Эффективность работы

«Я попросил ИИ — и он открыл браузер, всё нашёл и даже заполнил форму». В 2026 году это уже не постановочная демонстрация: агентные браузеры (ChatGPT Atlas, Claude for Chrome, Gemini/Chrome, Perplexity Comet) появились разом. Так насколько далеко они действительно автоматизируют? Реальность чётко делится на три уровня. (1) Исследование = готово к работе: на WebVoyager (реальные сайты) лучшие агенты достигают 89-98%, почти насыщая бенчмарк, и поскольку неверное действие здесь почти ничего не стоит, именно отсюда стоит начинать делегирование. (2) Заполнение форм = возможно, но проверяйте: сам ввод поддерживается, но агенты могут неправильно подписать поля или нажать не ту кнопку отправки, поэтому «ИИ составляет черновик, человек отправляет» — безопасный подход, а многие продукты вроде Atlas запрашивают подтверждение перед важными действиями. (3) Бронирование/оплата = пока делайте сами: агенты спотыкаются о CAPTCHA, сложное оформление заказа на JavaScript, двухфакторную аутентификацию и управление сессиями, и на WebArena (сложные многошаговые задачи) даже лучшие набирают ~47-68% против ~78% человеческого ориентира; сама причина, по которой OpenAI закрыла самостоятельный Operator (2025/8/31), — ненадёжность оформления заказа. Статья сначала описывает два подхода (потребительский браузер/расширение против разработческого API/OSS), затем расклад игроков 2026 года (Atlas как отдельный браузер, который по задумке не может выполнять код или читать пароли; Claude for Chrome как боковая панель-расширение; Project Mariner от Google завершился 2026/5/4 и встроен в Gemini/Chrome; Operator перешёл в ChatGPT Agent и Agents SDK; OSS browser-use с 78k+ звёзд). Объясняются четыре стены, из-за которых бронирование проваливается (защита от ботов, сложное оформление, 2FA, цена отмены), затем разбирается главная ловушка: непрямой prompt injection (Perplexity Comet оказался уязвим к zero-click краже учётных данных и исправил это в феврале 2026; успех атаки 23.6% до защиты падает до ~11% при базовой и ~1% при сильнейшей, но не до нуля). Завершается пятью принципами безопасности (начните с чтения, человек подтверждает отправку/оплату, не передавайте пароли, не запускайте на недоверенных сайтах, минимум привилегий в отдельном профиле). Отличный партнёр для исследований; действия, двигающие деньги, делайте сами. Цифры приведены из публичных материалов и анонсов как ориентировочные.

«Ладно, ИИ-агенты потрясающие — но для чего их реально использовать?» Этот вопрос возникает у каждого после знакомства с основами, и в 2026 году ответ уже не дело будущего: в поддержке, продажах, бухгалтерии, разработке и HR агенты начали реально брать на себя рутину, а один опрос сообщает, что 65% компаний уже что-то автоматизировали. Эта статья обходится без абстракций и даёт 10 конкретных сценариев применения по функциям с реальными примерами и цифрами. Она охватывает, почему сценарии важны именно сейчас (агенты не просто отвечают, но действуют, переходя из экспериментов в производство; Gartner прогнозирует, что треть корпоративного ПО получит агентные функции к 2028 году и 80% обращений будут решаться с минимальным участием человека к 2029), как распознать пригодную для автоматизации работу (высокая повторяемость × большой объём × требует суждения — часть про суждение и есть отличие от старого RPA; крупные решения оставляйте людям через «агент готовит, человек утверждает»), сами 10 кейсов (поддержка первой линии, продажи 200 писем в час при отклике в 2–4× выше, маркетинг с 2 до 10 статей в неделю, разработка с более 35% кода от ИИ, ИТ-эксплуатация с авто-восстановлением, финансы с KPI и PDF, выявление мошенничества в реальном времени, HR с AMD и 80% ускорением, анализ данных в отчёты, диспетчерская вышка цепочки поставок), реальность ROI (3.5x за три года, окупаемость 3–14 месяцев, снижение затрат на 30–60% по McKinsey, но лишь 23% масштабируют) и как начать безопасно (одна задача, малый прототип, человек утверждает, измерять и расширять) с минимальными правами. Цифры — цитаты опросов и заявлений компаний, как тенденции. Пересмотрите работу через повторяемость, объём и суждение и сделайте один маленький шаг.

«ИИ отнимет вашу работу» — привычный припев, но тихо идёт более повседневное изменение: среди коллег одной компании на одной должности постепенно растёт разрыв в результатах — потому что люди разделяются на тех, кто хорошо пользуется ИИ, и тех, кто не пользуется или не умеет. В этой статье на свежих данных опросов разобрано, как ИИ расширяет разрыв в способностях среди офисных работников, и это не простая история «побеждают умные». Показано, что ось, создающая разницу, смещается от сырой мощи (знания, скорость, опыт) к «умению хорошо пользоваться ИИ (ИИ-грамотность)»; что ИИ действует двумя противоположными силами одновременно (на уровне задач сильнее подтягивает новичков и сжимает разрыв с ветеранами, тогда как в масштабе коллектива уже выигрышные — высокооплачиваемые, старшие роли — осваивают ИИ раньше и глубже, расширяя разрыв); положение дел в цифрах (один опрос: свыше 60% высокооплачиваемых пользуются ИИ ежедневно против 16% низкооплачиваемых, оценочная надбавка +56% к зарплате за ИИ-навыки на той же должности и около 39%, ощущающих, что чрезмерная зависимость подтачивает способности — всё цитируется и различается по опросам); четыре силы, расширяющие разрыв (доступ к инструментам, время и обучение, самостоятельность для экспериментов, готовность учиться — первые три играют на руку старшим ролям, лишь последнюю вы можете изменить сами); три типа (вырывается вперёд / топчется на месте / остаётся позади, ключ — вложить освободившееся время в суждения, планирование и людей); ловушка чрезмерной зависимости, когда становишься «умеет пользоваться, но не думает» (проверяйте ИИ как черновик, не глотайте целиком); как не остаться позади (прикоснитесь, попробуйте на своей работе, выработайте привычку проверять, инвестируйте освободившееся время, делитесь, продолжайте учиться); и взгляд организации (мало компаний видят ROI, трения между уровнями, постройте систему, где все могут учиться). Разрыв открывается по разнице в действии, а не в таланте — что и обнадёживает, ведь учиться пользоваться ИИ может начать кто угодно уже сегодня.

Вы задаёте одному и тому же ИИ один и тот же вопрос, и при этом один называет его бесполезным, а другой поражается тому, насколько он способный — и истинная причина этого разрыва часто не в мощности ИИ, а в том, как написан промпт. Это практический сборник того самого навыка, промпт-инжиниринга, выстроенный так, чтобы новичок мог пользоваться им сразу. Он охватывает, что такое промпт-инжиниринг (навык проектировать и улучшать вашу инструкцию для ИИ — не код, а мастерство того, как формулировать), три принципа, которые меняют результат (будьте конкретны, давайте контекст, задавайте формат вывода, плюс «делай X» вместо «не делай Y»), основные 6 частей хорошего промпта (роль, контекст, инструкция, примеры, формат, ограничения — элементы, общие для крупных фреймворков вроде COSTAR и RCOF; все шесть нужны не всегда), 7 практических приёмов (дать роль, показать образец/few-shot, рассуждать по шагам, зафиксировать формат вывода, структурировать разделителями, не просить слишком много за раз и итерировать — сильнейший из них итерация), пример до/после, приёмы следующего уровня (цепочка рассуждений, самосогласованность, цепочки промптов, ReAct — хотя рассуждающие модели вроде o-серии и расширенного мышления у Claude делают CoT внутри, поэтому формулировка цели работает лучше), 7 частых ошибок, а также особенности моделей и безопасность ввода. С внутренними ссылками на советы по промптам для разработки приложений и меры предосторожности при вводе. Превращайте расплывчатое в конкретное, сваливание в диалог — улучшаться может любой уже сегодня.

В 2023 году юрист получил санкции после того, как записка, написанная с помощью ChatGPT, процитировала дела, оказавшиеся выдумкой ИИ, — и этот случай распространил по миру настороженность к теме права и ИИ. И всё же за несколько лет внедрение резко выросло: говорят, более 90% юристов используют тот или иной ИИ в повседневной работе. Как следующая часть нашей серии о влиянии ИИ по отраслям после #068 (торговля), #094 (маркетинг) и #097 (консалтинг), здесь разбираются профессии. Текущая ситуация в цифрах (62% юристов сообщают об экономии времени 6–20% в неделю; Harvey и CoCounsel от Thomson Reuters обработали 10М+ юридических документов в 1-м квартале 2026; использование генеративного ИИ в налоговых/бухгалтерских/аудиторских фирмах подскочило с 8% в 2024 до 21% в 2025; исследование Stanford показывает, что рабочие места для начинающих в таких сферах, как бухгалтерия, упали на 13% к 2022, у бухгалтеров +5%, у счетоводов -5%), какую работу меняет ИИ по профессиям (юристы = поиск дел, проверка договоров, извлечение обязательств; бухгалтеры = бухучёт, проверка первички, выборка, выявление рисков; налоговые консультанты = ввод данных, черновики деклараций, поиск норм — ИИ делает подготовительную работу, человек выносит окончательное решение), главную ловушку галлюцинации (выдумывание несуществующих дел/норм — ведущее к санкциям и потере доверия; Harvey заявляет о 99,7% точности проверенных ссылок и помечает остальные, CoCounsel опирает ссылки на базу данных дел, цитируя только реальные дела), неизменную суть ценности (окончательное суждение, профессиональный скептицизм, этика, серые налоговые суждения и — решающее — подпись и юридическая ответственность, которые нельзя делегировать ИИ), кризис молодых специалистов (автоматизация ученической рутины) и новые роли (специалисты по ИИ-комплаенсу, налоговые промпт-инженеры), а также советы по ролям для практиков, будущих специалистов и клиентов (сверяйте ссылки и цифры с первоисточниками; уточняйте обращение с конфиденциальностью). Регулирование и ответственность различаются по странам; в Японии ИИ-функции в бухгалтерском ПО тоже широко распространены. Вопрос, который ставит ИИ: то, что вы продаёте, — это работа или суждение и ответственность?

Раньше на субтитрование часового видео вручную уходил целый день — слушать, ставить на паузу, печатать, выставлять тайм-код. В 2026 году этот ад завершается тем, что вы "закидываете видео и ждёте несколько минут". С упором на субтитрование/расшифровку видео- и аудиоконтента (протоколы совещаний — в #086, OCR изображений — в #091) этот гид разбирает четыре этапа, которые автоматизирует ИИ (извлечение звука → расшифровка с диаризацией → нарезка тайм-кодов в SRT/VTT → перевод и оформление), отличие субтитров (SRT/VTT) от расшифровки и когда что использовать, сравнение инструментов (бесплатный и приватный Whisper, монтаж-всё Descript, высокоточный многоязычный Sonix и Happy Scribe, удобный для частных лиц Notta, мобильный CapCut, самые простые авто-субтитры YouTube — многие под капотом используют распознавание семейства Whisper), наиболее воспроизводимый процесс из 4 шагов (подготовка → расшифровка → вычитка → экспорт/наложение SRT/VTT), рекомендации по сценариям (YouTube, подкасты, лекции, интервью, конфиденциальное, многоязычное), шесть приёмов точности, где качество звука — это 80% результата (качество, настройка языка, список имён собственных, поиск-замена, диаризация, длина строк), главный путь многоязычного процесса (довести оригинал → ИИ-перевод → проверка носителем) и подводные камни — излишнее доверие к точности, слабость на шуме и жаргоне, авторские права, загрузка конфиденциального и смещение тайм-кодов. На чистом звуке точность 90–96% (по публикациям, зависит от условий), а труд падает на 80–90%. Работу — ИИ; отделку — проверку имён собственных и просмотр до публикации — вам.

Обряд посвящения младших консультантов — бессонные ночи над слайдами, бесконечный ручной поиск — трещит по швам. "Lilli" от McKinsey просматривает 100 000+ документов за секунды и набрасывает презентации; "Deckster" от BCG мгновенно доводит слайды; по одной из оценок ~80% исследовательской и слайдовой работы младшего аналитика могут быть заменены за секунды. Как следующий выпуск серии "Влияние ИИ по отраслям" после #068 (торговые компании) и #094 (маркетинг), статья обозревает консалтинг: картину в цифрах (Big Four и стратегические дома вложили 10+ млрд долларов в ИИ с 2023 года, PwC 1 млрд за три года, BCG ~25% выручки в 14,4 млрд за 2025 год = ~3,6 млрд от ИИ, исследование HBS с 758 консультантами BCG: пользователи ИИ делали на 12,2% больше задач, на 25,1% быстрее, на 40%+ качественнее), пять областей, которые меняет ИИ (исследования, слайды, анализ, протоколы и новые ИИ-стратегические услуги — пока чистый создатель рабочих мест в крупных фирмах), крах пирамидальной модели (рутинная работа джуниоров, ~80% по одной из оценок, автоматизируется за секунды; движение к компактным командам несколько-человек-плюс-ИИ с тревогой за карьерный конвейер), тектонический сдвиг цен (парадокс производительности — закончить быстрее значит выставить меньше при почасовых ставках — и 73% клиентов предпочитают оплату по результату, толкая переход к оплате по результату и фиксированной цене), неизменную суть ценности (постановка вопроса, интерпретация, суждение, доверие, исполнение — консультант, управляющий системой, важнее самой системы), разделение на гигантов-танкеров против бутиков-катеров (рост небольших фирм до 50% по оценкам) и советы по ролям для соискателей, практиков и компаний-клиентов. Вопрос, который ставит ИИ: ваша ценность — это работа или суждение?

Когда генеративно-ИИ рождественский ролик Coca-Cola в конце 2024 года раскритиковали как «бездушный», это символизировало перетягивание каната, которое ИИ привносит в маркетинг: «эффективность и результативность» против «доверия и эмоций». Эта статья обозревает тему, сначала измеряя положение дел в цифрах (около 87% маркетологов используют генеративный ИИ, рост с 51% в 2024 году; более 71% рекламных бюджетов управляются алгоритмами; Google создал около 70 миллионов креативов с помощью Gemini только за Q4 2025; расходы на ИИ-инструменты в маркетинге выросли примерно втрое за 18 месяцев). Она охватывает пять областей, которые меняет ИИ (① создание контента ② рекламный креатив ③ таргетинг и доставка / программатик ④ персонализация / DCO ⑤ аналитика и измерения) и сообщённые эффекты (DCO с ~32% более высокой CTR и ~56% более низкой CPC, тексты от ИИ с 3,2-кратным ROI, first-party/контекстный таргетинг вплоть до 2-кратного ROAS — все опубликованы, зависят от условий); ядро, которое не меняется (стратегия, бренд, доверие, прорывное творчество остаются за людьми — ИИ это усилитель, нулевая база означает нулевой ответ); тектонический сдвиг SEO/AEO/LLMO (с внутренними ссылками); риски (разрыв восприятия 82% руководителей против 45% потребителей в отношении ИИ-рекламы, правдоподобные выдумки, brand safety, права/регулирование, бесконтрольная работа на автомате); как смещается работа маркетолога (задачи забираются, ответственность за суждения тяжелее; от производителя к главному редактору и стратегу); и пятишаговый план практики на сегодня. Самое большое влияние ИИ — освобождение человеческого времени от делания ради решения.

«Счёт за API в прошлом месяце… $1 800?» В 2026 году о серьёзном запуске Claude Code как агента сообщалось как о достигающем $500–2 000 в месяц. Но достаточно изменить то, как вы пользуетесь инструментами, и вы сможете сократить затраты на 70–85% без снижения качества результата (к этому сходятся многочисленные практические отчёты). В этом руководстве сначала разобрано истинное лицо высоких затрат (дорогая модель, длинный контекст, лишние вызовы; как работает тарификация по токенам; агенты, потребляющие примерно в 7x больше одной сессии), затем точка безубыточности между подпиской и API (API выигрывает примерно лишь до 50 сессий в месяц; по одной оценке подписка до 36x дешевле при ежедневном использовании), обзор цен (Copilot Pro $10 / Cursor Pro $20, $60–100 при интенсивном использовании / Claude Pro $20, Max $100; Copilot перешёл на оплату по факту AI Credits 1 июня 2026), шесть рычагов снижения затрат (① маршрутизация моделей для −40–70% ② кэширование промптов примерно на −90% с долей попаданий 60–80% ③ управление контекстом ④ выбор между подпиской и API ⑤ проверка дублирующихся подписок ⑥ функции памяти), чек-лист экономии, применимый уже сегодня, и подводные камни — ложная экономия, скрытая стоимость труда, двойная оплата, шок от счётчика, чрезмерное доверие к кэшу — плюс рекомендуемые конфигурации по типам. Оптимизация — это не скупость, а проектирование того, чтобы платить нужную сумму за нужную вещь.

Презентация — завтра с утра, а слайды пустые — но напечатайте одну строку с темой, и через минуты перед вами 20 черновых слайдов. Это ИИ-слайды в 2026 году. Гид разбивает создание слайдов на три этапа (структура, текст, дизайн) и излагает два подхода: генерация «всё в одном» (дайте тему — получите всё) против разделения труда (доведите структуру и текст в ChatGPT/Claude/Gemini, затем оформите специализированным инструментом). Сравниваются основные инструменты (быстрый Gamma, нативный-.pptx-без-поломок Copilot в PowerPoint, сильный в совместной работе Gemini для Google Slides, самый красивый Beautiful.ai, богатый шаблонами Canva, надстройка ChatGPT для PowerPoint, запущенная в мае 2026 — абсолютного чемпиона нет; выбирайте по выходу), самый воспроизводимый процесс из 5 шагов (структура → текст → влить в инструмент дизайна → проверить цифры и источники → экспорт в .pptx/Slides), три готовых промпта (план, развернуть слайд с заметками докладчика, переформатировать для инструмента дизайна), шесть приёмов для слайдов, которые попадают в цель (одно сообщение на слайд, сократить текст вдвое и др.) и подводные камни — поломка вёрстки .pptx, раздутый первый черновик, правдоподобно выдуманные данные, отправка конфиденциального и закрытие инструментов (закрытие слайдов Tome в апреле 2025 как урок). ИИ — партнёр, который выдаёт черновик в одно мгновение; сокращение и проверка — работа человека.

Рукописная заметка, бумажный чек, английский внутри скриншота, вывеска на фото — перепечатка, которую вы всегда делали вручную, в 2026 году почти полностью не нужна благодаря ИИ. Это руководство начинается с того, чем AI OCR отличается от традиционного OCR (чтение по одному символу против понимания всей страницы по смыслу), затем сортирует три варианта (обычный чат-ИИ / специализированные инструменты вроде Google Lens / API и OSS, такие как Mistral OCR и PaddleOCR-VL) по сценариям. Сравниваются ChatGPT (GPT-5.5), Gemini 3.1 Pro и Claude (Opus 4.8) по сильным сторонам (рукопись → семейство GPT, структурирование таблиц → семейство Claude, множество страниц → длинный контекст Gemini, «чистый» OCR → специализированные модели; абсолютного чемпиона нет), даются три готовых промпта (расшифровать, не ломая; таблица в Markdown; чек в JSON, все с правилом «не выдумывать»), лучший выбор под каждый случай (рукопись, чеки, PDF, сложные таблицы, вертикальный/старый текст, формулы и код), шесть советов по точности с качеством изображения как 80 % результата, и единственная величайшая слабость AI OCR — правдоподобно выдумать то, что не смог прочитать (всегда сверяйте суммы, даты и имена с оригиналом) — плюс предостережения о приватности при отправке конфиденциального, об авторских правах и использовании для обучения. ИИ можно доверить только «чтение»; подтверждение — за человеком, который видел оригинал.

«ChatGPT, Claude или Gemini — на что оформить подписку?» В 2026 году все три стоят около $20 в месяц и все первоклассны, поэтому единственного «вот этот побеждает» нет. Правильный вопрос — «какой лучше для вашего сценария использования». На основе консенсуса по источникам разобраны основы (поставщик, основное семейство моделей, цены бесплатного/стандартного/премиального тарифов), различия характеров (Claude = мастер письма/анализа/кода, ChatGPT = универсал с экосистемой и изображениями/голосом, Gemini = мультимодальность, длинный контекст, интеграция с Google), подробная таблица по сценариям (письмо, код, общее, генерация изображений, голос, понимание изображений/PDF/видео, очень длинный текст, интеграция с Google, исследования, русский язык), как выбрать план по объёму использования и умная связка из двух инструментов, когда нельзя выбрать один (одно ядро + один, чтобы закрыть пробелы). Лидер меняется каждые несколько месяцев, поэтому вместо погони за фиксированным «лучшим» используйте каждый по сильной стороне и измеряйте на своих задачах на бесплатном тарифе.