Jobs-to-be-Done для ИИ: как превратить хаос в систему
Автор статьи:
Николаевич Сергей
Эксперт в области методологии обучения и искусственного интеллекта BTG Consult
ИИ — это не магия, а мощный инструмент. Но чтобы он работал на бизнес, а не порождал хаос, нужен системный подход. В этой статье — как превратить работу с ИИ из лотереи в понятный и управляемый процесс.
Содержание:
- История одного прорыва
- С ИИ сегодня — ровно та же история
- Почему внедрение ИИ часто не работает
- Три способа работы с задачами: наглядное сравнение
- Роль руководителя в эпоху ИИ: от контроля к навигации
- Что дает системный подход к ИИ
- Как мы помогаем внедрить системный подход
- Главное, что важно понимать
История одного прорыва
Середина 1970-х.
Инженер Генри Петроски работает в Аргоннской национальной лаборатории. Команда изучает механику разрушений, считая прочность материалов вручную — логарифмическими линейками и механическими калькуляторами. Медленно, но точно.
Появляется первая ЭВМ — IBM System/370. Все в восторге: сейчас как запустим расчеты — неделями ждать не придется!
Но… вместо ускорения проект почти встал.
Инженеры начали спорить, на каком языке программировать, как формулировать задачи, что можно доверить машине, а что все-таки лучше пересчитать вручную. Никто не был уверен в результатах — каждый расчет дублировался по старинке.
Петроски понял ключевое: компьютер — это не волшебная палочка, а инструмент для выполнения конкретной «работы» — быстрого выполнения сложных вычислений. Он разработал четкую методологию: какие задачи решать на ЭВМ, какие — проверять вручную, как интерпретировать и валидировать результаты.
Спустя время его группа стала самой продуктивной в лаборатории.
Позже Петроски напишет в своих книгах об инженерных неудачах и успехах: «Мощные технологии требуют не просто освоения, а системного подхода к их применению».
С ИИ сегодня — ровно та же история
В моей ленте ТГ каждый день появляются новые примеры успешного внедрения ИИ: чат-боты в техподдержке, автогенерация вакансий, резюме и даже бизнес-стратегий. Инструмент у всех под рукой. Но одни компании экономят десятки часов в неделю и растут, а другие — возвращаются к старым методам, посчитав ИИ «перехайпом».
И на это тоже есть причины.
Как точно подметил мой коллега Андрей Горр:
Вот в чем парадокс: ИИ постепенно приживается, но результаты часто разочаровывают. Эта тенденция находит подтверждение и в исследованиях, которые показывают снижение критического мышления при использовании ChatGPT.
Рынок паникует: «ИИ делает нас глупее!» Но это все равно что обвинять калькулятор в том, что люди разучились считать в столбик.
Это не проблема ИИ. Это особенности человеческой натуры.
Почему внедрение ИИ часто не работает
Вот три главные причины:
1. Сопротивление новому
Освоение любой технологии по-прежнему требует времени и усилий. А мозг, как и обычно, предпочитает делать по-старому. Разбираться в промптах, настройках и ограничениях — тяжело, непонятно и не факт, что окупится.
2. Страх потерять работу
«ИИ заберет мою работу, одежду и мотоцикл».
Подспудный страх блокирует интерес. Мы интуитивно избегаем того, что может нас заменить — даже если это могло бы нам помочь.
3. Отсутствие системного подхода
Работа с ИИ идет по принципу: «А давайте что-нибудь спросим у ChatGPT».
Без понимания, какие задачи решать, как оценивать результат и как встраивать в процесс — все это превращается в игру на удачу.
ИИ требует дисциплины: четко формулировать задачи, структурировать запросы, проверять результаты, итерировать решения. Это требует ментальных усилий, а мы устроены так, чтобы экономить энергию. И если есть шанс не думать — мы не думаем.
Поэтому каждая технологическая революция освобождает человека от одних задач, но требует освоения новых компетенций. Сегодня ценными становятся мета-навыки — умение управлять инструментами, а не просто их использовать.
Три способа работы с задачами: наглядное сравнение
Если провести аналогию с дорожным движением: большинство пользователей ИИ — это водители в малознакомом городе. Машина есть, дорога есть, поехали. А куда — непонятно.
Представим, что вам нужно сделать описание новой услуги для сайта. Вот как может выглядеть процесс в трех вариантах:
Вариант 1: Без ИИ (традиционный подход) 📋
- Провести анализ конкурентов (2 часа).
- Опросить клиентов об их потребностях (1 час).
- Собрать команду на брейншторм (1 час).
- Написать несколько вариантов текста (2 часа).
- Получить обратную связь и доработать (1 час).
Итого: 7 часов
Вариант 2: С ИИ, но «наскоком» 🏃♂️
Запрос в ChatGPT: «Напиши описание услуг веб-разработки для сайта»
Получили общий текст про веб-разработку, который выглядит прилично, но:
- не учитывает специфику вашей компании;
- написан шаблонными фразами;
- не решает конкретные боли клиентов;
- требует полной переработки.
Итого: 20 минут на запрос + 4 часа на переделку = 4,5 часа.
Вариант 3: С ИИ системно 🎯
1. Собрать данные о целевой аудитории из CRM (15 минут)
- Выгрузить сегменты по отраслям, размеру компаний, частым запросам.
- Выделить 3 основные боли клиентов из истории обращений.
2. Проанализировать 5 успешных кейсов конкурентов через Perplexity (20 минут)
- Найти примеры с конкретными результатами.
- Выписать структуру подачи, ключевые фразы, метрики.
3. Сформулировать уникальную ценность услуги (15 минут)
- Предварительная генерация с ChatGPT: «На основе анализа конкурентов [данные] и наших клиентов [боли] предложи 5 вариантов уникального позиционирования».
- Выбрать 2 лучших варианта на мини-брейншторме с командой.
4. Создать экспертный запрос для Claude/ChatGPT (10 минут)
- Указать роль: «Ты — копирайтер с 10-летним опытом в B2B».
- Дать контекст: аудитория, боли, конкурентный анализ, УТП.
- Задать четкие требования: объем, тон, структура, обязательные элементы.
5. Получить и проанализировать результат с помощью ChatGPT (10 минут)
- Проверить по чек-листу: упомянута ли боль ЦА, понятен ли механизм решения, есть ли конкретная метрика.
- Оценить эмоциональную составляющую: вызывает ли желание узнать больше.
- При необходимости уточнить запрос: «Сделай более конкретным раздел про выгоды».
6. Протестировать на 2–3 представителях ЦА (30 минут)
- Прочитать текст и задать вопросы: «Понятно ли предложение? Что вызывает сомнения?».
- Зафиксировать повторяющиеся замечания.
7. Доработать финальную версию с Claude (10 минут)
- Внести правки на основе обратной связи.
- Финальная проверка через Claude: «Оцени текст как потенциальный клиент — какие возражения могут возникнуть?».
Итого: 1 час 40 минут.
Разница, как между «поезжай куда-нибудь» и GPS-навигатором с пошаговым маршрутом, где часть пути ты едешь сам, а часть — доверяешь автопилоту.
Роль руководителя в эпоху ИИ: от контроля к навигации
Системный подход к ИИ требует нового мышления от руководителей. Вместо расплывчатого «используйте ИИ для оптимизации» нужно проектировать четкие алгоритмы работы.
Что должен делать руководитель
Видеть процессы как систему.
Когда маркетолог говорит «нужна стратегия», эффективный руководитель видит 15 задач: анализ конкурентов, сегментация, выбор каналов, бюджетирование и так далее. Понимает, какие из них можно автоматизировать, а какие требуют человеческой экспертизы.
Применять Jobs-to-be-Done подход.
Смотреть не на функции ИИ («он умеет писать тексты»), а на конкретную «работу», которую должен выполнить сотрудник. Сначала — понять, что человек пытается сделать. Потом — найти, как ему в этом может помочь машина.
Не автоматизировать все подряд.
Автоматизация ради автоматизации — путь в никуда. Важно найти те 20% задач, которые отнимают 80% времени и не требуют глубокой экспертизы или креативности.
Создавать воспроизводимые алгоритмы.
Не «попроси ChatGPT что-то сделать», а пошаговая инструкция: какие данные подготовить, какой промпт использовать, по каким критериям оценить результат.
Измерять эффект. До и после.
Не «мы внедрили ИИ», а «мы сократили время выполнения задачи на 60%», или «увеличили точность прогнозов на 30%». Только измеримый результат имеет значение.
Что должен понимать специалист
Сегодня конкурентное преимущество получают не те, кто знает больше функций ChatGPT, а те, кто умеет встроить ИИ в свои рабочие процессы. Именно эти мета-навыки определяют результат.
Сегодня ценны не «фишки» нейросетей, а эффективная связка «человек + машина».
Что дает системный подход к ИИ
Когда вы внедряете структурированную работу с ИИ в команде, получаете:
- измеримую экономию времени
4–15 часов в неделю на рутинных задачах в зависимости от количества оптимизированных процессов; - повышение качества результатов
ИИ не устает, не спешит на обед и может проанализировать больше данных, чем человек за то же время; - масштабируемость процессов
Один раз настроили алгоритм — вся команда может его использовать; - конкурентное преимущество
Пока другие пробуют ИИ хаотично, вы получаете стабильный результат.
Как мы помогаем внедрить системный подход
Именно для решения этой задачи мы создали AI-Практикум — программу, где компании не просто изучают возможности ИИ, а внедряют конкретные процессы с измеримым результатом.
Как это работает:
Шаг 1. Диагностика процессов.
Через анализ задач определяем, какие «работы» выполняют сотрудники и где ИИ даст максимальный эффект. Из 150+ готовых кейсов выбираем 4–6, которые реально сократят время и улучшат результат.
Например, для маркетинговой команды это может быть автоматизация создания контент-планов и анализа конкурентов, а для HR — скрининг резюме и подготовка interview-гайдов.
Шаг 2. Практическое внедрение.
Каждый кейс превращается в практический модуль. Участники не учатся «работать с ChatGPT», они решают конкретные задачи — от сбора данных до финального результата. Получают готовые шаблоны, промпты, чек-листы.
Шаг 3. Закрепление результата.
Домашние задания — это реальные рабочие кейсы. Автоматизировали создание контент-плана — внедрили в работу. Оптимизировали анализ обратной связи — используете на следующей неделе. Результаты фиксируются сразу.
Результат программы:
- ⏰ Экономия 4–15 часов в неделю на каждого участника.
- 🔧 Готовые алгоритмы для регулярных задач.
- 📊 Повышение качества результатов за счет структурированного подхода.
Главное, что важно понимать
Сегодня системный подход к ИИ отделяет эффективные команды от тех, кто просто «пробует новые инструменты». Парадокс нашего времени в том, что доступность мощных технологий не гарантирует их эффективного использования. Наоборот — чем проще становится получить «похожий на хороший» результат, тем важнее становится умение создавать настоящие системы работы.
ИИ — это не самостоятельная сила. Он либо усиливает то, что уже работает, либо масштабирует хаос.
Поэтому
- Технологии не заменяют мышление. Они усиливают тех, кто умеет думать. Остальным только мешают.
- Системный подход важнее инструментов. ИИ в умелых руках — это рывок. В остальных — просто «еще одна кнопка».
- Jobs-to-be-Done меняет все. Вместо вопроса «что умеет ИИ?» задавайте «какую работу нужно выполнить?» Инструмент подстраивается под задачу, а не наоборот.
История всегда повторяется с точностью. Как в 1970-х одни инженеры освоили ЭВМ и вырвались вперед, а другие продолжали считать на счетах, так и сегодня формируется новое разделение между теми, кто умеет превращать хаос в систему, и теми, кто до сих пор ищет волшебную кнопку.
В эпоху ИИ побеждают «архитекторы процессов». Те, кто построил систему, в которой искусственный интеллект стабильно работает на результат, а не на впечатление.
Узнать подробности об AI-Практикуме можно в презентации.
Задать вопрос или заказать проект
