Что уже пора отдать ИИ, чтобы осталось время на работу, ради которой вы пришли в профессию

Когда в компании говорят о внедрении ИИ, у специалиста может возникнуть вполне понятный вопрос: «Если он будет делать мою работу, зачем тогда нужен я?» Особенно если значительная часть дня уходит на отчёты, разбор отзывов и подготовку материалов. Именно в этих задачах проще всего показать возможности технологии.

Но работа маркетолога, PR-специалиста или аналитика продолжается и после того, как таблица заполнена, а сводка написана. Нужно понять, что произошло, проверить объяснение, учесть контекст бизнеса и предложить действие. Если передать ИИ часть подготовки, появится возможность чаще заниматься этой содержательной работой. Для этого важно заранее определить, какую задачу он выполняет и что проверяет человек.

В Медиалогии мы сейчас проводим эксперимент: создаём AI native отдел, чтобы затем распространить этот подход на всю компанию. Разбираемся, как встроить ИИ в повседневную работу команды: какие задачи ему поручать, как проверять результат и где необходимо участие специалиста. Эксперимент продолжается. Мы рассматриваем его как способ выстроить и проверить рабочие процессы, прежде чем масштабировать подход.

Для команды такой переход имеет смысл, если высвободившееся время можно использовать для исследования, проверки гипотез, поиска причин и подготовки решений. Руководителю важно объяснить сотрудникам, какие задачи и навыки будут востребованы. Специалисту полезно начать с небольшого процесса, увидеть результат и понять, как управлять инструментом. Обещание «теперь всё будет делать ИИ» здесь мало помогает.

Работа с публичными сигналами хорошо показывает эту разницу. После запуска продукта нужно разобрать реакцию аудитории. В отзывах найти повторяющуюся проблему. Перед встречей с руководителем объяснить изменение показателя. В каждой из этих задач есть подготовка данных, анализ, проверка и решение. Рассмотрим, что можно поручить ИИ на разных этапах.

Выберите участок работы, который сможете проверить

Представим: после запуска продукта у команды накопилась большая выгрузка отзывов и комментариев. Один специалист очищает массив, другой сравнивает периоды, третий готовит сводку. Прежде чем выбирать инструмент, полезно понять, где именно задерживается работа.

Для первого опыта подойдёт задача с понятными входными данными и ожидаемым результатом. Например, выделить сообщения о доставке, сравнить частоту тем за две недели или подготовить краткую записку из уже проверенных выводов.

Задайте себе пять вопросов:

• Повторяется ли эта работа или требует просмотра большого массива?

• Понятно ли, какие данные нужно использовать?

• Можете ли вы объяснить правила и ожидаемый результат?

• Можно ли проверить ответ по исходным сообщениям или расчётам?

• Успеете ли вы заметить и исправить ошибку до важного действия?

Количество ответов «да» само по себе не определяет степень автоматизации. Если ошибку нельзя обнаружить до публичного заявления или изменения процесса, подтверждение специалиста необходимо. Начать удобнее с операции, результат которой легко оценить: распределения сообщений по темам, сравнения показателей или подготовки черновика.

1. Собрать внешний контекст

Всплеск обсуждения может быть связан с запуском, публикацией блогера, событием у конкурента или изменением в категории. ИИ-поиск и глубокое исследование помогают собрать первоначальную карту: события, участники, позиции сторон и источники.

Задача специалиста здесь шире, чем получить пересказ найденного. Нужно понять, какие факты действительно относятся к исследуемой ситуации. Поэтому в запросе стоит указать период и попросить отделить подтверждённые события от предположений.

Например: «Собери события в категории за последние две недели. Для каждого укажи дату и первоисточник. Отдельно перечисли факты, которые подтвердить не удалось». Проверять прежде всего нужно основания тех выводов, которые могут повлиять на дальнейший анализ.

Инструменты: ChatGPT, Perplexity Deep Research, Алиса AI с поиском.

2. Разобрать таблицу до поиска причин

При работе с выгрузкой ИИ можно поручить сравнение периодов, расчёт распределений, поиск повторов и подготовку сводных таблиц. Это помогает начать исследование с карты массива.

Для нашего примера запрос может звучать так: «Сравни две недели. Покажи изменения по темам и тональности. Для каждой группы укажи количество строк и способ расчёта. Объяснения причин пока не добавляй».

Сначала специалист проверяет, что сравниваются сопоставимые данные: одинаковые объекты, периоды и правила подсчёта. Затем переходит к интерпретации. Рост числа жалоб показывает изменение в выборке. Чтобы связать его с качеством продукта или сервиса, понадобятся дополнительные основания.

Инструменты: ChatGPT с анализом данных, Yandex AI Studio с Code Interpreter, GigaChat для разбора документов.

3. Задать вопросы к выбранным документам

Публичные сообщения полезно сопоставить с исследованиями, интервью клиентов и внутренними материалами. Сервисы, которые отвечают по загруженному набору источников, помогают найти повторяющиеся темы и расхождения между документами.

Например: «В каких интервью встречается проблема доставки? Покажи соответствующие фрагменты. Какие наблюдения противоречат версии, что это новая проблема?»

Здесь важна граница знания. Если нужного документа нет в наборе, ответ описывает только доступные материалы. Отсутствие упоминания в них не доказывает отсутствия самой проблемы. Специалист определяет состав источников и проверяет ссылки на фрагменты, которые использованы в ответе.

Инструменты: Gemini Notebook.

4. Подготовить разные версии одного анализа

Руководителю нужны несколько выводов и решение, которое стоит рассмотреть. Продуктовой команде нужны конкретные проблемы и примеры. Коммуникациям важно понимать, что можно объяснить аудитории. Подготовку этих форматов можно поручить ИИ после проверки анализа.

Полезный запрос: «На основе подтверждённых выводов подготовь три тезиса для руководителя и короткий бриф для продуктовой команды. Сохрани ограничения. Не добавляй новых причин и фактов».

Контроль здесь связан с точностью сокращения. Гипотеза может случайно превратиться в утверждение, а проблема в небольшой группе сообщений в описание всей аудитории. Итоговые формулировки нужно сверять с доказательствами, на которых они основаны.

Инструменты: ChatGPT, GigaChat, Алиса AI.

5. Найти важное в видео, аудио и изображениях

Часть реакции на запуск может находиться в обзорах, пользовательском видео, подкастах и скриншотах. Мультимодальные инструменты помогают расшифровать речь, извлечь текст, подготовить краткое описание и найти фрагменты, которые стоит изучить.

Например, специалист ищет эпизоды, где автор обзора обсуждает упаковку или условия покупки. ИИ помогает с первоначальным отбором, а человек смотрит исходный фрагмент и оценивает контекст.

Это особенно важно для иронии, сравнений и цитат. Краткое описание может потерять смысл, который был понятен из интонации или соседних реплик. Значимый для решения эпизод нужно проверить в оригинале.

Инструменты: Gemini для видео и аудио; ChatGPT и GigaChat для изображений.

6. Проверить гипотезу в показателях

ИИ внутри BI-систем помогает задавать вопросы к подготовленным данным обычным языком. Например, сравнить регионы, категории или периоды и найти группы, которые дали основной вклад в изменение.

Но удобная формулировка вопроса не отменяет определения метрик. Перед использованием ответа нужно понимать, какой показатель рассчитан, по какой выборке и относительно чего его сравнивают.

В нашем примере полезно уточнить: выросло количество жалоб на доставку или их доля среди всех сообщений? Изменение связано с одной площадкой или наблюдается в нескольких источниках? ИИ помогает получить нужный срез, а специалист оценивает, что этот срез позволяет утверждать.

Инструменты: Нейроаналитик Yandex DataLens, Copilot в Power BI, Visiology Cortex.

7. Повторять устойчивый процесс

Когда команда каждую неделю собирает данные, выделяет новые записи и готовит одинаковую сводку, эти шаги можно связать в автоматизированный сценарий. Платформы автоматизации помогают передавать результаты между этапами и направлять их ответственным.

Однако сначала нужно проверить сам процесс. Если правило отбора неверно, автоматизация будет воспроизводить ошибку при каждом запуске.

Последовательность проста: выполнить сценарий вручную, проверить выборку и результат, настроить повторение, определить контроль качества. Для важных действий нужно сохранить подтверждение человеком. Автоматическое появление дайджеста ещё не означает, что его можно автоматически использовать для решения.

Инструменты: n8n для сборки процесса, Yandex AI Studio для создания ИИ-агентов.

8. Подготовить поток сообщений по заданному правилу

Когда задача регулярно начинается с публичного поля, подготовку массива удобно организовать внутри системы аналитики. В Медиалогии SM ИИ-агенту можно описать задачу обычным языком. Он определяет одно из поддерживаемых действий: тегирование, присвоение тональности или удаление сообщений, и показывает правило до запуска.

Например: «Добавляй тег “доставка” сообщениям о задержке заказа». Специалист проверяет правило на реальных сообщениях, уточняет его и выбирает режим: разовую обработку текущего массива или регулярную работу с новыми сообщениями.

Такой сценарий помогает поддерживать подготовку данных между аналитическими сессиями. Чтобы исследовать причины реакции, человеку нужно получить релевантный массив. Проверка правила до массового применения становится частью этой работы.

Инструменты: ИИ-агенты Медиалогии SM.

9. Получить рабочую версию ответа по отчёту

Представим другой момент того же процесса: до встречи с руководителем час, а команде нужно объяснить изменение реакции на запуск. В Медиалогии SM ИИ-ассистент помогает отвечать на вопросы по данным текущего отчёта, сравнивать объекты и подпериоды внутри выбранного массива, готовить таблицы и короткие выводы.

Начать можно с вопроса: «Что изменилось в негативных сообщениях между этими двумя неделями?» Затем уточнить: «Покажи основные изменения и публикации, на которых основан ответ».

После этого специалист открывает использованные данные и проверяет вывод. Если нужного периода или источника в отчёте нет, ответ не описывает эту часть ситуации. Ассистент помогает собрать рабочее объяснение в границах доступного массива.

Инструменты: ИИ-ассистент Медиалогии SM.

10. Увидеть события за общей динамикой

На графике заметен всплеск, но для действия важно понять, какие события его сформировали. ИИ-сюжеты Медиалогии SM объединяют тематически близкие публикации вокруг информационных поводов.

Специалист начинает со структуры событий, выбирает значимые сюжеты и переходит к исходным сообщениям. Например, отделяет обсуждение самого продукта от реакции на рекламную публикацию и от вопросов о доставке.

Сюжет помогает организовать исследование. Его заголовок и состав ещё нужно оценить по публикациям. Затем можно сопоставить события с другими данными и сформулировать объяснение, которое выдерживает проверку.

Инструменты: ИИ-сюжеты Медиалогии SM.

Быстрый ответ должен выдержать следующий вопрос

В любой из этих задач возникает соблазн остановиться, когда ИИ написал понятный текст. Но качество анализа проявляется в следующем вопросе: «На чём основан этот вывод?»

Перед использованием результата проверьте пять вещей: правильный ли массив анализировался, понятен ли расчёт, есть ли подтверждающие источники, рассмотрены ли альтернативные объяснения и кто принимает решение.

Для нашего примера хорошим результатом будет записка, в которой разделены наблюдения и гипотезы. Команда видит, какие темы изменились, какие сообщения это подтверждают и чего пока не хватает для уверенного объяснения. Такой материал помогает выбрать следующий шаг: уточнить данные у сервиса, проверить продуктовую проблему или подготовить коммуникацию.

В этом и состоит возможность для специалиста: меньше времени тратить на подготовку и больше на вопросы, которые требуют профессионального опыта. Она реализуется, когда команда осваивает инструменты, проверяет качество и осмысленно использует освободившееся время.

Начните с одной задачи и сравните результат

Выберите действие, которое повторяется в вашей работе. Зафиксируйте, сколько времени оно занимает сейчас. Передайте ИИ один этап и оцените весь процесс, включая проверку и исправления. Если качество приемлемо, а суммарные трудозатраты снизились, можно расширять сценарий.

Для задач, которые начинаются с публичных сообщений, Медиалогия SM помогает связать подготовку массива, исследование событий и проверку выводов в одном аналитическом процессе. Решение остаётся за командой.

Закажите персональное демо Медиалогии SM, чтобы разобрать задачу вашей команды и увидеть, какие этапы можно ускорить с помощью ИИ. Если вы уже работаете с системой, обсудите подходящий сценарий с персональным менеджером.