Claude или ChatGPT: что выбрать под задачи бизнеса

Короткий ответ такой: инструмент подбирается под участок работы, а звание «лучшей нейросети» спокойно остаётся обзорщикам.

У Claude преимущество на текстовых объёмах - длинные документы, договоры, переписка, статьи и письма, где нужен ровный тон. За ChatGPT роль универсала с приложениями вокруг: картинки, голос, поиск в интернете, быстрые расчёты, разбор файлов. Победителя во всём нет, и это скорее удобно, потому что задача сводится к понятной расстановке по участкам.

Каждый день в закрытом канале ИИмперии выкладываем, что нового в работе с ИИ: разборы задач, готовые промпты и связки, шаблоны ролей цифровых сотрудников. Заглядывай, если интересно посмотреть на живую работу с моделями: ежедневные задачи, шероховатости и находки, которые редко попадают в обзоры.

Почему сравнивать по бенчмаркам бесполезно?

Бенчмарк отвечает на вопрос «кто набрал больше баллов на закрытом наборе задач». Твой бизнес спрашивает другое: «кто сделает мою работу так, чтобы не переделывать». Между этими вопросами пропасть. Модель может выигрывать в математической олимпиаде и при этом писать тексты, от которых сводит скулы.

Рейтинги меняются каждые пару месяцев, а перестраивать работу всякий раз, когда кто-то обошёл кого-то на два процента, ты не станешь. Разложи задачи по типам один раз - и закрепи за каждым типом инструмент.

Методика, из которой удобно расти, лежит в открытом виде: Академия Anthropic разбирает работу с моделью через постановку задачи сотруднику - контекст, ограничения, формат ответа, проверка. Магии промптов там нет, зато есть материалы на русском, а логика переносится на любую модель, включая ChatGPT. Поэтому я и беру её за основу.

Есть и вторая причина не гнаться за рейтингом. Разница между «хорошей» и «отличной» моделью на твоих задачах обычно меньше, чем разница между плохо и хорошо поставленной задачей. Человек, который два года собирает контекст в базу знаний для нейросети, выжмет из слабой модели больше, чем новичок из сильной.

Кто лучше держит длинные документы: договоры, отчёты, переписку?

Здесь Claude берёт с запасом. Спокойнее работает с большими текстами: держит структуру, реже теряет середину документа, аккуратнее цитирует исходник. Если твоя рутина - читать договоры, разбирать переписки, сводить отчёты подрядчиков в один документ, начинать стоит с него. ChatGPT с такой работой тоже справляется, хотя материал ему чаще приходится дробить на части.

Что значит «держит документ» на практике? Ты загружаешь договор на сорок страниц и просишь: «Найди пункты, где ответственность за срыв срока лежит на нас. Дай номер пункта и точную цитату». Claude обычно возвращает список с цитатами, которые реально находятся в файле. Вот это и есть главный признак качества - цитата, проверяемая обычным поиском по документу.

Разберу типовой заход целиком, чтобы была видна механика. Приходит договор подряда на тридцать с лишним страниц, юриста в штате нет, подписывать надо на этой неделе. Начинаю с карты документа: прошу пересказать каждый раздел одним предложением. Дальше запрашиваю все сроки и последствия их нарушения с номерами пунктов. Третьим заходом ищу места, где деньги уходят раньше, чем приходит результат. Отдельно спрашиваю, чего в документе нет, хотя обычно бывает: порядок приёмки, ответственность заказчика за просрочку оплаты, условия расторжения без штрафа. Набирается список из десяти-пятнадцати мест, часть которого отпадает после проверки цитат поиском по файлу, а остальное уходит в письмо контрагенту. Полтора часа работы вместо вечера, и юрист получает от тебя конкретные вопросы по конкретным пунктам.

Дальше идёт вторая волна задач, ради которых всё и затевалось:

1. Сравнение версий. Два варианта договора, вопрос «что изменилось по существу, а где просто переставили слова». Модель выдаёт таблицу отличий, ты смотришь только на спорные строки.
2. Свод переписки. Полгода обсуждения проекта в чате, на выходе - хронология решений и список того, что подвисло без ответа.
3. Черновик ответа. Претензия от клиента, на выходе - три варианта ответа: жёсткий, нейтральный, примирительный. Выбираешь ты.
4. Регламент из практики. Пять записей планёрок превращаются в один документ «как мы делаем эту работу», который потом становится основой для цифрового сотрудника.

Ограничение знай заранее: чем больше документов ты закинул в один разговор, тем выше шанс, что модель начнёт путать источники. Лечится это разделением - каждый большой разбор живёт в отдельном чате или отдельном проекте.

Что выбрать для кода и автоматизации?

Claude тут основной, ChatGPT - второе мнение. Первый лучше держит в голове весь файл, аккуратнее правит чужой код и реже ломает то, что уже работало. Второй выручает, когда надо быстро посчитать или прогнать скрипт прямо в чате и сразу увидеть результат.

Программистом тебе становиться не придётся. Речь про типовые вещи, которые предприниматель зря делает руками: макрос для выгрузки, скрипт переименования файлов, парсер прайса поставщика, формула в таблице на три этажа вложенности. Подробный разбор с примерами есть в материале о том, какая нейросеть лучше пишет код, а если ближе конкретные задачи - смотри, что реально закрывается автоматизацией рутины на Python.

Как ставить задачу, чтобы получить рабочий код с первого-второго раза:

• Скажи, где это будет работать. «Google Таблицы», «Excel на Windows», «сервер на Ubuntu». Половина нерабочих ответов появляется там, где модель угадывала среду.
• Дай пример входных данных. Пять строк из твоего файла с настоящими названиями колонок. Описание словами работает заметно хуже куска реальных данных.
• Опиши, что должно получиться. Тоже примером: вот такая строка на входе, вот такая на выходе.
• Попроси комментарии на русском. Через месяц вернёшься к скрипту и не вспомнишь логику.
• Скажи про ошибки. «Если файл не найден, напиши понятное сообщение, а не падай со стеком».

Ломается это чаще всего в одном месте: модель уверенно предлагает библиотеку или функцию, которой не существует. Спасает только запуск, поэтому копируй текст ошибки целиком обратно в чат и жди исправленную версию. Два-три круга такой переписки обычно снимают вопрос.

Эта статья закрывает один участок: как разложить задачи между двумя моделями. Дальше начинается настройка контекста, роли и регламенты, из которых собирается рабочая система. Хочешь по порядку - начни с бесплатного обучения по Claude: регистрация по почте, материал открывается сразу.

Кто пишет тексты ближе к твоему голосу?

Claude обычно ближе к живой речи из коробки: меньше канцелярита и штампованных вводных, которыми грешат тексты «ни о чём». ChatGPT пишет бодрее и охотнее уходит в маркетинговый напор, что иногда попадает точно в цель, а иногда убивает нормальное письмо клиенту.

Итог решает другое - есть ли у модели образцы твоего текста. Без них любая выдаёт усреднённое звучание, с ними обе подстраиваются, и остаётся вопрос лишь в количестве правок после.

Берёшь пять-семь своих текстов, которые тебе самому нравятся: посты, письма клиентам, куски выступлений. Складываешь в один файл. Просишь: «Опиши мой стиль как инструкцию для копирайтера. Длина предложений, любимые обороты, чего я никогда не делаю». Получаешь описание на страницу, правишь руками там, где не согласен. Дальше этот файл идёт в каждый запрос на текст.

Вот тот самый системный промпт, вокруг которого столько разговоров: твоя манера, отданная один раз и работающая дальше сама, без объяснений каждый понедельник. Тот же принцип лежит в основе того, как собрать ИИ-сотрудника с нуля.

Ни одна модель не принесёт тебе мысль. Про вчерашний созвон с клиентом ей никто не рассказывал, про то, почему ты злишься на подрядчика, - тоже. Голос складывается из манеры и содержания: манеру модель снимает с образцов, содержание приносишь ты. Поэтому лучше всего работает схема, где ты надиктовываешь сырые мысли голосом, а модель собирает их в текст. В обратном порядке, когда тему придумывает модель, выходит пустота с гладкими формулировками.

Что делать с таблицами, цифрами и отчётностью?

С таблицами обе модели опасны одинаково: любая умеет выдумать число, которого в файле не было. ChatGPT здесь надёжнее, потому что реально считает в коде и показывает вычисление. Claude сильнее в объяснении: почему цифра такая, что она означает, куда смотреть дальше. Для регулярной отчётности бери связку из двух шагов.

Выгрузка из CRM за квартал, несколько тысяч строк. Ты хочешь понять, где течёт. Загружаешь файл и просишь: «Посчитай конверсию из заявки в оплату по каждому источнику. Сначала напиши, какие колонки использовал и как считал, потом дай результат». Первая часть просьбы важнее второй: пока метод не описан, числам верить нельзя.

Дальше начинается интерпретация, и вот тут Claude полезнее. Даёшь ему готовые цифры и спрашиваешь: «Что здесь странного? Какие три гипотезы объясняют падение по второму источнику?». Хороший набор вопросов к таким данным собран в разборе о том, какие вопросы задавать ИИ для бизнес-аналитики.

Отдельная история - формулы и макросы. Если годами живёшь в Excel, посмотри сравнение подходов в материале про макросы VBA против ИИ: там видно, где старый добрый макрос надёжнее и дешевле, а где модель экономит вечер.

Правило, которое стоит повесить над столом: любое число из чата проверяется одним контрольным замером вручную. Совпадение на одной строке даёт основание доверять методу, расхождение означает, что пересчитывать придётся весь блок.

Как выглядит выбор по задачам в одной таблице?

Ниже карта, к которой я возвращаюсь сам. Слева задача, дальше инструмент и главное ограничение. Приговором это считать не надо: обе модели умеют почти всё, разговор про то, где меньше правок на выходе.

Задача	Кого брать первым	Что он делает	Где не подходит
Разбор договора, устава, ТЗ	Claude	Находит пункты, цитирует, объясняет риски простыми словами	Не заменяет юриста при подписи и в суде
Свод длинной переписки	Claude	Хронология решений, список зависших вопросов	Путается, если в одном чате лежат десятки разных источников
Статья, письмо, пост в твоём стиле	Claude	Держит тон по образцам, не скатывается в канцелярит	Не придумает тему и не знает вчерашний созвон
Быстрый расчёт по файлу	ChatGPT	Считает кодом и показывает вычисление	Молча меняет метод, если ты не зафиксировал формулу
Поиск свежих данных в интернете	ChatGPT	Ищет и даёт ссылки на источники	Может взять непроверенный сайт как истину
Картинки, обложки, простая графика	ChatGPT	Генерирует изображения прямо в чате	Не даёт стабильного фирменного стиля без ручной работы
Работа голосом на ходу	ChatGPT	Диктовка и разговорный режим в приложении	Плохо подходит для точных длинных инструкций
Правка кода в большом файле	Claude	Видит файл целиком, реже ломает соседнее	Придумывает несуществующие функции, нужен запуск
Регламенты и инструкции для команды	Claude	Собирает практику в понятный документ	Не знает твоих исключений, пока ты их не написал
Мозговой штурм и много вариантов	ChatGPT	Быстро выдаёт широкий разброс идей	Идеи усреднённые, отбор всё равно на тебе

Если сжать до строки: Claude берёт глубиной, ChatGPT - шириной охвата. Деления на умный и глупый, новый и старый, дорогой и дешёвый тут вообще нет. Дальше смотри, чего в твоей рабочей неделе больше по объёму.

Где каждый из них ломается?

Ломаются оба, каждый по-своему. Claude чаще упирается в лимиты на длинных сессиях и осторожничает там, где нужен резкий ответ. У ChatGPT слабое место в другом: уверенная неправда и незаметная смена поведения между режимами. Знание конкретных граблей экономит больше времени, чем выбор «правильной» модели.

Симптом	У кого чаще	Почему происходит	Что делать
Упёрся в лимит посреди работы	Claude	Длинный разговор с файлами съедает окно быстрее	Разбивать работу на короткие чаты, выносить контекст в отдельный документ
Выдумал цитату или пункт	Оба	Модель достраивает недостающее вместо признания незнания	Требовать точную цитату и проверять поиском по файлу
Ответ стал хуже, чем вчера	Оба	Другой режим, другая модель под капотом, забитый контекст	Начать новый чат, явно указать нужный режим
Смягчает то, что должно звучать жёстко	Claude	Осторожность в спорных формулировках	Прямо просить: «дай жёсткий вариант, я отвечаю за тон»
Уверенно врёт про факт из интернета	ChatGPT	Взял первый попавшийся источник	Просить ссылку и открывать её самому
Забыл, о чём договаривались выше	Оба	Контекст переполнен, ранние сообщения вытеснены	Периодически просить сводку и начинать новый чат с неё
Пишет «водой» и общими словами	Оба	Нет контекста, задача поставлена абстрактно	Дать цифры, ограничения и пример хорошего ответа

Отдельно про то, что пугает новичков. Иногда модель уверенно отвечает на вопрос о твоей компании, хотя ты ничего о ней не рассказывал. Никакой памяти о тебе там нет, работает догадка по обрывкам твоих же формулировок. Проверяется просто: спроси, откуда она это взяла. Источника нет - дальше по этой ветке не ходи.

Как проверять результат, чтобы не подставиться перед клиентом?

Проверка занимает меньше времени, чем кажется, если встроена в сам запрос. Три приёма закрывают большую часть рисков: требовать цитату из исходника, просить показать метод расчёта и задавать один и тот же вопрос дважды разными словами. Разошлись ответы - модель угадывала.

1. Цитата вместо пересказа. «На каждый вывод дай точную цитату из документа и номер страницы. Если цитаты нет, напиши “не нашёл”». Разрешение сказать «не нашёл» снимает половину выдумок.
2. Метод перед числом. «Сначала опиши, как будешь считать, потом считай». Кривой метод видно сразу, до того как получишь красивую таблицу с мусором внутри.
3. Двойной проход. Тот же вопрос в новом чате другими словами. Совпадение успокаивает, расхождение показывает, где копать.
4. Красная команда. «Найди три слабых места в этом тексте с точки зрения клиента, который хочет отказаться». Критикует модель неплохо, причём и собственный текст тоже, если попросить сменить роль.
5. Человек на выходе. Всё, что идёт клиенту, в суд, в налоговую или в публикацию, читает человек. Ответственность остаётся на тебе, и выход новой версии модели этого не меняет.

Если модель работает без тебя, проверку надо прописать отдельным шагом сценария с условием остановки. Особенно когда ты уже собираешь ИИ-агентов для бизнеса: там некому заметить, что ответ поехал в сторону.

Сколько это стоит на старте и с чего начать платить?

Начинать можно бесплатно: у обоих есть бесплатный уровень, которого хватает понять, твоё это или нет. Платные личные планы у Claude и ChatGPT стоят сопоставимо, точные цифры смотри на страницах тарифов, они меняются. Разумный порядок такой: месяц на одном, месяц на втором, потом решение.

Что важнее цены. Бесплатный уровень упирается в лимиты ровно тогда, когда работа пошла. Жадность разработчиков тут ни при чём, дело в экономике: длинные документы дорого обсчитывать. Оценивать инструмент по бесплатной версии - всё равно что оценивать машину по кругу вокруг парковки.

За что платить первым:

• Документы, переписка и тексты - Claude.
• Мелкие разные задачи, картинки, голос и поиск - ChatGPT.
• Не понимаешь, чего больше? Неделю записывай в блокнот каждую задачу, которую хотел бы отдать. Потом посмотри на список.

Про доступ из России - ниже, это отдельная боль. И ещё одно: подписка не единственная статья расходов. Время на сбор контекста и базы знаний стоит дороже подписки, зато платится один раз. Как распределить бюджет и с чего стартовать, разобрано в материале про ИИ для малого бизнеса.

Отдельная строка расходов появляется, когда модель начинает работать без тебя, через API и сценарии. Там платишь за объём переданного текста, и цена зависит уже от того, насколько экономно ты собираешь контекст. Новичкам этот этап нужен редко, но иметь его в виду полезно: он определяет, во что превратится твоя автоматизация через полгода, когда сценариев станет десяток. Как выглядит переход от ручных запросов к сценариям, показано в пошаговом разборе, как освоить n8n с нуля.

Что нужно знать о доступе к Claude и ChatGPT из России?

Оба сервиса официально в России недоступны. Обходят это по-разному, решение и риск остаются твоими - я тут ничего не советую и не продаю.

Что стоит понимать до того, как заплатишь:

1. Доступ должен держаться на длинной работе. Проверяй его на разборе большого документа, потому что короткое «привет, как дела» о стабильности не говорит ничего.
2. Оплата - отдельная задача. Российская карта не пройдёт ни там, ни там. Вокруг ChatGPT посредников больше, вокруг Claude меньше. Условия и комиссии у посредников свои, читай до перевода денег.
3. Аккаунт могут заблокировать. Работай так, будто это случится завтра.
4. Всё важное храни у себя. Файлы, промпты, регламенты, описание стиля - в обычных документах на твоём диске. Чат остаётся рабочим столом, сейфом он не был никогда.

Подробный разбор вариантов, включая работу через API и через российских посредников, есть в отдельной статье о том, как пользоваться Claude из России. Впервые слышишь про эту модель - начни со статьи Claude: что это за нейросеть.

Есть и третий путь, о котором забывают: российские сервисы поверх зарубежных моделей и собственные российские модели. Для части задач вроде переписки с клиентами, простых текстов и разбора небольших документов разница уже не критична, зато снимаются проблемы с оплатой и с персональными данными. Смотреть туда стоит, особенно если у тебя документы, которые в принципе нельзя отправлять за границу.

Можно ли держать оба и не путаться?

Держать оба реально, и для многих это самый спокойный вариант. Хаос появляется в одном случае: когда нет правила, что куда идёт. Закрепил за каждым инструментом участок - и вопрос «а где это делать» больше не всплывает.

• Claude - всё, где есть длинный текст: документы, письма, статьи, регламенты, код.
• ChatGPT - всё, где нужен быстрый ответ, картинка, голос или поиск в интернете.
• Общее хранилище - твои промпты, описание стиля, база знаний о бизнесе. Живёт отдельно от обоих чатов, в обычных документах.

Третий пункт самый важный и самый пропускаемый. Пока наработки лежат внутри переписки в одном сервисе, ты к нему привязан. Держи их в отдельных файлах, тогда смена модели превращается в техническую замену инструмента без переезда всей работы. Главное в связке двух подписок лежит между ними. Про сбор этого контекста подробно написано в разборе, как дать нейросети базу знаний.

Ещё про «не путаться»: заводить по чату на каждый чих не надо. Сделай несколько постоянных пространств по ролям - продажи, тексты, аналитика, документы - и работай внутри них. Это ближе к тому, как устроен ИИ-ассистент для бизнеса, чем бесконечная лента разовых запросов.

Что отвечать на типовые возражения?

«Модели врут, доверять нельзя». Врут, регулярно и уверенно. Ровно поэтому в этой статье столько места отдано проверке: цитата из исходника, описанный метод расчёта, контрольный замер вручную. Бухгалтер тоже ошибается, но у тебя есть сверка, и ты её делаешь. С моделью работает та же логика, просто сверку надо один раз придумать и вписать в регламент.

«Данные утекут». Риск настоящий, и снижается он организацией работы, а не выбором вендора. Убирай персональные данные до загрузки, держи отдельный контур для того, что нельзя отдавать наружу, читай условия платного плана по обучению на твоих данных. Часть документов не должна покидать твой компьютер ни при каком тарифе, и это нормальное ограничение.

«Через полгода всё поменяется, зачем разбираться сейчас». Поменяются модели, а способ ставить задачу останется. Описание бизнеса, образцы текстов, регламенты проверки переживут три поколения моделей, потому что лежат у тебя в файлах. Тот, кто ждёт стабилизации рынка, к моменту выбора будет начинать с нуля.

«У меня маленький бизнес, мне это ни к чему». У малого бизнеса как раз нет отдела, который снимет рутину, и вся она висит на владельце. Начинать проще всего с узких задач вроде ответов на типовые вопросы клиентов - смотри подборку про семь задач ИИ-ассистента для малого бизнеса и разбор, где чат-бот для бизнеса реально окупается.

«Команда не будет этим пользоваться». Не будет, пока ты выдаёшь людям подписку вместо инструкции. Работает другой порядок: сначала регламент на одну задачу, потом показ на живом примере, потом требование делать так всегда. Если сил на внедрение нет вовсе, честнее посмотреть в сторону готовых решений - об этом разговор в материале ИИ-агенты под ключ или собрать самому.

Как встроить выбор в ИИ-команду, а не просто купить подписку?

Подписка сама по себе не меняет ничего. Люди платят месяцами и продолжают пользоваться моделью как поисковиком. Разница начинается там, где у каждой задачи есть владелец, регламент и место хранения результата.

1. Начни с ролей. Маркетолог, продавец, ассистент, аналитик, копирайтер. Пока в голове крутится «Claude или ChatGPT», ты выбираешь кнопки, а список ролей переводит разговор на саму работу.
2. Под каждую роль опиши участок. Что делает, что нужно на входе, что отдаёт на выходе, где кончаются её полномочия и начинается твоё решение.
3. Подбери инструмент под роль. Копирайтер и юрист-помощник - Claude. Ресёрчер и дизайнер обложек - ChatGPT. Аналитик забирает обоих, по этапам.
4. Собери контекст один раз. Описание бизнеса, тон, продукты, цены, типичные возражения, чего не делаем никогда. Тот самый второй мозг, который кормит любую модель.
5. Пропиши проверку. Для каждой роли - как понять, что результат годный. Без этого пункта система разваливается на третьей неделе.

Дальше можно разложить весь бизнес по участкам и увидеть, где рутина реально снимается. Отправные точки - карта возможностей автоматизации бизнес-процессов и разбор, с каких задач начинать автоматизацию рутины.

И честная оговорка. Модель снимает механику: чтение, черновик, свод, первый вариант. Вкус, приоритеты и ответственность перед клиентом остаются человеческой частью работы. Главный вопрос звучит иначе, чем «какую подписку купить»: кому в твоей команде ты отдашь эту работу и кто примет результат.

С чего начать на этой неделе?

Начни с одной задачи - той, которую делаешь каждую неделю руками и которая тебя раздражает. Формулировка «внедрю ИИ» ни к чему не приводит, тогда как «разбор входящих заявок», «свод отчёта» или «черновик коммерческого предложения» можно брать в работу завтра.

1. День первый. Выпиши десять задач, которые хотел бы отдать. Отметь три самые частые.
2. День второй. Собери контекст: описание бизнеса на страницу, пять своих текстов, пример хорошего результата по выбранной задаче.
3. День третий. Возьми одну задачу и прогони её в Claude. Промпт, который сработал, сохрани в отдельный файл.
4. День четвёртый. Ту же задачу прогони в ChatGPT. Сравнивай по одному признаку: сколько правок ты внёс руками.
5. День пятый. Опиши регламент: что даём на вход, что просим, как проверяем, кто принимает решение.
6. Выходные. Отдай регламент кому-то из команды и посмотри, повторит ли он результат без тебя. Повторил - у тебя появился первый работающий участок.

Дальше та же процедура на вторую задачу, на третью. Вопросы про то, какая модель лучше и что выйдет через полгода, отходят на второй план, когда у тебя есть задача, инструмент и способ проверки. Следующая модель просто встанет на место старой внутри уже собранной машины.

Источники

• Anthropic Academy - официальные учебные курсы Anthropic по работе с Claude, включая материалы на русском.
• Документация Claude: обзор моделей - актуальный состав моделей, окна контекста и назначение каждой.
• Руководство по промптингу от Anthropic - методика постановки задач, на которой построены рекомендации выше.
• Тарифы Anthropic - актуальные цены на личные и командные планы.
• Справочный центр Claude - лимиты, доступность по странам, работа с файлами и проектами.
• Коммерческие условия Anthropic - что происходит с данными в платных планах.
• Тарифы ChatGPT - планы и различия между уровнями доступа.
• Справочный центр OpenAI - лимиты, режимы работы, разбор файлов и генерация изображений.
• Документация OpenAI для разработчиков - описание моделей и возможностей API.
• Model Context Protocol - открытый стандарт подключения моделей к внешним данным и инструментам.