Creative Studio Stars — Разработка цифровых продуктов

Создание предсказуемого ИИ-офиса для стабильного делегирования задач

Источник: Social Media Examiner

BuildingPredictableOffice

Article hero image

Надоело каждый раз заново объяснять ChatGPT или Claude свои процессы, шаблоны и предпочтения? Хотите настроить рабочее пространство с ИИ, которое позволит делегировать ему реальную работу и получать одинаково надежный результат в любой момент? В этой статье вы узнаете, как создать такое пространство — «ИИ-офис» — из документов процессов, шаблонов и исторического контекста, к которым ChatGPT, Claude и другие инструменты смогут обращаться для выполнения делегированных задач с предсказуемым качеством. Эта статья создана совместно Тиффани Кяззе и Майклом Стельзнером. Больше о Тиффани читайте в конце статьи.

Почему рабочее пространство с ИИ делает делегирование возможным

Тиффани Кяззе пришла к использованию ИИ через автоматизацию, которую она определяет как последовательность действий: если происходит это, то происходит то. В своем сообществе AI Flow Club она учит предпринимателей создавать намеренно «скучные» системы с ИИ — тщательно продуманные и однажды проверенные, но зато дающие результаты, на которые можно положиться. Поскольку ИИ не всегда выдает детерминированный результат, ее цель — сделать его контролируемым, ограниченным и прибыльным. Делегировать работу ИИ можно только тогда, когда результат предсказуем. Тиффани сравнивает идеальный результат с бургером McDouble из McDonald’s: он всегда одинаков, и в этом суть. Рабочее пространство с ИИ обеспечивает эту предсказуемость, предоставляя модели единое место, где она может найти стандарты, процессы и шаблоны для любой задачи.

#1: Давайте ИИ только тот контекст, который нужен для конкретной задачи, начиная с малого

Самое распространенное заблуждение, которое замечает Тиффани, — это вера в то, что ИИ должен знать всё: личные мотивы, особенности работы человека, события из его жизни и данные из всех приложений, которыми он когда-либо пользовался. Страницы с коннекторами и плагинами в ChatGPT и Claude соблазняют тем, что там перечислено так много знакомых сервисов. Проблема в том, что большая языковая модель предполагает: если информация была упомянута в разговоре, значит, она предназначена для использования. Если кто-то скажет ИИ, что он устал, и попросит написать письмо с отказом от приглашения выступить на подкасте, в письме, скорее всего, будет указано, что отправитель устал, хотя тот мог иметь в виду лишь то, что время не подходит. Подключенные данные несут тот же риск. Коннектор Stripe может помочь сверить выручку, но если ИИ знает, что бизнес приносит 10 000 долларов в неделю, эта цифра может случайно попасть в посты для социальных сетей. Системы «второго мозга» полезны для хранения личных историй, но, по словам Тиффани, ИИ не нуждается в этих историях для выполнения работы. Для каждой задачи правильными вопросами являются: какая информация релевантна и каков риск, если ИИ раскроет лишнее? Точный контекст также экономит токены. Без шаблона запрос на резюме встречи заставляет ИИ самому решать, как должно выглядеть резюме, что в него включить и что считать ценным. В результате получается более длинный документ, переполненный информацией, которая релевантна, но не нужна. Если в инструкции к резюме не указано фокусироваться на продвижении проекта, например, пять минут обсуждения выходных участниками могут оказаться в итоговом тексте. Тиффани рекомендует определять как тип необходимой информации, так и структуру вывода. Это определение также предотвращает чтение ИИ лишнего: для резюмирования звонка он использует только транскрипт звонка и шаблон резюме, а не несвязанные файлы, такие как правила расписания.

Topics:

Как начать работу с AI-рабочим пространством, не перегружая его

Популярным трендом стало использование «мастер-промпта» — автобиографии, которую отправляют ИИ вместе с каждым запросом. Некоторые люди писали мастер-промпты на 90 страниц. Тиффани считает, что это слишком много информации: ИИ не уделяет достаточно внимания мелким деталям, спрятанным в огромном документе. Кроме того, такие промпты сложно поддерживать: если нужно изменить тональность бренда, поиск нужного раздела и всех других влияющих на него частей занимает массу времени. Вместо этого Тиффани рекомендует начать с нескольких элементов и убедиться, что каждый из них работает корректно. Начинать с малого позволяет тонко настраивать каждое добавление и точно видеть, как ИИ использует эту информацию. Если в первый же день в папке окажется 55 документов, будет сложно понять, к каким именно ИИ обращался при генерации результата. Тем, у кого уже есть такое количество файлов, стоит явно указывать ИИ, какие документы использовать для каждой задачи. Тогда, если результат окажется неудовлетворительным, проверять придется только две вещи: инструкцию или контекст. Хорошим первым кандидатом для настройки станет проект в Claude, который уже хорошо справляется с задачами. Проект — это папка с инструкциями и файлами, ориентированная на одно дело; её можно сделать подпапкой нового рабочего пространства, откуда любой ИИ-инструмент сможет получить доступ.

#2: Выберите место для AI-рабочего пространства

AI-рабочее пространство — это папка на компьютере с информацией, организованной по подпапкам. Тиффани описывает его как цифровой биндер, похожий на тот, который она получила на своей первой работе, с вкладками, объясняющими, как действовать в каждой ситуации, например, при звонке на ресепшн. Вместо вкладок для административной информации, процессов и шаблонов рабочее пространство содержит подпапки, и ИИ точно знает, где найти каждую из них при возникновении новой задачи. Рабочее пространство работает с инструментами, имеющими доступ к файлам, такими как Claude Cowork, Claude Code, ChatGPT Work и ChatGPT Codex. По словам Тиффани, обычный ChatGPT также имеет доступ к файловой системе. В качестве источника истины может служить и Google Drive, поскольку он подключается почти ко всем ИИ-инструментам.

Как настроить рабочее пространство с помощью Markdown и Obsidian

Тиффани хранит своё рабочее пространство в файловой системе компьютера в виде файлов Markdown. Каждый файл весит всего несколько килобайт, что минимизирует использование токенов. Она называет Markdown первым языком ИИ. Даже без форматирования его легко читать: хештег обозначает заголовок, а звёздочки — жирный текст. Тем, кто не хочет работать с «сырым» Markdown, Тиффани рекомендует Obsidian: он отображает файлы с чистым форматированием и показывает связи между документами. Эти связи позволяют ИИ собирать всё необходимое для задачи. Например, процесс обработки почты может быть связан с примерами писем, шаблоном письма и правилами определения того, на какие сообщения стоит отвечать. Тиффани предпочитает Obsidian Notion, потому что ИИ быстрее находит информацию в нём. Поиск по Notion в Claude сканирует множество полей, а её базы данных в Notion иногда содержат 20–30 колонок. Obsidian хранит аналогичные поля в YAML — небольшом блоке кода в начале каждого файла — и при этом отображает файл как базу данных.

Как синхронизировать рабочее пространство с командой с помощью GitHub

Тиффани синхронизирует своё рабочее пространство с GitHub. Она хранит папку для своей команды на компьютере, а её коллега Тейлор, живущая в Канаде, — аналогичную папку на своём устройстве. Когда Тиффани отправляет изменения в GitHub, папка Тейлор обновляется автоматически. Если оба редактируют один и тот же документ, GitHub объединяет правки, предотвращая потерю данных из-за перезаписи. Кроме того, GitHub предоставляет новым ИИ-инструментам доступ к данным, не давая им прямого доступа к файловой системе компьютера. Когда появился Muse, Тиффани указала ему на свой репозиторий GitHub вместо предоставления доступа к компьютеру, и инструмент получил всю необходимую информацию.

#3: Наполните ИИ-офис процессными документами, шаблонами и историческим контекстом

Тиффани называет готовое рабочее пространство «ИИ-офисом»: папкой с файлами, которые ИИ использует как отправную точку. Она содержит три типа контента.

  1. Процессные документы: Процессный документ описывает шаги, которые необходимо выполнить, и служит стандартом операционной процедуры. Например, стандарты Тиффани по определению того, на какие письма стоит отвечать.
  2. Шаблоны: Шаблон — это либо пример готового результата, либо документ, который ИИ дублирует и заполняет данными. Заполняемый шаблон может содержать только заголовки с