Бесплатный фрагмент - ИИ для маркетолога

Введение

Вокруг много разговоров про необходимость внедрения искусственного интеллекта в маркетинг, а понимания как же это сделать у многих до сих пор нет.

Вы когда-нибудь сталкивались с тем, что на конференции вам гордо заявляют: «Мы запустили ИИ» — а потом в кулуарах выясняется, что это просто чат-бот на сайте?

Или вам предлагают новейшую разработку: «модель для маркетинга», а по факту это обычный Midjourney для генерации картинок к постам?

Дело в том, что слово «нейросеть» сегодня, как слово «машина» в 1920-м. Кто-то под ним понимает велосипед с мотором, кто-то — паровоз, а кто-то — трактор. И, да, все они едут — но точно не по одной дороге))

В лучшем случае с помощью нейронок маркетологи пишут посты для соцсетей или заголовки к рекламе, в худшем — генерируют картинки и закатывают глаза на получившиеся шесть пальцев у людей. Думаю, Вы, как и многие, точно уверены только в одном, что нейросети — очередной хайп и бестолковая трата времени. Ну есть же такое? У меня когда-то тоже было.

Эта книга перевернет ваше мышление, также, как когда-то перевернулось моё.

Она написана маркетологом для маркетологов.

Её цель — не удивить технологиями, а дать конкретные схемы, которые увеличат конверсию, снизят стоимость лида и укрепят лояльность клиентов.

Да, нейросети научились писать тексты. И почти реалистично рисовать картинки. Даже делать презентации и снимать крутые ролики.

Но если вы работаете в крупной компании или в сложной сфере, вроде, B2B — скорее всего, уже поняли, стандартные кейсы про «генерацию постов за 10 секунд» вам не помогут.

Потому что:

— Обычно клиент не решает за 2 клика.

— Средний цикл сделки измеряется не в днях, а в месяцах.

— А «персонализация» — это далеко не просто « [ИМЯ клиента], мы вас ценим», а четкое понимание, какие вопросы задаёт руководитель отдела закупок на пятом звонке.

В 2025 году ИИ в маркетинге прошёл стадию энтузиазма. Сейчас наступает стадия проверки на прочность.

Поэтому мне хотелось написать книгу про маркетинговые задачи, которые ИИ действительно помогает решить — и про те, где он только создаёт иллюзию прогресса.

После прочтения вы будете знать:

— Какие ИИ-инструменты работают в сложных нишах, в том числе в B2B-реальности — а какие просто экономят время на рутине (поверьте на слово, это разные вещи).

— Как задавать техническим специалистам вопросы и ставить задачи, чтобы не получить данные, которые нельзя потом использовать.

— Как оценивать ROI от внедрения ИИ — не по «количеству сгенерированных текстов», а по изменению сроков принятия решений клиентом.

Сразу предупрежу, что в этой книге не будет никаких «революций». Никаких «изменит всё».

Просто опишу, что работает у нас и наших клиентов (а значит, должно работать и у Вас). Где и почему это используем.

ЧАСТЬ I. Теория про нейросети

Глава 1. Что умеет нейросеть

Сначала в нейросети никто не верил, потом наоборот, все немного напряглись — неужели бездушный чат GPT вытеснит специалистов и нагло займет их рабочих места?

Но пока роботы нас не захватили, самое время научиться их использовать в своих целях =)

Немного цифр для понимания

Все больше компаний инвестируют в нейросети: с 2013 года вложения выросли почти в 9 раз, в 2024 сумма колебалась в пределах 298 млрд долларов. А по прогнозам аналитиков, к 2030 году рынок нейросетей вырастет практически в 6 раз! Очень даже впечатляюще.

Так что ИИ — это не просто быстропроходящий тренд, типа Клабхауса, о котором уже никто не помнит. Он с нами точно надолго. И очень полезно понимать, в каком направлении все движется и что ожидать от роботов.

Что уже сейчас умеют нейросети: чем ИИ поможет диджитал-специалисту

Только ленивый не пробовал генерировать картинки, видео и тексты с помощью ИИ. В самом начале это выглядело довольно нелепо, в сети стало появляться множество мемов, как нейросеть присобачила кому-нибудь лишнюю голову или руку.

А может, вы даже видели видео с Уиллом Смитом, поедающим спагетти как в фильмах ужасов, сгенерированный нейронками первого поколения. Не поленитесь, посмотрите, это действительно смешно.

Все, конечно, посмеялись, но вот на дворе 2025 год — и с помощью нейросетей делают вполне качественные рекламные видео и даже короткометражки.

Да, если придраться, то видно, что это ненастоящие люди, есть некоторые косячки, но согласитесь, прогресс налицо. И уверяю вас, это еще далеко не предел. Зайдите на сайт sora2.video — посмотрите примеры роликов. Киноиндустрия уже изменилась.

Нейросети неплохо «встряхнули» и диджитал-сферу. Хочешь-не хочешь, а приходится изучать новое и адаптироваться. А то ли еще будет!

— Продвижение в поисковиках

Например, в SEO с помощью AI анализируют огромные массивы данных: условно, 1 специалист может изучить в лучшем случае 10–20 сайтов, а ИИ в десятки раз больше. Появляется возможность не тратить время на тестирование гипотез, а сразу же продвигать сайт по самым эффективным ключам, прогнозировать трафик и быстро исправлять найденные ошибки. А еще поисковики тоже изменились, теперь нейросети встроены в поиск по умолчанию и фактически воруют трафик с сайтов. И развивается целая индустрия продвижения в нейросетевом поиске.

— Реклама в поисковиках и на сайтах-партнерах

Для любого директолога сейчас нейросети — верный друг и соратник. И не потому, что специалисты по рекламе вдруг все дружно проснулись и осознали, что пора. Дело в том, что Яндекс Директ с начала 2024 года очень активно внедряет ИИ в работу сервиса. Нейросети также используют для анализа данных и предсказания поведения пользователя. Иными словами, нейросеть уже знает, как ведет себя клиент, который купит и не один раз, и может создать эффективное объявление.

— Маркетинг

Искусственный интеллект помогает анализировать целевую аудиторию и поведение пользователя. Принцип тот же — программа может гораздо быстрее анализировать информацию и составлять портрет вашей ЦА. Конечно, за ней нужен глаз да глаз, плюс ко всему, просто написать «составь портрет ЦА, плиз» не получится. С ИИ нужно уметь правильно общаться.

— Копирайтинг

Все, что касается смыслов, добавочной ценности, эмоций, пока неподвластно нейросетям, и копирайтеры (при условии, что они хорошие) по-прежнему на вес золота. Но какие-то базовые задачи типа рерайта, составления структуры текста, идей для контент-плана и заголовков можно и даже нужно делегировать нейросетям. Это здорово экономит время.

— Анализ

Объем анализируемых данных увеличился и продолжает увеличиваться, человеку такое количество информации изучать уже непросто — ИИ поможет. Процесс сбора займет секунду, тогда как у аналитика — не один час, а то и день. Да, придется перепроверить, но даже так задача выполняется быстрее в разы, а то и десятки раз. Узнать потребности клиентов, объем рынка и кучу прочего — все это моментально сделает внедренный в бизнес-процессы умный алгоритм.

— Прогнозирование

Заранее продумать, что будет с продуктом через год, 5 и 10 лет, что изменится после внедрения чего бы то ни было, как вырастет прибыль — это тоже желательно знать. Здесь даже речь не о том, чтобы быстро сделать что-то — нет, ИИ замечает больше, чем человек.

Если когда-то аналитики опирались на данные прошлых лет и продаж, то сейчас есть возможность заглянуть в будущее. Согласитесь, лучше спрогнозировать что-то с небольшой погрешностью, но с учетом развития, чем выстроить схему на основании данных столетней давности, но зато точно.

В 2025 году достаточно ввести в программку нужные данные, и она сама рассчитает, сколько чего нужно в будущем (например, сколько и каких товаров закупить — если торговали на Озон или ВБ, знаете, что расчет требуемых поставок делают как раз такие умные алгоритмы). А еще и актуальные тенденции рынка проанализирует и составит прогноз, узнает, что делают ваши конкуренты и так далее.

— Управление

Внутри компаний куча процессов, на которые просто уже немодно тратить время — эти рутинные задачи давно выполняют нейросети. Кроме того, искусственный интеллект повышает продажи бизнеса, даже делая внутрикомпанейскую работу — например, алгоритм, внедренный для контроля запасов продукции/сырья, способен точно рассчитать количество на основе огромного массива данных и избежать недостатка и переизбытка. То есть сколько нужно, например, закупить стальных труб, столько и укажет — не придется срочно дозаказывать материалы или, наоборот, думать, куда сбагрить неиспользованные, чтобы не хранить на складе. А хранение ведь тоже не бесплатное, даже если помещения для этого в собственности.

Это только конкретный пример, нейросети можно делегировать и кучу прочих задач, связанных с управлением внутри компании.

— Автоматизация

Опять же — и сэкономить время, и улучшить процессы, перебросив ресурсы с одной рутинной задачи на более полезные и важные. Например, многие компании в России уже автоматизировали с помощью искусственного интеллекта общение с клиентами, ввод данных, расчеты цен и т. п. Вот последнее актуально для b2b, когда клиенту важно знать вилку цен, и решение о сотрудничестве принимается в том числе в зависимости от того, подходит ли стоимость.

Впечатляющий пример в области клиентской поддержки демонстрирует Авито.

Пользователи площадки ежедневно публикуют два миллиона объявлений, 98% из них обрабатывает нейросеть. Так, искусственный интеллект заменяет собой 100 000 модераторов.

Еще пример. Допустим, на сайте установлен калькулятор, который автоматические рассчитает примерную цену на основании введенных данных, а затем уже менеджер-человек общается напрямую и заключает сделку. Тогда как при отсутствии ИИ-ассистента сотрудник бы сначала долго разговаривал по телефону с клиентом, узнавал все исходные данные, потом считал вручную, после чего звонил еще раз, чтобы сообщить конечную (а в 90% случаев на начальном этапе считается примерная стоимость) цену. А если клиента сумма не устроит, столько времени коту под хвост. Нейросеть же не расстроится, если сделки не будет, она сделает выводы и учтет этот случай при прогнозировании. Одни плюсы.

Конечно, это не весь список задач, которые можно поручить ИИ. Нейросети идеально справятся с аналитикой больших массивов данных и видят закономерности там, где ее не видит человек.

В целом, ИИ неплохо генерирует изображения, видео, и даже может делать серьезные исследования, что тоже может пригодиться дизайнеру, сммщику, маркетологу. В общем, потенциал у этого инструмента есть, и он огромный — отрицать это глупо, но и слепо доверять бессмысленно. Очень важно проверять результаты, которые выдает искусственный интеллект. Он часто галлюцинирует, поэтому фактчекинг в помощь.

Глава 2. Нейросети для B2B: как искусственный интеллект помогает повысить продажи

Эта глава скорее будет продолжением следующей главы. Просто для очистки совести имеет смысл сказать, что мы сами B2B-компания и клиентов из B2B у нас на порядок больше, поэтому отдельно стоит поговорить про ИИ для B2B. Все-таки тут есть своя специфика, но если вы работаете в B2C или B2G (и любые другие странные буквы), то тоже будет полезным.

Вспомните сейчас любую презентацию крупного современного смартфона — например, флагмана от Самсунг (ну или зайдите к ним на сайт www.samsung.com и поищите их новенький смартфончик). Думаю, не ошибусь, если скажу, что там с завидной регулярностью встретите порядком поднадоевшее слово «эйай» (AI, но по-русски как-то привычнее ИИ или АИ).

ИИ в фоторедакторе, ИИ в приложениях для управления, ИИ в калькуляторе, ИИ в будильнике, ИИ в камере, ИИ в телевизоре — и везде, где только можно и нельзя.

К слову, умные алгоритмы в камерах были еще давно — вспомните смартфоны Pixel от Гугла, которые с одной камерой на 12 Мп (во многих телефонах тогда уже было стандартно 2–3 модуля) обходили по качеству за счет крутого софта в том числе любой флагман, однако в те дремучие времена термин нейросеть не был так популярен.

Но если ссылаться конкретно на сферу b2b, то нейросети помогают увеличить продажи и в целом развиваться бизнесу.

Опять же далеко не пойдем — Яндекс с 2023 года внедрил собственный GPT в свои 2 миллиона сервисов и совершенствует его и по сей день. Да, там до этого была Алиса, но ее никто нейросетью не считал. В поисковой выдаче на первом месте — нейроответы и реклама (которая тоже работает за счет ИИ в том числе).

Как вы поняли, искусственный интеллект есть везде, даже в компаниях, которые напрямую с диджиталом не связаны: строительство, добыча ископаемых (речь не о миллениалах), производство и промышленность. А как он помогает продавать и поднимать прибыль — давайте разбираться.

Как нейросети увеличивают продажи в B2B

Спорить с тем, что нейросети в бизнесе — это эффективный инструмент продаж, продвижения, автоматизации и оптимизации, вряд ли кто-то будет. ИИ помогает менеджерам, маркетологам, аналитикам и другим специалистам выполнить работу быстрее и во многих случаях эффективнее и привлечь прибыль в компанию. Причем вовсе не важно, какая это сфера: недвижимость, строительство, производство, промышленность, поставки, логистика — для любой области бизнеса найдется решение.

А за счет чего ИИ увеличивает продажи в B2B

— Улучшение клиентского сервиса. Самый банальный пример — внедрение ИИ для общения с клиентами. В отличие от людей, которые работают не весь день, ИИ может ответить на вопрос потенциального заказчика огромной партии, например, листового проката хоть ночью.

В каких-то компаниях нейросети ведут общение вплоть до того момента, пока лид не станет тепленьким, и только тогда передают его специалисту. Но тут все зависит от того, какую нейросеть вы используете, насколько она умная, как интегрирована в процессы. Словом, такие нейронки повышают эффективность отдела клиентского сервиса, увеличивают продажи и при этом экономят время живых сотрудников, но при условии грамотного внедрения ИИ в CRM и ее настройки.

Например, компания Klarna, один из крупнейших финтех-игроков, приняла решение прекратить найм сотрудников после внедрения искусственного интеллекта. В первый месяц бот обработал 2/3 всех диалогов с клиентами или 2,3 миллионов чатов. Также нейросеть используют для обработки платежей, управление рисками, обнаружения мошенничества. Благодаря боту за год компания сократила штат на 22%.

— Персонализация. Как минимум персонализация сейчас в принципе в тренде.

А в сфере b2b нейросети повышают продажи и за счет персонализированных предложений. Искусственный интеллект изучает историю покупок, предпочтение и поведение клиентов и на основании полученных данных составляет прогноз, что может купить этот самый клиент в следующий раз или сейчас. Это уже давно отлично работает в сфере b2c, так и теперь активно используется в b2b — например, нейросеть, общаясь с представителем бизнеса, изучает информацию и запросы компании, циклы сделок и в ходе «переговоров» предлагает наиболее эффективное решение (продукты и услуги) на каждом этапе и индивидуально обрабатывает возражения дорого/подумаю/не сейчас.

Крупные компании уже активно используют гиперперсонализацию в работе с клиентами.

Компания Domino’s внедрила Phrasee — генератор контента на базе искусственного интеллекта, чтобы привлечь новых клиентов и увеличить лояльность текущих. Система пишет персонализированные заголовки электронных писем и цепляющие push-уведомления. Благодаря усилиям Phrasee средний коэффициент кликов вырос на 57%, а коэффициент открытия электронных писем — на 26%.

Уверена, скоро появится индивидуальные NER (Named-entity recognition, NER) — это процесс автоматического обнаружения и классификации именованных данных в тексте. Например, уже сейчас NER может искать резюме в базе, фильтровать заявления сотрудников, собирать данные пользователей из отзывов для анализа эмоционального состояния клиентов.

Распознавание эмоций позволит адаптировать подходы к продажам в зависимости от настроения покупателя и еще больше улучшить клиентский сервис.

Гиперперсонализация особенно актуальна для представителей поколения Альфа, которые родились после 2010 года. Основная особенность этого поколения заключается в том, что для них цифровые технологии, в том числе нейросети — это не инструмент, а естественная среда обитания.

— Лидогенерация. Кроме анализа внутренних процессов, ИИ для b2b приносит пользу и при исследовании открытых источников — социальных сетей, сайтов, различных площадок и т. д. Нейросети ранжируют пользователей — оценивают, кто с большей вероятностью станет клиентом. Это помогает сфокусироваться на заинтересованной ЦА и не тратить время на тех, кому продукт компании не нужен.

— Эффективная конкуренция. Чтобы увеличить продажи, важно обойти компании, которые работают с вами в одной сфере. И тут снова на помощь придет ИИ — искусственный интеллект постоянно изучает происходящее на рынке, в том числе отслеживает, что делают конкуренты, читает отзывы, оценивает тренды и тенденции. Все это дает возможность выстроить грамотную стратегию и получить преимущество.

— Экономия времени и ресурсов. Нейросети освобождают сотрудников от рутинных задач, чтобы они могли уделить внимание сложным работам. Например, квалификация лидов ложится на ИИ, специалист же вступает в переговоры, когда клиент определен как целевой и заинтересованный. А также оптимизируются внутренние процессы — если раньше надо было вручную анализировать данные, то сейчас это сделает нейросеть, экономия времени очевидна — в день можно выкроить час, а то и больше, в перспективе это снижает нагрузку на отдел или конкретного сотрудника в разы.

CRM на базе искусственного интеллекта доказали свою эффективность, и все больше компаний планируют их использовать. По прогнозу Fortune Business Insights, стоимость таких систем к 2030 году достигнет 262,74 миллиарда долларов. Для сравнения, в 2024 году этот рынок оценивается в 101,41 миллиардов долларов.

Набирают популярность инструменты, которые не просто автоматизируют рутинные задачи, а меняют подход к традиционным производственным и бизнес-процессам и повышают эффективность работы предприятия. Например, извлечение именованных сущностей, процессная аналитика, компьютерное зрение, технологии дополненной и виртуальной реальности.

Казалось бы, минусов быть не может, но нет — нюансы есть, и они достаточно серьезные, чтобы на них не обращать внимание.

Где-то же должен быть подвох… Минусы ИИ.

Если всю статью говорили про преимущества использования ИИ в b2b, то про минусы молчали намеренно, а они есть. Ну как минусы — это скорее сложности, с которыми вполне реально справиться, если захотеть.

— Дорого

Нейросети — это не только ChatGPT, чтобы провести интеграцию ИИ с CRM, обучить на базах данных, купить токены и т. д. Придется выделить немало денег и человеческих ресурсов. Парадоксально получается как-то — чтобы экономить время людей потом, тратим его сейчас. Но в перспективе сокращение расходов перебьет все затраты на старте.

— Сложное внедрение

Интегрировать нейросети в существующие системы непросто — придется переделать часть процессов, проводить тестирование, пройти ад с персоналом, потому что они будут против менять процессы, а неправильная настройка приведет к ошибкам в работе.

— Необходимость в данных высокого качества

Нейросети учатся сами, но на какой-то информации, и если она будет некорректной, то и ИИ обучится соответствующе. Будет не помощник, а бестолковый робот-снежинка.

— Конфликты с сотрудниками

Учить придется и специалистов, которые будут работать с ИИ, часто эффективность новых решений очевидна не сразу, и потребуется время, чтобы все привыкли к искусственным коллегам.

— Юридические риски

Никто не гарантирует, что данные, которые вы отдадите нейронке, там и останутся. Если только не поднять свою, а это будет еще дороже и не подъемно даже среднему бизнесу. Хотя кто знает, как будут обстоять дела с ИИ и сбором данных в будущем. Возможно, придется корректировать какие-то процессы.

— Подойдет не всем

Нейросети в b2b отлично будут работать в крупных компаниях, где множество процессов, которые структурированы, большие объемы данных, высокая прибыль. Бизнесу поменьше интеграция ИИ обойдется гораздо дороже, и не факт, что принесет прибыль. Тут лучше смотреть в сторону готовых SAAS-решений, коих становится все больше и больше.

Столько сложностей ради неочевидного результата?

Основная рекомендация, если хотите внедрить нейросети в свои бизнес-процессы — поэтапная интеграция. Например, в первую очередь стоит запустить чат-бот под контролем сотрудника, и посмотреть, как он отрабатывает. Сразу «большие» решения интегрировать не стоит.

Игнорировать ИИ даже в b2b как минимум странно — все больше бизнесов, работающих с другими бизнесами, постепенно интегрируют нейропомощников — кто-то явно, кто-то пока тестирует внутри компании, но тем не менее полностью от этой идеи не отказываются.

Затраты на искусственный интеллект окупаются, но при грамотном подходе. Детальнее поговорим об этом в главе про AI-агентов.

Глава 3. Тренды нейросетей до 2030 года: восстания машин не предвидится… или предвидится?

А что будет?

— Развитие чат-ботов и ИИ-помощников

Это такие программы-ассистенты, созданные на базе искусственного интеллекта, которые всячески помогают пользователям: ищут информацию и отвечают на различные вопросы. Думаю, Алису и Siri точно знаете.

Но сейчас появляется все больше специализированных помощников, которые не только выполняют чисто практические задачи, но и даже оказывают психологическую помощь. Одна из таких программ — Replica. Она позиционируется как компаньон, которому не все равно на ваши чувства: всегда готов выслушать и поддержать.

Ни один раз возникал вопрос, может ли ИИ этично отвечать на вопросы, проявлять хоть какие-то зачатки эмпатии и вообще поддерживать как живой человек.

Конечно, пока о таком говорить рано, но все развивается — как знать.

Большой рост рынка AI-ботов к 2030 году эксперты ожидают в следующих отраслях:

— Кибербезопасность во главе угла

Новые технологии не только упрощают жизнь и делают работу эффективнее, но и к сожалению, попадают в руки мошенникам.

Владельцы сайтов должны быть особенно начеку. ИИ может использоваться для создания поддельной информации или для атак на системы.

В общем, нужно быть очень внимательными и заранее позаботиться о том, чтобы ваш сайт был устойчив к киберугрозам. Ну и здесь грех не похвастаться и не сказать, что наши ребята из отдела разработки делают именно такие сайты — безопасность превыше всего =)

— Нейросети будут лучше считывать информацию из разных источников

Уже сейчас многие программы прекрасно работают с картинками или аудиозаписями. Наверняка слышали о том, что пользователи могут вводить запрос не только текстом или подгружать картинки, но и задавать вопросы голосом или даже в видеочатах.

Эта функция, безусловно, упрощает жизнь пользователю, но и одновременно усложняет ее SEO-специалисту. Ведь теперь очень важно учитывать этот момент и оптимизировать сайты еще и под голосовой поиск.

В целом, все разработчики ныне существующих нейросетей стремятся к тому, чтобы результат был более точным и качественным. И с каждым годом ИИ «понимает» человека все лучше и лучше.

Если вы думаете, что эти технологии пригодятся только в диджитал или чтобы поболтать с условной Алисой и развлечься, то нет. Нейросети уже довольно активно используются, например, в медицине.

ИИ может анализировать рентгеновские снимки на наличие различных патологий — это помогает точнее ставить диагнозы пациентам. Разумеется, нейронная сеть не заменит квалифицированного врача, но может очень пригодиться, к примеру, в обучении пока еще неопытных специалистов.

— Большой брат ИИ следит за вами

Этот тренд довольно пугающий, но, если разобраться, плюсов от него довольно много. Я говорю сейчас о различных умных камерах на улицах города, датчиках и сенсорах, которые способны точно передавать картинку и следить за общественным порядком.

В целом, тренд автоматизации процессов прослеживается давно, но с появлением нейросетей возможность для реализации этой задумки появилось гораздо больше — и вряд ли тенденция исчезнет.

Думаю, все после тяжелого рабочего дня мечтали завалиться на диван, а домашние дела пусть делаются сами собой. А это уже давно и не мечта, а реальность.

И никакого чародейства вне «Хогвартса» — система «умный дом» в помощь.

Достаточно достать из кармана телефон и запустить робот-пылесос, вскипятить воду в чайнике, включить/выключить освещение в доме, изменить температуру воздуха и много-много всего интересного. Существуют даже специальные датчики, которые следят за тем, чтобы вы или вас не затопили — суперполезная штука.

— Появление новых профессий

Нейросети — уже давно не просто игрушка, а полезный инструмент для бизнеса. И да — крупные компании это очень хорошо понимают.

Не так давно на hh.ru стали появляться вакансии промпт-инженеров:

А в требованиям к вакансиям Маркетологов, Директологов, SEO-специалистов уже без стеснения пишут, обязателен навык работы с нейросетями.

Те, кто умеют работать с нейросетями сейчас — пока что настоящие алмазы. Все, кто хоть раз пробовал что-то самостоятельно нагенерировать, наверняка сталкивались с тем, что получается какая-то ерунда, и просто закрывал программу.

Так вот, чтобы получалась не ерунда, нужно учиться писать промпты и в целом понимать, как работает искусственный интеллект. Об этом поговорим в следующей главе.

Над блогерами тоже раньше смеялись и не воспринимали их всерьез, так же, как и нейросети, но те, кто вовремя понял, как все устроено, будут очень полезны бизнесу и зарабатывать соответствующе.

ИИ-агенты — наше будущее

ИИ-агенты — это системы, которые могут управлять другими нейросетями и инструментами. Не просто отвечают на ваш запрос, а делают что-то сами, т.е. они проактивны изначально.

Многие компании уже внедрили ИИ-агентов в свои бизнес-процессы, и мы сделали ровно то же самое. В начале 2024 года у нас появилась Эвия. Она уже сейчас умеет делать маркетинговые прогнозы, общается с клиентами на сайте и проводит базовый анализ ресурса:

Скажу по секрету: останавливаться на этом мы не планируем. Она уже умеет писать рассылки и вести наши соцсети, правда пока еще не на 100%, но уже на 80% мы ей доверяем.

Что мы придумали, чтобы облегчить жизнь себе и клиентам

Было бы круто, чтобы Эвия помогала каждому нашему клиенту, поэтому решили ее внедрить в личный кабинет. Мы берем в работу проекты из разных регионов России, так что часто часовые пояса не совпадают, а клиенты, конечно, хотят как можно быстрее решить проблему и получить ответы на свои вопросы.

У каждого нашего клиента есть личный кабинет, в котором он может посмотреть, как продвигаются дела по проектам, увидеть все отчеты по работам и обсудить задачу с проджектом или исполнителями. Сюда же мы добавили чат с Эвией, в котором можно будет обсудить насущные темы и все-все вопросы.

А еще она умеет звонить нашим клиентам и самое прекрасное, чудесно держит план разговора, идеально владеет техниками продаж и сама уверена, что она человек)))

Хоть у каждого клиента есть свой менеджер, держать их в офисе взаперти с утра до ночи не сможем =) А вот Эвия вполне способна консультировать клиентов в режиме нон-стоп.

Раньше тоже никто не верил, что можно передвигаться на машинах, а не на лошадях, зато теперь автомобиль есть практически в каждой семье:

Нейросети будут становиться все удобнее в использовании и выдавать все более точные результаты. Мир пока не захватят, но появятся во многих сферах нашей жизни. Чтобы лучше понимать, куда движется развитие нейросетей, стоит вернуться немного назад и посмотреть, с чего ж все началось.

Глава 4. Что под капотом у ИИ, или инструкция для чайников

Вы когда-нибудь разбирали старый советский телевизор?

Я в детстве видела, как папа его чинил — там внутри лампочки, резисторы, какие-то разноцветные провода. Мне даже доверяли потыкать отвёрткой (к моему огромному счастью), папа крутил ручку громкости, слушал треск и мы вместе пытались понять, где проблема.

С ИИ — наоборот. Мы с вами видим чистый интерфейс: поле ввода, кнопка «Сгенерировать», через 10 секунд магия: текст, картинка, видео, файл или что-то еще. А что внутри — для многих всё равно что инструкция к китайскому кондиционеру, вроде, есть, но читать ее точно лень. Поэтому дам некую упрощенную «инструкцию», которую поймут даже крышечки от чайников, и надеюсь, читать ее будет во сто крат интереснее))

Начну с парадокса, который заметила. Чем становится проще пользоваться ИИ, тем чаще получаются очевидные косяки — вроде тех самых шести пальцев, о которых я писала во введении, или фразы «Как показало исследование 2027 года…» которого никогда не было.

А всё потому, что маркетологи (и не только) начали относиться к нейросетям как к чему-то изначально «умному». Но это не так, это просто инструмент, такой же как калькулятор. И чтобы им пользоваться — нужно хотя бы в общих чертах понимать, как он устроен. Поэтому и начнем с изучения этой самой «инструкции к кондиционеру».

Развитие рынка нейросетей стало возможным благодаря большим языковым моделям (large language model, LLM) — сложным нейронным сетям, которые обучаются на огромных массивах данных. Большие языковые модели не распознают ключевые слова, а сразу понимают «смысл» (это слово специально взято в кавычки, так как этот «смысл» не совсем в привычном понимании человека, но об этом чуть позднее) высказываний, учитывая контекст диалога, и могут генерировать связные и осмысленные ответы.

Вот как работают LLM:

Сначала они учились предсказывать следующее слово в предложении.

Представьте, вы читаете книгу и дошли до фразы: «Когда вода нагревается до 100° C, она…»

Что будет дальше? Вы почти не задумываясь думаете: «…кипит» или «…закипает».

Не потому, что вы физик. А потому что миллион раз встречали эту связку слов.

LLM (Large Language Model — большая языковая модель) делает то же самое — только на основе триллионов таких связок, взятых из книг, статей, сайтов, кода. При этом она не знает, что такое кипение. Она не понимает, зачем это нужно. Она не помнит, где это прочитала. Ей неведом этот мир. Она просто предсказывает, какое слово с наибольшей вероятностью пойдёт следующим. И это важно понимать!

И если вы скажете: «Когда вода нагревается до 100° C, она…» — нейросеть напишет «кипит».

А если допишете: «…в условиях пониженного давления на Марсе» — то ее ответ изменится. Потому что в «памяти» есть даже такие примеры. И в этом плане она действительно умная.

Для такого поведения даже придумали меткое прозвище — «стохастический попугай».

Стохастический — значит, «случайный, но с закономерностью». Попугай — потому что повторяет, не понимая. Это не оскорбление. Это рабочее определение.

И если вы будете помнить эту основу, перестанете ждать от ИИ «мудрости», а начнёте строить с ним чёткое взаимодействие, то и результаты будут потрясающие.

О том, как правильно строить это самое взаимодействие, мы поговорим уже в следующей главе.

А пока важно понять еще один момент. Никогда не верьте ссылкам, датам, именам компаний, названиям исследований и цифрам, которые генерит ИИ — если не проверили сами. Потому что задача нейросети дать наиболее вероятностный ответ и понравиться вам. Относитесь к ИИ как к заискивающему стажеру, который ради премии выдумает новое определение, сошлется на несуществующего автора и еще гору ненастоящих фактов, лишь бы вы приняли его отчет и были счастливы. Поэтому фактчекинг обязателен.

Так что же такое большая языковая модель?

Если совсем грубо — это статистический угадайщик с хорошей памятью))

Дартмут, 1956: когда назвали то, что мы сегодня используем

Вы когда-нибудь слышали про Дартмутский семинар? Если нет — не переживайте. Вы не одиноки) Это — научный сбор в летнем кампусе колледжа в Нью-Гэмпшире, в 1956 году. Туда приехали 10 человек. Среди них — Джон Маккарти, Марвин Минский, Клод Шеннон. Они не приносили ноутбуков. Не показывали демо. Не анонсировали стартап.

Они просто написали в заявке на грант Фонда Рокфеллера:

«Мы предлагаем исследование искусственного интеллекта… Исследование основано на предположении, что всякий аспект обучения или любое другое свойство интеллекта может в принципе быть столь точно описано, что машина сможет его симулировать».

И — дали название этому: artificial intelligence. На самом деле, это был принципиально новый иной подход, до этого преобладал подход логический, машинный: «если вот это, то вот то…»

А они предположили, что настоящего прорыва в изучении ИИ можно добиться только имитируя человеческий мозг. Сегодня это звучит как данность. А тогда многие считали это околонаучной ересью: «машина может учиться?», «понимать язык?», «делать абстракции?». Ха!

Через год открылись первые лаборатории ИИ — в MIT, Стэнфорде, Карнеги-Меллон. Но после этого снова не случился прорыв до момента, пока не случилась игра в Го с Ли Седолем.

Переломный момент: откуда этот хайп на нейросети?

Многие уверены, что эпоха ИИ началась в 2022-м — с выходом ChatGPT. А вот и нет)

На самом деле тот самый переломный момент, о котором мечтали в Дартмуре в 1956, случился на три года раньше. И не в офисе OpenAI, а в лондонской лаборатории DeepMind.

В 2016 году компьютерная программа AlphaGo выиграла у Ли Седоля — одного из сильнейших игроков в Го за всю историю.

Ну и что?! — скажете вы, — Ведь и раньше у Гарри Каспарова в шахматах выигрывала машина, причем тут игра Го?

Потому что до этого момента считалось: машина-то может обыграть в шахматы (там ограниченное число ходов), но в Го — никогда. Там доска 19×19, и вариантов ходов больше, чем атомов во Вселенной. Победа требует не логики, а интуиции, чувства поля, стиля. Невозможно просчитать выигрышный вариант, какие бы вычислительные мощности у вас ни были под рукой капотом.

Когда AlphaGo сделал ход №37 в четвёртой партии — профессионалы сначала засмеялись. «Бред», «ошибка», «программа сломалась». А через 20 ходов стало ясно: это был гениальный ход, который человеку в голову не пришёл бы и за тысячу лет.

С этого момента мир понял: ИИ перестал быть калькулятором. Он начал имитировать понимание.

И вот здесь я остановлюсь и проговорю еще раз. Именно имитирует. Очень убедительно. Но без сознания, без намерения, без совести. Как сказал один из разработчиков уже после победы:

«AlphaGo не любит Го. Он не ненавидит Ли Седоля. Его задача всего лишь максимизировать вероятность победы».

Потом еще много раз АльфаГо обыгрывала чемпионов, но именно это был переломный момент, после которого машинное обучение стали по праву считать искусственным интеллектом, а у разработчиков зарплаты выросли х3, если не больше)))

Почему это важно знать маркетологу?

Потому что сегодня мы стоим в похожей точке. Не в 1956-м, конечно. Мы уже не спорим: «Может ли ИИ?» Теперь вопрос: как использовать его так, чтобы не потерять связь с реальностью? Как не превратить маркетинг в «симуляцию понимания» — без самого понимания?

Ведь Дартмутский семинар в конечном счете не создал ИИ. Он создал язык, рамку, общее поле доверия — чтобы учёные могли говорить друг с другом, не боясь показаться наивными.

Нам сегодня нужна такая же рамка — но для маркетологов. И надеюсь, эта книга станет такой. Важно понимать, не «как вбить промпт», а как спросить ИИ: «Откуда ты это взял?», как распознать, когда ответ — реальный прогноз, а когда — фантазия, как сохранить контроль, даже если результат «выглядит как экспертный».

Потому что, как писал сам Маккарти позже:

«Основное препятствие — не отсутствие возможностей у ИИ, а наша неспособность ставить задачи, пользуясь в полной мере теми возможностями, что у нас есть».

Что такое Токены?

Сначала к базе: нейросети мыслят токенами (если очень грубо, то это количество «мыслей», которые может «удержать» в своей «голове» робот), которые в свою очередь доступны большой языковой модели в момент генерации ответа, в общем, это некий ограниченный контекст, который она может одновременно «видеть» и учитывать. По сути, это такое ограниченное рабочее пространство мышления LLM.

И важно использовать этот ресурс максимально эффективно, учитывая жёсткие ограничения по количеству токенов, чтобы получать предсказуемый и воспроизводимый результат.

Нейронки мыслят именно в терминах контекста, и важно понимать, какой кусок вашего диалога сейчас «видит» модель, какие данные в него входят и какие действия это состояние может породить.

Если раньше фокус был на промпт-инжиниринге, то сегодня на первый план выходит управление куда более дефицитным ресурсом, контекстом. Как в рамках минимального контекста решить задачу максимально эффективно.

Для того чтобы нейронка могла эффективно работать долго, появились техники, напрямую решающие проблему перерасхода и засорения контекста: уплотнение, структурированная память и мультиагентные архитектуры.

Уплотнение

Уплотнение — это приём, при котором длинный чат, приближающийся к лимиту контекстного окна, сворачивается в сжатое представление, конспект. Далее работа продолжается уже в новом контексте, в которое переносится этот контекст. Пишете вы длинную статью, просите нейросеть дать выжимку и промпт для продолжения диалога в новом окне. И начинаете новый чат.

Структурированные заметки

Структурированная память — это практика вынесения важных фактов и решений во внешнее хранилище за пределы контекстного окна, например, я часто храню в ворде. В нужный момент эти заметки выборочно возвращаются обратно в контекст, не перегружая его лишними деталями.

Архитектуры с подчатами

Такой подход позволяет распределять нагрузку по контексту — создаем на каждый кусок свой отдельный чат. Вместо одного чата, который пытается удержать «в голове» весь проект, специализированные чаты решают отдельные задачи в собственных контекстных окнах, а потом я (ну или вы) собираем это воедино.

Но ведь в мире есть не только языковые модели: а что есть еще?

LLM (те самые большие языковые модели) — это, конечно, настоящие звёзды шоу. Их все знают, с ними все общаются, на них делают ставку. Но за кулисами работает ещё куча других «артистов» — и без них никакой постановки (читайте никакого прорыва) не получится.

Вот, например, приходит задача: «Сделайте рекламу нового крема. Важно показать, как он впитывается». Если дать её только LLM — она напишет прекрасный текст. Но не нарисует каплю, не покажет текстуру кожи, не смоделирует, как свет отражается от увлажнённой поверхности. Для этого нужны совсем другие модели. И они — не «улучшенные LLM». Они иные. И под капотом у них совсем другие механизмы, а значит, работать с ними надо иначе.

— diffusion models

Самые заметные из них — diffusion models. Так называют модели, которые работают не со словами, а с изображениями и видео. Их принцип не «угадать следующее слово», а пойти «от шума к смыслу». Представьте: вы видите фото, но оно залито «снегом», как старый телевизор без сигнала. А теперь постепенно, кадр за кадром, этот снег исчезает, и под ним появляется лицо, рука, капля крема, отблеск на коже.

Именно так учатся diffusion-модели: сначала они портят картинку до неузнаваемости, а потом учатся восстанавливать её, шаг за шагом. Midjourney, DALL·E, Stable Diffusion и многие другие — все они работают по этому принципу. И да, именно поэтому в первых версиях у людей было по шесть пальцев, ведь модель «восстанавливала» руку по статистике, а не по анатомии))

Но сегодня — уже не так. А завтра будет совсем иначе, поэтому в книге я постараюсь описать общую логику работы, чтобы и через 5 лет книга оставалась актуальной. Возьмите, например, Sora — модель от OpenAI для генерации видео. Это уже не просто «картинка + картинка = видео». Sora «умеет помнить», как выглядел персонаж в начале — и не превратить его в двуликого Януса к концу) Она моделирует физическую реальность: как вода стекает по стеклу, как ткань драпируется на стуле, как человек теряет равновесие на сапборде — и падает правдоподобно, а не как мешок с картошкой (до сих пор смеюсь, вспоминая, как Уилл Смит уплетал макароны).

И да, она умеет вставлять реального человека в сцену — и не просто накладывать фото, а анимировать лицо, голос, движения.

Это называется cameo — и это уже не фича для инфлюенсеров (когда ваш deepfake — виртуальный клон — рассказывает за вас рилс), а инструмент для бренда: представьте, как легко вскоре можно будет получить полноценный рекламный ролик без огромных затрат на съемки.

Но и тут есть важный нюанс. Sora не понимает текст. Она не читает сценарий. Она реагирует на описание. Если вы напишете «мужчина улыбается и показывает документ» — он будет улыбаться и показывать какую-то бумажку.

Важно писать промпты, описывая итоговую картинку максимально подробно, как бы убирая в свое воображении этот самый «мешающий снег».

Поэтому важно дописать «в кабинете с видом на завод» — тогда на фоне появится окно и трубы на горизонте. Но если в промпте не указать, что документ — это техническое задание на вентиляцию, — нейронка наугад нарисует что-то популярное, например, паспорт.

— multimodal models

А вот multimodal models — это уже нечто среднее. Они могут и читать, и смотреть, и слушать одновременно. Представьте: вы загружаете в ИИ скриншот сайта конкурента, а он не только описывает, что видит («белый фон, синяя кнопка, фото врача»), но и сравнивает текст с вашим УТП, находит расхождения в тональности, предлагает, как усилить доверие, и даже генерирует альтернативный макет. Круто же!

Сейчас такие модели только входят в бизнес-процессы, но уже есть примеры:

— анализ видеозвонков менеджеров (голос + лицо + тон + паузы + суть разговора),

— автоматический аудит рекламных кампаний (текст объявления + изображение + лендинг + отзывы + карта кликов),

— поиск скрытых паттернов в отзывах: не только что написано, но как сфотографировал товар для отзыва, особенно для фото с «грустным» товаром.

И вот здесь мы видим еще один принципиально новый сдвиг. Раньше ИИ делили на языковые и визуальные. Сегодня и тут граница стирается — появляются системы, которые работают с сенсорным миром целиком: как человек. Например, Qwen. Да, пока она еще не работает идеально и надо ее переключать с режима на режим, но думаю, это дело техники, и если вы прямо сейчас читаете книгу, найдите любую мультимодальную нейросеть, и попросите ее написать рекламное объявление с картинкой. Уверена, она уже умеет справляться без переключения режимов, или вот-вот научится.

Например, один блогер наглядно сравнил генерацию изображения через Midjorney с одним и тем же запросом с разницей в один год, и вот что вышло:

Заметен прогресс, не правда ли? Если год назад нейросеть не могла «слепить» ни лица, ли пальцев на руках, то сейчас изображение выглядит как настоящая фотография. И так везде, поэтому проверяйте их почаще, они круто эволюционируют.

Сейчас я покажу несколько нейросетей, которые могут быть полезными не только для бизнеса и маркетинга, но и просто для развлечения. С них и рекомендую и начать.

1. Qwen

Умный ИИ-ассистент для тех, кому важны не слова, а результат. Переводит и сохраняет смысл, а не просто подбирает синонимы. Анализирует текст — может искать скрытые противоречия, ключевые идеи, риски. Пишет от коротких постов до аналитических статей, в вашем стиле и под задачу. Работает с видео: расшифровывает, выделяет тезисы, составляет краткое содержание или сценарий на основе записи. Есть режим разработчика: помогает писать, объяснять и отлаживать код без заумных терминов, с акцентом на применимость.

Ищет информацию не массово, а целенаправленно: фильтрует шум, сравнивает источники, проверяет на актуальность.

Всё это без регистрации, без подписки, без «нажмите ещё раз». Просто откройте и спросите.

2. GigaChat

Нейросеть от Сбера. Нейросеть умеет и писать тексты, и рисовать картинки.

По запросу «Нарисуй картину, где Райан Гослинг печет блины в Барбиленде» мне выдало смешной результат. Даже показывать не буду. Скажу только, Райан пока не очень аккуратен при готовке))

Для работы с нейросетью требуется авторизоваться с помощью СберID.

3. DeepSeek

Этот ассистент создан для тех, кому нужна не игрушка с ограничениями, а полноценный интеллектуальный инструмент.

Чем DeepSeek отличается от других? Он способен анализировать документы колоссального объема — целые книги или крупные проекты, вычленяя ключевые идеи, противоречия и логические связи, а не просто пересказывая текст. При включённом поиске действует как ваш личный поисковик — целенаправленно фильтрует информационный шум, сравнивает источники и проверяет данные на актуальность. А в «режиме размышлений» решает сложные задачи.

DeepSeek остаётся бесплатным и открытым, без скрытых лимитов, обязательной регистрации или внезапных требований оформить подписку.

4. Алиса

Эта нейросеть — разработка компании Яндекса. Иногда забывает суть разговора, но в целом, очень достойный ответ зарубежным LLM-моделям.

5. SUNO

ИИ умеет генерировать музыку по запросу. Интерфейс на английском, пользоваться сервисом очень просто. Нам просто нужно ввести жанр, в котором будет наш трек и краткое описание. Про нас даже шлягер написала, позвоните на 8 800 500 89 91 — послушайте))

6. Perplexity

Интерфейсом этот сервис похож на ChatGPT, но по большей части это поисковик, который понимает запросы на всех языках. Кроме того, в выдаче будут не только ссылки для вашего запроса, но и сразу сгенерированное описание. У поисковика можно просить советы по поводу выбора телефона или рецепта блюда на ужин. В будущем поисковые гиганты будут использовать ту же модель поиска, основываясь на принципе поиска и вычленения основных тезисов из информационных статей и выдаче точного релевантного результата.

Из крутого функционала тот самый Deep research, о котором поговорим сразу после этого списка, и сильная аналитика.

7. SlidesAI

ИИ позволяет генерировать презентации из текста, и сама разбивает их по слайдам. Нейросеть даже подберет изображения сама! Интерфейс доступен на русском языке, а на сайте есть краткий гайд по сервису.

Правда презентацию придется доработать напильником, ведь никто, кроме вас, не знает, как она должна быть оформлена и что и на каком слайде расположено. Но сервис создаст черновик, который вы самостоятельно доработаете до нужного результата.

8. Davinchi

Нейросеть на русском языке, которая умеет генерировать SEO-тексты, описание товаров, художественные тексты. Все очень просто — проходим простую регистрацию, подтверждаем электронную почту, и сервис готов к работе.

9. SORA

Нейросеть для генерации видео. Чем точнее будет описан запрос, тем точнее будет ответ. Но я уже ранее описывала о ее возможностях. Если нужно видео, попробуйте ее.

10. Evenlabs.io

Эта нейросеть позволяет озвучивать любой текст или дублировать различные видео с иностранных языков на любые другие языки, включая русский. Это может помочь с переводом подкастов, презентаций и любых других видеороликов. Сам сервис на английском, но интерфейс простой, без сложностей.

Глава 5. ИИ как коллега: как с ним договориться

Вы когда-нибудь нанимали стажёра без резюме? Я вот нанимала (тут посыпаю голову пеплом). Теперь никому не советую, даже за бесплатно)))

Если у вас нет такой набитой шишки, то представьте, что человек постучался в дверь, сказал: «Я готов работать, потому что вы самые крутые» — вы купились на эту лесть и решили проверить его в деле, сразу дали ему задачу: «Изучи наш сайт и сделай презентацию для тендера, вот ссылка на тендер, срок завтра».

И ждали, что он сам найдет, где лежат бренд-гайды, кто ваши конкуренты по тендеру, сделает смету для КП, сообразит, чем вы лучше других и т. п.

Как результат, скорее всего, вы получите 20 слайдов шаблонного дизайна в Comic Sans (или Calibri — даже не знаю, что хуже), с логотипом, вырезанным с сайта, и фразочками типа «мы опытная команда профессионалов, поэтому выбирайте нас».

Ну вы поняли….

Так вот. Вспомним Дартмур (я ж не просто так про него рассказывала). Нейронки имитируют человеческое мышление. Те самые наши нейронные связи. Только если у человека сигнал идёт по живым клеткам, передаёт эмоции, опыт и даже усталость — у ИИ это просто электрические импульсы между условными «входами» и «выходами».

Вспомните, как вы учились водить машину (ну или представьте). Сначала каждое движение осознанное: сцепление, газ, поворот руля. Через год уже не думаете — просто чувствуете, когда переключать передачу, даже не задумываясь об этом. У нейросети нет этого «чувства». У неё есть миллионы примеров, как другие переключали передачи, и она статистически выбирает наиболее вероятный вариант. Она не помнит, как в прошлый раз «заглохла на подъёме». Она не волнуется перед экзаменом в ГАИ. Она не радуется, когда наконец получилось плавно тронуться. Она просто повторяет паттерн. Очень быстро. Очень точно.

Но без понимания — зачем.

Именно поэтому, когда вы просите: «Напиши текст, как будто вы SMM-специалист с 5-летним опытом» — она имитирует эксперта.

А когда вы уточняете: «Пиши так, будто объясняешь главному инженеру ГП-14, который трижды отказывался от КП из-за неточных спецификаций» — вот тогда начинается работа и тот результат, который мы хотим достичь. Поэтому так важен правильный промптинг — умение общаться с нейростажером так, чтобы он правильно понимал задачу и правильно ее выполнял. Именно о нем и будет следующая глава.

Любое общение с ИИ сегодня — именно такой процесс. Только стажёр не один. Их сотни. (Только 50 вы скачали, активировав куар-код во Введении). И у каждого свои сильные стороны. А ещё ни один из них не пришёл к вам с портфолио и рекомендациями. Вот как-то так.

С чего начать работу?

Поэтому первое, что нужно сделать — познакомиться. И я совсем не шучу.

Открываем нейронку, и говорим, «привет, я маркетолог в такой-то компании, чем ты можешь мне быть полезен». Не пишите сразу: «Сделай рекламу, будто ты бог креатива». Важно сначала спросить: «А ты вообще что можешь? И если можешь, то что мне надо, то как будешь делать?»

Вы же первые заходите в интерфейс нейросети, она молчит. Ждёт. Это не баг. Это фича. И если вы сразу бросите: «Напиши пост про бетон» — получите пост. Но, скорее всего, никудышный пост про «бетон — который основа современного мира», а не про то «как бетон М500 с добавкой X сокращает сроки заливки фундамента на 3 дня в условиях Сибири».

Хорошие нейросети сегодня умеют не просто отвечать. Они умеют предлагать, уточнять, спрашивать. Как-то со мной нейросеть даже спорила и говорила, что мое стратегическое решение не оптимальное, хотя я ей ставила другую задачу.

Функции нейросетей

Большинство LLM имеют несколько режимов (я не буду про них писать подробно, просто потому что скоро, на мой взгляд, они будут упразднены совсем, а точнее спрятаны и активироваться нейросетями самостоятельно в зависимости от вашего запроса).

Вот, например, функция, которую называют Deep Research. Не все нейросети ее имеют, но те кто имеют, могут делать глубинные исследования рынка. К таким нейросетям относится, например, Perplexity. По сути — это как нанять аналитика, который за 10 минут:

— найдёт всё, что публиковалось про вашу нишу за последние 3 года,

— выделит ключевые тренды,

— найдёт скрытые отчёты (не в первых 10 результатах, а в архивах, PDF, презентациях конференций),

— и оформит всё это в структурированный отчёт — с источниками и датами, который интересно изучить самому и не стыдно показать руководству.

Разумеется, не идеально. Но гораздо быстрее, чем команда из трёх человек неделю будет вручную копаться в этих данных.

Или вот ещё — Thinking Search.

Это когда ИИ не просто ищет точное совпадение, а строит логическую цепочку.

Например, вы спрашиваете: «Какие требования к упаковке медицинских изделий класса IIа в ЕАЭС с 2025 года?»

Обычный поиск Яндекса выдаст вам 50 ссылок.

А Thinking Search — сначала уточнит задачу: Потом найдёт проект приказа, сверит его с комментариями в Госдуме, проверит, вступил ли он в силу — и только потом даст ответ.

Это не «найди мне ссылку». Это уже другой тип поиска, как бы говорящий «помоги принять решение».

А ещё у некоторых есть режим Artifacts. Звучит как что-то из фантастики, но на деле — просто рабочее пространство.

Вы просите: «Сделай макет лендинга для клиники лазерной эпиляции», и вместо текста в чате модель создаёт интерактивный HTML-файл, который можно открыть в браузере, покликать кнопки, посмотреть, как работает форма.

К слову, это плохой промпт, в следующей главе расскажу почему, но для примера, как работает функция — подойдет.

https://chat.qwen.ai/s/deploy/t_58b56e7e-e846-4a88-8a41-a704546ba1c3 — вот ссылка, что получилось в результате такого промпта. Нет, это не финальная версия для продакшена.

Но это уже готовый прототип для обсуждения с дизайнером, копирайтером и клиентом. За 2 минуты.

Особенно удобно, когда в процессе говорите: «Сделай кнопку крупнее» — и она сразу меняется. Не переписывает код. Не ждёт. Просто правит.

Или вообще Web Dev-режим. Тут ИИ ведёт себя как верстальщик-фронтендер.

Вы описываете: «Нужен сайт-визитка для компании по поставке промышленных компрессоров. Главное, чтобы сразу было понятно: мы работаем с крупными заводами, не с частниками, спроси, что еще важно для получения хорошего результата».

Он спрашивает уточнения: какие кейсы важны? Нужны ли технические характеристики в открытом доступе? Должен ли сайт интегрироваться с 1С? И только потом генерирует структуру, тексты под SEO, адаптивную вёрстку, даже базовую интеграцию с CRM через API.

Да, не идеально. Но достаточно, чтобы стартовать. А дальше нужна ваша экспертиза. Ваша правка. Ваш контроль. Самое важное не ждать, что ИИ сам всё поймёт. Он не угадывает. Он реагирует. И чем точнее вы задаёте направление — тем ближе результат к тому, что нужно вам, а не тому, что «в среднем» нравится модели.

Однажды нам на разрабатываемый сайт понадобилась презентация про оборудование для очистки сточных вод. Платить, не захотел, мол, мы сами. В общем, ушел ее сам собирать и, как обычно это бывает, «с концами». Тогда мы запустили Deep Research — и через 3 минуты получили отчёт, где были новые требования Ростехнадзора, сравнение 7 поставщиков по срокам поставки, даже примеры отказов в госзакупках из-за несоответствия ГОСТ Р 58978—2020 (на наше удивление реальные, то ли Perplexity молодец, то ли наш промпт был хороший). Потом менеджер проекта попросил: «А можно с этим же ИИ сделать слайды?», переключил режим, и за 4 минуты получил презентацию в фирменных цветах, с логотипом, с графиками и даже сносками на нормативные акты. Клиент был в шоке, что мы сделали ему красоту бесплатно (если уж совсем честно, не такая уж и супер красивая, скорее шаблонная, но вполне достойная для начала). Потому что ИИ не волшебник. Это коллега, который ждёт, когда вы скажете: «Вот моя задача. Вот мои ограничения. Вот мой стандарт качества. Теперь покажи, на что способен».

А он, поверьте, способен на многое. Главное, не бояться спросить. Только спросить надо правильно.

Глава 6. Промпт-инжиниринг. Идеальный промпт — какой он?

Вы когда-нибудь пробовали объяснить бабушке, как пользоваться Максом (это я про наш национальный мессенджер)? Сначала кажется, что всё просто: нажми сюда, потом туда, включи микрофон. А потом оказывается, что она нажала «вызов экстренных служб», а микрофон у неё вообще отключён в настройках телефона.

С ИИ почти то же самое. Только вместо Макса нейросеть, которая очень хочет вам помочь, но понятия не имеет, что такое ваша ниша, ваш клиент, ваша боль.

Язык нейросетей в трех словах — разбираемся в терминах

Искусственный интеллект примечателен тем, что его применение в большинстве случаев не требует знания специальных языков программирования. Большие языковые модели (LLM) и генераторы изображений и видео могут распознавать команды на привычных нам естественных языках, например, русском или английском.

Запросы, которые мы вводим в специальном окне для взаимодействия с нейросетью называются промптами.

Как правильно: промт или промпт?

Слово «промпт» появилось в русском языке недавно. Оно пришло к нам вместе с нейросетями из англоязычных стран, от prompt — запрос, подсказка. Соответственно, заимствованное слово должно писаться как в оригинале, с буквой «п». Читается не слишком удобно, но ничего не поделаешь: такая форма уже зафиксирована в орфографическом словаре. По данным сайта «Грамота.ру», правильно писать «промпт», на том и остановимся.

Промптинг и промпт-инжиниринг — в чем разница?

Оба понятия обозначают процесс написания промптов, и многие источники используют их как синонимы.

Однако мы будем считать, что: промптинг — это «общение» с нейросетью на базовом уровне, интуитивная постановка задач обычными пользователями; а промпт-инжиниринг — профессиональное составление промптов людьми, которые хорошо знают, как устроены нейросети, и умеют их обучать. Во втором случае также подразумевается работа со специальными командами, параметрами, настройками ИИ, которая больше напоминает программирование.

В этот раз мы не будем вдаваться в подробности и обсуждать настройки различных нейросетей. Сейчас нас интересует другое.

Хороший промпт — это пять слоёв, уложенных друг на друга, как бутерброд. Вот они:

1. Роль.

Не «напиши текст», а «представь, что ты маркетолог с 10-летним опытом в B2B-строительстве». Или: «Ты — врач-уролог, который объясняет пациенту, почему важно сделать УЗИ до консультации».

Это задаёт тон. Без роли ИИ говорит как усреднённый блогер, с ролью как эксперт.

2. Аудитория.

Не «для клиентов», а «для главного инженера на объекте в Новосибирске, который трижды отказывался от КП из-за неточных спецификаций».

Чем конкретнее, тем лучше.

3. Задача и ограничения.

Не «сделай презентацию», а «подготовь 5 слайдов для первого звонка с дилером: нужно объяснить, почему наш клапан выдерживает 1200 часов при 80° C, когда у конкурентов только 900. Без сложных формул. С одной аналогией из жизни».

4. Формат и стиль.

Сколько знаков. Где будет использоваться. Какой тон, официальный, как в письме в Минстрой, или лёгкий, как в Telegram-канале для предпринимателей. Можно и нужно давать антипримеры: «Без канцеляризмов. Без слов „оптимизировать“, „гарантировать“, „инновационный“. Как будто объясняешь другу за кофе».

5. Пример или запрет.

Иногда проще сказать: «Вот как было в прошлый раз ……, не повторяй это. Вот что сработало: …., повтори этот стиль». Или: «Не как у конкурента …., у них слишком много восклицательных знаков и обещаний».

Потому что ИИ не читает мысли. Но очень хорошо слушает, как самый прилежный в мире стажер, если ему что-то сказать.

Искусственный интеллект становится доступнее, и все больше пользователей пробует себя в роли ИИ-креаторов. Наверняка вы и сами игрались с «Шедеврумом», примеряя на фотографии образы эльфов и аниме-персонажей или, может быть, генерировали картинку-поздравление с днем рождения для рабочего чата. Готова поспорить, далеко не каждый раз результат получался таким, каким вы себе его представляли. А нам надо научиться работать с нейросетями как профи, а не дилетант.

Как написать хороший промпт для LLM, чтобы добиться нужного результата

Нейросети хотя и распознают человеческий язык, но не понимают его. Поэтому запросы надо формулировать несколько иначе, не так, как вы попросили бы друга, коллегу или ассистента. Представьте, что даете задание роботу — они любят четкие инструкции и алгоритмы. С искусственным интеллектом нужно разговаривать подобным образом.

Однако не всегда все основные элементы используются в одном запросе — дальше расскажу об этом подробнее.

Методы промптинга

Попросить о чем-то нейросеть можно по-разному, у каждого подхода свои преимущества и недостатки. Важно понимать, какой вариант лучше сработает в конкретной ситуации — давайте рассмотрим несколько способов «общения» с любой LLM.

— Простой запрос без подробностей

Искусственный интеллект должен облегчать выполнение работы, а придумывание сложного промпта может занимать столько же времени, сколько понадобится без использования ИИ. Сторонники этого метода пишут, как правило, краткие запросы, состоящие только из инструкций, и обращаются к нейросетям исключительно для решения простых задач.

Примеры промптов: «Составь список преимуществ удаленной работы»; «Придумай тему для статьи про нейросети»; «Расскажи про виды клавиатур»; «Что такое cookie на сайте».

Плюсы и минусы:

+ экономия времени;

+ не нужно разбираться в работе ИИ;

— результат может быть непредсказуемым, неточным или слишком общим;

— сгенерированному контенту в большинстве случаев требуется серьезная доработка.

Мои рекомендации тут простые: попросите в отдельном чате нейросеть создать такой промпт для вас.

— Одна задача — один подробный запрос

Этот подход подразумевает задействование нескольких или всех составляющих промпта: роль, инструкция, контекст, формат и пример. Запрос получается довольно объемный и информативный. Иногда, особенно в больших промптах, элементы структуры явно обозначают, чтобы помочь нейросети разметить вводную информацию и получить более четкий ответ.

Пример промпта: «Экспертная роль: Ты — опытный копирайтер. Задача: Напиши статью на тему […] для сайта компании […], целевая аудитория такая […], целевое действие такое […]. Контекст: Компания занимается […]. Формат вывода данных: Статья, написанная в экспертном тоне, размеченная в HTML.»

Преимущества и недостатки:

+ более-менее точные результаты;

+ для типовых задач можно один раз создать шаблон и потом просто менять в нем данные;

— когда в промпте слишком много информации, некоторые нейросети путаются или не учитывают все, что нужно;

— генерируемый по шаблону контент может быть однообразным.

— Промпт с несколькими задачами

В рамках этого способа создается запрос, по которому нейросеть должна выполнить сразу несколько действий. Это удобно, когда нужно автоматизировать процесс сбора информации, но при этом получить довольно точный ответ.

Пример: «Проанализируй ЦА компании […], на основе полученных данных подбери 10 тем для статей, интересных ЦА и ключевые слова к ним. Затем я отправлю тебе номера тем, для которых тебе нужно будет подготовить подробный план. Задай мне вопросы, если это требуется для получения хорошего результата».

Плюсы и минусы:

+ промпт можно подготовить заранее и использовать несколько раз;

+ ИИ самостоятельно найдет необходимую информацию, четко следуя инструкции;

— иногда нейросеть берет за основу неподходящие или ошибочные данные «с потолка».

— Дообучение на нескольких примерах

Если нужно, чтобы нейросеть всегда действовала по определенному образцу, покажите ей, что вы от нее хотите. Достаточно отправить 2–5 примеров — модель считает и начнет повторять структуру, тон, подход в своих ответах.

Примеры промптов: «Я отправлю тебе 5 постов на разные темы. Напиши подобный пост на тему […], сохраняя tone of voice компании»; «Проанализируй 10 примеров плохих ответов на отзывы: […] и 10 хороших: […]. Затем напиши, хороший это ответ или плохой: […]».

Преимущества и недостатки:

+ метод отлично подходит для классифицирования;

+ не нужно подробно объяснять, как оформлять текст;

— весь контент от ИИ может иметь одинаковую структуру;

— при слабых примерах нейросеть воспроизводит и их ошибки.

— Цепочки промптов

Здесь есть два варианта: либо разбиваем большую задачу на более мелкие и поочередно решаем их с помощью ИИ, либо даем краткую инструкцию и после этого вместе с нейросетью доводим ответ до ума, пока он не будет нас полностью устраивать.

Примеры промптов:

— — Мы с тобой будем писать текст для страницы […]. Сначала проанализируй ЦА компании.

…

— Отлично, наша ЦА — […]. Теперь подбери ключевые запросы для страницы, актуальные для нашей ЦА.

…

— Берем эти ключи: […]. Напиши под них Title и Description с учетом следующих требований: … и т. д.

— — Напиши текст для страницы […].

…

— Адаптируй его для нашей ЦА: […].

…

— Перепиши в более профессиональном тоне. и т. д.

Плюсы и минусы:

+ эффект мозгового штурма;

+ возможность корректировать данные на каждом этапе и направлять ИИ в нужную сторону;

+ качественный результат;

— на создание контента нужно больше времени, чем при использовании промптов-шаблонов;

— специалист должен обладать профессиональными навыками и иметь опыт работы с нейросетями.

Пятый метод промптинга с поэтапным решением крупных задач мне нравится больше всего. Так ИИ выступает в роли личного ассистента, а не становится основным автором контента. Искусственный интеллект экономит время на изучении вводных данных и аналитике, плюс прописывание каждого шага в запросах помогает не упустить из вида ничего важного. Кстати, аналогичным образом работали Тони Старк и Д. Ж. А.Р.В.И.С. в фильме «Железный человек».

Как написать промпт для нейросети-генератора картинок

Хотя для взаимодействия и с LLM, и с графическими моделями используются промпты, формулировка запросов для этих ИИ отличается, потому что они решают принципиально разные задачи: одни создают тексты, другие — картинки.

Для генераторов изображений промпты пишутся в виде перечисления ключевых слов и фраз без сложной грамматической структуры. Связный текст используется редко, в основном, когда нужно описать пространственные отношения объектов в кадре.

Portrait of a woman, watercolor style, soft lighting, realistic eyes;

A dog sitting on a chair.

Порядок слов имеет значение. Нейросеть в первую очередь фокусируется на первых 3–7 словах, воспринимает этот фрагмент как главную сцену. Поэтому в начале промпта нужно указать центральный объект, персонажа. Далее будут элементы второго плана, детали, описание фона или атмосферы, а в конце — стиль, ракурс, размер и прочие технические параметры.

Пример хорошего промпта:

Также важно уметь сохранять баланс в количестве деталей: слишком общий запрос = скучная картинка, слишком перегруженный = каша.

Учитывайте, что генерация картинок более вариативна и непредсказуема, чем создание текста — один и тот же промпт может давать совершенно разные результаты при каждом запуске.

Что такое негативный промпт и зачем он нужен

В генераторах изображений есть такая штука как negative prompt. И это не про готический стиль, негативы из пленочной фотографии или что-то неприятное. Это особая часть запроса, в которой можно указать ИИ, что НЕ должно присутствовать на картинке.

Функция появилась из-за того, что нейросети на ранних этапах развития часто допускали ошибки — галлюцинации. На картинках возникали лишние руки, дополнительные головы и т. п. Пользователи начали писать в промптах «не показывай пальцы» или «без третьей ноги», но нейросети плохо воспринимают отрицательные частицы и предлоги — недочетов становилось только больше.

Негативный промпт как инструмент точечной коррекции позволил добиться более точных результатов, не тратя время на десятки раз перегенерации.

В интерфейсах одних нейросетей (например, Stable Diffusion) есть специальное окно для негативного промпта, в других (Midjourney) нет отдельного поля, его прописывают прямо в обычном промпте, через параметр — no.

Если хотите использовать негативные промпты, вот несколько ключевых слов, которые могут сделать изображение лучше:>

Blurry, low quality, jpeg artifacts — картинка будет четче;

extra limbs, bad anatomy, fused fingers — не будет лишних частей тела;

ugly — генератор постарается избегать ассоциаций с уродством;

lowres, watermark, deformed, distorted, disfigured — ИИ старается не делать ошибок, свойственных слабой генерации.

Однако, как показывает практика, негативный промпт работает не всегда. Например, в LLM технология не поддерживается.

ChatGPT, наоборот, добавили объекты, указанные через параметр — no

«Кандинский», хотя у него и есть возможность добавить негативный промпт, учел не все условия: картинка получилась размытая.

Stable Diffusion — единственная нейросеть, где негативный промпт сработал на «отлично»

Как автоматизировать работу с промптами

Необязательно каждый раз изобретать велосипед, особенно если задача типовая. Для большинства целей уже существуют готовые промпты или сервисы, которые помогут сгенерировать желаемое. Их тоже можно использовать, нужно только немного скорректировать и доработать запрос.

Библиотеки промптов

Есть сайты, на которых размещают готовые платные и бесплатные промпты практически для всех digital-сфер: маркетинг, программирование, дизайн, обучение и так далее. Однако пользоваться ими нужно осторожно, с умом. Дело в том, что промпт, написанный под одну нейросеть, может не подойти для другой, и по достаточно подробному запросу ИИ выдаст какую-нибудь ерунду. Но почему бы и не попробовать?

Вот несколько таких площадок:

— promptbase.com — иностранный маркетплейс промптов для картинок и текстовых ИИ;

— www.prompthackers.co — готовые запросы на английском для LMM;

— prompthero.com — промпты для изображений;

— ailib.ru — сайт с промптами на русском языке;

— prompt1.ru — много русскоязычных запросов под разные задачи.

Инструменты ИИ для создания промптов

Кто лучше расскажет о том, как написать промпт для нейросети, чем сам искусственный интеллект? Попросить помочь с составлением запроса можно любую языковую модель (например, ChatGPT) или специально обученного бота, который сгенерирует промпт по вашему описанию задачи.

Сервисы для создания и улучшения промптов:

— neuralwriter.com;

— huggingface.co;

— www.junia.ai;

— promptperfect.jina.ai.

Как правильно писать промпты для нейросетей: финальные рекомендации

Чтобы получить качественный результат от нейросети, будь то текст или изображение, важно сформулировать эффективный запрос.

Для каждой темы создавайте свое обсуждение

LLM учитывают контекст чатов и могут запутаться, если вы сначала просите текст для сайта металлургического завода, потом — список идей для видео в блог авиакомпании. Модель может все перепутать и начать отвечать не так, как вы ожидаете.

Выбирайте нужный язык для «общения» с ИИ

Большинство генеративных моделей обучалось в основном на англоязычных материалах, однако они поддерживают и другие языки. Вы можете писать запросы на русском, и нейросеть будет выдавать вполне неплохие ответы. Но есть нюансы.

Когда лучше писать по-русски:

— нужно получить текст для русскоязычной аудитории;

— вы недостаточно хорошо знаете английский;

— если работаете с моделями от российских разработчиков;

— для вашей задачи не нужно задействовать дополнительные объемы данных.

Когда стоит использовать английский:

— при работе с зарубежными ИИ-сервисами;

— для генерации изображений (Stable Diffusion, Midjourney, DALL-E более чувствительны к английским формулировкам);

— в программировании, дизайне или маркетинговых исследованиях английский промпт может давать более точный результат.

Тестируйте разные формулировки и будьте готовы к итерациям

Хороший промпт редко получается с первого раза. Если результат вам не нравится, перепишите запрос или попросите нейросеть переписать ответ, указав конкретные правки.

Не пренебрегайте настройками и параметрами

У многих нейросетей есть дополнительные опции: температура, поиск в сети, режим рассуждения, выбор модели и пр. Разберитесь, как работают эти функции, и сможете в большей степени влиять на ответы ИИ.

Пишите промпты без ошибок

Двусмысленные формулировки, излишние метафоры, неточности и даже грамматические ошибки «сбивают с мысли» искусственный интеллект. Из-за некачественных промптов в генерациях могут возникать галлюцинации, а еще ваша манера переписки с нейросетью влияет на стиль ответов.

Кстати, вот еще лайфхак. Ответы будут точнее, если просить ИИ каждый раз проверять самого себя.

Глава 7. Чистим тексты от штампов после ИИ

Речевые штампы — довольно распространенная ошибка в текстах неопытных копирайтеров. Этим же грешат и тексты ИИ, ведь они копируют.

Штампами называют выражения, которые настолько «замусолили» в устной и письменной речи, что их лексическое значение и экспрессивность стерлись до неузнаваемости.

К главному недостатку использования речевых штампов относится стандартизация текста, отсутствие в нем оригинальности, пользы и смысла в конкретных выражениях.

— «Индивидуальный подход» — это какой?

— «Лидеры в отрасли» — среди кого?

— «Богатый опыт» — а бедный бывает?

Неопытные авторы часто пропускают такие фразы, из-за чего пользователям регулярно встречаются большие по объему тексты с минимальной смысловой составляющей. Кроме того, что подобные выражения не передают о компании полезной информации, они отталкивают потенциальных клиентов и даже снижают эффективность продвижения (поисковики следят за вами улучшают алгоритмы).

Собственно, поэтому «косячат» и нейросети — предлагаю разобрать конкретные примеры штампов, которые активно внедряет в свои тексты искусственный интеллект.

В начале сделаю небольшую, но очень важную оговорку: разбирать будем только рекламные штампы.

Дело в том, что это непростой лингвистический вопрос, и штампы делятся на огромное количество групп, например — канцелярские, научные и прочие. Поскольку нас, как маркетологов, интересуют преимущественно продающие тексты, остановимся на соответствующем типе штампов — рекламном.

Основные причины, почему в текстах искусственного интеллекта много речевых штампов

Ранее мы уже обсуждали, почему нейросети допускают ошибки. Причин может быть несколько:

— Обработка большого объема данных. Нейросети обучаются на основе самых разных источников, буквально всех, что есть в сети — книги, статьи, прочие интернет-публикации. Часть из них — довольно посредственные материалы, не вычитанные и не отредактированные грамотным специалистом, поэтому штампов в них очень-очень много. Представьте, сколько авторов даже не подозревают о существовании такой ошибки, а нейросеть «гребет» в своей текст все подряд.

— Отсутствие субъективности. ИИ не определит, утратило выражение былое значение и экспрессивность, или нет. Язык и речь меняются, притом постепенно, поэтому многие детали требуют анализа специалиста. Робот же действует по алгоритмам и лишен эмоциональной составляющей.

— Неправильный промпт. Уже не раз рассказывали о важности составления качественного запроса — именно от этого напрямую зависит объем и достоверность информации, отображенной в сгенерированном тексте. Если вы задаете промпт вроде «Опиши преимущества компании по металлопрокату», будьте уверены, искусственный интеллект соберет вам все штампы, которые найдет. Но при наличии дополнительной информации — впишет конкретные факты о компании, и «пустых» штампованных выражений в тексте станет поменьше.

Определить в тексте речевой штамп может только человек, а нейросеть пока не способна выявлять «пустые» выражения.

Тут можно попробовать менять роль у нейронки с копирайтера на редактора и прогонять текст еще раз.

Важное общее замечание

Почему мы против использования нейросетных текстов без редактуры — богатый русский язык, как и любой другой, имеет множество особенностей, которые может выявить только опытный редактор.

В русской речи столько неизученных феноменов, что филологи разобраться не могут — куда уж роботу, к тому же, обучающемуся на базе английского языка. Если вы хотите, чтобы текст был простым, понятным, доступным для читателя, тщательно перерабатывайте сгенерированные тексты — искусственный интеллект не отличит речевой штамп от уместной содержательной конструкции (во всяком случае, пока).

10 речевых штампов, которыми грешат нейросети в текстах

А теперь пройдемся по штампам — они есть практически в каждом продающем тексте, который генерирует искусственный интеллект.

1. Широкий ассортимент

Несмотря на то, что специалисты не устают повторять о бессмысленности этого выражения, некоторые авторы продолжают «ляпать» его в продающих текстах. Что делает искусственный интеллект — то же самое, ведь так велит действовать алгоритм.

Как альтернатива иногда проскакивает «богатый выбор». При редактировании сгенерированного текста тщательно вычищаем подобные конструкции.

2. Персонализированный/индивидуальный подход