Многие боятся, что если ChatGPT умеет писать, анализировать и подсказывать, значит их навыки обесценились. Частично это правда. Некоторые простые услуги действительно станут дешевле. Но навыки, связанные с пониманием ситуации, ответственностью, вкусом, продажей, внедрением и отношениями с клиентом, не исчезают. Наоборот, они становятся заметнее.

Клиенту не нужен просто текст. Ему нужен текст, который решает его задачу. Не нужна просто таблица. Нужна таблица, по которой можно принять решение. Не нужен просто чатбот. Нужен процесс поддержки, который не позорит компанию. Не нужна просто презентация. Нужна история, после которой инвестор понимает, куда идут деньги и почему у команды есть шанс.

На практике это выглядит не как сцена из будущего, а как обычная рабочая переписка. Ты задаешь вопрос, получаешь черновик, раздражаешься на неточности, уточняешь, выбрасываешь половину и оставляешь то, что можно проверить. В этом нет блеска. Зато есть движение, а движение для начинающего бизнеса дороже очередной красивой идеи.

Первый рывок в AI-бизнесе начинается с простого упражнения. Возьми одну отрасль, которую ты хотя бы немного понимаешь. Не всю экономику. Одну отрасль. Запиши десять повторяющихся текстовых задач, которые там делают каждый день. Заявки, ответы, отчеты, инструкции, описания, напоминания, записи разговоров, отзывы, письма, сценарии.

Еще полезно держать перед глазами простую сцену: владелец малого бизнеса сидит вечером и пытается закрыть день. У него не философская проблема, а очередь из сообщений, счетов, обещаний и недоделанных ответов. Если твое AI-решение снимает хотя бы одну такую очередь и делает это предсказуемо, разговор о цене становится спокойнее. Если оно только звучит современно, его забудут через минуту.

Потом спроси себя, где ошибка или задержка стоит денег. Если администратор салона долго отвечает, клиент уходит. Если менеджер интернет-магазина плохо объясняет доставку, покупатель злится. Если школа не умеет быстро объяснить программу курса, заявки остывают. Там, где задержка стоит денег, появляется ценность.

Здесь помогает простая привычка. После каждого ответа спрашивать себя: какое следующее действие из этого следует. Не мысль, не настроение, не вдохновение, а действие. Позвонить. Написать. Посчитать. Убрать лишнее. Спросить клиента. Сравнить с конкурентом. Если действия нет, ответ можно сохранить, но нельзя считать работой.

После этого можно подключать ChatGPT. Не раньше. Иначе он будет придумывать красивый туман. Попроси его разложить выбранную задачу по шагам, предложить варианты улучшения, написать черновики сообщений, создать базу частых вопросов, подготовить сценарий внедрения на неделю, перечислить риски и способы контроля качества.

Мне важно повторить: скорость не отменяет трезвость. Если машина быстро написала убедительный текст, это еще не значит, что рынок согласился. Если она предложила цену, это еще не значит, что клиент заплатит. Если она нарисовала план роста, это еще не значит, что у тебя есть канал продаж. Каждый ответ надо вытаскивать наружу и проверять обычными скучными действиями.

Стоимость такого предложения можно проверить. Не угадывать вечность, а назвать цену трем потенциальным клиентам. Слишком дорого? Спросить, при каком результате было бы оправдано. Слишком непонятно? Переписать. Неактуально? Найти другую боль. Здесь нет унижения. Это работа.

Отдельно надо сказать про деньги. Большая цифра заставляет смотреть шире. Но цифра без механики вредна. Миллион годовой выручки может означать сто клиентов по тысяче долларов в месяц, или двадцать проектов по пятьдесят тысяч, или тысячи мелких подписок. За каждой схемой разные продажи, расходы, команда, риски и качество обслуживания.

Когда ChatGPT помогает строить финансовые проекции, его легко заставить нарисовать красивую таблицу. Сто клиентов, высокая удерживаемость, рост пятнадцать процентов, все сияет. Но настоящая ценность начинается с вопросов к этой таблице. Откуда придут сто клиентов? Сколько стоит привлечение одного? Кто будет выполнять работу? Что происходит, если половина клиентов просит доработки?

Я не хочу, чтобы после этой главы у тебя осталось ощущение, будто надо срочно бросаться во все стороны. Лучше наоборот. Выбери одну понятную область. Одну боль. Один маленький продукт или услугу. Один способ найти первых людей для разговора. Один срок проверки. Пусть это будет семь дней. За семь дней можно сделать больше, чем за месяц тревожного чтения про искусственный интеллект.

ChatGPT не является бизнесом. Он является усилителем. Усилитель плохой идеи делает плохую идею громче. Усилитель ясной ценности помогает быстрее донести ее до клиента. Усилитель дисциплины сокращает путь. Усилитель хаоса делает хаос нарядным. Выбирай, что усиливать.

Как разговаривать с машиной, чтобы она работала

Есть люди, которые открывают ChatGPT, пишут короткое «сделай красиво» и через минуту разочарованно закрывают вкладку. Им кажется, что инструмент переоценили. На самом деле они пришли к повару, кинули на стол пакет с продуктами и сказали: «Приготовь что-нибудь нормальное». Повар, может быть, и приготовит. Только потом не надо удивляться, что вышло не то.

Разговор с ChatGPT начинается не с магических слов. Он начинается с ясности. Чем лучше ты понимаешь задачу, тем полезнее будет ответ. Это звучит скучно, зато работает. Машине всё равно, насколько важен для тебя проект. Она не чувствует твою тревогу, срочность, стыд перед клиентом, надежду на продажу. Всё это надо переводить в условия, контекст и ограничения.

Большинство плохих ответов рождается из туманных запросов. «Напиши пост про бизнес». Какой бизнес? Для кого пост? Зачем он нужен? Человек должен купить, подписаться, задуматься, рассмеяться, поверить, записаться на консультацию? Где будет опубликован текст? Кто его читает: владелец маленького магазина, студент, директор производства, мама троих детей, врач, инвестор? Без этого модель делает усреднённую кашу.

Я отношусь к запросу как к маленькому техническому заданию. Не обязательно длинному. Иногда достаточно пяти строк. Кто я. Для кого делаю. Какой результат нужен. Какие ограничения. В каком формате ответить. Уже после этого качество резко меняется.

Например, слабый запрос: «Придумай идеи для бизнеса с ChatGPT». Сильнее: «Я одна, умею писать и разговаривать с предпринимателями, бюджета на разработку почти нет. Хочу за месяц проверить услугу для небольших салонов красоты: помогать им быстрее отвечать клиентам в мессенджерах и готовить тексты для акций. Предложи пять вариантов услуги, которые можно продать без создания приложения. Для каждого укажи, кому продавать, какой результат обещать, что сделать за первую неделю и какие риски».

Разница не в красоте формулировки. Во втором запросе есть земля под ногами. Модель не летает по всем возможным рынкам. Она работает в заданном коридоре. И чем уже коридор, тем меньше мусора.

Многие боятся сужать задачу. Кажется, что если сказать «салоны красоты», то можно потерять другие возможности. Но на старте широкий мир не помогает. Он парализует. Маленькая сцена полезнее. В ней можно увидеть клиента, его телефон, его администратора, его усталость от одинаковых вопросов, его желание заполнить окна в расписании. Там появляются детали. А детали продают лучше абстракций.

ChatGPT хорошо отвечает на роли, если роль нужна делу. Не надо заставлять его быть «гениальным стратегом мирового уровня» только ради театра. Лучше дать простую рабочую роль: «Ты редактор коммерческих предложений для малого бизнеса», «Ты скептичный владелец клиники», «Ты методист онлайн-школы», «Ты операционный менеджер, который ищет узкие места». Тогда ответ начинает смотреть на задачу под нужным углом.

Но роль без фактов тоже превращается в маску. Если ты пишешь: «Ты опытный маркетолог, придумай кампанию», получишь парад общих советов. Если добавляешь продукт, аудиторию, цену, канал продаж, прошлые попытки и ограничения, появляется разговор.

Я люблю начинать с грубого материала. Не надо ждать, пока мысль станет идеальной. Можно вставить в чат кривое описание идеи и честно сказать: «Разбери это. Что непонятно? Какие вопросы задаст клиент? Где звучит слишком громко? Где нет доказательства? Перепиши проще». Такой запрос часто полезнее, чем просьба создать всё с нуля.

Когда модель создаёт с нуля, она заполняет пустоты вероятностями. Когда ты даёшь ей свой материал, она работает с твоей реальностью. Да, всё равно может ошибаться. Но у неё уже есть опора.

В работе с бизнесом я бы выделила несколько типов запросов. Первый тип: разведка. Ты просишь показать варианты, сегменты, боли, конкурентов, риски. Второй: упаковка. Просишь сформулировать оффер, страницу, письмо, скрипт, описание услуги. Третий: проверка. Просишь найти слабые места, возражения, нестыковки, опасные обещания. Четвёртый: операционная работа. Просишь сделать инструкцию, чек-лист, шаблон, базу частых вопросов, план внедрения.

Если не понимать, какой тип запроса сейчас нужен, можно бесконечно получать не то. Ты хочешь проверить идею, а просишь рекламный текст. Модель начинает продавать то, что ещё не доказано. Ты хочешь текст для клиента, а просишь анализ рынка. В итоге уходишь в исследование и ничего не отправляешь. Перед каждым запросом полезно спросить себя: мне сейчас нужна мысль, черновик, критика или действие?

Возьмём простую ситуацию. Ты хочешь предложить маленьким онлайн-школам услугу: с помощью ChatGPT навести порядок в коммуникациях с учениками. Там обычно много повторяющихся вопросов: где урок, когда запись, как оплатить, что делать, если пропустил, почему нет доступа, когда проверят домашнее задание. Люди отвечают вручную, раздражаются, теряют время, ученики нервничают.

Сначала нужен запрос-разведка. «Составь список повторяющихся текстовых задач в небольшой онлайн-школе на 200-1000 учеников. Отдельно отметь задачи, где задержка ответа портит клиентский опыт или увеличивает нагрузку на команду». Такой ответ даст карту. Потом запрос на выбор: «Какие три задачи из списка можно улучшить без разработки приложения, только за счёт базы ответов, шаблонов, правил использования ChatGPT и обучения администратора?»

После этого можно переходить к упаковке. «Сформулируй услугу на семь дней: что я делаю, какой результат получает школа, какие материалы передаю, что не входит в работу, как объяснить ценность владельцу». Уже похоже на предложение. Но ещё рано радоваться.

Теперь нужна критика. «Представь, что ты владелец онлайн-школы, который устал от подрядчиков. Какие вопросы ты задашь перед покупкой? Что вызовет недоверие? Какие обещания звучат опасно? Что надо доказать?» Вот здесь часто становится неприятно. И хорошо. Неприятный ответ экономит деньги.

Потом действие. «Сделай короткое письмо для первого контакта. Не используй громкие обещания. Цель письма: получить 15-минутный разговор, чтобы понять, актуальна ли проблема. Тон спокойный, деловой, без давления». Такое письмо уже можно отправить. Не хранить в папке. Не полировать неделю. Отправить.

Умение отправлять важнее умения бесконечно улучшать. Работа с ChatGPT часто ломается на бесконечной доводке. Модель может переписывать текст сколько угодно. Каждый следующий вариант чуть отличается, и кажется, что где-то рядом спрятан идеальный. Это ловушка. На рынке идеальный текст не нужен. Нужен достаточно ясный текст, который дойдёт до человека и даст реакцию.

Поэтому я ставлю ограничения. Например: три итерации на письмо, потом отправка. Две итерации на оффер, потом разговор с клиентом. Один вечер на лендинг, потом первые показы. Иначе ChatGPT превращается в мягкую комнату, где безопасно думать о бизнесе и не делать бизнес.

Ещё одна полезная привычка: просить модель задавать вопросы перед ответом. Но осторожно. Если всегда просить десять уточняющих вопросов, можно утонуть в подготовке. Я обычно делаю так: «Если информации недостаточно, задай до пяти вопросов. Если можно сделать разумные допущения, сделай их и явно перечисли». Тогда работа не останавливается из-за мелочей.

Допущения надо видеть. Модель часто молча придумывает недостающие детали. Она может решить, что у тебя есть команда, бюджет, сайт, база клиентов, разработчик и терпение на три месяца. Если этого нет, ответ будет красивым и бесполезным. Поэтому в запросе стоит прямо писать ограничения: «Я работаю одна», «денег на рекламу нет», «срок проверки семь дней», «клиенты холодные», «нельзя использовать персональные данные», «решение должно быть ручным на первом этапе».

Возможности ChatGPT широки: он отвечает, пишет, переводит, помогает с кодом, идеями, обучением, поддержкой клиентов. Такой список вдохновляет. Но для работы одного вдохновения мало. Ширина возможностей полезна только после выбора задачи. Иначе ты стоишь перед огромным магазином инструментов и не знаешь, зачем пришла.

Хороший запрос похож на фразу в мастерской: «Мне нужно закрепить полку на бетонной стене, дома есть дрель, но нет опыта, полка будет держать книги». Тут сразу понятно, о чём говорить. Плохой запрос: «Расскажи про ремонт». Ответ будет длинным, общим и почти бесполезным.

С ChatGPT та же история. Не спрашивай «как заработать». Спроси: «Как мне проверить спрос на услугу подготовки клиентских ответов для частных клиник, если у меня есть две недели, опыт в текстах и нет портфолио в медицине?» Не спрашивай «сделай маркетинг». Спроси: «Какие три канала могут дать первые разговоры с владельцами клиник без рекламного бюджета, и что написать в первом сообщении?»

Вопрос должен вести к следующему действию. Иногда полезно просить не готовый ответ, а структуру мышления. Например: «По каким критериям выбрать между тремя идеями услуг?» Модель может предложить критерии: боль клиента, частота задачи, готовность платить, простота запуска, риск ответственности, наличие доступа к покупателям, повторяемость результата. Эти критерии потом можно применить к своим идеям.

Отбор важнее генерации. Идей слишком много. Списки на сто вариантов выглядят щедро, но часто только шумят. На практике человеку нужна не сотня, а три, которые он готов проверить. Поэтому после любой генерации стоит включать второй запрос: «Сократи список до трёх вариантов для человека без команды и бюджета. Объясни, почему остальные хуже для старта».

Модель любит быть полезной и может соглашаться с твоей фантазией. Ты говоришь: «Я хочу создать платформу для автоматизации всего малого бизнеса», она охотно пишет план. В такие моменты нужен режим сопротивления. «Покажи, почему эта идея слишком широкая для старта. Разбей её на маленькие услуги, которые можно продать вручную. Укажи, какая версия даст первые деньги быстрее». Такой запрос возвращает на землю.

Земля сначала кажется беднее мечты. Но именно на земле клиенты платят. Второй важный навык: просить примеры. Не общие советы, а живые формулировки. «Покажи три варианта письма», «дай пример разговора с клиентом», «составь таблицу вопросов для интервью», «напиши плохой вариант оффера и объясни, почему он плохой», «напиши хороший вариант без громких обещаний». Примеры делают мысль проверяемой.

Особенно полезно просить плохой вариант. Люди редко так делают. А зря. Когда модель показывает плохой оффер, сразу видно, какие фразы убивают доверие: «революционное решение», «уникальная возможность», «гарантированный рост», «искусственный интеллект нового поколения», «выведем ваш бизнес на новый уровень». Владелец бизнеса читает такое и мысленно закрывает дверь. Он слышал это сто раз.

Хороший текст часто спокойнее. «Я помогаю администраторам частных школ быстрее отвечать на повторяющиеся вопросы учеников и родителей. За неделю собираю базу ответов, шаблоны переписки и простые правила использования ChatGPT, чтобы команда меньше отвлекалась и не отправляла случайные ответы». Здесь нет фейерверка. Зато понятно, что делается.

ChatGPT может помочь убрать фейерверк. Для этого надо прямо просить: «Убери маркетинговый шум. Сделай проще. Напиши так, как это сказал бы человек на деловой встрече. Сохрани конкретику. Не обещай того, что нельзя доказать». После такого текст обычно становится лучше.

Но иногда модель впадает в другую крайность и пишет слишком гладко. Всё ровно, правильно, без единой живой заусеницы. Такие тексты не раздражают, но и не цепляют. Тогда можно дать другой запрос: «Сделай текст менее рекламным и более человеческим. Добавь одну конкретную ситуацию. Не используй пафос. Оставь лёгкую неровность речи». Нужно не превращать текст в спектакль, а вернуть ему человеческий голос.

Голос важен, потому что бизнес общается с людьми. Даже если внутри используется AI, снаружи клиент слышит тебя. Он оценивает не только смысл, но и тон. Есть тон человека, который понимает работу клиента. Есть тон человека, который выучил пять модных слов. Разница чувствуется сразу.

Чтобы ChatGPT попадал в тон, ему надо дать образ речи. Не «пиши профессионально». Это пустое. Лучше: «Пиши коротко, без канцелярита, как специалист, который уважает занятость владельца бизнеса. Не дави. Не используй юмор. Каждый абзац не длиннее четырёх строк». Или наоборот: «Пиши живо, с лёгкой иронией, но без клоунады, для аудитории начинающих предпринимателей».

Тон можно задавать через примеры. Если у тебя есть хороший текст, написанный тобой, можно вставить небольшой фрагмент и попросить: «Сохрани похожий ритм и прямоту, но не копируй фразы». Это работает лучше, чем абстрактное «сделай в моём стиле». Правда, надо следить, чтобы модель не перенесла лишнее. Она может имитировать поверхность, а не смысл.

В деловых задачах часто нужен формат. Модель любит длинно объяснять, если её не остановить. Поэтому формат лучше задавать заранее: таблица, список вопросов, письмо до 120 слов, структура страницы, сценарий разговора, план на 7 дней, чек-лист внедрения, краткое резюме для клиента. Формат экономит время.

Но списки не должны заменять мышление. Есть люди, которые собирают у ChatGPT бесконечные чек-листы и чувствуют себя готовыми. Чек-лист полезен, когда после него есть действие. Если чек-лист просто лежит, это ещё одна форма самообмана.

Для бизнеса особенно полезны запросы на интервью с клиентами. Не на продажу, а на понимание. Например: «Составь 12 вопросов для владельца небольшой клиники, чтобы выяснить, как у них сейчас обрабатываются заявки, какие вопросы повторяются, где теряются клиенты и готовы ли они платить за улучшение. Вопросы должны быть разговорными, без профессионального жаргона».

Такие вопросы помогают не продавать раньше времени. Новичок часто приходит к потенциальному клиенту с готовым решением и пытается убедить. Гораздо полезнее сначала выяснить, есть ли проблема в том виде, как ты её представляешь. Может быть, владелец клиники не страдает от заявок. Может быть, его боль в плохих отзывах. Может быть, в том, что администраторы отвечают каждый по-своему.

ChatGPT может придумать вопросы, но слушать придётся тебе. И слышать тоже тебе. Модель не увидит паузу в голосе клиента, его раздражение, его усталость, его недоверие. После разговора можно вернуться к чату и разобрать заметки. Но сам разговор нельзя заменить симуляцией.

Полезный запрос после интервью: «Вот мои заметки после разговора с владельцем онлайн-школы. Выдели: 1) факты, 2) предположения, 3) повторяющиеся боли, 4) возможные платные задачи, 5) что надо уточнить во втором разговоре». Это помогает отделить то, что человек действительно сказал, от твоего желания увидеть продажу.

Желание увидеть продажу очень сильное. Ты слышишь фразу «да, у нас бывают проблемы с ответами» и уже мысленно выставляешь счёт. А человек мог просто быть вежливым. Поэтому нужно искать сигналы силы. Он уже пытался решить проблему? Тратит на неё деньги? Теряет из-за неё клиентов? Назвал конкретный случай? Спросил цену? Попросил прислать предложение? Если нет, боль может быть слабой.

Если ты работаешь не одна, запросы нужны не только для получения результата, но и для согласования. Например, команда запускает чатбота поддержки. Один человек думает о клиентском опыте, другой о технической части, третий о юридических рисках, четвёртый о нагрузке операторов. ChatGPT может помочь собрать общий документ: цели, границы, сценарии передачи человеку, запрещённые темы, метрики, план тестирования.

Но если команда не договорилась, что именно хочет получить, модель создаст красивый документ, который прикроет разногласия. Это опасно. AI умеет делать видимость согласия. Все кивают, потому что текст гладкий. А потом выясняется, что один ожидал снижение расходов, другой рост продаж, третий хотел только эксперимент, а четвёртый боялся жалоб. Поэтому перед большим проектом стоит просить не итоговый план, а список спорных решений.

Запрос: «Мы хотим внедрить ChatGPT в поддержку интернет-магазина. Составь список решений, которые команда должна принять до запуска: какие вопросы бот имеет право закрывать, когда передавать оператору, как проверять ответы, какие данные нельзя использовать, какие метрики отслеживать, кто отвечает за обновление базы знаний». Такой ответ не продаёт мечту. Он вытаскивает работу.

Для контента свои правила. ChatGPT может быстро сделать статью, пост, письмо, описание товара. Но если давать ему только тему, он будет писать среднюю температуру по интернету. Чтобы получить полезный текст, надо дать материал: тезисы, позицию, примеры, аудиторию, цель, запреты. Хороший контентный запрос выглядит как разговор с редактором: «Вот мысль, вот читатель, вот что он уже знает, вот где он ошибается, вот к чему я хочу его привести».

Например: «Напиши пост для владельцев небольших фитнес-студий о том, как ChatGPT может помочь администраторам отвечать на частые вопросы клиентов. Читатель не разбирается в AI и боится, что бот будет отвечать глупо. Цель поста - не продать сразу, а показать безопасный первый шаг: база шаблонов под контролем человека. Добавь пример из переписки, без обещаний автоматизировать всё». Такой запрос почти заставляет текст быть конкретным.

Для программирования другой подход. Там важно давать окружение, язык, ошибку, ожидаемое поведение, кусок кода, ограничения. «Исправь код» без деталей приводит к гаданию. «Вот функция на Python, она должна читать CSV с заказами и считать выручку по месяцам, но падает на строках с пустой датой. Вот ошибка. Предложи исправление и объясни, что изменилось» - уже работа.

Но в коде особенно важно проверять. ChatGPT может написать убедительный фрагмент, который не запускается, использует устаревшую библиотеку или не учитывает крайний случай. Поэтому любой технический ответ должен проходить через тесты. Модель помогает, но не освобождает от проверки.

В финансовых расчётах то же самое. Просить модель построить проекцию можно. Верить ей без пересчёта нельзя. Особенно когда речь о деньгах, инвестициях, кредитах, налогах, юридических обязательствах. Тут ChatGPT полезен как черновой аналитик: собрать структуру, перечислить статьи расходов, показать сценарии, найти слабые допущения. Но решения надо принимать с людьми, которые несут профессиональную ответственность.

Запрос для финансовой модели должен быть осторожным: «Сделай упрощённый расчёт для услуги настройки AI-шаблонов поддержки. Укажи все допущения. Раздели выручку, прямые расходы, маркетинг, налоги, время основателя. Покажи оптимистичный, базовый и осторожный сценарий. Отдельно перечисли, какие цифры надо проверить на реальном рынке». Такой ответ не будет волшебной правдой, зато даст каркас.

<<1 2 3 4 >>

На страницу:

Перейти

2 из 4