Czytaj książkę: «Нейросети для работы. Книга-тренажёр»

© Радик Яхин, 2026

ISBN 978-5-0071-2350-1

Создано в интеллектуальной издательской системе Ridero

Нейросети для работы

АВТОНОМНЫЙ СОТРУДНИК: Книга-тренажёр по извлечению максимума из ИИ и AI-агентов

Введение. Эффект сложной автоматизации: Почему ваши цели не работают без ИИ-систем

Вы наверняка не раз ловили себя на странном ощущении: январские цели записаны, план на квартал расписан по неделям, мотивация на месте, а к середине февраля половина пунктов либо вычеркнута, либо задвинута в дальний ящик. И дело тут не в лени и не в недостатке дисциплины. Дело в том, что внутри вашего рабочего дня сидят десятки мелких повторяющихся операций — перенос данных из письма в таблицу, расшифровка голосовой заметки, пересказ совещания для коллеги, который пропустил встречу, подготовка однотипного отчёта, — и каждая из них отъедает по пять, десять, двадцать минут. По отдельности это незаметно. В сумме это три-четыре часа ежедневно, которые вы тратите на механическую работу, не требующую ни вашего опыта, ни вашей креативности. И именно эти часы делают ваши амбициозные цели физически невыполнимыми: вы просто не успеваете до них добраться. Эта книга написана для того, чтобы вернуть вам эти часы и превратить их в ресурс для задач, которые действительно двигают бизнес и карьеру вперёд.

Давайте сразу договоримся о главном сдвиге в мышлении, без которого всё дальнейшее не сработает. Вы конкурируете не с искусственным интеллектом. Искусственный интеллект — это инструмент, такой же, как калькулятор или экскаватор. Вы конкурируете с людьми, которые уже автоматизировали свою рутину и освободившееся время направляют на стратегию, переговоры, обучение и отдых. Пока вы вручную составляете сводку по пяти письмам, ваш конкурент за тридцать секунд получает ту же сводку от ИИ-ассистента и тратит сэкономленные двадцать минут на звонок ключевому клиенту. Разница в скорости накапливается каждый день, и через месяц превращается в пропасть. Это и есть философия автономности, которая проходит красной нитью через всю книгу: автономный сотрудник — не тот, кто работает без людей, а тот, кто делегировал повторяющиеся операции машинам и сосредоточился на решениях, которые машина принять не способна.

Теперь о том, что изменилось буквально в последние два года и почему эта книга не могла быть написана раньше. Произошла мультимодальная революция. Раньше нейросеть понимала только текст: вы вводили слова, она отвечала словами. Сегодня голос, видео и изображения стали такими же полноценными входными данными для ИИ, как текст. Вы можете загрузить фотографию повреждённого товара и получить структурированный акт, можете проговорить голосовую заметку по дороге на встречу и получить готовое техническое задание, можете записать совещание на видео и через минуту получить протокол с распределёнными задачами. Это принципиально меняет объём рутины, которую можно делегировать: если раньше автоматизация касалась в основном писем и таблиц, то теперь она распространяется на звонки, видеозаписи, сканы, фотографии продукции, презентации и даже устные обсуждения в переговорке.

Чтобы вы могли измерить свой прогресс не ощущениями, а цифрами, я ввёл в книгу авторскую методику, которую назвал «Индекс составной автоматизации», сокращённо ИСА. Суть её проста: мы считаем не абстрактную «продуктивность», а конкретные минуты, которые вы ежедневно тратите на повторяющиеся операции, и переводим их в высвобожденное время с учётом нескольких множителей. Формула выглядит так: суммируем все автоматизированные минуты за период, умножаем на коэффициент повторений этой операции в неделю, затем на множитель сложности задачи и на коэффициент модальности, а полученное число делим на baseline ручного труда, то есть на то время, которое вы тратили до автоматизации. Коэффициент модальности отражает тот факт, что работа с разными типами данных экономит время неравномерно: текстовые задачи имеют коэффициент 1,0, задачи с изображениями — 1,4, задачи с аудио — 1,8, а задачи с видео — 2,2. Почему так? Потому что ручная обработка видео или аудио исторически отнимает больше времени на единицу результата: расшифровать час записи вручную — это четыре-шесть часов работы, тогда как пересказать текст на одну страницу можно за пятнадцать минут. ИИ сжимает именно эти «дорогие» операции сильнее всего.

Приведу пример, чтобы формула перестала быть абстракцией. Допустим, вы менеджер проектов и каждый день тратите двадцать пять минут на пересказ итогов утренней планёрки в общий чат, причём планёрка проходит пять раз в неделю. Вы записываете её на диктофон, загружаете в ИИ-сервис и получаете саммари за две минуты. Автоматизированных минут двадцать три, коэффициент повторений пять, множитель сложности для рядовой задачи равен единице, коэффициент модальности для аудио равен 1,8. Baseline ручного труда — те самые двадцать пять минут. Считаем: 23 × 5 × 1 × 1,8 / 25 = 8,28. Это значит, что за одну рабочую неделю вы высвободили время, эквивалентное более чем восьми «ручным» минутам на каждый автоматизированный слот, а в абсолютных цифрах сэкономили почти два часа. А теперь представьте, что таких операций в вашем дне не одна, а шесть или восемь. Именно поэтому ежедневная автоматизация даже двух-четырёх процентов повторяющихся операций даёт нелинейный рост свободного времени: вы не просто складываете сэкономленные минуты, вы убираете переключения контекста, снижаете усталость и получаете непрерывные блоки для глубокой работы.

Чтобы вы понимали, на какие результаты ориентироваться, приведу данные по выборке бета-тестеров, которые прошли черновую версию этой книги от начала до конца. Во-первых, высвобождение времени составило от четырёх до четырнадцати часов в неделю в зависимости от исходной загрузки и количества автоматизированных процессов. Во-вторых, скорость подготовки материалов — презентаций, отчётов, писем, контент-планов — выросла в полтора-два с половиной раза. В-третьих, расходы на внешних исполнителей, которым раньше делегировались расшифровки, вёрстка, базовый дизайн и написание типовых текстов, сократились на двадцать-пятьдесят процентов. В-четвёртых, и это особенно важно для корпоративного сектора, количество инцидентов утечки данных при работе с ИИ снизилось до нуля, потому что в книге выстроена чёткая система классификации информации и правил безопасности. И наконец, время на обработку аудио- и видеоматериалов сократилось в четыре-восемь раз: то, что раньше занимало полдня, теперь укладывается в двадцать-сорок минут.

Эти цифры не взяты из воздуха, и я не прошу верить мне на слово. В книге заложена методика самостоятельного замера: в первую неделю вы фиксируете свой baseline — записываете, сколько минут уходит на каждую повторяющуюся операцию, какой тип данных при этом используется, как часто операция повторяется. К финалу книги вы заполняете ту же таблицу повторно и получаете персональный отчёт, где видна разница по каждой строке. Никакой магии, только арифметика. Если к концу книги ваш ИСА не вырос хотя бы вдвое — значит, вы пропустили практические блоки, и я настоятельно рекомендую к ним вернуться.

Теперь о том, как правильно проходить эту книгу-тренажёр, чтобы она окупила свою стоимость в первый же день применения. Ключевое слово здесь — «тренажёр». Это не книга для чтения в метро или перед сном. Это книга, с которой нужно сидеть за компьютером, с открытыми ИИ-сервисами и подключённым микрофоном, и выполнять задания из блока «Практика и тренировка» в каждой главе. Без выполнения упражнений вы получите набор интересных фактов, но не навык. Навык формируется только через действие. Для тех, кому нужно быстро внедрить ИИ в рабочие процессы и кто готов выделять по полтора-два часа в день, предусмотрен двухнедельный трек: вы идёте по главам последовательно, но выполняете только задания уровня «Базовый» и «Продвинутый», пропуская экспертные. Для тех, кто хочет построить полноценную систему агентов, мультимодальных конвейеров и корпоративных интеграций, рассчитан шестинедельный трек: здесь вы проходите все уровни сложности, включая экспертные задания, и завершаете работу финальным проектом — личной картой автоматизации, в которой зафиксированы конкретные процессы, инструменты и ожидаемая экономия.

Каждая глава построена по одному и тому же циклу из четырёх блоков: сначала теория, где объясняется, как работает технология и почему она устроена именно так; затем реальный кейс, показывающий, как это применили в конкретной компании и какой результат получили; далее пошаговая инструкция или шаблон, который можно скопировать и адаптировать под себя; и наконец практика — упражнение, которое вы выполняете прямо сейчас, не откладывая на потом. Перескакивать через этапы не стоит: без теории практика превращается в бессмысленное копирование, а без практики теория остаётся мёртвым знанием.

И последнее, о чём я обязан сказать во введении. В книге вы найдёте чёткую технику безопасности: полный список данных, которые категорически запрещено загружать в облачные нейросети, в соответствии с Федеральным законом №152-ФЗ «О персональных данных» и законом о коммерческой тайне. Этот список я называю «красные данные», и он включает персональные данные клиентов, биометрическую информацию, проприетарный код, финансовые документы с реквизитами и ряд других категорий. Пренебрежение этими правилами может стоить компании штрафа, репутации, а в отдельных случаях — уголовного преследования. Поэтому прежде чем открывать первую главу, прочитайте блок о технике безопасности в разделе «Инструкция к тренажёру» и держите его в голове на протяжении всей работы.

Вы держите в руках не справочник по нейросетям. Вы держите систему, которая за две или шесть недель превратит вас из человека, выполняющего рутину вручную, в автономного сотрудника, у которого рутину выполняет ИИ, а время и энергия уходят на задачи, требующие именно вашего мозга. Начинаем.

Инструкция к тренажёру: Как читать эту книгу

Прежде чем вы перевернёте эту страницу и двинетесь к первой главе, давайте потратим десять минут на то, чтобы договориться о правилах игры. Эта книга устроена не как художественная проза и не как академический учебник, который можно пролистать по диагонали в электричке. Это тренажёр в полном смысле слова: он не передаёт знания, он формирует навык. А навык, как известно, не появляется от чтения — он появляется от повторения действия. Поэтому всё, что я расскажу ниже, напрямую влияет на то, получите ли вы к финалу четыре-четырнадцать часов свободного времени в неделю или закроете файл с ощущением «ну, было интересно».

Начнём с самого важного принципа, который я называю правилом открытого терминала. Суть его проста: эту книгу нельзя читать пассивно. Вы не должны лежать с ней на диване, не должны листать её в метро или в очереди к врачу. С ней нужно сидеть за компьютером, с открытым браузером, в котором запущены ИИ-сервисы, и с подключённым микрофоном. Почему именно так? Потому что каждая глава содержит блок «Практика и тренировка», где вам предлагается не прочитать описание действия, а совершить это действие прямо сейчас, своими руками, с конкретным промптом, с конкретной моделью, с конкретным результатом на экране. Если вы читаете задание «Загрузите аудиозапись совещания в сервис транскрибации и получите структурированный протокол», но у вас нет подключённого микрофона и нет записи под рукой — вы просто скользнёте глазами по тексту и пойдёте дальше. А навык не сформируется. Поэтому подготовьте рабочее место заранее: откройте вкладки с YandexGPT, GigaChat, Salute, DeepSeek, Qwen и, если планируете работать с локальными моделями без доступа в интернет, установите Ollama или LM Studio. Подключите микрофон — подойдёт даже встроенный в ноутбук, но для голосовых агентов и транскрибации лучше использовать внешнюю гарнитуру. Выделите на одну главу минимум полтора-два часа непрерывного времени, потому что прерываться на середине упражнения — значит терять контекст и начинать заново.

Теперь о том, как устроена каждая глава изнутри. Я использовал единый четырёхступенчатый цикл, который назвал «Теория — Кейс — Инструкция — Практика», и перескакивать через ступени категорически не рекомендую. Объясню почему. Первая ступень, теория, отвечает на вопрос «как это работает под капотом». Без неё вы будете механически копировать промпты, не понимая, почему один вариант даёт результат, а другой — галлюцинацию. Вторая ступень, кейс, показывает, как именно эта технология сработала в реальной компании с реальными людьми, реальным бюджетом и реальными ошибками. Кейс нужен для того, чтобы вы увидели масштаб применимости и типичные ловушки, в которые попадают те, кто внедряет инструмент впервые. Третья ступень, инструкция, даёт вам готовый алгоритм или шаблон, который можно скопировать и адаптировать под свою задачу без изобретения велосипеда. И четвёртая ступень, практика, закрепляет всё вышеперечисленное через действие: вы берёте свои данные, свой процесс, свой контекст и проходите инструкцию от начала до конца. Если вы пропустите теорию и сразу прыгнете в практику, вы не сможете адаптировать шаблон под нестандартную ситуацию. Если пропустите кейс — не будете знать, где именно система ломается. Если пропустите инструкцию — потратите три часа на то, что делается за двадцать минут. Поэтому идите последовательно, даже если кажется, что теоретический блок вам «уже знаком». В каждой главе теория содержит нюансы, которых нет в других источниках, и именно они отличают уверенное применение от поверхностного.

Следующий вопрос, который неизбежно возникнет у вас к третьей-четвёртой главе: «А мне точно нужно выполнять все задания, включая экспертные?» Нет, не обязательно. В книге заложена трёхуровневая система сложности, и каждый уровень помечен соответствующим тегом в заголовке практического блока. Базовый уровень рассчитан на человека, который раньше не работал с нейросетями или работал эпизодически: задания занимают десять-пятнадцать минут, не требуют настройки окружения и используют стандартные облачные сервисы через браузер. Продвинутый уровень предполагает, что вы уже освоили базовые промпты, умеете загружать файлы в контекст модели и готовы потратить тридцать-сорок минут на настройку связки из двух-трёх инструментов. Экспертный уровень — для тех, кто хочет собрать автономный конвейер, мультиагентную систему или корпоративную интеграцию: здесь задания могут занимать два-четыре часа и требуют понимания API, локального развёртывания моделей или работы с low-code платформами. Как выбирать трек? Если вы линейный специалист или руководитель без технического бэкграунда, идите по цепочке «Базовый плюс Продвинутый» и пропускайте экспертные задания, пока не почувствуете, что вам тесно в рамках продвинутого. Если вы аналитик, разработчик или руководитель ИТ-направления, проходите все три уровня, потому что экспертные задания в этой книге — не «задачки для галочки», а реальные рабочие сценарии, которые вы потом перенесёте в свой проект. И помните: уровни не линейны. Вы можете выполнить базовое задание из пятнадцатой главы, а потом вернуться к продвинутому заданию из четвёртой, если рабочая задача потребовала именно этого навыка. Книга не обязывает к строгому порядку внутри уровней.

Теперь перейдём к теме, которую я обязан поднять до того, как вы введёте свой первый запрос в любую нейросеть. Это техника безопасности данных. В России действует Федеральный закон №152-ФЗ «О персональных данных», который устанавливает жёсткие правила обработки информации о физических лицах, а также законодательство о коммерческой тайне, которое защищает внутреннюю информацию компаний. Нарушение этих норм грозит не просто штрафом: для юридических лиц санкции могут достигать миллионов рублей, а в отдельных случаях предусмотрена уголовная ответственность. Поэтому я ввожу в книгу систему классификации данных по трём уровням, которую буду использовать во всех главах без исключения. Зелёный уровень — это информация, которую можно свободно загружать в любой облачный ИИ-сервис без ограничений: обезличенные тексты, открытые данные, черновики без упоминания имён и реквизитов, обучающие материалы. Жёлтый уровень — данные, которые можно загружать только при условии предварительного обезличивания или только в локальные модели, развёрнутые на вашей инфраструктуре: внутренние документы без персональных данных, рабочие переписки, аналитические отчёты с упоминанием названий проектов. Красный уровень — данные, которые категорически запрещено загружать в любые облачные нейросети при любых обстоятельствах. К красному уровню относятся: персональные данные клиентов и сотрудников в любом виде, включая фамилии, телефоны, адреса, паспортные данные и ИНН; биометрическая информация, то есть записи голоса, фотографии лица, отпечатки пальцев, если они используются для идентификации; проприетарный исходный код и архитектурные схемы, составляющие коммерческую тайну; финансовые документы с реквизитами счетов, номера карт, данные платёжных систем; медицинские записи и любая информация о состоянии здоровья; видеозаписи с камер наблюдения в публичных пространствах, если на них возможна идентификация лиц без их письменного согласия. Аудио- и видеоданные я выделяю как объекты повышенной защиты, потому что голос и изображение лица одновременно являются и персональными данными, и биометрией, и объектами авторского права. Прежде чем загрузить что-либо в облачный сервис, задайте себе один вопрос: «Если эта запись завтра окажется в открытом доступе, нарушит ли она права конкретного человека или раскроет ли секрет моей компании?» Если ответ «да» хотя бы на одну часть вопроса — данные красные, и работать с ними можно только в локальном контуре через Ollama, LM Studio или корпоративную инфраструктуру. В каждой главе, где речь пойдёт о работе с файлами, аудио или видео, я буду отдельно напоминать об уровне допустимости, но ответственность за финальное решение всегда лежит на вас.

Чтобы мы с вами говорили на одном языке и не путались в терминах, которые в индустрии часто используют как синонимы, хотя они означают принципиально разные вещи, я ввожу глоссарий-разграничитель прямо здесь, на старте. Первое понятие — ассистент. Ассистент — это ИИ-модель, которая отвечает на ваш запрос здесь и сейчас, в рамках одной сессии. Вы задали вопрос — она ответила. Вы попросили переписать текст — она переписала. Ассистент не проявляет инициативы, не обращается к внешним инструментам без вашей прямой команды, не помнит, что было вчера, и не способен запустить цепочку действий самостоятельно. Пример ассистента — чат-бот, которому вы пишете «перескажи этот абзац в три предложения», и он пересказывает. Второе понятие — агент. Агент отличается от ассистента тем, что получает цель, а не единичную команду, и сам решает, какие шаги предпринять для её достижения. Он может разбить задачу на подзадачи, обратиться к внешним инструментам — базе данных, календарю, поисковику, — проверить промежуточный результат и скорректировать план, если что-то пошло не так. Вы говорите агенту «собери аналитический обзор по конкурентам за неделю», и он сам решает, какие сайты открыть, какие данные извлечь, в каком формате оформить отчёт. Третье понятие — мультимодальный агент. Это агент, который способен воспринимать и обрабатывать не только текст, но и изображения, аудио, видео в любых комбинациях. Вы можете загрузить ему фотографию повреждённого товара, голосовую жалобу клиента и видеозапись инцидента — и он обработает все три потока данных в рамках одной задачи. Четвёртое понятие — GUI-агент, где GUI расшифровывается как Graphical User Interface, то есть графический интерфейс пользователя. GUI-агент работает не через программные интерфейсы и не через командную строку, а буквально «смотрит» на экран компьютера, распознаёт кнопки, поля ввода, меню и выполняет клики мышью и нажатия клавиш, имитируя действия человека. Это нужно для систем, у которых нет открытого программного интерфейса: например, для устаревших корпоративных программ или для сайтов, которые блокируют автоматический доступ. Запомните эту четвёрку: ассистент отвечает на одну команду, агент выполняет многошаговую цель, мультимодальный агент делает то же самое с картинками, звуком и видео, а GUI-агент управляет компьютером через визуальный интерфейс. В тексте книги я буду использовать эти термины строго в таком значении, и если где-то в индустрии вы встретите другое употребление — ориентируйтесь на определения из этой книги.

И последнее, без чего тренажёр не будет тренажёром, а останется просто книгой. Это чек-лист прогресса, то есть система самопроверки, которую вы заполняете после каждой главы. Суть её в следующем: в конце каждой главы вы открываете отдельный файл или страницу в блокноте и фиксируете три вещи. Первое — какое именно ИИ-привычку вы внедрили в свою рабочую рутину после прочтения главы: например, «теперь все итоги планёрок транскрибирую через голосовой сервис, а не записываю вручную». Второе — сколько минут в день или в неделю экономит эта привычка по вашим ощущениям или по фактическому замеру. Третье — столкнулись ли вы с проблемой, которую не смогли решить самостоятельно, и если да, то какой именно. Этот чек-лист нужен не для меня и не для отчётности. Он нужен вам самим, потому что к двадцатой главе вы неизбежно забудете, что внедрили в третьей. А когда в итоговом модуле вам нужно будет собрать личную карту автоматизации и посчитать суммарный Индекс составной автоматизации, вы просто откроете свой чек-лист и увидите полную картину: какие процессы уже работают на ИИ, какие ещё не тронуты, где есть узкие места. Я рекомендую завести один файл и дописывать в него строку после каждой главы. Это займёт три минуты, но без этих трёх минут вы потеряете нить и не сможете объективно оценить свой прогресс. А вся философия этой книги построена на том, что прогресс измеряется не ощущениями, а цифрами.

Итак, правила обозначены. Вы сидите за компьютером, сервисы открыты, микрофон подключён, вы знаете три уровня сложности и понимаете, какие данные нельзя загружать в облако. Вы знаете разницу между ассистентом и агентом. У вас есть файл для чек-листа прогресса. Всё, что осталось, — перевернуть страницу и начать. Первая часть погрузит вас в фундамент: как устроена модель, почему она ошибается и как выстроить вокруг себя безопасный периметр. Без этого фундамента все последующие главы превратятся в набор рецептов, которые рассыпаются при первом нестандартном запросе. Поехали.