Автоматизация рутины: с каких задач начать

«Пусть нейросеть напишет мне стратегию развития на год» - с этого хочется начать почти каждому. Дальше идёт неделя возни с задачей, которая случается раз в квартал, результат всё равно переписывается руками от первой строки до последней, и человек уходит с вердиктом «мне это не подходит».

Работающий порядок выглядит иначе. Первым берут то, что возвращается к тебе изо дня в день, отъедает заметный кусок рабочего времени и почти ничего не стоит при промахе. Повторяемость, объём, цена ошибки - три критерия, по которым отбирают кандидата номер один. Сложное, редкое и дорогое никуда не денется, к нему возвращаются позже, когда рука набита на безопасном материале.

Ниже разложены все шаги: как за день составить список собственной рутины, чем его отсортировать, что положить в промпт, как ловить типовые сбои модели и по каким признакам понять, что пора уходить из чата в сценарий.

Если ты пока сомневаешься, стоит ли вообще звать нейросеть в свои процессы, начни с обзорной карты задач для ИИ-ассистента: там семь типовых зон, где отдача видна почти сразу.

Почему первой берут частую и дешёвую в ошибке задачу?

Настройка отбивается повторами. Вечер, потраченный на промпт, делится на все будущие запуски: у ежедневной задачи делитель растёт каждый день, у квартальной стоит на месте почти год. Сложность в этой арифметике почти не участвует, она влияет разве что на длину самого промпта.

Хватаются обычно как раз за самое трудное, потому что оно ощущается важным. Получается покупка башенного крана ради одной картины: раз в три месяца пригодится, всё остальное время стоит во дворе и ржавеет. К тому же редкую задачу ты каждый раз запускаешь заново с нуля, забыв, где лежал промпт и почему в нём написано именно так.

Есть и второй аргумент, менее очевидный. Частая задача даёт короткий цикл обратной связи: сегодня ты увидел, где модель промахнулась, завтра дописал строку в промпт, послезавтра проверил, помогло ли. За две недели набегает десяток итераций, и промпт дозревает сам собой. С редкой задачей цикл растягивается на месяцы, за это время ты успеваешь забыть контекст правки.

• Повторяемость. Чем чаще задача возвращается, тем больше ты выигрываешь с каждым разом. Настроил однажды - пользуешься, пока задача жива.
• Объём. Дело на полминуты, даже ежедневное, настройки не стоит. Ищи то, что стабильно отъедает по двадцать-тридцать минут за подход.
• Цена ошибки. Для первой задачи бери зону, где промах не бьёт по деньгам и репутации. На безопасном материале ты спокойно доверишься модели и научишься её проверять.

Идеальный кандидат стоит на пересечении всех трёх: делаешь часто, тратишь много, ошибка дешёвая. Обычно это одна-две задачи из всего списка, и они же обычно самые скучные. Логика тут та же, что в принципе Парето: небольшая часть твоих действий съедает большую часть времени, и охота идёт именно за ней.

Как собрать карту рутины за один рабочий день?

Работать надо по записям. Память подводит именно там, где ты рассчитываешь на неё больше всего: самое частое примелькалось, перестало ощущаться работой и в список по памяти просто не попадает. Спроси человека, на что уходит его день, и он назовёт три-четыре крупных дела, забыв про сорок мелких перекладываний, которые и составили половину рабочего времени.

Один рабочий день записывай в заметки каждую задачу, которую делаешь руками, и сколько это заняло. Грубо, на глаз, с точностью до пяти минут. Формат строки простой: что было триггером, что ты делал, сколько времени, чем закончилось.

Главная ловушка на этом шаге - слишком крупные формулировки. Строка «работал с почтой, полтора часа» бесполезна: внутри неё сидят четыре разных дела, и автоматизировать их надо по-разному. Дроби до уровня, на котором понятно действие: «ответил трём клиентам про сроки доставки, 12 минут», «переслал счёт бухгалтеру и продублировал в чат, 4 минуты», «свёл заметки со встречи в письмо, 25 минут».

Вторая ошибка - фильтровать список по признаку «похоже на работу». Проверки статусов, пересылки файлов, копирование данных из письма в таблицу, поиск прошлогоднего документа по папкам - всё это идёт в список наравне с остальным. Именно такие дела чаще всего оказываются наверху итогового рейтинга.

К вечеру список выйдет длиннее, чем ты ожидал. Это и есть сырьё. Одного дня достаточно для старта, а если растянуть наблюдение на три, в записях проступит недельная ритмика: понедельничная отчётность, пятничные сводки, ежедневный разбор заявок.

Дальше прогони список через модель. Скинь его целиком и попроси:

«Вот мои задачи за день с временем. Раздели их на повторяющиеся (делаю регулярно) и разовые. Повторяющиеся отсортируй по суммарному времени в неделю, для этого спроси у меня частоту там, где она не очевидна. Отметь, где ошибка стоит дорого, а где почти ничего. Отдельно выдели задачи, которые выглядят разными, но требуют одного и того же навыка.»

Последний пункт часто оказывается самым полезным. Он вытаскивает наружу скрытые повторы: ответ клиенту, ответ поставщику и сообщение в чат команды выглядят как три разных дела, а под ними лежит один навык «сформулировать вежливый текст по коротким вводным». Объединив их, ты получаешь высокочастотник там, где по отдельности не было ни одного.

Какую задачу брать первой?

Ту, что наберёт наибольшую сумму баллов по трём критериям. Возьми топ-5 из своего списка и поставь каждой оценку от 1 до 3 по повторяемости, объёму и дешевизне ошибки. Шкала грубая нарочно: тебе важен порядок строк, а десятые доли балла ничего тут не решают.

Задача	Повторяемость	Объём	Дешевизна ошибки	Итог
Ответы на типовые вопросы клиентов	3	3	3	9
Черновики постов из тезисов	3	2	3	8
Разбор входящих заявок по полкам	3	2	2	7
Сводка встречи из расшифровки	2	2	3	7
Договор с новым подрядчиком	1	2	1	4

Как ставить баллы: по повторяемости тройка означает «каждый день», двойка - «пару раз в неделю», единица - «раз в месяц и реже». Объём: тройка достаётся задачам, которые за неделю набирают несколько часов суммарно. С ценой ошибки шкала перевёрнута, чем безобиднее последствия промаха, тем выше балл. Извинение и переделка - три, деньги, штраф или потерянный клиент - один.

Договор упал вниз таблицы по другой причине: встречается он редко, а промах в нём стоит дорого, и учиться на таком материале неудобно. Начинай с верхней строки, к договорам вернёшься месяца через два, когда научишься видеть, где модель врёт.

Если две задачи набрали одинаково, бери ту, где у тебя уже есть готовые примеры хорошего результата. Пять старых ответов клиентам, которые тебе нравятся, экономят половину работы над промптом. Задачу, для которой примеров нет вообще, оставь на второй заход.

Ещё один фильтр стоит применить до всех баллов: задача должна быть твоя. Автоматизировать то, что делает другой человек, не заглядывая ему через плечо неделю, - верный способ собрать промпт под воображаемый процесс. Начинай с того, что делаешь руками сам.

Хочешь пройти этот путь не в одиночку и с разбором своих задач - забирай бесплатное обучение по ИИ для бизнеса: внутри пошаговый маршрут от первой автоматизации до собранной ИИ-команды, готовые промпты и живые примеры процессов.

Как выглядит автоматизация одной задачи целиком?

Разберу верхнюю строку таблицы - ответы на типовые вопросы клиентов. Сначала проверка по трём критериям, потом сбор материала, потом промпт, потом первая неделя работы.

Частота даёт максимум: такие вопросы прилетают десятками в день, и формулировки повторяются почти дословно - про сроки доставки, наличие размеров, условия возврата. По объёму то же самое, каждый ответ стоит две-три минуты вместе с переключением внимания, а к вечеру набегает больше часа. Ошибка тут стоит копейки: суховатый ответ клиент переживёт, а финальную отправку на старте ты держишь под своим контролем.

Материал собирается за полчаса. Открой переписку за последние две недели и выпиши десять самых частых вопросов вместе со своими ответами, которые тебе самому нравятся. Эти десять пар и есть ядро всей автоматизации: они задают и содержание, и интонацию. Отдельным списком выпиши запреты - то, чего в ответе быть не должно ни при каких условиях.

Дальше собирается промпт с ролью «служба поддержки». В него кладутся пять из десяти пар вопрос-ответ как образцы, список запретов и правило поведения в незнакомой ситуации. Оставшиеся пять пар не трогай, они пригодятся для проверки: прогонишь их через готовый промпт и сравнишь с тем, что ты написал бы руками.

Первая неделя выглядит так. Утром ты вставляешь накопившиеся вопросы пачкой по пять-семь штук, получаешь черновики, правишь то, что не нравится, отправляешь. Каждую свою правку дописываешь в промпт отдельной строкой - без этого завтра будешь править ровно то же самое. К концу недели правок становится заметно меньше, а промпт разрастается до полутора экранов и выглядит уже как рабочая инструкция.

Когда поток вопросов перерастает ручную вставку, та же логика разворачивается в полноценного чат-бота для бизнеса, который отвечает сам. Промпт при этом переезжает почти целиком - неделя ручной работы даёт готовое ядро, которое остаётся подключить к каналу связи.

Что положить в промпт для модели?

Четыре обязательные части: роль, вход, границы и пример. Код на этом этапе не нужен, высокочастотная рутина почти всегда закрывается текстом.

Промпт удобно представлять как инструктаж сотрудника, который выйдет на работу завтра, послезавтра и через месяц, причём каждый раз с полностью чистой памятью о вчерашнем дне. Всё, чего ты не написал, он додумает сам - по среднему интернету, поскольку про твой бизнес ему ничего не известно.

• Роль и контекст. «Ты работаешь в поддержке магазина косметики. Пишешь спокойно, на ты, без канцелярита, короткими абзацами.»
• Вход. Что ты будешь давать каждый раз: вопрос клиента, тезисы для поста, расшифровку встречи. Опиши формат, чтобы модель не гадала, где заканчивается инструкция и начинаются данные.
• Правила и границы. Чего делать нельзя: обещать конкретные сроки, называть цены без прайса, придумывать характеристики товара, извиняться по три раза в одном сообщении.
• Пример. Один-два готовых ответа, сделанных руками. По образцу модель подстраивается заметно точнее, чем по любому описанию интонации; в документации Anthropic этот приём разобран отдельно под названием multishot prompting.

Пятой частью полезно добавить формат вывода. Скажи прямо: «верни только текст ответа, без вступлений и без предложений помочь ещё чем-нибудь». Иначе половину времени будешь вырезать вежливые обёртки, которые модель дописывает по привычке.

Шестая часть, про которую забывают почти все, - поведение в тупике. Пропиши явно: «если данных для ответа не хватает, напиши одну строку с пометкой УТОЧНИТЬ и перечисли, чего не хватает». Это переводит выдумывание в честный запрос и экономит потом больше всего нервов.

Базовые принципы построения таких инструкций описаны в руководстве Anthropic по промпт-инжинирингу и в гайде OpenAI. Читать их подряд необязательно, но раздел про примеры и про явные ограничения стоит времени.

Сохрани собранное как шаблон в отдельном файле, а не в истории чата. Дальше работа сводится к движению «вставил вход - забрал черновик», и на это уходят секунды.

Как проверять то, что выдала модель?

Первую неделю читай каждый ответ целиком. Цель этого чтения шире контроля качества: ты составляешь карту слабых мест конкретной модели на конкретной задаче. Сыпется она предсказуемо, как ученик, который на любой контрольной спотыкается об одни и те же три темы.

Выдуманные факты. Модель назовёт цену, срок или деталь, которых ты ей не давал, и сделает это тем же ровным уверенным тоном, что и всё остальное. Спасает жёсткое правило про тупик, о котором шла речь выше, плюс прямая формулировка: не знаешь - пиши, что уточнишь. Проверяй в первую очередь любые числа и любые названия, они врут чаще всего.

Плывущий тон. То департаментская официальность, то похлопывание по плечу. Тут выручают примеры: две живые реплики в промпте держат интонацию надёжнее трёх абзацев описания.

Потерянные края. На длинном входе модель добросовестно отрабатывает середину и роняет то, что лежало в самом начале и в самом конце данных. Дроби вход на куски поменьше и перечисляй явно, какие пункты обязаны попасть в ответ.

Тихое расширение задачи. Просил переформулировать - получил переписанное заново, с новыми смыслами. Закрывается границей в промпте: «сохраняй все факты и структуру исходника, меняй только формулировки».

Когда правки перестанут быть содержательными и сведутся к запятым, контроль можно ослабить до выборочного: читаешь каждый третий ответ, а остальные просматриваешь по диагонали на предмет чисел и обещаний. Полностью убирать человека из цикла на задачах с любой ценой ошибки всё же рано. Объём модель снимает хорошо, а вот вопрос вроде «вернут ли мне деньги за заказ» остаётся твоим - отвечать на него будешь ты.

Полезная привычка: раз в неделю прогонять через промпт те самые отложенные пять вопросов с эталонными ответами. Если результат поехал, значит, ты за неделю дописал в промпт что-то противоречивое, и это видно сразу, а не через месяц по жалобам.

Какие проблемы процесса ломают автоматизацию?

Чаще всего провал списывают на нейросеть, хотя причина лежит до неё. Разберу четыре ситуации, которые встречаются постоянно.

Первая: у задачи нет эталона. Ты не можешь показать модели хороший результат, потому что и сам каждый раз делаешь по-разному. Тут автоматизация начинается с того, что ты один раз делаешь задачу медленно и осознанно, фиксируя, что именно считаешь хорошим итогом. Без этого шага любой промпт будет спором с самим собой.

Вторая: задача названа именем отдела. «Автоматизировать маркетинг» не поддаётся никакому промпту, потому что внутри сидят двадцать разных дел. Спускайся до уровня, где есть понятный вход и понятный выход: тезисы на входе, черновик поста на выходе.

Третья: модели не хватает знаний о твоём деле. Она отлично формулирует, но не знает твоего прайса, условий возврата и того, что вы не работаете с самовывозом. Длинный промпт эту дыру не закрывает, помогает отдельно собранная база знаний для нейросети, к которой модель обращается при каждом запросе.

Четвёртая: экономия съедена копипастом. Промпт работает, черновики хорошие, но ты десять раз в день переключаешься между вкладками, копируешь текст туда и обратно и тратишь на это те же минуты, которые сэкономил. Признак того, что пора переходить к следующему шагу.

Когда пора уходить из чата в сценарий?

Три признака, каждого по отдельности достаточно: ты копируешь одно и то же между окнами больше десяти раз в день; задача должна запускаться без тебя, по расписанию или по событию; данных стало столько, что вставлять их руками физически неудобно.

Дальше выбор зависит от того, где живут данные.

Когда всё крутится вокруг таблиц, посмотри в сторону встроенных инструментов: Google Apps Script для Google Таблиц и VBA для Excel. Что из этого имеет смысл писать руками, а что проще отдать модели, разобрано в сравнении макросов и ИИ в Excel.

Для связки нескольких сервисов между собой - почты, таблицы, мессенджера, CRM - берут визуальный конструктор сценариев. Самый популярный вариант с открытым кодом и подробной документацией освоить реально за пару вечеров, пошаговый маршрут по n8n сокращает этот путь ещё сильнее.

Однотипные данные, которые лежат файлами и которых много, быстрее всего разбирает короткий скрипт. Тысяча строк выгрузки в csv уходит у готового кода за секунды; что из рутины реально закрывается скриптом на Python, а что проще оставить человеку, стоит прикинуть заранее.

Сценарий, который сам решает, каким будет следующий шаг, вместо движения по жёсткой ветке, - это уже ИИ-агенты. Следующая ступень, и браться за неё стоит после того, как пара простых автоматизаций у тебя уже работает без присмотра.

Отдельный вопрос - собирать самому или заказывать готовое. Оба варианта живые, разница в цене ошибки и в скорости; сравнение подходов есть в материале про агентов под ключ и сборку своими руками.

Что отвечать на частые возражения об автоматизации?

«У меня нет одинаковых задач, всё разное.» Так кажется ровно до того момента, пока день не записан по минутам. Одинаковое прячется за разными словами, и вытаскивает его на свет именно карта рутины, особенно та её часть, где ты ищешь общий навык под разными задачами.

«А если модель ошибётся и я подставлюсь?» Для того первая задача и выбирается с дешёвой ошибкой. Ты работаешь на материале, где худший исход - извинение и переделка. Дорогое - договоры, цифры для отчётности, публичные заявления - подключается позже и всегда через твою проверку.

«Мне проще сделать самому, чем объяснять модели.» В первый раз объяснить действительно дольше. Промпт пишется однажды, а работает каждый день, и у высокочастотника есть чем отбить потраченный вечер. У разовой задачи такого шанса нет вовсе, и именно поэтому она стоит в списке последней.

«Я пробовал, получилась ерунда.» Почти всегда это один запрос без роли, без примера и без границ, отправленный в чат наспех. Разница между таким запросом и собранным промптом с образцом примерно как между «сделай красиво» и техническим заданием на две страницы.

«Клиенты почувствуют, что им отвечает робот.» Почувствуют, если промпт собран без единого твоего примера и модель пишет усреднённым языком поддержки. Пять живых реплик в промпте убирают эту проблему быстрее любых настроек, а финальная отправка всё равно остаётся за тобой, пока ты сам её не отпустишь.

«Это дорого.» Первая автоматизация обходится в стоимость подписки на одну модель и один потраченный вечер. Считать окупаемость проще всего в часах: если задача занимала пять часов в неделю, а стала занимать полтора, ответ получается сам.

Что делать с промптом после первой задачи?

Положить его в отдельное место, и завести это место сразу, пока промпт один. Через месяц у тебя таких промптов будет десяток, все свалены в одну заметку, и поиск нужного превратится в отдельное занятие.

Одна автоматизированная задача - это молоток. Полезный, но сам по себе. Порядок появляется, когда у каждого инструмента есть свой крючок на стене: промпты поддержки на одном, копирайтера на другом, аналитика на третьем. Свои правила, свой формат входа, свои примеры под рукой у каждого. Новый инструмент вешается на свободный крючок и потом снимается оттуда готовым.

Минимальная структура папки выглядит так: название задачи, сам промпт, два-три эталонных результата, строка с датой последней правки. Дата нужна, чтобы через полгода понимать, какая версия свежая, а эталоны пойдут в еженедельную проверку, о которой шла речь выше.

Так постепенно собирается ИИ-команда: набор ролей, у каждой свой ящик с инструментами и своя память о твоём деле. Устройство такой роли и её отличие от одного универсального чата разобраны в материале про цифрового сотрудника, а последовательность сборки - в инструкции как собрать ИИ-сотрудника с нуля. Общая картина того, какие процессы вообще поддаются такому переносу, есть в карте возможностей автоматизации.

Разборы таких связок, готовые промпты и шаблоны ролей лежат в закрытом канале ИИмперии - если хочешь снять с крючка готовое вместо того, чтобы пилить с нуля.

Как замерить, что автоматизация действительно сработала?

Три показателя, все считаются на коленке.

Время на задачу до и после. Цифру «до» ты уже записал, когда собирал карту рутины, - в этом её второй смысл помимо приоритизации. Через две недели работы с промптом замерь ещё раз, честно включив в замер проверку и правки. Разница и есть результат.

Доля черновиков, ушедших без правок. Считай неделю: сколько ответов ты отправил как есть, сколько переписывал. Растущая доля означает, что промпт дозрел. Если же она застряла внизу и не двигается, промпту не хватает примеров или границ, тогда стоит вернуться к разделу про его сборку.

Освободившаяся голова. Показатель неточный, но самый честный: если задача перестала висеть фоновой тревогой и ты больше не вспоминаешь о ней по вечерам, автоматизация состоялась. Задачи, которые продолжают тревожить, обычно недоделаны в проверке - ты не доверяешь результату и потому перепроверяешь всё подряд.

Считать деньги на этом этапе преждевременно: первая автоматизация редко даёт прямую выручку, она возвращает часы. Куда потратить освободившееся время - отдельное решение, и оно важнее самой автоматизации. Если часы уходят на новую рутину, эффект обнуляется. Разобраться, какие вопросы к своим данным задавать в первую очередь, помогает материал про ИИ в бизнес-аналитике.

С чего начать сегодня?

1. Записал задачи за день с временем, дробно, до уровня действия.
2. Прогнал список через модель и отсортировал по частоте и объёму.
3. Поставил баллы по трём критериям, взял верхнюю строку.
4. Собрал десять пар вопрос-ответ из своей переписки, пять положил в промпт, пять отложил для проверки.
5. Написал промпт с ролью, входом, границами, примером, форматом вывода и правилом поведения в тупике.
6. Неделю читал результат целиком, ловил типовые сбои, каждую правку дописывал в промпт строкой.
7. Сохранил рабочий шаблон в отдельную папку с датой и эталонами.
8. Замерил время до и после, посчитал долю черновиков без правок.
9. Пошёл за следующей задачей из списка.

Одну задачу за раз, до состояния «работает без нервов», и только потом следующую. При таком темпе настройка не превращается в отдельную работу, на которую тоже нет рук.

Источники

• Anthropic. Prompt engineering overview - базовые принципы построения инструкций для модели.
• Anthropic. Multishot prompting - почему примеры в промпте работают лучше описаний.
• OpenAI. Prompt engineering guide - практические приёмы формулировки запросов и ограничений.
• n8n. Документация - справочник по сборке сценариев между сервисами.
• Google. Apps Script overview - автоматизация внутри Google Таблиц и Документов.
• Microsoft. Excel VBA reference - официальная документация по макросам Excel.
• Python. Модуль csv - разбор табличных выгрузок в скриптах.
• Telegram. Bots documentation - справочник для тех, кто разворачивает ответы в мессенджер.
• Принцип Парето - о неравномерном распределении затрат и результата.