Как встроить ИИ в работу

Промпт — задача нейросети словами. Хороший запрос не обязан быть длинным: он должен снять неоднозначность и дать модели материал, на который можно опереться. Умение ставить задачу важнее выбора модели — об этом были предыдущие главы.

Универсальная формула промпта

Шесть блоков, которые превращают расплывчатую просьбу в рабочую задачу:

Блок	Что задаёт	Пример
Роль	Кем должна «представиться» модель	«Ты — опытный продуктовый менеджер в B2B-сервисе»
Задача	Чёткий измеримый результат	«Составь черновик PRD для функции экспорта отчётов»
Контекст	Продукт, пользователи, ограничения, что уже известно	«Продукт — веб-аналитика для малого бизнеса; функция нужна по итогам 12 интервью; срок разработки — один спринт»
Формат	В каком виде нужен ответ	«Структура: проблема / решение / метрики / риски. Метрики — таблицей»
Ограничения	Чего избегать и на что опираться	«Опирайся только на приложенные заметки; не придумывай цифры; если данных не хватает — задай вопросы»
Примеры	Образец хорошего результата	«Вот фрагмент PRD, который мне нравится по структуре: …»

Не каждый запрос требует всех шести блоков. Для перевода фразы достаточно задачи и формата. Для черновика PRD нужны контекст, ограничения и правило, что делать при нехватке данных.

Готовый промпт — синтез кастдев-интервью:

«Ты — опытный продуктовый исследователь. Вот заметки из пяти кастдев-интервью: [вставьте текст]. Выдели повторяющиеся проблемы, раздели факты и мнения, сформулируй гипотезы проблем. Формат — таблица: проблема / в скольких интервью прозвучала / дословная цитата. Опирайся только на заметки; если данных мало для вывода — так и напиши, не додумывай».

Итерации вместо одного идеального промпта

Правило «чем длиннее промпт, тем лучше» не работает: лишние инструкции противоречат друг другу. Официальные руководства Google и OpenAI сходятся в том же: ясные инструкции, релевантный контекст, примеры и разбиение сложной задачи на части. Google отдельно подчёркивает, что промптинг — итеративный процесс, и сильные few-shot примеры (готовые входы и выходы) дают больший эффект, чем длинные описания. Практический цикл выглядит так:

Дайте задачу и требуемый формат.
Посмотрите, чего не хватило в результате.
Добавьте один недостающий элемент: критерий, контекст или пример.
Повторите на нескольких разных входных данных — интервью из разных сегментов, фичи разного масштаба.
Сохраните версию, которая стабильно проходит проверку.

Если ответ слабый	Что добавить в запрос
Много общих слов	Конкретный результат, объём и роль документа («черновик для команды разработки, не для руководства»)
Пропущены обязательные поля	Явный список разделов PRD или полей таблицы
Выдуманы факты	Требование опираться только на входные данные и помечать пробелы
Плавает формат	Пример ожидаемой структуры или таблицы
Непонятна логика	Просьба обосновать каждый вывод ссылкой на данные

Второй пример — аналитическая задача, где промпт почти полностью снимает типовые ошибки:

Готовый промпт — черновик SQL:

«Ты — аналитик данных. В таблице orders поля: user_id, created_at, status, plan, amount_gross. Нужна конверсия из пробного периода в платную подписку по неделям регистрации за последний месяц. Сначала опиши, как ты понял задачу, затем напиши SQL, затем перечисли допущения. Используй только перечисленные поля; если данных не хватает — задай вопросы, не придумывай схему».

Как встроить ИИ в личный процесс

Разовые удачные запросы быстро забываются. Встраивание начинается, когда повторяющиеся задачи получают шаблоны.

Соберите свои повторяющиеся задачи. Обычно их три–пять: синтез интервью после полевого дня, черновик документа перед спринтом, письмо стейкхолдерам в конце недели, ноты релиза перед выкаткой. Для каждой определите вход, ожидаемый результат и критерии проверки.

Превратите удачный промпт в шаблон. Храните рядом с промптом два–три примера хорошего результата и чек-лист проверки — это рабочий шаблон, а не заклинание на удачу. Со временем шаблоны можно делить с командой.

Проверяйте результат по чек-листу. Минимальный чек перед использованием ответа:

все факты и цифры опираются на ваши данные или проверяемые источники;
модель ничего не добавила «от себя» — сравните выводы с входными материалами;
формат соответствует задаче: PRD читается командой, письмо — стейкхолдером;
пробелы и недостающие данные помечены, а не заполнены догадками.

Чек-лист важнее промпта. Промпт даёт черновик за минуты; чек-лист превращает его в документ, за который вы готовы отвечать. Без проверки ускоряется только производство текста, а не работа.

Встройте шаблоны в существующие ритуалы. После каждой серии интервью — синтез по шаблону, перед спринтом — черновик документа, в пятницу — письмо со статусом. ИИ встраивается не в «свободное время», а в конкретные шаги календаря.

Чего не стоит отдавать модели

непубличные данные пользователей и коммерческие метрики — в публичный чат их вставлять нельзя, подробности в главе про безопасность;
решения о приоритетах и дорожной карте «под ключ» — модель может подготовить сравнение вариантов, но выбор и аргументация перед руководством остаются за вами;
финальные тексты пользователям и стейкхолдерам без редактуры — тон, обещания и ответственность нельзя делегировать;
автоматические действия без проверки — отправка писем, правки в живом продукте, запуск тяжёлых запросов к базе.

Готовые промпты под зоны продуктовой работы — дискавери, документация, аналитика, команда, рост — собраны в библиотеке промптов. Не обязательно писать каждый промпт с нуля: возьмите готовый, подставьте контекст своего продукта и доработайте по циклу выше.

Источники

Google AI for Developers: Prompt design strategies — ясные инструкции, обязательные few-shot примеры и разбиение сложных задач на части.
OpenAI: Prompt engineering — структура промпта: идентичность, инструкции, примеры, контекст.
Anthropic: Prompt engineering overview — критерии успеха, итеративная доработка и проверка промптов.