Уволь себя: как заставить нейросеть делать твою работу

Глава 4. Семь слоёв цифрового исполнителя

Чтобы не утонуть в новых названиях, я предлагаю простую схему. Хороший цифровой исполнитель состоит не из одной нейросети, а из семи слоёв.

Представьте кухню ресторана.

Шеф-повар — это модель. Он умеет думать, планировать и выбирать рецепт. Но без продуктов, ножей, плиты, правил и контроля качества ресторан не заработает.

Слой 1. Модель

Модель — это «мозг» системы. Она понимает задачу, предлагает план, пишет, анализирует и решает, что делать дальше.

Слой 2. Контекст

Это всё, что модель должна знать именно о вашей ситуации: документы, таблицы, переписка, правила, прошлые решения, шаблоны, данные клиента.

Если попросить «сделай отчёт о продажах» и не дать данные о продажах, система либо задаст вопрос, либо начнёт фантазировать. Хороший исполнитель не угадывает то, что можно получить из источника.

Слой 3. Инструкции

Они объясняют, чего вы хотите. Не обязательно писать роман на три страницы. Часто достаточно определить цель, границы и готовый результат.

Например: «Возьми файл продаж за август. Сравни его с июлем. Создай новый Excel-файл с таблицей отклонений и диаграммой. Не меняй исходник. Если найдёшь пустые значения, вынеси их на отдельный лист».

Это уже намного лучше, чем «проанализируй продажи».

Слой 4. Инструменты

Инструмент — это возможность что-то сделать: открыть файл, запустить код, выполнить поиск, создать событие, отправить запрос к системе, изменить таблицу.

Модель может решить, какой инструмент использовать, но сам инструмент выполняет действие.

Слой 5. Память и состояние

Если работа длится долго, системе важно помнить, что уже сделано. Например, какие 200 клиентов проверены, на каком этапе остановилась обработка и какие ошибки были исправлены.

Без этого агент похож на сотрудника, который каждое утро просыпается без памяти о вчерашнем дне.

Слой 6. Разрешения

Что системе можно делать?

Читать документы — одно право.

Редактировать — другое.

Удалять — третье.

Отправлять письма — четвёртое.

Совершать покупку — ещё более серьёзное полномочие.

Умная система без ограничений может быть опаснее глупой. Поэтому хорошая архитектура даёт ровно те права, которые нужны для задачи.

Слой 7. Проверка

Как понять, что результат правильный?

Если это файл Excel — открывается ли он, сходятся ли итоги, корректны ли формулы?

Если это презентация — все ли обязательные слайды на месте, нет ли обрезанного текста?

Если это список клиентов — нет ли дублей, заполнены ли нужные поля?

Если это письмо — правильно ли указан адресат и приложен ли нужный файл?

Этот слой часто забывают. Именно поэтому многие красивые демонстрации ИИ плохо переживают встречу с реальной работой.

Соберите свой первый «стек»

Выберите одну простую задачу. Например: «Каждую пятницу делать отчёт о семейных расходах».

Запишите семь строк:

Модель: любая доступная модель.

Контекст: банковская выгрузка и категории расходов.

Инструкция: сравнить неделю с предыдущей.

Инструмент: Excel или другое табличное приложение.

Память: прошлые отчёты.

Разрешение: читать выгрузку и создавать новый файл, но не трогать банковский счёт.

Проверка: сумма категорий должна равняться общей сумме операций.

Вы только что спроектировали маленькую агентную систему, даже если пока ничего не программировали.

Глава 5. Промптинг после эры промптинга

Несколько лет назад вокруг ИИ возникла профессия «промпт-инженер», а интернет заполнили обещания «секретных промптов». Иногда хорошие формулировки действительно дают лучший результат. Но если вы хотите делегировать работу, промпт — лишь одна часть системы.

Я предпочитаю думать не о «магической фразе», а о техническом задании обычным человеческим языком.

Хорошее задание отвечает на шесть вопросов.

1. Что нужно получить?

Плохо: «Помоги с бюджетом».

Лучше: «Создай таблицу семейного бюджета на месяц с доходами, постоянными расходами, переменными расходами, накоплениями и итоговым остатком».

2. Из чего это делать?

«Используй приложенную банковскую выгрузку за август и список регулярных платежей».

Если исходных данных нет, никакой красивый промпт их не создаст.

3. Что нельзя делать?

«Не меняй исходный файл. Не придумывай категории, если операция непонятна: пометь её как „проверить“».

Запреты особенно полезны, когда агент умеет действовать.

4. Как выглядит готовый результат?

«Нужен XLSX-файл. На первом листе — сводка, на втором — все операции, на третьем — спорные строки. Итоговая сумма должна совпадать с исходной выгрузкой».

Это называется критерием готовности (definition of done). Термин английский, но идея бытовая. Когда вы говорите мастеру «сделайте ремонт», результат неясен. Когда перечисляете, что именно нужно покрасить и где должны быть розетки, становится понятнее.

5. Что делать, если чего-то не хватает?

Можно написать: «Если без ответа невозможно продолжить, задай один конкретный вопрос. В остальных случаях выбери разумный вариант и укажи допущение».

Это лучше, чем требовать от системы никогда не задавать вопросов или, наоборот, спрашивать разрешение на каждую мелочь.

6. Как проверить себя?

«Перед завершением убедись, что сумма по категориям равна сумме всех операций».

Простая проверка иногда полезнее ещё десяти строк инструкций.

Почему очень длинный промпт может вредить

Новички часто думают: чем длиннее инструкция, тем умнее ответ. На практике длинный промпт может содержать противоречия, лишние требования и устаревшие правила. Модели приходится учитывать всё сразу.

Лучше дать краткое ядро задачи, нужные данные и ясные критерии качества.

Например:

Создай из файла Продажи_август. xlsx краткий отчёт для владельца магазина. Сравни выручку по категориям с июлем, найди пять крупнейших изменений, сделай диаграмму и сохрани новый файл. Исходные файлы не меняй. Любое число в выводах должно быть проверяемо по таблице.

Здесь нет заклинаний. Но есть работа.

Маленькое упражнение

Возьмите фразу, которую вы обычно написали бы ИИ: «Сделай мне презентацию».

Допишите четыре вещи:

— для кого она;

— на основе каких материалов;

— какой файл должен получиться;

— как проверить готовность.

Уже после этого качество результата обычно повышается заметнее, чем после добавления десятка «умных» слов.

Глава 6. Контекст: топливо для реальной работы

Представьте помощника в первый рабочий день. Вы говорите ему: «Подготовь предложение для нашего клиента Иванова».

Если помощник ещё не знаком с клиентом, не знает ваших цен и шаблона, не видел предыдущую переписку, задача почти невыполнима. Одних способностей здесь недостаточно: ему нужен контекст.

С ИИ происходит то же самое.

Что может входить в контекст

Это могут быть:

— файл с требованиями;

— старое коммерческое предложение;

— переписка с клиентом;

— прайс-лист;

— таблица продаж;

— брендбук;

— инструкция компании;

— список запрещённых формулировок;

— предыдущая версия документа;

— база знаний.

Чем точнее данные соответствуют задаче, тем меньше модели приходится угадывать.

Почему нельзя просто «загрузить всё»

Кажется логичным: если контекст полезен, давайте дадим системе всю папку за пять лет. Но это похоже на попытку помочь человеку, высыпав ему на стол все архивные коробки компании.

Проблемы три.

Первая — устаревшие данные. В старом прайс-листе цена одна, в новом другая. Если система не знает, какой файл главный, она может взять неправильную.

Вторая — противоречия. В одной инструкции написано «ответить за 24 часа», в другой — «за 48 часов».

Третья — шум. Чем больше посторонней информации, тем труднее выделить главное.

Поэтому хороший контекст — не максимальный, а управляемый.

RAG простыми словами

Вы можете встретить термин RAG — Retrieval-Augmented Generation, то есть генерация с поиском по внешним данным.

Представьте библиотекаря. Вы задаёте вопрос. Он не приносит вам всю библиотеку. Сначала находит несколько подходящих книг и страниц, а уже потом отвечает на их основе.

RAG делает примерно то же: система находит подходящие фрагменты в ваших документах и добавляет их в контекст модели.

Это полезно для больших баз знаний, инструкций, договоров и архивов.

Но RAG не гарантирует истину. Если поиск нашёл неправильный документ, модель может аккуратно выстроить вывод на основе неправильного источника. Поэтому важны метаданные: дата, версия, владелец, статус документа.

Контекстный пакет

Для важных проектов полезно собрать маленький «пакет контекста»:

1. короткое описание проекта;

2. цель;

3. актуальные исходные файлы;

4. правила и ограничения;

5. примеры хорошего результата;

6. список терминов;

7. сведения о том, что уже решено.

Такой пакет полезен и человеку. Если новый сотрудник сможет разобраться по нему, скорее всего, и ИИ будет работать лучше.

Глава 7. Память: как не объяснять всё заново

Контекст нужен прямо сейчас. Память нужна, чтобы завтра не начинать работу с нуля.

Это различие полезно понимать.

Если вы в чате написали: «Мою кошку зовут Марта», а через пять сообщений спросили: «Как её зовут?», система может помнить это в рамках разговора. Но будет ли она помнить имя через неделю в другом проекте — зависит от продукта и настроек.

В рабочих системах память часто строят не как человеческое воспоминание, а как сохранённое состояние.

Что стоит сохранять

Представим, что агент каждую неделю анализирует продажи.

Ему полезно знать:

— где лежат файлы;

— какую версию отчёта считать последней;

— какие категории используются;

— какие ошибки уже были исправлены;

— какой формат предпочитает руководитель;

— какие задачи остались незавершёнными.

Но не всё стоит превращать в «память».

Например, текущий курс валюты лучше каждый раз получать из свежего источника. Текущую цену товара — тоже. Должность сотрудника может измениться. Поэтому динамические факты лучше запрашивать заново, чем надеяться на устаревшее сохранённое значение.

Память может ошибаться

Есть неприятный эффект: сохранённая ошибка становится устойчивой.

Если однажды система записала, что основной клиент — «ООО Альфа», хотя это уже не так, и потом месяцами использует эту информацию, ошибка начинает влиять на новые документы.

Поэтому рабочая память должна быть управляемой: должно быть видно, откуда пришёл факт, когда он обновлялся и каким источником его при необходимости заменить.

Память и конфиденциальность

Чем больше система помнит о вас и компании, тем выше ценность этой памяти — и тем выше требования к защите.

Не храните секреты просто потому, что «так удобнее». Пароли, ключи API, данные банковских карт и другие чувствительные сведения должны жить в предназначенных для этого защищённых системах, а агенту следует давать только необходимый доступ.

Журнал важнее памяти

Для серьёзной автоматизации я бы выделил отдельную вещь — журнал действий.

Память говорит: «что мы знаем».

Журнал говорит: «что мы сделали».

Например:

09:02 — получен файл Продажи_август. xlsx.

09:03 — обнаружено 812 строк.

09:04 — 7 строк без категории вынесены на проверку.

09:06 — создан новый файл отчёта.

09:07 — итоговая сумма сверена с исходником.

Когда всё хорошо, журнал кажется скучным. Когда что-то пошло не так, он становится бесценным.

Теперь у нашего цифрового исполнителя есть мозг, контекст и память. В следующей части не будем сразу погружаться в API и протоколы: сначала посмотрим на то, что новичку знакомо лучше всего — Word, Excel, PowerPoint, почту и обычные файлы. Так легче увидеть практическую пользу, а уже затем понять технический механизм.

ЧАСТЬ III. ПЕРВЫЕ РЕАЛЬНЫЕ РЕЗУЛЬТАТЫ: WORD, EXCEL, POWERPOINT И ФАЙЛЫ

Глава 8. Word: от «напиши текст» к готовому документу

Word кажется простым приложением, потому что большинство людей используют его как печатную машинку: открыли документ, набрали текст, сохранили файл. Но настоящий рабочий документ — это не только слова.

У него есть структура, заголовки, таблицы, стили, нумерация, ссылки, иногда колонтитулы, комментарии и версия для согласования.

Поэтому задача «напиши отчёт» и задача «подготовь готовый Word-документ» сильно отличаются.

Перед началом проверьте простую вещь: умеет ли выбранный сервис действительно создавать или редактировать файл DOCX. Если он может только написать текст в чате, результатом будет текст, а не готовый Word-файл. Тогда либо перенесите текст в Word сами, либо используйте инструмент или приложение, которому разрешена работа с документами.

Полный цикл

Представим, что нам нужен отчёт о проекте.

Хороший агентный процесс выглядит так:

1. Прочитать исходные материалы.

2. Выделить факты и решения.

3. Построить структуру.

4. Написать черновик.

5. Проверить, что выводы опираются на данные.

6. Применить шаблон компании.

7. Добавить таблицы.

8. Проверить заголовки и нумерацию.

9. Сохранить DOCX.

10. Открыть результат и убедиться, что ничего не «съехало».

Последний шаг важнее, чем кажется. Документ может быть технически создан, но таблица вышла за поля страницы или заголовок остался внизу страницы без следующего абзаца.

Microsoft 365 и агентный режим

В апреле 2026 года Microsoft объявила, что агентные возможности Copilot в Word, Excel и PowerPoint стали общедоступны. Компания описывает эти возможности как способность выполнять многошаговые действия прямо внутри документа, таблицы или презентации. [13]

Это хороший пример общего движения рынка: ИИ больше не ограничивается боковой панелью с советами. Он получает возможность менять сам объект работы.

Простой пример

Допустим, вы управляете маленькой школой и хотите сделать инструкцию для новых учеников.

Вместо команды «Напиши инструкцию для учеников» дайте системе следующие исходные материалы:

— старую инструкцию;

— расписание;

— список контактов;

— логотип;

— требования к оформлению.

Поставьте задачу:

«Создай двухстраничный Word-документ для новых учеников. Используй простой язык. Сделай разделы „Первый день“, „Расписание“, „Что взять с собой“, „К кому обратиться“. Применяй заголовки Word, а не просто жирный текст. В конце проверь, что телефоны и часы работы взяты из приложенных материалов, а не придуманы».

Так мы делегируем документ, а не отдельный абзац.

Где человек всё ещё полезен

Есть вещи, которые трудно формализовать: дипломатический тон, чувствительные политические темы, скрытая история отношений между людьми.

В таких ситуациях ИИ может подготовить основу, но финальный выбор формулировок остаётся за человеком.

Автоматизация не требует убрать человека отовсюду. Она требует освободить его от механических шагов, где его внимание почти ничего не добавляет.

Глава 9. Excel: не таблица, а модель

Excel — одна из областей, где ИИ может принести огромную пользу и одновременно создать очень убедительную ошибку.

Причина проста: таблица с красивыми числами выглядит серьёзно. Но если формула неверна, красота только маскирует проблему.

Поэтому к Excel мы подойдём медленно.

Что ИИ может делать с таблицей

Современный агент может помочь, но для первых запусков лучше работать с копией книги Excel и сохранять исходный файл без изменений:

— импортировать данные;

— привести даты к одному формату;

— очистить лишние пробелы в рабочей копии;

— найти и пометить дубликаты;

— добавить формулы;

— построить сводную таблицу;

— сделать диаграмму;

— предложить возможные причины изменения показателя;

— сравнить сценарии;

— найти подозрительные значения.

В агентном режиме Excel Microsoft прямо описывает возможность выполнять анализ, объяснять его результаты и вносить изменения в книгу — от формул до таблиц и визуализаций. [13]

Наш сквозной пример: маленький онлайн-сервис

Предположим, мы запускаем сервис с подпиской за 15 евро в месяц.

Нам нужно оценить:

— сколько клиентов придёт;

— сколько заплатят;

— сколько клиентов уйдёт;

— сколько стоит реклама;

— сколько стоят серверы и поддержка;

— когда проект выйдет в плюс.

Новичок часто просит: «Сделай финансовую модель».

Это слишком расплывчато.

Лучше перечислить допущения:

Цена: 15 евро.

Старт: 100 клиентов.

Новые клиенты: 10% от числа активных клиентов в начале месяца.

Отток: 4% от той же активной базы в начале месяца.

Реклама: 2000 евро в месяц.

Прочие постоянные расходы: 1500 евро.

Тогда логика расчёта числа клиентов прозрачна: клиенты следующего месяца = клиенты в начале месяца + новые клиенты — ушедшие клиенты. В таком учебном прогнозе дробное число клиентов можно трактовать как ожидаемое значение. Если же вы говорите «рост 10%» и уже имеете в виду чистый рост после оттока, отдельно вычитать ещё 4% нельзя — получится двойной учёт.

Также заранее задайте момент, к которому относится выручка. Если подписка списывается в начале месяца, одна формула будет уместна; если люди приходят и уходят в течение месяца, для прогноза может понадобиться среднее число активных клиентов. Важна не сложность формулы, а явное правило времени.

Затем попросите создать лист «Допущения», где все числа, которые можно менять, вынесены отдельно. Это важный принцип хорошей модели: не прятать исходные предположения внутри формул.

Формула должна быть проверяема

Допустим, агент рассчитал выручку месяца как:

клиенты × цена.

Это понятно.

Но если он создаёт сложную формулу из двадцати вложенных функций, а вы не понимаете, что она делает, риск растёт.

Для важных таблиц я рекомендую просить три вещи:

1. Отдельно перечислить допущения.

2. Подписать ключевые формулы человеческим языком.

3. Сделать контрольные проверки.

Например:

«Сумма расходов по категориям должна равняться общим расходам».

Сводные таблицы и диаграммы

ИИ особенно полезен для людей, которые никогда глубоко не изучали Excel.

Вы можете попросить:

«Покажи продажи по месяцам и категориям. Сделай сводную таблицу и диаграмму. Отдельно выдели три категории с самым сильным падением».

Но не забывайте: вывод должен быть связан с реальными данными.

Если продажи упали на 20%, это факт.

Почему они упали — уже гипотеза. Возможно, сезонность. Возможно, цена. Возможно, закончился товар. Таблица сама не доказывает причину.

Проверка Excel-файла

Перед тем как доверять созданной книге, задайте пять вопросов:

— открывается ли файл без ошибок;

— есть ли ожидаемые листы;

— верны ли ссылки формул;

— сходятся ли контрольные суммы;

— не подменены ли реальные данные придуманными.

Если речь идёт о деньгах, я бы добавил независимую проверку ключевых итогов калькулятором, кодом или альтернативной формулой.

Что меняется для новичка

Раньше человек мог годами не пользоваться сводными таблицами, потому что не знал, где находится нужная кнопка.

Теперь путь другой. Вы описываете результат естественным языком, а агент выполняет механическую часть. Ваша новая задача — не помнить каждый пункт меню, а понимать, какой анализ имеет смысл и как проверить ответ.

Глава 10. PowerPoint: делегировать презентацию, а не текст слайдов

Есть простой способ получить плохую презентацию: попросить ИИ «сделать десять слайдов о нашей компании».

Система честно создаст десять слайдов. Но число слайдов — не цель презентации.

Перед хорошей презентацией нужно ответить на три вопроса:

— кто будет смотреть;

— что этот человек должен понять;

— какое решение должно стать проще после просмотра.

Презентация — это последовательность аргументов

Допустим, мы хотим убедить партнёра вложиться в наш сервис.

Плохая структура:

1. О компании.

2. Наша миссия.

3. Наш продукт.

4. Рынок.

5. Команда.

Это набор тем.

Более сильная структура может быть такой:

1. У клиента есть дорогая проблема.

2. Сейчас её решают плохо.

3. Наш продукт сокращает конкретные издержки.

4. Вот данные пилота.

5. Вот размер доступного рынка.

6. Вот экономика.

7. Вот риски.

8. Вот что нам нужно для следующего этапа.

Это уже аргумент.

Что агент может сделать

Если дать ему исходный отчёт и Excel-модель, он может:

— выбрать ключевые выводы;

— предложить логику презентации (storyline);

— создать слайды;

— перенести диаграммы;

— применить шаблон;