- Личный опыт: как CPO без навыков программирования собрал целый парк AI-инструментов
- Live-демонстрация: 1000 негативных отзывов за 5 минут
- Что меняется в найме и структуре команд
- Кейс про йогу: почему AI не панацея
- Триггеры и антипаттерны: когда внедрять массово, а когда точечно
- Категории применения: как AI встраивается в бизнес-процессы
- Какие нейросети использовать
- План внедрения: с чего начать
- Ответ на сложный вопрос: вероятностная природа AI
- Резюме для практиков
«Поднимите руки, кто устал. Поднимите руки, кто никогда не поднимает руки. Два человека – хорошо», – с этой шутки начал своё выступление Павел Аксёнов, CPO Easy Commerce. Он не скрывает:
«Я не самый лучший CPO на свете, наверняка где-то есть более прокачанные. Но для нас это огромный плюс – потому что мне свои знания пришлось дошлифовывать с помощью AI».
Его доклад – это не абстрактные рассуждения о будущем, а прикладное руководство по внедрению нейросетей в бизнес-процессы. С живыми демонстрациями, реальными кейсами и честным разбором: когда AI – панацея, а когда – ловушка.
Личный опыт: как CPO без навыков программирования собрал целый парк AI-инструментов
Павел начал погружение в мир нейросетей задолго до выхода GPT-3.5 – около четырёх лет назад. И делает это до сих пор, абсолютно без опыта работы программистом. «Просто потому что иногда не было удобных инструментов, которые закрывали мои задачи».
Пример №1 – таск-трекер. «Все существующие таск-трекеры суперсложные, какие-то кнопочки, окошки, всё однообразное. Я решил сделать красивый – и сделал его. В нём единственный пользователь – я. У меня есть приоритеты, лейблы, чек-лист, но нет связок с другими задачами – просто потому что мне так удобно. И выглядит довольно приятно для глаза. Я собрал его за несколько часов, просто писал запросы на русском языке. Никакой архитектуры, специфики, бэкенда».
Пример №2 – Telegram-боты. Павел создал несколько ботов для личных нужд:
- Профессиональный психолог по отношениям – сложная информационная архитектура, множество развилок для диагностики проблем и подбора методик.
- Fix My Rage Bot – берёт обвиняющую фразу и превращает её в конструктивное сообщение в стиле ненасильственного общения.
- DND-бот – для игры в Dungeons & Dragons, когда не было знакомых, кто играет. Нейронка придумывает сеттинги, ходы, бросает кубики.
- Коровик для дочки – дружелюбная AI-няня, безопасная для ребёнка, отвечает голосом, распознаёт фотографии. «Дочка в восторге. Когда у меня нет времени или возможности что-то объяснить, у неё всегда есть коровик».
Главный посыл: любой из вас может сделать то же самое, просто написав несколько запросов. Это не намного сложнее, чем разобраться в новом интерфейсе.
Live-демонстрация: 1000 негативных отзывов за 5 минут
Самый эффектный момент выступления – прямая трансляция работы с нейросетью. Павел открыл Claude (нейросеть, которой он отдаёт предпочтение), прикрепил файл с тысячей негативных отзывов и написал промпт: «Представь, что я бренд-менеджер. Мне нужна интерактивная веб-страничка, чтобы понять, как обстоят дела: причины недовольств, конкретные цитаты, выводы, что изменить».
Через несколько минут нейросеть сгенерировала полноценную HTML-страницу с инфографикой:
- Количество отзывов, жалоб, категоризация.
- Таймлайн с всплесками негатива.
- Фильтры по звёздам (1–3 звезды), паттерны жалоб.
- Возможность кликнуть на категорию и увидеть подробности с цитатами.
- Выводы и рекомендации по изменению карточки товара.
«Вот мы написали маленький абзац текста, скинули огромную таблицу – и видим готовый продукт. Раньше на такую работу ушли бы часы, а то и дни. Нейросеть сделала за минуты». Павел отметил, что конкретно в этом кейсе проблема оказалась в разрыве между маркетинговыми обещаниями и реальными возможностями товара – нейросеть это чётко выявила.
Что меняется в найме и структуре команд
Павел ссылается на исследования: 96% компаний с инвестициями в AI отмечают рост производительности. При этом штат сократили только 17% – в основном те, где были ручные процессы. Почти половина компаний реинвестирует в расширение после первой волны внедрения.
Ключевые изменения:
- Джуниоры под ударом. «Зачем нанимать человека за 30–100 тысяч рублей, если всё, что он может сделать, гораздо лучше и быстрее сделает AI?» Но джуниоры, которые уже умеют работать с нейросетями, могут сразу достигать уровня мидл.
- Синьоры становятся ещё более актуальны. Им нужно меньше людей под начало, они могут хорошо настраивать, масштабировать и автоматизировать процессы с помощью AI.
- Кому давать доступ сразу: маркетологи, PR, аналитики – работают с большими объёмами данных. Разработчики – обязательно (Cursor, Copilot, Claude Code).
- Кому с проверкой: финансы, юристы – цена ошибки высока. AI может помочь, но без человеческого контроля неправильная стратегия может дорого обойтись.
- Enterprise-планы обязательны. Информация не должна утекать в публичное поле. Нужны защищённые режимы или развёртывание на своих серверах.
«Топ-менеджерам надо запомнить: не давать доступ к нейросетям – это просто тратить время и деньги. Обязательно покажите эту фотографию своему генеральному директору», – шутит Павел.
Кейс про йогу: почему AI не панацея
Павел рассказал показательную историю про международный стартап по йоге. Продукт был хорош: сильный маркетинг, продуманные сценарии, но пользователи не возвращались. Он стал разбираться.
Под капотом крутилась нейронка, которая на основе параметров пользователя (рост, вес, опыт, гибкость) подбирала упражнения из большого пула. Но нейросеть не учитывала базовые принципы йоги: последовательность упражнений (сверху вниз), интересность, чередование. «Она могла составить такую комбинацию, что у человека скачет пульс и давление. А если у него гипертония – последствия могут быть фатальные. Она не понимала, какие упражнения скучные, а какие интересные».
Что сделали: выкинули нейронку и написали жёсткий алгоритм. Наняли несколько йога-коучей, описали все связки – насколько индекс массы влияет на динамику, насколько значимо повторение упражнений, какие упражнения лучше чередовать. «Все знания опытных коучей мы переложили в программный код. И получилось гораздо лучше, чем то, что делала нейронка».
Мораль: AI не является панацеей. Нужно хорошо думать, прежде чем внедрять его как основную часть бизнеса. Есть задачи, где детерминированный алгоритм работает лучше вероятностной модели.
Триггеры и антипаттерны: когда внедрять массово, а когда точечно
Павел выделил три зоны:
Зелёный свет (внедряем сразу):
- Много рутины.
- Низкая цена ошибки.
- Большой объём данных.
- Шаблонный выходной формат.
- Хорошо работает с цифрами и анализом.
Жёлтый (с проверкой):
- Эмоциональная коммуникация (жалобы, связанные с травмой, смертью – тут нужен человек).
- Уникальное решение – AI обучается на массовых паттернах, не создаёт супертоповых идей.
- Конфиденциальные данные.
Красный (массово не внедрять, точечно – maybe):
- Высокая цена ошибки.
- Сложная регуляторика.
- Мало рутины.
«Если много рутины и низкая цена ошибки – просто внедряйте. Производительность вырастет сильно. Если высокая цена ошибки и мало рутины – нужно, чтобы опытный человек контролировал процесс, и это должно быть управляемо».
Категории применения: как AI встраивается в бизнес-процессы
Павел перечислил основные сценарии, разбив их на группы:
- Понимание информации – анализ данных, обработка отзывов, конкурентный анализ. AI даёт основу, но человек должен добавить контекст.
- Создание – диаграммы, схемы, презентации, прототипы, код, документы. Тут нейросети годятся отлично.
- Адаптация – перевод на несколько языков, смена стиля, конвертация текста в голос, голоса в текст, текста в картинку. Пример из йога-приложения: сгенерировали синтетическую девушку, которая повторяет движения тренера. Не пришлось тратиться на модель, оператора, пост-обработку.
- Коммуникация – подготовка к встрече, обработка результатов встречи.
- Мышление и обучение – процесс принятия решений на основе паттернов.
- Автоматизация и агенты – связывание маленьких AI-процессов в единый конвейер. Например, письмо → постановка задачи → создание картинки → публикация.
Особый инструмент – корпоративные шаблоны (скиллы). В Claude и других нейросетях можно создать скилл, который описывает процесс, и сохранить его как шаблон. Сотрудник запускает одной кнопкой, добавляет данные – и получает готовый результат. «Скиллы собирают сейчас десятки тысяч положительных оценок».
Какие нейросети использовать
Павел – поклонник Claude. «Он умеет не всё – не генерирует фото и видео, но то, что делает с текстом и кодом, и логика, заложенная в нём, – ни одна другая нейронка на таком уровне не работает».
ChatGPT и Gemini – хороший уровень, гораздо выше среднего. GigaChat и Яндекс – где-то внизу. Perplexity – завязан на поиск, у него есть браузер Comet, который сам выполняет команды: «Найди сайт Т-банка для бизнеса, найди мой ИНН и скопируй его» – и он это делает, пока вы пьёте кофе.
Для генерации картинок, видео, транскрипции – отдельные специализированные инструменты. Павел показал, как с помощью нейросети сделал свою презентацию: загрузил «белую некрасивую презентацию с кучей текста» и попросил сделать «вау-эффект». Через несколько минут получил готовый дизайн с возможностью редактировать каждый слайд через естественный язык.
План внедрения: с чего начать
Павел предложил простой план первого месяца:
- Выбрать один процесс. «Если будем фокусироваться на всём или на нескольких – ничего не получится. Это правило универсально».
- Дать команде инструменты.
- Описать процесс, желательно заранее определить метрики успеха.
- Измерить результат – через месяц или через неделю.
- Если процесс улучшился (ускорился, меньше ошибок, больше эффективности) – запускать следующие пилоты.
Ответ на сложный вопрос: вероятностная природа AI
Из зала спросили: «Нейросеть – вероятностная модель. Если я закину одни и те же данные с одним промптом, она выдаст разные результаты. Как с этим работать в серьёзном бизнесе?»
Павел ответил: «Всё упирается в температуру. При температуре 1 нейронка выбирает самое вероятное слово. Чем ниже температура, тем стабильнее результат. Кроме того, мы просим нейронку писать скрипты, а не просто выдавать ответ. Она размечает данные, ставит параметры – и на основе этой структуры собирает отчёт. Также можно первым шагом договориться с ней о параметрах разметки, чтобы снизить вероятность риска».
В компании Easy Commerce, где работает Павел, для критичных задач (например, разметка баннеров с маркетплейсов) используют группу контента, которая проверяет неразмеченные элементы. «Пока что ручной труд. Чем больше автоматизации – тем выше цена токенов. Но долю ручного труда мы постоянно сокращаем».
Резюме для практиков
Выступление Павла Аксёнова – это манифест практического внедрения AI. Главные выводы:
- AI – базовая норма, а не опция. Если вы не используете нейросети хотя бы для рутины, вы отстаёте от рынка.
- Внедрение не требует навыков программирования. Таск-трекер, боты, обработка отзывов – всё это делается естественным языком.
- AI не панацея. Для задач, где критична детерминированность и безопасность (медицина, сложная логика), лучше использовать алгоритмы или комбинацию AI + человек.
- Массовое внедрение начинается с одного процесса. Выберите тот, где много рутины и низкая цена ошибки – и вы увидите быстрый результат.
- Проверяйте стабильность. Используйте низкую температуру, структурируйте запросы, контролируйте качество.
«Снижается не штат – снижается время выполнения задач. Бюджет остаётся, штат остаётся, а ценность, которую создаёт компания, становится выше», – резюмирует Павел.
Совет для начинающих: Не пытайтесь объять необъятное. Возьмите одну задачу, дайте команде инструмент, опишите процесс и измерьте результат. И помните – вы можете сделать собственного AI-помощника за несколько часов, просто написав промпты на русском языке.
#productmanagment #управлениепродуктом #pm #event #конференции #интерфорум #interforum #interforums
76 дней
На фоне стремительного развития технологий и смены поколенческих ценностей корпоративное обучение переживает тектонические сдвиги. Внедрение ИИ, работа…
84 дня
На Форуме «Экономическая безопасность бизнеса 2026» будут детально разобраны наиболее острые проблемы, с которыми сталкиваются специалисты в текущих…
