ChatGPT и Claude: как реально использовать нейросети в работе
Мы изучили несколько часов свежего контента по теме практического применения нейросетей — от базового онбординга до реальных кейсов автоматизации. Материал охватывает два главных инструмента рынка: ChatGPT и Claude. Статья для тех, кто уже слышал про нейросети, но либо застрял на уровне «поспрашивать как у поисковика», либо хочет выстроить что-то серьёзнее.
Главный вывод, который мы сформулировали после разбора: большинство людей используют эти инструменты на 5–10% от их реального потенциала — и это не преувеличение, это буквально цифра, которая подтверждается кейсами из практики.
90% людей используют нейросети неправильно
Суть простая. ChatGPT — это не поисковик. Claude — тоже не поисковик. Оба инструмента умеют: анализировать загруженные файлы и таблицы, распознавать изображения и аудио, генерировать код, создавать структурированные документы, работать с локальными папками на компьютере, запускать автоматизированные цепочки действий.
Когда человек приходит в ChatGPT и пишет «что такое скользящая средняя» — это как купить профессиональный монтажный стол и использовать его как подставку для ноутбука.
Аудитория ChatGPT — 800 миллионов пользователей. При этом большинство из них взаимодействуют с нейросетью в режиме «вопрос-ответ» без какого-либо контекста, без файлов, без структуры запроса. Результат предсказуем: вода вместо конкретики.
Разберём по пунктам, что реально работает.
Две стратегии: вглубь или вширь
Прежде чем вообще открывать чат — определись, зачем тебе нейросеть. Это не риторика. От ответа зависит, как именно ты будешь её использовать.
Стратегия «вглубь» — ты уже эксперт в своей области. Нейросеть помогает делать то, что ты и так умеешь, но быстрее. Ты обучаешь её своему стилю, своим шаблонам, своим данным. Трейдер загружает свои торговые журналы и просит найти паттерны убытков. Методолог загружает структуру своего курса и просит написать 10 вариантов заголовков. Разработчик описывает логику функции и получает рабочий код.
Стратегия «вширь» — ты хочешь получить знания в области, где сам не разбираешься. Маркетинг, юриспруденция, финансовая аналитика, логистика. Нейросеть работает как быстрый советник-дженералист.
Ключевое: ИИ — это множитель. Он умножает твой существующий опыт. Если опыта нет — умножать нечего. Это объясняет, почему новичок с ChatGPT получает мусор, а специалист — реальный результат.
Формула промта: почему КЗФ работает лучше, чем «напиши мне текст»
Качество ответа нейросети напрямую зависит от качества запроса. Это не банальность — это механика. Нейросеть при малом количестве данных начинает «додумывать» и выдаёт усреднённый ответ из обучающей выборки.
Базовая формула: Контекст — Задача — Формат (КЗФ).
- Контекст: кто ты, какая ситуация, зачем это нужно
- Задача: что конкретно нужно сделать
- Формат: как должен выглядеть результат
Расширенная версия добавляет Роль в начало. Пример:
Ты — опытный финансовый аналитик, специализирующийся на фондовом рынке. Я — трейдер с двухлетним опытом, работаю на дневных таймфреймах. Мне нужно составить чек-лист для анализа акции перед входом в позицию. Оформи в виде нумерованного списка из 10 пунктов.
Разница между этим запросом и «напиши чек-лист для трейдера» — колоссальная. Попробуй оба варианта и сравни сам.
Ещё один принцип, который реально меняет качество: добавляй «ингредиенты». Загружай файлы, таблицы, скриншоты, документы. Чем больше реальных данных ты даёшь — тем точнее ответ. Нейросеть не придумывает, когда ей есть с чем работать.
ChatGPT: что реально использовать прямо сейчас
ИИ-ассистенты (GPTs) — не просто «сохранённые промты»
GPTs — это персональные ассистенты внутри ChatGPT с прописанными инструкциями, базой знаний и поведением. Один раз настроил — используешь постоянно без повторного объяснения контекста.
Практический сценарий: у тебя есть задача, которую ты выполняешь регулярно. Например, анализ торговых отчётов каждую неделю. Создаёшь GPT с инструкцией: «Ты — аналитик торгового журнала. При получении таблицы с трейдами ты: 1) считаешь win rate, 2) находишь самые убыточные паттерны, 3) даёшь три конкретные рекомендации». Загружаешь таблицу — получаешь анализ. Без повторного объяснения.
Проекты — рабочие пространства с памятью
Вкладка «Проекты» в ChatGPT — это отдельные экосистемы под конкретные задачи. Каждый проект имеет свои инструкции, свою базу знаний, и все чаты внутри проекта следуют этим инструкциям автоматически.
Пример организации: отдельный проект под торговый журнал, отдельный под исследование рынка, отдельный под написание контента. Каждый — со своим контекстом, файлами и правилами.
Deep Research — когда нужно реальное исследование
Функция «Глубокое исследование» запускает многоэтапный анализ темы с поиском в интернете, синтезом источников и структурированным отчётом. Активируется через кнопку «плюсик» в интерфейсе.
Это не быстрый ответ — нейросеть работает несколько минут (иногда дольше). Зато на выходе получаешь документ, который раньше потребовал бы нескольких часов ручной работы.
Agent Mode — с оговорками
Agent Mode позволяет ChatGPT самостоятельно открывать браузер, заходить на сайты и выполнять действия. Звучит мощно. На практике — работает нестабильно для сложных задач. Простые операции (анализ таблицы, поиск информации на одном сайте) — справляется. Цепочки из нескольких шагов — часто бросает на полпути.
Используй, но не доверяй критические задачи без проверки.
Claude: другая архитектура мышления
Claude — отдельный инструмент от компании Anthropic, не аналог ChatGPT и не его замена. Это другая модель с другими сильными сторонами. Свежие разборы показывают: по качеству работы с длинными текстами и сложными инструкциями Claude часто выигрывает.
Регистрация из России: честно о проблеме
Главный барьер — нужен зарубежный номер телефона. Виртуальные номера часто не проходят верификацию. Рабочее решение — специализированные сервисы с живым оператором, которые создают аккаунт и оплачивают подписку. Дольше и дороже, чем хотелось бы, но работает.
Альтернатива без этих сложностей — Perplexity (не заблокирован в России, даёт доступ к нескольким моделям, включая ChatGPT и Claude, до 100 запросов) или DeepSeek (полностью бесплатный, доступен в России, можно установить локально).
Скиллы: агенты под конкретные задачи
Скиллы в Claude — это узкоспециализированные агенты, каждый из которых заточен под одну функцию. Создаются в разделе Customise → Skills. Вызываются в чате через команду Slash.
Практически это выглядит так: создаёшь скилл «Анализ новостей» с инструкцией — и дальше просто вызываешь его командой /анализ, вставляешь текст, получаешь структурированный разбор. Без повторного объяснения, что именно нужно делать.
Коворк (Claude Code) — самая мощная функция
Коворк работает напрямую с файлами на компьютере пользователя. Не через загрузку в чат, а через прямой доступ к папкам. Это принципиальное отличие.
Реальный кейс из свежих разборов: видеофайл нужно было обработать — убрать звук, добавить зум, наложить логотип, нарезать на 8 частей по 1,25 секунды. Вручную в монтажной программе — час работы минимум. Через коворк — 30 секунд. При этом можно было закинуть сразу 10 файлов и получить 10 папок с готовыми результатами.
Функция Schedule внутри коворка позволяет настроить повторяющиеся задачи: каждый час, каждый день. Dispatch — управление этими задачами с телефона.
Автоматизированный контент-конвейер: реальная архитектура
Вот конкретная цепочка, которая работает без участия человека:
- Парсер (создан через вкладку «Код» описанием на естественном языке) каждые 3 часа собирает новости с сайта и сохраняет в папку
- Коворк каждый час заходит в папку, берёт новые данные
- Скилл трансформирует данные в нужный формат (тред, пост, аналитическая заметка)
- Коннектор отправляет результат в Notion
Участие человека — только финальный отбор перед публикацией. Около 40% контента выходит качественным сразу, 30% — требует правки, остальное — в мусор. Но это автоматически сгенерированный контент без ручного труда на каждый материал.
Ограничение: локальные решения работают только при включённом компьютере. Для круглосуточной работы нужен облачный сервер.
Где нейросети ошибаются: критические предупреждения
Нейросеть ошибается в 33–48% случаев — это данные исследователей, не наша оценка. Это не значит, что инструмент бесполезен. Это значит, что слепое доверие к ответам — серьёзная ошибка.
Галлюцинации со ссылками. ChatGPT может генерировать ссылки на несуществующие источники. Адвокат потерял работу, использовав в суде несуществующие прецеденты, которые ему «нашёл» ChatGPT. Компания Deloitte была оштрафована правительством Австралии на более чем 400 тысяч долларов за аналогичную историю. Всегда проверяй источники вручную.
Конфиденциальные данные. По 152-ФЗ нельзя отправлять персональные данные в облачные сервисы за рубежом. Были задокументированные случаи: 3000 диалогов пользователей ChatGPT оказались в открытом доступе в Google. Сотрудники Samsung обнаружили, что нейросеть обучалась на их диалогах, включая фрагменты проприетарного кода. DeepSeek также попадался на подобном. Правило простое: не отправляй в нейросеть то, что не можешь позволить себе опубликовать публично.
Длинные диалоги на разные темы. Нейросеть имеет ограниченную рабочую память в рамках одного чата. При слишком длинной переписке она начинает «забывать» начало разговора и может вспоминать старый контекст невпопад. Принцип «одна тема — один чат» решает эту проблему.
Ответственность остаётся на человеке. Нейросеть не несёт юридической ответственности за свои ответы. Никогда. Это важно в медицинских, юридических и финансовых вопросах.
Практический раздел: что сделать прямо сейчас
Конкретные шаги для старта — без воды:
1. Получи доступ - Если ChatGPT недоступен — используй Perplexity (не заблокирован, даёт доступ к нескольким моделям) или DeepSeek (бесплатный, работает в России) - Для Claude из России — ищи сервисы с оператором или используй Perplexity как прокси
2. Выпиши 3 задачи, которые отнимают больше всего времени - Именно с них начинай внедрение - Не пробуй «всё сразу» — это путь в никуда
3. Попробуй формулу КЗФ на реальной задаче - Контекст: кто ты, какая ситуация - Задача: что конкретно нужно - Формат: как должен выглядеть результат - Сравни с тем, что получаешь сейчас без структуры
4. Добавь файл к следующему запросу - Загрузи реальный документ, таблицу или скриншот - Сравни качество ответа — разница будет заметна сразу
5. Создай первого ИИ-ассистента - Найди задачу, которую выполняешь регулярно - В ChatGPT: вкладка GPTs → Создать → прописать инструкцию → сохранить - В Claude: Customise → Skills → Create Skill → описать функцию
6. Настрой один проект - Выбери тематику (торговый журнал, исследования, контент) - Загрузи релевантные файлы - Пропиши инструкции один раз
7. Попробуй Deep Research на реальной теме - Выбери тему, по которой нужно разобраться - Активируй через «плюсик» → «Глубокое исследование» - Оцени качество результата через 10–15 минут
8. Для продвинутых: настрой коворк в Claude - Укажи конкретную папку на компьютере - Дай простую задачу: переименовать файлы, обработать изображения - Когда поймёшь принцип — переходи к Schedule
Что мы заметили: где подходы расходятся
Разбирая материалы, мы зафиксировали несколько точек расхождения между разными подходами к работе с нейросетями.
Расхождение 1: ChatGPT vs Claude как основной инструмент. Более консервативный подход — оставаться в экосистеме ChatGPT, где всё в одном месте: GPTs, проекты, Deep Research, генерация изображений, голосовой режим. Подход Б — делать ставку на Claude как основной инструмент для работы с текстом и автоматизации, используя его коворк как ключевое преимущество. Оба подхода рабочие. Выбор зависит от задач: если нужна мультимодальность (текст + изображения + аудио) — ChatGPT, если основная задача — автоматизация работы с файлами и контентом — Claude.
Расхождение 2: уровень автоматизации. Один подход — использовать нейросеть как умного ассистента для ускорения ручной работы (GPTs, проекты, промты). Другой подход — строить полностью автоматические цепочки, где участие человека минимально (парсер + коворк + скилл + коннектор). Второй подход требует больше времени на настройку, но даёт принципиально другой масштаб. Разумный путь: начать с первого, постепенно переходить ко второму.
Расхождение 3: отношение к ошибкам нейросети. Более осторожный взгляд акцентирует внимание на рисках (33–48% ошибок, галлюцинации, утечки данных) и рекомендует всегда проверять результаты. Более прагматичный взгляд — принять ошибки как часть процесса и выстраивать системы с фильтрацией на выходе (как в кейсе с тредами, где 40% контента сразу хорошего качества, а остальное отбраковывается). Оба правы. Просто для разных контекстов: в юридических и медицинских задачах — максимальная осторожность, в контентных задачах — можно работать с процентом брака.
Расхождение 4: нужна ли платная подписка. Бесплатные альтернативы (DeepSeek, Perplexity) вполне работоспособны для базовых задач. Но для серьёзной автоматизации — лимиты бесплатных версий быстро заканчиваются. Активные пользователи Claude отмечают, что даже подписка уровня Pro оказывается недостаточной при интенсивной работе с коворком.
Реальные цифры из практики
Мы собрали конкретные результаты из разобранных кейсов — не для вдохновения, а как ориентиры для оценки потенциала:
- Специалист выполнил месяц работы за 5 часов
- Отдел из 60 человек увеличил эффективность на 30% после внедрения ИИ-инструментов
- Один менеджер стал обрабатывать 150 тендеров в день (раньше — несколько десятков)
- Экономия 150 000 рублей в месяц на подрядчике за счёт автоматизации конвертации данных
- Обработка видеофайла: 30 секунд вместо часа ручной работы
- Рост дохода в 2 раза после автоматизации 70% задач в бизнесе
Это не магия. Это конкретные инструменты, применённые к конкретным задачам людьми, которые потратили время на настройку.
Прогноз, который стоит держать в голове
Всемирный экономический форум прогнозирует: к 2030 году исчезнет около 92 миллионов рабочих мест, но появится 170 миллионов новых. 40% компаний планируют сокращать персонал из-за ИИ.
Это не повод для паники. Это повод для конкретных действий прямо сейчас. Разрыв между теми, кто умеет работать с нейросетями на уровне автоматизации, и теми, кто использует их как поисковик, будет только расти.
Начни с одной задачи. Настрой один ассистент. Попробуй одну цепочку. Нейросеть — это не волшебная кнопка и не угроза. Это инструмент, который работает ровно настолько хорошо, насколько хорошо ты умеешь им пользоваться. Остальное — дело практики.