От репетиции переговоров до технического задания: четыре задачи для ИИ

Такой тренажер я включил в библиотеку промптов для сотрудников Softline. Вместе с ним проверил еще три сценария: обработку записей встреч, подготовку сведений о заказчике и составление технического задания. В каждом случае результат зависел от того, насколько точно сформулирована задача. Иногда требовалось уточнить запрос, иногда выбрать другую модель.

Из одной расшифровки можно получить несколько рабочих документов

После переговоров с клиентом или внутреннего обсуждения нужно зафиксировать договоренности и определить следующие шаги. Для этого можно передать ИИ расшифровку разговора, но сначала стоит решить, какой документ нужен на выходе.

Я взял расшифровку встречи из DION с тайм-кодами и именами спикеров. По универсальному промпту модель подготовила резюме: кто участвовал, какие темы обсуждали, какие задачи поставили и что предстоит сделать.

Затем я обработал ту же расшифровку с помощью других промптов. Один предназначен для встреч, на которых обсуждают рабочие процессы. Другой помогает составить письмо участникам с договоренностями. Третий собирает задачи в таблицу и добавляет к каждой короткую цитату и тайм-код, чтобы можно было вернуться к нужному месту разговора.

По результатам проверки я рекомендую выбирать промпт под тип встречи: с заказчиком, партнером или внутреннюю. Такие инструкции давали более точный результат, чем универсальный запрос.

Если модель с первого раза не поняла задачу, стоит уточнить, что нужно изменить. Первый ответ не всегда показывает все, что она способна сделать с материалом.

Мы уже опробовали и следующий шаг: задачи из расшифровки сразу передаются в Kaiten, систему управления задачами. Так договоренности попадают в инструмент, где с ними можно работать дальше.

Пока я рекомендую копировать расшифровку и вставлять ее в чат с ИИ. Если загрузить ее файлом, платформа разделит текст на части, и модель может потерять связь между фрагментами разговора. Если все же прикрепляете документ, рекомендую использовать именно формат .docx.

Сам запрос необязательно набирать. Рядом с кнопкой отправки есть микрофон: задачу можно надиктовать, платформа расшифрует голос.

ИИ помогает подготовиться к встрече с заказчиком

Перед встречей с потенциальным клиентом нужно разобраться в его бизнесе и подготовить вопросы. В библиотеке для этого есть промпт: в него нужно добавить ИНН компании, указать, с кем предстоит разговор и какую услугу планируется предложить.

С включенным поиском в интернете ИИ собирает сведения о заказчике: финансах, поставщиках, конкурентах и регуляторных требованиях. На их основе готовит отчет и вопросы для встречи. Я проверил этот сценарий на примере банка и задачи импортозамещения SAP.

Полученный отчет стоит оценивать по содержанию. Даже обращение к нескольким сайтам может дать поверхностный результат. Если сведений недостаточно для подготовки к разговору, запрос нужно уточнить.

С ИИ можно отрепетировать разговор с клиентом

Нейросети можно поручить роль потенциального заказчика и потренироваться отвечать на его возражения. Пользователь предлагает решение, ИИ высказывает сомнения, а после каждого ответа оценивает аргументы и объясняет, что стоит улучшить. Продолжительность и сложность тренировки задаются в промпте. В моем варианте было предусмотрено шесть раундов и три стиля общения клиента: мягкий, реалистичный и жесткий.

При проверке я разыграл разговор о замене западного ПО, условный клиент возражал против расходов. Я проверил, как модель оценит категоричный ответ «вы обязаны заменить западное ПО», — она поставила два балла из пяти и объяснила: требование не отвечает на сомнения клиента по поводу бюджета и звучит как давление. Затем я изменил ответ: задал уточняющий вопрос и перешел к финансовым аргументам. Модель оценила его на три балла, а в роли клиента согласилась продолжить разговор. Так тренажер помогает увидеть, насколько ответ связан с возражением, и попробовать другую тактику.

ИИ помогает составить ТЗ, если объяснить ему задачу

Чтобы подготовить техническое задание с помощью ИИ, необязательно сразу подробно описывать все требования. Можно попросить модель сначала задать вопросы: как устроен процесс, кто в нем участвует, что требуется изменить и как будет оцениваться результат. На этом принципе построен мой промпт для ТЗ. Если уже есть черновик, его можно добавить в чат: модель распределит готовые сведения по разделам.

По моей оценке, за 20-30 минут такого диалога можно получить законченное техническое задание. Пользователь объясняет, как должна быть устроена работа, а ИИ помогает собрать ответы в документ. Это удобнее, чем пытаться сформулировать все требования одним большим запросом.

После подготовки документа можно отдельно поработать над языком. Для этого я использую промпт редактора: он убирает пафос, избыточные перечисления и другие характерные особенности нейросетевого текста.

Настройки должны помогать решать задачу

Кроме инструкций для отдельных задач, я подготовил системный промпт. Он задает общие правила: учитывать работу пользователя в ИТ-компании и отвечать на русском языке. Последнее приходится оговаривать, поскольку модель иногда переключается на китайский.

От отдельных запросов к автоматизации

Для этих задач я собрал библиотеку готовых промптов: для работы с клиентами, обработки встреч, подготовки текстов, анализа документов и таблиц. В каждом шаблоне нужно заполнить поля своими данными, затем отправить инструкцию в чат с ИИ.

Сотрудники Softline работают с моделью на корпоративной платформе ai.softline.com. Следующий этап ее развития связан с ИИ-агентами, которые выполняют последовательность действий: например, готовят презентацию, работают с Excel или составляют технико-коммерческое предложение. Для сотрудников, которым модель нужна при разработке, предусмотрен доступ через программный интерфейс приложения, API.

Я бы не начинал с массового внедрения агентов. Сначала стоит проверить ИИ на отдельных рабочих задачах и понять, где он дает экономический эффект. На этой основе можно выбирать процессы для дальнейшей автоматизации. Вычислительные ресурсы компании ограничены, и вкладывать их стоит в задачи с понятной практической пользой.