«Давайте спросим у нейросети»

Современные модели искусственного интеллекта могут не только выполнять разовые поручения вроде составления имейла или юридической проверки договора. Чем дальше, тем больше они проникают в саму ткань работы менеджеров, помогая нанимать сотрудников, оценивать их показатели, тестировать прототипы и даже выявлять управленческие ошибки. В материале, подготовленном при поддержке Яндекс Практикума рассказываем о реальных кейсах использования ИИ в бизнесе.

Найм, тайм-менеджмент, боты в Discord

Алексей основал Dbrain.io, компанию по распознаванию данных из документов, и Maslov.ai, которая создает цифровые решения для молочных ферм. Сейчас управляет несколькими командами и почти каждое решение — кадровое, управленческое, техническое — проверяет через ChatGPT-5 Pro.

Алексей Хахунов

Сооснователь Dbrain.io, гендиректор Maslov.ai

«В браузере у меня постоянно открыто несколько чатов с нейросетью: "Управление", "Разработка", "Найм". Каждая тема ведется в отдельном диалоге, чтобы модель накапливала контекст и давала более точные ответы».

Когда нужно принять управленческое решение — например, изменить формат совещаний — Хахунов не задает короткий вопрос, а описывает всю ситуацию. Вот один из его запросов: «У нас пять команд по восемь-десять человек. Еженедельные стендапы занимают по часу, толку от них все меньше. Хочу понять, как перестроить формат, чтобы люди тратили меньше времени и не теряли связь друг с другом. Что делают другие продуктовые компании такого размера?»

ChatGPT предлагает в ответ несколько вариантов: короткие синхронизации в Slack, письменные отчеты в Notion, встречи без последовательных докладов каждого участника. Хахунов выбирает одну-две идеи, формулирует план и пишет следом: «Проверь, где в этом подходе возможны сбои и конфликт интересов. Что я не учел?»

Если появляется техническая задача — скажем, сделать корпоративного бота для Discord (компании Алексея используют Discord в качестве корпоративного мессенджера) — Хахунов спрашивает у нейросети: «Нужен бот в Discord для ежедневных обновлений команде. Проверь, какие функции доступны в API, есть ли ограничения по безопасности, как организовать авторизацию».

При найме сотрудников он записывает интервью в Zoom, переводит разговор в текст и загружает его в GPT вместе с внутренней системой оценки кандидатов. Инструкция для нейросети звучит так: «Проанализируй кандидата по критериям: компетенции, логика ответов, риски, соответствие позиции. Поставь оценки по пятибалльной шкале и объясни, где твоя оценка может расходиться с человеческой».

Результат выглядит примерно так: «Сильная логика, слабая коммуникация; ставит задачу выше процесса». Хахунов сравнивает эти данные с оценками команды. Если мнения расходятся, разбираются почему — так отсеиваются личные симпатии и антипатии.

Любой управленческий или бытовой вопрос — налоги в Нидерландах, юридические схемы, внутренние процессы — он задает голосом прямо в приложении. Не ищет в интернете, а сразу просит нейросеть выдать структурированный ответ, а потом уточняет детали.

Работа над ошибками

Дарья консультирует стартапы в области маркетинга и брендинга, работает ментором команд. Этим летом у нее в один день уволились два молодых ассистента и дизайнер. Все принесли заявления со стандартными формулировками. За три недели до ухода они же говорили, что это «лучшая работа в их жизни». Диссонанс был очевидным.

«Всегда считала себя хорошим управленцем и впервые столкнулась с другим поколением в команде — не учла особенности», — объясняет Мингалиева. Чтобы разобраться в ситуации, Дарья решила использовать ChatGPT. Она записывает все созвоны с командой через Fireflies — сервис, который транскрибирует записи и делает саммари. Мингалиева загрузила в чат расшифровки последних пяти встреч, заявления об увольнении и описала контекст, а затем попросила ИИ провести психологический  анализ, с оценкой ее управленческих ошибок.

Дарья Мингалиева

Сооснователь Cinemood, консультант стартапов

«Благодаря анализу с ChatGPT я "выловила" допущенные ошибки и критические моменты в коммуникации с сотрудниками. Теперь регулярно  использую этот подход: загружаю расшифровки встреч и прошу ИИ выделить в них "красные зоны" — моменты роста напряженности и проблемы в коммуникации».

Тестирование приложения по скриншоту

Тарас работает одним из руководителей сервиса для заказа городских поездок. Особенность Drivee: пассажир сам предлагает цену, а водители могут согласиться или назвать свою. Компания активно применяет машинное обучение для модерации заказов и контроля качества.

У технического руководителя постоянно возникают идеи: новые функции продукта, архитектурные решения, предположения о причинах неполадок. Раньше, чтобы проверить идею, нужно было модерировать длительный процесс обсуждения или сразу приступать к тестированию. В обоих случаях был высок риск потратить время впустую.

Теперь Тарас использует большие языковые модели как инструмент быстрой проверки. Типичный сценарий: он делает скриншот интерфейса и отправляет в ChatGPT с запросом: «Представь, что ты пользователь нашего приложения, открывший его впервые. Пройди по этому экрану и скажи: что понятно, что нет, куда кликнешь первым делом, какие вопросы возникнут, сможешь ли выполнить задачу».

ChatGPT анализирует и дает обратную связь от лица пользователя. Это не заменяет реальное глубокое тестирование, но дает быструю первую оценку, на которую раньше уходил как минимум день: нужно было найти тестировщика, провести сессию, собрать комментарии.

Перед тем как предложить команде техническое решение, Егоров спрашивает у ChatGPT: «Хочу реализовать такую-то функцию в мобильном приложении на React Native (это технология для разработки мобильных приложений. — Reminder). Какие есть способы? Какие подводные камни у каждого варианта?». В ответ он получает несколько вариантов с плюсами и минусами. Это помогает структурировать мысли перед обсуждением — он приходит к команде не с сырой идеей, а с проработанными альтернативами.

«”Давайте спросим у ChatGPT” — эта фраза стала стандартной, когда нужно уточнить или получить еще одно мнение», — говорит Егоров.

Тарас Егоров

Технический директор Drivee

«Что точно хорошо получается — процесс структурирования мысли. Когда формулируешь вопрос четко, раскладываешь проблему по частям, уже начинаешь думать системно. Часто понимание приходит в процессе формулировки».

Постановка SMART-целей

Александр руководит продуктовой разработкой в компании облачной телефонии. Раньше работал в Skyeng и BestDoctor. Основная рабочая среда — Notion, где хранятся данные о проектах, встречах, идеях.

Когда нужно проанализировать ситуацию или подготовить стратегию, Гуреев выгружает контекст из Notion и передает его нейросети — ChatGPT, Grok или Perplexity. Типичный запрос при работе над стратегией продукта: «Посмотри заметки встреч и выдели ключевые риски, повторяющиеся темы и недостающие решения».

Так он получает взгляд со стороны, который помогает увидеть закономерности. Нейросеть анализирует, но решения принимает, конечно же, он сам.

Александр Гуреев

Product Lead в Mango Office

«ИИ может показать тренды, но выбор направления — моя ответственность».

Для исследования рынка Гуреев использует Perplexity — модель с доступом к реальным источникам и ссылкам. Процесс выглядит так: он формулирует гипотезу («Как изменился рынок CRM-систем для малого бизнеса за последний год?»), задает уточняющие запросы, проверяет источники, загружает результаты в Notion и просит ChatGPT систематизировать собранные данные: «В итоге у меня есть актуальная, проверенная база, с которой можно работать дальше». 

При планировании задач команде Гуреев просит ChatGPT проверить формулировки по принципу SMART — это метод постановки целей, который помогает сделать их конкретными и измеримыми. Благодаря такому анализу ИИ помогает перевести абстрактные цели в конкретные ориентиры. Например, «улучшить качество сервиса» превращается в «повысить NPS на 10% в течение квартала за счет снижения времени ожидания ответа в чате».

Гуреев также использует ИИ-браузеры — ChatGPT Atlas и Comet от Perplexity. Они помогают автоматизировать повторяющиеся задачи: сортировать почту, анализировать каналы в Telegram, выделять приоритетные темы и уведомления. «Все это работает в фоне, не отвлекая, а я вижу в итоге только то, что действительно важно. Такой подход снижает уровень информационного шума и помогает держать фокус».

«Мой главный принцип — я не доверяю нейросетям, которые опираются только на предобучение, без доступа к актуальным источникам», — говорит Александр. При работе с аналитикой и метриками критично видеть ссылки, чтобы можно было проверить каждую цифру. Поэтому он предпочитает модели с «живым поиском» — типа Perplexity: «ИИ не должен быть гадалкой — он должен быть партнером, который помогает принимать обоснованные решения».

Модели компетенций для сотрудников

Юлия — психолог и карьерный консультант, больше десяти лет работает с руководителями и помогает им выстраивать процессы управления командами. Одна из задач, с которой к ней часто приходят менеджеры, — создание модели компетенций. Юлия предлагает два подхода и подключает искусственный интеллект. Если в открытых источниках есть готовые модели компетенций для нужной позиции, она загружает такую модель в нейросеть — ChatGPT или Gemini — и просит адаптировать ее под конкретную компанию и задачи команды. Нейросеть убирает лишнее, добавляет недостающее и переписывает формулировки так, чтобы они соответствовали реальной работе.

Если готовых моделей нет, Юлия просит менеджера подробно описать двух реальных сотрудников — самого сильного и самого слабого. Ее интересуют не характеристики в стиле «нравится/не нравится», а подробное описание того, какие задачи у сотрудника получаются или не получаются, как он действует в сложных ситуациях, когда ему требуется помощь, как он принимает решения, как общается, какие примеры поведения показывают его уровень компетенции. Нейросеть анализирует эти описания и определяет различия между сотрудниками: что такого делает сильный, чего не делает слабый и наоборот. Затем ИИ предлагает рекомендации: как руководителю отслеживать проявление нужных навыков в работе, какие задачи подходят для их развития, по каким признакам видно, что человек «растет» или топчется на месте.

Кроме того Юлия регулярно использует ИИ для помощи руководителям при подготовке к собеседованиям с потенциальными сотрудниками.

Юлия Аравина

Коуч IT-руководителей, эксперт курса «Управление командой» Яндекс Практикума

«Даже опытным менеджерам бывает сложно объективно оценить кандидатов: ответы на стандартные вопросы часто сформулированы однотипно, и при оценке часто приходится полагаться на интуицию».

Юлия загружает в нейросеть описание роли и ключевые требования, и ИИ формирует систему оценки: набор вопросов под конкретные навыки, подсказки, как понимать разные формулировки кандидата, варианты ситуационных задач. Руководителю становится проще структурировать разговор, а сам процесс найма получается прозрачнее.

Анализ звонков сейлзов

Роман начинал карьеру в финансовом секторе, затем руководил компаниями в сфере торговли модной одеждой и уже тогда столкнулся с классической проблемой: непонятно, что происходит в разговорах менеджеров с клиентами. Одни закрывали сделки, другие нет. Система управления клиентской базой показывала только «звонок состоялся» и пару строк заметок. История реального диалога терялась.

Ледянкин внедрил жесткую дисциплину: все данные вносились в CRM, использовались только корпоративные каналы связи, появилось правило «нет записи — нет сделки». Процессы стали прозрачнее, но ответа на главный вопрос он так и не нашел: что именно говорит менеджер, какие навыки влияют на результат, где теряется клиент?

Поняв, что эта проблема встречается не только в fashion-ритейле, но и вообще во всех отраслях, где есть продажи или клиентская поддержка, Роман решил создать универсальный инструмент. Так в 2023 году появился Shöpot AI — сервис автоматической расшифровки и анализа звонков. Программа подключается к корпоративной телефонии или CRM (Битрикс24, amoCRM и др.), автоматически записывает и транскрибирует каждый звонок. Нейросеть анализирует разговор больше чем по тридцати параметрам: Задавал ли менеджер вопросы, чтобы понять потребность клиента? Услышал ли проблему и предложил ли решение? Как отреагировал на сомнения?

Через пять-десять минут после звонка менеджер получает полный профиль разговора и может определить, какие слабые места есть у команды, на каком этапе общения компания чаще всего теряет клиентов, кто из сотрудников прогрессирует, а кто — нет.

Роман Ледянкин

Сооснователь Shopot AI

«Нейтральная рекомендация от нейросети часто воспринимается лучше, чем комментарий человека. Особенно для новых менеджеров или для тех, кому не хватает регулярной обратной связи».

К тому же нейросеть дает конкретную рекомендацию: советует предложить клиенту определенный товар или услугу на выгодных для него условиях и подсказывает, какие преимущества этого предложения акцентировать в разговоре.  Ориентируясь на эти реокомендации, менеджер может перезвонить клиенту и завершить продажу. 

Ледянкин использует систему и для анализа собственных продаж. «Мы анализируем свои звонки. Видно, что у нас получается, где проседаем, что реально хотят клиенты, какие запросы остаются без ответа. Для меня это список конкретных задач на продукт и на обучение команды, — объясняет он. — Нейросеть не принимает решения за меня и не продает вместо людей. Она убирает шум, показывает причинно-следственные связи и дает темп: быстро понять, где теряем клиента и что делать дальше».

Подсчет стоимости работ

Время программистов в IT-компаниях остается дефицитным ресурсом. Разработчики заняты на клиентских проектах, и обычно их не загружают написанием алгоритмов для внутренней отчетности, поэтому менеджерам приходится либо обрабатывать информацию вручную, либо заниматься автоматизацией процессов самостоятельно. Здесь помогают языковые модели.

Каждый месяц менеджеры Володина готовят отчеты для клиентов и выставляют счета. Нужно собрать все задачи, выполненные за месяц, учесть ставки специалистов разных уровней и просчитать итоговую стоимость. Максим использовал языковые модели, чтобы написать нужные формулы для Google Таблиц: «Они закрыли большую часть сценариев». С их же помощью он создал несколько скриптов, которые автоматически собирают данные из таск-трекера. «В итоге я даже собрал с помощью ИИ специального телеграм-бота,  который парсит сообщения из клиентского чата и сразу заносит их в таблицу отчетности», — рассказывает Володин.

Ассистент, который держит в уме все процессы

Константин руководит командой менеджеров в компании-дестрибьюторе мобильных игр, сотрудничающей с разработчиками по всему миру.

Каждый менеджер в команде Попова работает одновременно с внутренней группой и с внешней игровой студией. Контекст широкий, информацию о всех процессах сложно держать в голове, хотя требуется отслеживать происходящее и вовремя реагировать. Попов подключил нейросеть Gemini к своим основным рабочим приложениям Slack, ClickUp, Notion и Google Calendar через MCP — протокол, который позволяет управлять ими из одного интерфейса (по сути это что-то вроде универсального переходника между ИИ-моделью и рабочими приложениями). Нейросеть через MCP может заглянуть в календарь, планировщик задач, базу заметок и получить оттуда информацию. 

Каждое утро Константин простым запросом просит Gemini собрать картину недели: что просрочено, где от него ждут решений, на что обратить внимание. Фактически это замена личного ассистента. Gemini видит задачи в ClickUp и их статусы, сообщения в Slack, где упоминается его имя, документы с планами в Notion, встречи в Google Calendar.

Работу с итоговыми резюме встреч — списками договоренностей и задач — Константин не доверяет нейросети. Даже если есть запись разговора, он обязательно просматривает ее сам и переписывает, чтобы зафиксировать решения. Зато предварительный анализ встреч с помощью ИИ работает хорошо. После записи Попов обсуждает созвоны с Gemini и просит оценить: насколько эффективно он модерировал обсуждение, можно ли улучшить формат или вообще заменить встречу письменным обменом мнениями, и какие повторяющиеся модели поведения заметны у участников.

Экспертный совет

Александр — маркетолог с техническим бэкграундом. Он использует искусственный интеллект как партнера по мышлению. Для решения сложных задач он привлекает сразу несколько созданных внутри ChatGPT специализированных «персон» — виртуальных экспертов с разными ролями и точками зрения.

Селезнев формулирует задачу, и дальше «эксперты» начинают мозговой штурм: предлагают решения, спорят, указывают на слабые места, оценивают риски и отбирают жизнеспособные идеи. По словам Александра, такой формат помогает посмотреть на задачу под разными углами и находить нестандартные варианты там, где обычное линейное обсуждение заходит в тупик.

«Например, у меня была задача найти уникальное торговое предложение для мебельного бизнеса в Москве, который ничем не отличался от сотен конкурентов, — рассказывает он. — Я создал команду из пяти виртуальных экспертов. В нее входил Ингвар Кампрад, основатель IKEA; Ричард Брэнсон; маркетолог из Москвы со знанием мебельного рынка; инженер-технолог мебельного производства и владелец небольшого мебельного бизнеса. Каждый из них по очереди выдвигал идеи, остальные оценивали. Если все давали положительную оценку — обсуждение останавливалось, если нет — процесс продолжался до общего согласия».

Такие «экспертные советы» можно создавать и для решения личных задач. Главное — умело модерировать дискуссию. «Без человека ИИ генерирует банальности», — объясняет Селезнев.

Трехлетний план

В какой-то момент, рассказывает Анна, ей захотелось составить для себя план профессионального развития на три года. В качестве партнера по моделированию будущего она задействовала ChatGPT.

«Сначала я собрала все исходные данные про себя и свои проекты, — говорит она, — дала ИИ максимум контекста: свой профессиональный профиль, список текущих ролей и проектов, идеи направлений, в которые хочу продвигаться. Добавила результаты психотметрических тестов (DISC, CliftonStrengths, вертикальное развитие, MBTI и др.), отдельно прописала ограничения: с чем не хочу работать, какие форматы мне не подходят, какие темы для меня в стоп-листе». И поставила конкретную задачу: собрать на основе этой информации трехлетнюю «дорожную карту» с четкой последовательностью учебных курсов, сроками и стоимостью каждого блока, а также ожидаемыми эффектами. Особо ее интересовало, какие направления смогут «усилить друг друга». В блоке про монетизацию она специально отметила: не гнаться за быстрой отдачей. 

ChatGPT выдал черновой вариант стратегии, дальше началась ручная доработка: в несколько заходов Анна уточняла детали, убирала лишние идеи, переставляла акценты. Постепенно из грубой заготовки получился внутренне согласованный план, проникнутый ощущением реалистичности.

Анна Амброзевич

Директор Women in Tech

«Впервые за долгое время я увидела все свои идеи, желания, ресурсы и ограничения не в виде разрозненных деталей, а как единую схему, спроецированную на три года вперед».

Реклама. АНО ДПО «Образовательные технологии Яндекса». ИНН 7704282033. erid: 2RanykUcdZk