AI Навигатор

Как я ускорил принятие решений с нейросетью в 2–3 раза Делюсь, как я сократил время на принятие решений и затрачиваемое на них внимание раза в два-три. Вы можете заметить: стоп, Никита, ты же недавно писал, что принятие решений — это то, что не стоит делегировать нейронке. Финальное решение — да. А вот промежуточные шаги, рассуждения, оценку плюсов и минусов — легко. Грубо говоря, можно натренировать нейронку или вашего AI ассистента думать примерно так, как вы. Базовая идея проста. Я проговариваю нейронке какую-то задачу, условия и к чему хочу прийти. Например: Собираюсь делать AI-редактора, который будет подгонять черновики текстов под стиль определённого клиента. Целевая аудитория такая-то, цель приложения — чтобы люди хотели написать мне и заказать индивидуальную разработку. У меня есть три варианта сценария... Оцени, какой из них лучше подойдёт под цель и почему. После этого я просматриваю анализ нейронки, общаюсь с ней и в итоге всё же сам выбираю, что лучше подойдёт. Сильно экономит внимание, которое довольно быстро тратится на принятие любых решений. Чем-то похоже на метод уточки. Только уточка отвечает, достаточно умная и может подсвечивать слепые зоны 🙂 А теперь самое интересное: как это можно усилить? 1. Задать нейронке формат ответа. Например: один фокус на день, следующий шаг, главный риск. 2. Использовать проекты в нейросетях. Тогда нейронка будет знать, о чём в принципе речь, и ей не нужно каждый раз задавать много вводных: зачем нужен проект, какие там задачи, кто в команде и т. д. 3. Ещё лучше — использовать AI-агента с подключённой базой знаний. Там постепенно скапливается информация о текущем проекте или обо мне: какие задачи мы с этим агентом решаем, какие решения уже принимали и т. д. 4. Подключить к агенту task manager, например Trello. Тогда он будет видеть статус задач. Я это пока не сделал — просто скидываю скриншоты из Trello. Тоже удобно. 5. Просить агента или нейронку использовать определённую технику или методологию. Я, например, использую Micro P3 Express. Как это реально происходит у меня: Например, вчера я делал планирование недели. Было довольно много задач по трём разным проектам. Я просто написал своему AI-ассистенту в Telegram: Посмотри задачи, которые запланированы. Помоги расставить приоритеты, потому что задач слишком много. И буквально за пару сообщений получилось выделить наиболее важные задачи. Я бы сделал это и сам. Но дольше и с большим количеством сомнений. ⚠️ Важно: перед финальным решением или выполнением всё равно стоит думать своей головой (как и всегда, собственно 😁) Нейронки по-прежнему могут допускать ошибки. Делитесь: а вы используете нейросети, чтобы упрощать принятие решений?

Обнаружил тут медаль "За вклад в развитие AI" Черногория, лет 150 тому назад 😎

Нейросети часто врут? Да, бывает. (Обычно, если неверно задать промпт). Поэтому результаты от ИИ нужно перепроверять. Для этого у меня есть агент-фактчекер, и теперь я сделал его версию в виде GPT-шки. Можете пользоваться: https://chatgpt.com/g/g-6a60fc80c3a08191b80455798bd2aeba-factchecker-3-modes Он работает лучше, чем если просто попросить нейросеть: «Проверь это». Для себя я сделал три режима: 🔹 быстрый фактчек 🔹 подробный фактчек 🔹 проверка с оценкой уверенности В последнем режиме, если данных недостаточно, агент честно говорит, где высокая степень уверенности, а где есть сомнения. Ссылки на источники по умолчанию он не предоставляет, но об этом можно попросить отдельно. Будет интересно узнать ваше мнение. Поделитесь!

Вчера участвовал в дебатах про цену внедрения ИИ в реальном бизнесе Получилось живое и интересное обсуждение. Вот к чему пришли с коллегами: 1. Главная проблема обычно не в технологии, а в людях и процессах Люди должны быть на первом месте. Недостаточно купить доступ к нейросети или внедрить AI-инструмент. Сотрудников нужно обучить: как ставить задачи, проверять ответы и понимать ограничения ИИ. 2. Непродуктивно давать сложные AI-инструменты неподготовленным людям Неквалифицированный сотрудник может получить слабый результат, не заметить ошибку и решить, что «ИИ не работает». Слив бюджета почти всегда связан с человеческим фактором: неверная постановка задачи, отсутствие контроля, плохие данные и завышенные ожидания быстро превращают внедрение в дорогой эксперимент. 3. Не AI first, а business processes first Сначала нужно определить реальную проблему бизнеса: где теряются деньги, время или клиенты. И только потом решать, нужен ли там ИИ. 4. ИИ должен приносить измеримую пользу Например: 🔹 сокращать время подготовки КП 🔹 разгружать менеджеров 🔹 ускорять обработку заявок 🔹 снижать количество ручной работы 5. ИИ нельзя сразу пускать в продакшен без проверки Сначала тесты, ограниченный пилот, контроль человека и только потом полноценный запуск. Особенно если ИИ работает с клиентами, деньгами или важными данными. 6. Результат всё равно нужно проверять Нейросеть может ошибаться уверенно. Ответственность за финальное решение остаётся на человеке. Хороший вопрос для бизнеса: вы инноватор или догоняющий? Главный вывод: ИИ сам по себе — не спасение и не слив бюджета. Всё зависит от того, в какой процесс его внедряют, кто с ним работает и как измеряют результат. Согласны с этим?

Что я НЕ поручаю ИИ Может ли AI делать любые задачи? Да, если речь про нефизические задачи (с некоторыми оговорками). Стоит ли реально поручать ИИ вообще всё? А вот тут уже вопросики. Вообще я воспринимаю ИИ не как замену человека. Пока это не так, кроме некоторых сфер и узких задач. А вот как усилитель человека — да, так точнее. Причём нейронки усиливают как профессиональные качества, так и хаос (если бездумно допустить ИИ к хаотичным бизнес-процессам). Вот семь случаев, где я либо не использую ИИ вообще, либо обязательно оставляю финальную проверку за человеком. 1. Финальные решения ИИ может предложить варианты, но не должен сам принимать юридические, финансовые или кадровые решения. Решение и ревью — за ответственным человеком. 2. Работа с фактами Нейросеть может уверенно придумать данные, ссылки, цифры и даже несуществующие кейсы. Поэтому для проверки нужен отдельный контур фактчекинга, а в важных случаях — первоисточники и человек. 3. Автоматизация хаотичных процессов Если внутри бизнеса нет понятных правил, ИИ не наведёт порядок, а просто ускорит хаос. Сначала — понятный работающий пошаговый алгоритм. Дальше — постепенная автоматизация каждого шага. 4. Задачи с плохими исходными данными Неполные документы, противоречивые инструкции и устаревшая база почти гарантируют отрицательный результат. Зачастую ИИ не скажет, что ему чего-то не хватает, как это сделал бы человек. Он просто выдаст результат на основе недостоверных данных. 5. Разработка стратегии ИИ хорошо помогает анализировать, сравнивать и искать риски, но не знает всех скрытых факторов бизнеса. ИИ для меня — это консультант, эксперт по разным сферам и исполнитель. Но не лицо, принимающее решение. 6. Чувствительная коммуникация Например: увольнение, претензия клиента, переговоры с партнёром или важным клиентом. Частично использовать ИИ здесь можно. Полностью — уже рискованно, потому что можно потерять доверие клиентов. Особенно если речь про высокие чеки. 7. Оценка результата работы ИИ Нейросеть не всегда понимает, что ошиблась. Поэтому нужны тесты, реальные данные и человек, который проверит результат. Или другая нейронка для проверки. Главный вывод: ИИ лучше использовать не как автономного сотрудника, а как сильного помощника, который ускоряет работу, но не снимает ответственность с человека.

Автоматическое создание Google Form 0 ручных действий Сейчас проводим кастдев для главных редакторов и тех, кто часто пишет тексты и статьи. Один из этапов — опросник через Google Форму. Структуру формы и вопросы для неё я, естественно, подготовил с помощью нейронки. А когда пришло время создавать саму Google Форму, я понял, что не хочу вручную копировать десятки полей, вставлять их, создавать новые вопросы и делать всю эту рутину. Немного покопался и нашёл способ, как можно с помощью нейронок автоматически создавать готовые Google Формы. Вот инструкция: 1. Подготовьте структуру формы (с помощью нейросети). 2. Передайте эту структуру ChatGPT и напишите: Создай готовый Google Apps Script, который автоматически создаст эту форму в Google Forms. Учти типы вопросов, обязательные поля, ограничения, разделы, ветвления и сообщение после отправки. Пришли полный код и название функции для запуска. 3. Откройте Google Apps Script и создайте новый проект. 4. Удалите стандартный код из Code.gs, вставьте код от ChatGPT и нажмите сохранить. 5. Выберите появившуюся функцию и нажмите «Выполнить». «Начать развёртывание» не нужно. 6. При первом запуске выберите Google-аккаунт и подтвердите нужные разрешения. 7. После выполнения откройте журнал и перейдите по ссылке на созданную форму. 8. Проверьте форму и при необходимости отредактируйте её вручную. Важно: повторный запуск скрипта создаст ещё одну форму. В первый раз у меня это заняло, пожалуй, даже дольше, чем если бы я просто вручную копировал и вставлял поля (зато интересней 😁). Потому что сначала нужно было посмотреть варианты и разобраться, как работает сам инструмент. Но дальше уже всё сильно проще. Следующая форма создаётся буквально за несколько кликов через ИИ. Собственно, чтобы вам не тратить время на такие исследования, делюсь этим способом. А вам часто приходится создавать Google Формы? #ИИхак

💥 Сегодня ИИ обсуждают практически в каждом бизнесе. Кто-то уже получает ощутимые результаты, кто-то разочаровался после первых экспериментов, а кто-то только пытается понять, с чего начать. Действительно ли ИИ способен стать конкурентным преимуществом, а не лишними расходами? Мы запускаем новый формат - онлайн-дебаты на тему «ИИ в реальном бизнесе: спасение или слив бюджета?» В формате дебатов участники сторон обсудят, действительно ли ИИ становится надежным помощником для бизнеса или приводит к неоправданным затратам. Спикеры поделятся своим опытом внедрения ИИ и вместе подискутируют над самыми волнующими вопросы. А для зрителей - это возможность услышать аргументы обеих сторон, задать свои вопросы и сформировать собственное мнение о том, как использовать ИИ в бизнесе с максимальной пользой. Если у вас есть неудобные или спорные вопросы про ИИ, но напишите их заранее в чат. Обязательно обсудим их на встрече. 📅 Когда: 23 июля,18:00-19:30 (по CET) 🌐 Формат: онлайн 🔗Регистрируйтесь на встречу на нашей комьюнити-платформе https://club.hubcollab.net/event/23072026 (Ссылка на трансляцию будет отправлена в день встречи на ваш e-mail и в чат комьюнити)

А в этот четверг вечером участвую в онлайн дебатах по ИИ 🗨️ Присоединяйтесь, будут участники из разных сфер, с реальным опытом.

ИИ как помощник архитектора / проджект-менеджера Как думаете, хорошая ли это практика — попросить нейронку: «Предложи ТЗ для веб-приложения, которое делает вот это, контекст проекта такой-то. Используй наиболее подходящий стек технологий для этого»? В целом так можно. Но я сам так не делаю. И проблема здесь как раз в формулировке «наиболее подходящий стек / методика / техника продаж» или что-то в таком духе. Вы знаете, как именно ИИ будет определять это «самое подходящее»? Я — не знаю. Поэтому вместо этого я спрашиваю по-другому. Например, для проекта: 🔹 предложи 3 варианта, на каком стеке технологий это можно реализовать 🔹 какие преимущества и недостатки у каждого подхода 🔹 мне нужно реализовать вот такую фичу — не возникнет ли сложностей с этим подходом? 🔹 какие ограничения могут быть у каждого варианта? И так далее. То есть я не прошу ИИ принять решение за меня. Я использую его как консультанта, который помогает быстрее собрать картину и увидеть разные варианты. А уже после того, как картина становится ясна, именно я принимаю решение, как дальше выполнять задачу. ИИ здесь для меня — не тот, кто решает, а тот, кто помогает думать как эксперт. Из последнего, буквально сегодняшнего. У меня стал нестабильно работать Open Claw. Я описал проблему и спросил GPT: Что лучше в этой ситуации для восстановления работоспособности: полная переустановка или правки в конфигурации? Пообщались с ним. И дальше я уже выбрал вносить правки. Занимаюсь теперь) P.S. И да, особенно удобно делать это в голосовом режиме. Я в таких случаях буквально просто разговариваю с ИИ. #ИИхак

Новый режим в ChatGPT Work и зачем он нужен OpenAI буквально только что выпустила новую модель GPT-5.6, которая, по отзывам обгоняет Mythos/Fable от Claude. Вместе с этим появился и новый режим Work. Про новую модель я пока ничего сказать не могу — нужно время, чтобы нормально её потестировать и понять разницу. Пока у меня другое наблюдение: OpenAI перемудрили с переключателями. Теперь там есть и выбор модели, и отдельный выбор того, насколько хорошо она будет думать. Для обычного пользователя это может быть запутанно. Но интереснее тут другое. У них появился реально классный режим Work. Насколько я понял, это очень близко к тому, что у Claude есть в формате Cowork. И вот это уже действительно полезно. По сути, Work переключает нейронку из режима обычного чат-бота в режим агента, который умеет работать с файлами, использовать инструменты и доводить задачу до более готового результата. На десктопе он может работать с локальными файлами и папками на вашем компьютере, если вы сами дали на это доступ. Условно: даёте ему доступ к рабочей папке и просите изучить материалы, а дальше на их основе сделать новый сценарий, сводку по товарам или хорошую презентацию. Топ-3 вещи, которые умеет Work: 🔹 работать с вашими файлами и папками на компьютере прямо в десктоп-приложении, если вы это разрешили 🔹 подключаться к приложениям и источникам данных, собирать контекст из разных материалов и превращать его в готовый результат — документы, таблицы, презентации и сайты 🔹 держать длинный рабочий контекст и оставаться с проектом дольше, чем обычный чат, то есть не просто отвечать на вопрос, а реально двигать задачу вперёд. Даже если в задаче несколько сложных шагов. Меня лично это очень радует. Потому что Cowork долгое время был одной из уникальных функций Claude. А теперь что-то очень похожее появилось и в ChatGPT. Будем наблюдать! Если вы нашли для себя полезное применение этого режима Work - делитесь, обсудим. #ИИхак

AI-first? Да, но... Если вы, как и я, часто общаетесь с IT-специалистами и фаундерами технологических компаний, то вам наверняка знаком подход AI-first. О нём сейчас много говорят. Это когда большинство задач в компании выстраиваются вокруг AI: что-то автоматизируется, что-то усиливает работу сотрудников, что-то вообще сразу проектируется с учётом нейросетей. Звучит здраво? Да — для стартапов, где процессы только выстраиваются. Или для компаний, где руководитель сам хорошо разбирается в нейросетях. А что на практике? В большинстве малых и средних компаний процессы уже давно выстроены, представление о нейросетях есть, но далеко не полное, и вообще внедрение AI обычно не входит даже в первую десятку приоритетов. Поэтому я со своими клиентами чаще использую подход process first. То есть мы отталкиваемся не от технологии, а от бизнес-процессов. Потому что если автоматизировать хаос, вы получите автоматизированный хаос. Так что в реальном бизнесе я бы советовал идти не от идеи «давайте сделаем что то с AI», а от одной конкретной задачи: 🔹 которая занимает много времени 🔹 дорого стоит 🔹 или просто сложна в выполнении И уже под неё внедрять одну небольшую автоматизацию. Упростили задачу с помощью нейронки, высвободили время — можно двигаться дальше, к следующему улучшению. Пример. Вы с командой и клиентами часто созваниваетесь по Zoom. В этом случае можно транскрибировать ваши созвоны, сортировать их по типу. Дальше автоматически делать либо коммерческое предложение для клиента, либо список задач для сотрудников. Совет дня: В следующий раз, когда вы или ваши сотрудники будете выполнять какую-то повторяющуюся задачу, просто спросите нейронку, как это можно автоматизировать или сделать проще. #ИИхак

Окошко в мир вайб-кодинга Если совсем простыми словами, то вайб-кодинг (точнее агентский инжиниринг) — это создание сайтов, приложений, ассистентов с помощью нейросетей. И на примере Claude Code показываю, из каких базовых элементов собирается такая система у меня. Если просто, то нормальная агентская система держится всего на 3 вещах: 1. AGENTS.md Это главный файл с правилами для ассистента: кто он, как должен работать, что учитывать, как отвечать, что делать можно, а что нельзя. По сути, это общая инструкция, которая задаёт поведение всей системы. 2. Skills Папка, где хранятся отдельные инструкции под конкретные задачи. Именно здесь часто хранятся субагенты, то есть, по сути, ваши виртуальные сотрудники. Например: 🔹 фронтенд-разработчик 🔹 бэкенд-разработчик 🔹 дизайнер 🔹 ревьюер Или более прикладные роли: 🔹 тот, кто пишет посты 🔹 тот, кто разбирает заметки 🔹 тот, кто работает с договорами 🔹 тот, кто проверяет факты 3. Спека / ТЗ Спека, или спецификация, — это подробное описание того, что именно должно получиться на выходе, по каким правилам и с каким результатом. По сути, это ответ на вопрос: что именно нужно сделать по вашему проекту. Если задача чуть сложнее, чем «сделай простой текст», то без нормальной постановки очень быстро начинается хаос. Хорошая спека помогает ассистенту понять, что именно должно получиться на выходе. И важно, что во всём этом часто нет ничего страшно технического. Это просто текстовые Markdown-файлы с человеческим описанием, без единой строчки кода. То есть базовую логику такой системы может собрать почти любой человек, если немного погрузится. Но тут тоже без фанатизма. Если задача уровня «быстро собрать простой сайт» или «накидать черновик», то такая структура не нужна. С этим справится просто ГПТ или Lovable. А вот когда строим веб приложение с разными агентами внутри, и хочется меньше хаоса, больше повторяемости и лучшее качество результата — тогда AGENTS.md, skills и нормальная спека реально начинают окупаться. Кому интересно погрузиться глубже — вот хорошая статья на тему агентского инжиниринга: https://timdeschryver.dev/blog/keep-agentic-ai-simple-a-practical-workflow-for-software-development #ИИхак

Моё видео с конференции Делюсь своим выступлением с конференции «Ковчег Бизнес». Там рассказываю, как малому бизнесу внедрять AI без команды и большого бюджета. В основном говорю про простые автоматизации и показываю реальную практику с демонстрацией экрана. Как сейчас модно говорить: лайк, подписка, колокольчик 🙂 https://youtube.com/watch?v=PO8u13_rrQQ&list=WL&index=8&t=28s&pp=iAQBsAgC

Гайд с промптами Сделал Гайд - 10 промптов для бизнесмена и руководителя. На основе своей практики с ИИ. Здесь можно посмотреть и скопировать себе. https://nik-volker.github.io/ai-guide/ Если такого рода материалы интересны - пишите, могу ещё составить.

Промпт для перевода Второе название нейросетей — LLM, то есть большие языковые модели. И как раз с переводами они обычно справляются очень хорошо, заметно лучше, чем условный Google Переводчик. Поэтому я сделал себе отдельный диалог в ChatGPT, который переводит мне текст с сербского на русский и обратно. Вот такой промпт: Ты отличный профессиональный переводчик с сербского языка на русский. Если я пишу тебе текст на русском, присылай перевод на сербском без каких-либо комментариев. На латинице. Если я присылаю текст на сербском, переводи его на русский, тоже без комментариев. Собственно, после этого ChatGPT просто переводит тексты без лишних пояснений. Причём туда можно загружать даже большие файлы. Можно и голосом общаться, но для этого лучше уже отдельно настроить ассистента или GPT-шку под такую задачу. И ещё один полезный момент: если вы часто пользуетесь этим или другим диалогом, в ChatGPT его удобно закрепить, чтобы он всегда был под рукой и не терялся среди остальных чатов. По сути, один раз настраиваете такой диалог — и получаете себе простого, но очень удобного переводчика под постоянное использование.

Анализ конкурентов с AI В чём нейронки реально хороши, так это в анализе большого количества данных. И это вполне можно использовать в том числе для анализа конкурентов. Как я это делаю? Как обычно, в несколько этапов. Лучше идти не одним большим запросом, а по шагам, чтобы на каждом этапе можно было что-то уточнить и подкорректировать. 1. Найди 10 конкурентов Сначала прошу нейронку найти 10 конкурентов в нужной нише. Здесь можно: 🔹 просто описать свою нишу 🔹 скинуть свой сайт 🔹 или коротко объяснить, чем вы занимаетесь 2. Собери таблицу по конкурентам Следующим промптом прошу составить таблицу по этим конкурентам. Например, со столбцами: 🔹 название 🔹 сайт 🔹 УТП 🔹 слабые места 🔹 цены 🔹 особенности И на этом этапе уже можно отдельно закинуть те сайты или компании, которые вы точно хотите включить в анализ. 3. Выдели топ-3 преимущества То есть не просто собрать информацию, а уже её отфильтровать и показать, что у них работает лучше всего. 4. Предложи, как это использовать у меня Следующий вопрос: как я могу использовать эти выводы в своей компании с учётом моей ниши, продукта и аудитории? И вот здесь нейронка уже начинает не просто сравнивать конкурентов, а переводить всё это в практическую плоскость. С учётом того, что она знает про вас (у вас же в ИИ включена функция памяти?) 5. Сравнить нужные вам срезы А потом уже можно просить всё, что нужно именно вам. Например: 🔹 сравнить цены 🔹 выделить, какие важные моменты конкуренты чаще всего указывают на сайтах 🔹 понять, что из этого может быть важно для покупателей 🔹 сравнить стиль подачи 🔹 найти слабые места в позиционировании Можно даже закинуть пару понравившихся сайтов в новый диалог и попросить сделать для своей компании сайт в похожей стилистике, но уже с вашими данными. Когда я занимался рекламой, такой анализ конкурентов у меня занимал 30–60 минут. Сейчас — около 5 минут. Ну ладно, 10: топ-3 понравившихся сайта я бы всё равно быстро посмотрел вручную, уже общим взглядом. Но вот вся нудная рутинная работа по вычитке текстов, сравнению формулировок и сбору однотипной информации вполне делегируется нейронке. А человеку остаётся стратегия.

Нейросети часто ошибаются? У меня — нет. И во многом это зависит от промптов. Фанфакт: большинство нейросетей обучались так, чтобы давать ответ любой ценой. Даже если точного ответа они не знают. Именно из-за этого часто возникают ошибки и галлюцинации. Вот несколько способов, как можно повысить точность ответов нейронок: 1. Добавить в промпт фразу «не придумывай». Это реально помогает снизить количество уверенных, но сомнительных ответов. 2. Добавить в промпт: «Найди актуальную информацию на сегодня». Дело в том, что базово нейросеть часто отвечает по своей внутренней базе знаний. А поиск в интернете обычно делает уже отдельный модуль. И иногда нейронка сама его просто не включает, если вы прямо об этом не попросили. 3. После ответа дополнительно спросить: «Ты уверен?»/«Проверь информацию»/«Проведи фактчекинг». Иногда на втором проходе нейросеть сама замечает слабые места в своём ответе. 4. Использовать последние думающие модели. AI сейчас умнеет не по дням, а по часам. И новые модели в среднем реально лучше справляются с логикой, проверкой ответа и более сложными задачами. 5. Использовать другую нейросеть для проверки. Если две нейронки выдали один и тот же результат, вероятность того, что он корректный, становится выше. 6. Важную информацию проверять вручную. Я всё ещё не доверяю нейронкам на 100%. Помню, довольно давно попросил ChatGPT распознать текст на фото. Там был номер счёта. Фотография была достаточно чёткая, но он вместо тройки определил восьмёрку. Хорошо, что я это перепроверил) Так что главный вывод такой: нейросети ошибаются (как и люди). Но процент ошибок можно существенно уменьшить.

AI Навигатор pinned «Можно ли сделать сайт за 2 минуты? Я скажу Да,  это не кликбейт 🙂 При условии, что у тебя уже собраны данные для сайта. Как? Давайте разбираться. Сначала идёт подготовительный этап. И он очень важный. Если хочешь сайт именно под свою компанию, нужны нормальные…»

Можно ли сделать сайт за 2 минуты? Я скажу Да,  это не кликбейт 🙂 При условии, что у тебя уже собраны данные для сайта. Как? Давайте разбираться. Сначала идёт подготовительный этап. И он очень важный. Если хочешь сайт именно под свою компанию, нужны нормальные вводные. И вот здесь нейронки сильно упрощают жизнь. 1. Можно загрузить в нейросеть: 🔹 5 Word-файлов с разными заметками про компанию 🔹 от руки нарисованную схему 🔹 старое коммерческое предложение 🔹 описание услуг 🔹 голосом наговорить недостающую информацию И потом попросить GPT: «Объедини всю эту информацию для моего нового сайта. Собери необходимые блоки, структуру и ключевые смыслы». 2. Дальше я бы попросил: «Задай мне необходимые вопросы. Каких важных данных не хватает для продающего сайта?» 3. И обязательно укажи цель сайта. Например: «Хочу, чтобы клиенты писали мне в Telegram / WhatsApp». 4. После этого задаём роль нейросети: «Ты профессиональный маркетолог и веб-дизайнер. Умеешь делать современные продающие сайты для бизнеса. Составь структуру сайта по этим вводным данным. Пока только названия блоков». На каждом этапе можно что-то редактировать, уточнять и просить переделать. 5. Когда структура готова, следующий запрос: «Теперь составь ТЗ для сайта с наполнением: структура, тексты блоков, заголовки, кнопки, призывы к действию и рекомендации по визуалу » . В итоге ты получаешь вполне нормальное ТЗ, которое уже можно отдать фрилансеру. Но вопрос: хочешь ли ты ждать неделю, две или месяц и платить за это, если можно быстро собрать  самому? 😉 Есть два варианта. 1. Через ChatGPT или Claude, или другую нейросеть. Если ты понимаешь, что такое хостинг, можно попросить: «Сделай HTML-код сайта по этому ТЗ. Сайт должен быть адаптивным, хорошо открываться на мобильных, современным, с понятной структурой и кнопками действий. Получаешь код, *можно попросить ИИ изменить что то на сайте. Далее загружаешь на хостинг. 2. Через Lovable Этот вариант проще. Берёшь то же самое ТЗ и закидываешь в Lovable. Это сервис, который специализируется на создании сайтов текстовому описанию. Он сразу собирает сайт, даёт возможность его править и опубликовать там же бесплатно. Если нужен свой домен, его можно подключить (платно). Итог: сбор инфы для сайта ускорен раз в 5, не нужно искать фрилансера, дешевле конструктора сайтов. #ИИхак