чем больше точек опоры, тем лучше будет результат»

Если же направлений или бизнесов несколько, наоборот, отключите функцию перекрестной памяти, иначе ИИ будет путаться, подтягивать нерелевантные данные из одного проекта в другой. Далее создайте отдельную папку для каждого проекта и обучайте нейросеть внутри этих папок.

Если у ИИ будет контекст, вам будет проще ставить ему задачи и получать достойный результат. Можно использовать структуру простейшего золотого промпта. Он включает в себя такие параметры:

• роль. Например: «Ты — профессиональный копирайтер с опытом 10 лет»;
• нишу: «Специализируешься на нише цветочного бизнеса»;
• цель: «Напиши продающий пост для ВК про акцию на пионовидные розы, скидка — 20%»;
• ЦА: «Студенты, которые покупают букеты своим преподавателям на выпускной»;
• ограничения: «Пиши без обобщений, не используй шаблонные выражения, клише, штампы, канцелярит»;
• акценты: «Добавь немного юмора, сделай упор на эстетичность».

Отдел контента: ИИ пишет, рисует и креативит

Начать внедрять нейросети в бизнес‑процессы рекомендую с отдела контента. Здесь нейросети можно доверить:

• разработку идей — для рубрик, контент‑календаря, контент‑плана, постов, посадочных страниц;
• тексты — любые, только нужно обязательно указывать площадку, где этот текст будет размещен;
• короткие форматы — подписи к роликам, описание шапки профиля, заголовки, подзаголовки, нейминг, слоганы, рекламные офферы. ИИ умеет емко формулировать мысли;
• рассылки — по e‑mail и в мессенджерах. Нейросеть делает эффектные цепочки прогревающих писем;
• карточки товаров на маркетплейсах — продающее описание и визуал. Например, на Wildberries уже огромное количество примеров карточек товаров, которые сгенерированы нейросетями;
• изображения — к постам, статьям, обложки к видеороликам;
• видео. Здесь ИИ шагнул просто на немыслимые высоты, создает максимально реалистичный видеоряд. И с липсинком у него проблем уже нет.

В отделе контента рекомендую использовать такие сервисы:

• ChatGPT — универсальный инструмент, который заменяет множество нейросетей. Генерирует текст, изображения, видео, программный код;
• Claude — качественная генерация текстов, особенно хорошо справляется с логикой, структурой и аналитикой;
• Gemini, Grok, DeepSeek — быстрая генерация текстов;
• Midjourney — лучшая нейросеть по генерации изображений;
• DALL‑E — генерация изображений, есть как обособленная нейросеть, так и внутри ChatGPT;
• Veо 3 и Sora — генерация видео;
• Kling — китайский аналог Sora, дешево и сердито, подходит для базовых задач;
• Tilda AI, Notion AI и Gamma APP — генерация лендингов и презентаций;
• ProTalk, BotHelp и SaleBot — создание умных ботов.

Лучший способ научить искусственный интеллект чувствовать Tone of Voice бренда — показать примеры. Достаточно дать ему 10—15 текстов с ярко выраженным стилем, рассказать в ТЗ, что делает его уникальным, и попросить писать так же.

Моя ученица говорит: «Я дала ChatGPT ссылку на свой телеграм‑канал, но он пишет все равно не так, как я». Я задаю ей вопрос: «А как ты — это как? Можешь мне назвать три‑четыре твоих типичных выражения, стилистических оборота, которые тебя характеризуют? Нет? Вот и ИИ не может».

Если нужно получить текст в стиле, который отличается от вашего, можно наделить нейросеть определенной ролью и тоже дать ей конкретные примеры. Например, мне нравится давать нейросети роль стендап‑комика. Это помогает разбавить экспертность юмором.

Измеряйте, как внедрение влияет на вашу цель. Например, мы проводим опросы среди учеников, их у нас более 6 000 человек. Согласно им, с внедрением искусственного интеллекта охваты в соцсетях вырастают в среднем на 34%.

Или можно оценивать, как с внедрением ИИ меняются затраты на команду и результаты. Допустим, вы работали с командой из трех контентщиков, в месяц тратили на них 250 000 ₽, получали 50 лидов в месяц. Внедрили ChatGPT: тратите на него 3 000 ₽ и 100 000 ₽ на редактора, который им управляет, получаете те же 50 лидов. Эффективность не упала, а расходов меньше.

Отдел маркетинга: ИИ понимает, кто купит, когда и почему

В рамках отдела маркетинга нейросети можно доверить:

• маркетинговые инструменты анализа рынка: например, сегментирование и аватар аудитории, карту пути клиента, SWOT‑анализ;
• маркетинговые сообщения, рекламные креативы;
• А/Б‑тесты;
• анализ статистики: то, что маркетолог будет делать неделями, искусственный интеллект сделает за минуты.

У искусственного интеллекта нет чутья, он ничего не чувствует, но прекрасно распознает закономерности и строит логические цепочки. Например, пользователь зашел на сайт, посмотрел раздел с ценами, зашел на страницу отзывов, потом снова вернулся в карточку товара. Если вы дадите задачу проанализировать путь этого пользователя маркетологу, скорее всего, он скажет что‑то вроде: «Пользователь заинтересован, ходит по сайту, возможно, вернется и купит».

Искусственный интеллект подойдет к этому процессу совсем по‑другому: он проанализирует все действия пользователя на сайте и выдаст прогноз. Допустим, что этот человек с вероятностью 68% совершит покупку через два дня, если мы отправим ему письмо с напоминанием, что у него в корзине лежит товар и у нас проходит акция на этот продукт.

Мой ученик запускал курс по email‑маркетингу и проводил A/B‑тестирование заголовков. Маркетологи предложили вариант от боли: «Ты пишешь письма, которые никто не читает». Нейросеть же выбрала заголовок: «3 письма, которые открывают в 5 раз чаще: бесплатный мини‑курс». В результате CTR — кликабельность — выросла с 11 до 18%.

Из инструментов пригодятся те же нейросети, что и для отдела контента. Но, по моим наблюдениям и опыту коллег, с анализом данных лучше всех справляется Claude.

Загрузите статистику в нейросеть и попросите сделать вывод относительно вашей цели. Например: «Я хочу минимум в два раза увеличить кликабельность баннера. Проанализируй данные и предложи, как это можно сделать».

Отдел продаж: ИИ пишет скрипты, делает КП и контролирует менеджеров

В рамках отдела продаж нейросети можно доверить:

• обучение новых менеджеров по продажам;
• тестирование менеджеров;
• скрипты продаж — усилить или сделать с нуля;
• квалификацию лида — проверить, подходит ли потенциальный клиент для вашего продукта или услуги;
• персонализированные коммерческие предложения;
• контроль качества работы отдела продаж.

Тестирование. Когда сотрудник прошел обучение, этот же ИИ‑агент может протестировать его знания. Бот проанализирует слабые места и поделится дополнительной информацией, чтобы их закрыть.

Генерация скриптов. Если скрипты уже есть, с помощью нейросети можно их усилить. Если скриптов нет, можно создать их с нуля. В обоих случаях нужно загрузить в нейросеть несколько разговоров с потенциальными клиентами — ярких, болевых, которые привели или не привели к продаже. На основе анализа этих разговоров нейросеть может улучшить скрипты, чтобы они точнее закрывали боли и возражения аудитории.

Работает это так: человек пишет в телеграм‑бота компании, бот приветствует его и просит ответить на три‑четыре вопроса, чтобы подключить к чату подходящего сотрудника. Ответы бот передает в CRM‑систему, и менеджер сразу понимает, какие из этих лидов целевые, то есть соответствуют критериям целевой аудитории компании.

Мой ученик из сферы eCommerce для квалификации лидов отправлял потенциальным клиентам квиз с вопросами. Сейчас он вместо квиза внедрил GPT‑бота. В итоге конверсия выросла с 5,9 до 13,8%, средний чек — на 17%, а цикл сделки стал короче на 24 часа.

Персонализированные коммерческие предложения. Целевым лидам обычно отправляют коммерческое предложение, КП. Шансов на сделку будет больше, если отправлять не шаблонные КП всем подряд, а делать их персонализированными.

Рекомендую просить ИИ ставить всем звонкам оценку качества. Тогда руководитель отдела продаж сможет точечно прослушивать записи с низкой оценкой. Допустим, если оценка ниже 3,8 — плохо, нужно прослушать звонок и принять меры. А если выше 3,8 — это нормально, можно не слушать.

Чтобы все это реализовать, понадобится платная версия ChatGPT или Claude. Внутри нейросети нужно будет создать ИИ‑агента — мини‑помощника, который будет работать на определенную задачу.

HR: ИИ тестирует вакансии и подбирает сотрудников

В рамках HR‑отдела нейросети можно поручить:

• создание вакансий, в том числе для A/B‑тестирования;
• анализ резюме и сопроводительных писем;
• первичное собеседование с кандидатом;
• онбординг сотрудников.

Анализ резюме и сопроводительных писем. Мы недавно набирали маркетологов. Это очень широкая воронка найма — маркетологов онлайн‑школ достаточно много. Если самостоятельно разбирать резюме, на это уйдет около месяца. Потому что нужно проанализировать все портфолио и сопроводительные письма, отсечь хотя бы самый неподходящий слой кандидатов.

Первичное собеседование с кандидатом. Допустим, после первого этапа из 200 резюме у нас осталось 50. Но поговорить со всеми 50 кандидатами физически невозможно. Поэтому им можно отправить ссылку на ИИ‑бота в Телеграме, которого вы заранее сделали и обучили проводить первичное собеседование с кандидатом. Этот ИИ‑бот пообщается с кандидатами и отправит вам табличку с выводами.

На этом этапе из 50 кандидатов останется примерно пять. С ними нужно пообщаться лично, потому что финальное решение не должно быть за искусственным интеллектом.

Онбординг. На знакомство нового сотрудника с компанией и ее процессами обычно уходит минимум три дня. С помощью ИИ процесс онбординга можно ускорить. Здесь, как и в случае с отделом продаж, нужно сделать ИИ‑агента, который обучит и протестирует сотрудника.

Если у вас есть повторяющиеся задачи, под них лучше создавать ИИ‑агентов. Если задачи разные, тогда можно работать просто внутри чата GPT или в любой нейросети без создания агентов.

По моему опыту, компании, которые используют ИИ для первичного скрининга кандидатов, быстрее закрывают вакансии. А те, что применяют ИИ‑агентов для обучения, отмечают рост самостоятельности новых сотрудников уже в первый месяц.

Пошаговый план внедрения нейросетей в бизнес‑процессы

Не спешите покупать платные подписки и сразу все поручать нейросетям. Внедрять искусственный интеллект я рекомендую последовательно.

Шаг 1. Определить, где в бизнесе наибольшее количество рутинных операций. Обычно это контент: статьи, посты, прогревающие цепочки писем, нейминг, описание карточек товаров, ответы на отзывы. Далее рекомендую внедрять ИИ в визуал. И завершающим этапом внедряем ИИ в маркетинговые гипотезы, автоматизацию, продажи и HR.

Шаг 2. Выбрать один‑два конкретных сценария, в которых будете оттачивать навык работы с ИИ. Например, генерация постов для соцсетей и визуала для рекламных кампаний. Не распыляйтесь сразу на кучу направлений, внедряйте ИИ постепенно.

Шаг 3. Подобрать конкретные нейросети. Для начала можно использовать бесплатные версии.

Шаг 4. Назначить ответственного. Им можете быть вы сами как владелец бизнеса, сотрудник внутри компании, внешний специалист. Лучше всего обучать своего сотрудника — он знает процессы компании, ему не нужно время на адаптацию.

Шаг 5. Обучиться фундаменту. Изучите основы промпт‑инжиниринга: структуры запросов, логику построения задачи. Но не полагайтесь на устаревшие уроки с Ютуба, ищите свежие материалы.

Шаг 6. Научиться навыку написания промптов. Начните с базового запроса. Далее анализируйте выдачу: насколько результат релевантен задаче? При необходимости доработайте промпт: уточните аудиторию, стиль, формат, цель. Не нужно переписывать весь промпт — меняйте только слабые места, которые ухудшили результат.

Шаг 7. Проанализировать эффект от внедрения ИИ. Сравните результаты с ручной работой: стало ли быстрее, дешевле, качественнее?

Далее можно добавлять новые задачи, подключать другие отделы. Для этого возвращайтесь к шагу 1 и повторяйте процесс для каждого нового сценария.

Фотограф: Марта Вернер