ChatGPT, Claude или Gemini сейчас есть почти у каждого предпринимателя. Кто-то пишет с ним письма клиентам на немецком, кто-то тексты для сайта, кто-то целиком собирает сайт и рекламу. А времени не прибавилось. Тексты приходится переделывать, ответы перепроверять, и через месяц оказывается, что работы столько же, только теперь её делаешь вместе с AI.
Я работаю с AI много часов каждый день, в своих фирмах и в проектах клиентов. У большинства предпринимателей, с которыми я работаю, легче не становится по двум причинам.
Почему AI не экономит время: он множит хаос
AI работает с тем, что ему дали. Если договорённости лежат в пяти чатах, история клиента у менеджера в голове, а цены в чьей-то таблице, AI получает кусок картины и уверенно отвечает по нему.
А дальше хаоса становится больше. Каждый сотрудник работает со своим ChatGPT или Claude в своём чате. Черновики писем, расчёты, ответы клиентам, договорённости остаются там, куда никто, кроме него, не заглядывает. Потом всё это сваливается в одну кучу, и уже никто не знает, кто с чем работает и какая версия последняя. Многие ждут, что AI наведёт порядок. На деле он множит хаос.
Поэтому AI я ставлю последним, как шапочку сверху. Сначала собираю данные для задачи в одном месте, обычно в CRM, и только потом подключаю к ним AI. Как собрать контекст фирмы в одно место, я разбирал в статье «Самый дорогой курьер в фирме».
Вот как это выглядит, когда порядок есть. В Topholz24, нашем интернет-магазине, одни только рекламации раньше занимали у сотрудников 2–3 часа в день: переписка, разбор, поиск решения. Сейчас это сведено к минимуму. Все рекламации лежат в одной базе. Когда приходит новая, AI поднимает похожие прошлые случаи и подсказывает, какое предложение клиенты в таких ситуациях принимали чаще всего. Решение находим быстрее и тратим меньше денег. Клиенты довольны и возвращаются, потому что видят, что мы решаем их проблему.
Это работает, потому что база появилась раньше AI. Если бы рекламации лежали в почте и в WhatsApp у разных сотрудников, AI было бы не на что опереться.
Почему ответ AI так трудно проверить
В 1999 году психологи Джастин Крюгер и Дэвид Даннинг провели серию тестов на юмор, грамматику и логику. Те, кто справился хуже всех, по результатам были на 12-м процентиле, а сами себя ставили на 62-й. Авторы объяснили это так: чтобы увидеть свою ошибку, нужны те же знания, что и для того, чтобы её не сделать. Позже это назвали эффектом Даннинга-Крюгера. Их объяснение потом оспорили, например в работе 2022 года, но само расхождение между результатом и самооценкой измеряли много раз.
В 2025 году финский Aalto University вместе с тремя немецкими университетами (LMU München, HU Berlin и Universität Bayreuth) проверил, что с этим делает AI. Участники решали 20 логических задач с ChatGPT. Результат был в среднем на 3 балла выше обычного уровня. Но свой результат они оценили ещё на 4 балла выше реального. Причём в среднем переоценивали себя и сильные, и слабые. А чем выше человек сам оценивал своё понимание AI, тем сильнее ошибался.
В том же исследовании есть ещё одна деталь. На одну задачу люди в среднем делали чуть больше одного запроса. Почти половина ни разу не задала второй вопрос, а больше трёх запросов сделали только 8 % участников.
Оговорка: задачи там были из теста на логику, а не из бизнеса. Но похожее я постоянно вижу у предпринимателей.
Ошибка на входе, слепота на выходе
Если ты не разбираешься в теме, ты неверно ставишь AI задачу, а потом не видишь ошибку в ответе. Так работает тот самый эффект, и от него никто не застрахован, я тоже.
В итоге ответ AI либо принимают на веру и потом исправляют ошибки, либо перепроверяют и переделывают сами. Время уходит в обоих случаях.
Например, один предприниматель сам собрал сайт и запустил рекламу через AI-сервис. Казалось, что с AI всё получится быстрее. Потом выяснилось: сайт не отдан на индексацию, часть страниц закрыта от поисковиков через noindex, аналитики нет вообще. Спрос и конкурентов перед запуском никто не смотрел, SEO на нуле. Реклама шла на сайт, где нельзя было понять, приносит она заявки или нет. Сборку AI и правда ускорил. Подготовку он не заменил.
Поэтому у нас в агентстве пропорции перевернулись. Раньше 30 % времени уходило на подготовку и 70 % на сам сайт. AI ускорил сборку, и теперь наоборот: 70 % на подготовку и 30 % на сайт. Мы смотрим, что люди ищут, что предлагают конкуренты из первой десятки и чего клиенты у них не находят. Сайт строим только после этого. Подробнее об этом в статье «Сайт красивый, а заявок нет».
Как проверить ответ AI: чек-лист
Я собрал то, что делаю сам и что вижу у тех, у кого AI действительно экономит время. Сохрани себе.
До запроса
- Собери данные для задачи в одном месте, прежде чем подключать к ней AI.
- Дай AI контекст: данные, примеры, правила, ограничения. Одной фразы мало. Я так делаю.
- Задай критерии заранее: что будет считаться хорошим результатом. Признаюсь, я делаю это не всегда, и тебе советую не повторять за мной.
После ответа
4. Задай второй запрос тому же AI: «Найди ошибки в своём ответе», «Какие допущения ты сделал?», «Чего здесь не хватает?».
5. Требуй источники и открывай их. AI уверенно выдумывает цифры, законы и ссылки.
6. Покажи результат человеку, который делал это руками: для сайта тому, кто строит сайты, для договора юристу.
7. Задай тот же вопрос другой модели. Где ответы расходятся, туда и смотри. Я делаю так не всегда.
Перед запуском сайта или рекламы
8. Сначала изучи спрос и конкурентов, продумай структуру, потом собирай.
9. Проверь технический минимум: важные страницы открыты для поиска и видны в индексе (это видно в Google Search Console), аналитика стоит и считает заявки.
10. Запускай с маленького бюджета и одной страницы. Масштабируй, когда видишь цифры.
После внедрения
11. Проверяй по результату: заявки, стоимость заявки, продажи. Как связать заявки с продажами, я разбираю в статье «Заявка лежит, клиент ушёл».
12. Важные тексты пропускай через несколько независимых проверок. У нас так проходит каждый текст.
С чего начать
Возьми одну задачу, которую ты уже отдаёшь AI. Запиши, что для неё считается хорошим результатом. В следующий раз задай второй запрос на ошибки и сверь ответ с этим критерием. Через неделю станет видно, где AI экономит тебе время, а где ты тратишь его на переделки.
Если хочешь разобраться, где AI в твоей фирме работает на хаосе и с чего начать наводить порядок, запишись на диагностику через форму на этой странице. Это 30 минут разговора со мной лично. В месяц я провожу не больше пяти таких разговоров.
Вопросы и ответы
- Почему с AI не стало легче?
- Чаще всего по двум причинам: AI подключили к разбросанным данным, и он множит хаос, а его ответы трудно проверить, поэтому их либо берут на веру, либо переделывают вручную.
- Что такое эффект Даннинга-Крюгера простыми словами?
- Люди, которые хуже разбираются в теме, часто оценивают себя выше своего реального уровня. Почему так происходит, до сих пор спорят, но само расхождение между результатом и самооценкой измеряли много раз.
- Делает ли AI людей самоувереннее?
- По исследованию 2025 года, с ChatGPT люди решали задачи лучше, но в среднем оценивали свой результат выше реального. Чем выше человек сам оценивал своё понимание AI, тем сильнее ошибался. Это не значит, что так происходит с каждым.
- Как проверить сайт, сделанный с помощью AI?
- Сначала технический минимум: открыты ли важные страницы для поиска и есть ли они в индексе Google (это видно в Search Console), стоит ли аналитика и считает ли заявки. Потом по цифрам: приходят ли заявки и сколько стоит одна заявка. Проверку за 5 минут я разбираю в статье «Сайт красивый, а заявок нет».
- Можно ли доверять AI стратегию для бизнеса?
- Да, как черновику. Готовым решением она становится только после проверки человеком, который знает твой рынок, и по цифрам после запуска.
Источники
- Kruger J., Dunning D. (1999). Unskilled and Unaware of It. Journal of Personality and Social Psychology, 77(6), 1121–1134.
- Skill and self-knowledge: empirical refutation of the dual-burden account of the Dunning–Kruger effect (2022). PubMed 36483762
- Fernandes D. et al. AI makes you smarter but none the wiser: The disconnect between performance and metacognition. Computers in Human Behavior 175 (2026), 108779. https://doi.org/10.1016/j.chb.2025.108779
- Aalto University, пресс-релиз от 29.10.2025: AI use makes us overestimate our cognitive performance
