Milovanov

Во-первых, он начал показывать ход своих мыслей. Раньше он просто выдавал ответ, а теперь вы видите цепочку: что он проверил, что отбросил, почему пришел к такому выводу. Это очень удобно, когда нужно понять логику, а не просто принять ответ на веру.

Во-вторых, он стал сильнее в многошаговых задачах. По данным самой Google, разница с прошлой версией — больше 65% в ключевых сценариях. Особенно заметно в веб-исследованиях и в работе с большими документами.

У каждого блокнота появился свой «компьютер».

Раньше NotebookLM умел только читать ваши файлы и пересказывать их. С числами он был беспомощен. Теперь всё иначе.

Внутри каждого вашего проекта есть защищенный облачный ПК. Инструмент сам пишет код на лету и выполняет расчеты. Без ваших танцев с бубном и настройками.

Как это выглядит в жизни:

• Вы кидаете грязный CSV-файл с опросом, и он сам находит в нем закономерности, а не просто перечисляет названия колонок.

• Загружаете финансовую отчетность — и просите показать реальный тренд, а не гадать по тексту.

• Скармливаете наборы данных, а на выходе получаете нормальную диаграмму, построенную на точных цифрах, а не на «пальцем в небо».

Говорят, у системы больше сотни встроенных навыков для такого анализа. По сути, это превратило его из читалки в вычислительный инструмент.

Он теперь сам ищет вам источники.

Это решение старой как мир проблемы. Раньше половину времени ты тратил на то, чтобы собрать папку с документами. Сам процесс анализа был быстрым, а подготовка — медленной.

Теперь вы можете начать с расплывчатой идеи или чернового вопроса. NotebookLM идет в поиск Google, находит релевантные материалы, предлагает источники, даже на других языках или конкретного автора. И главное — вы всё равно утверждаете итоговый список. То есть он помогает собрать базу, но вы контролируете, что попадет в проект.

Теперь вы стартуете с вопроса, а не с папки на рабочем столе.

Наконец-то можно выгружать нормальные файлы.

Раньше на выходе у нас был только текст в чате, аудио-обзор или конспект. Теперь список гораздо шире. Инструмент генерирует:

• Готовые PDF-отчеты.

• Слайды, как в PowerPoint.

• Таблицы Excel.

• Визуализации и диаграммы.

• Структурированные CSV или JSON.

• И даже картинки (с помощью модели Nano Banana).

Для тех, кто превращает исследования в готовый продукт, это колоссальная экономия времени. Вместо того чтобы перекладывать заметки вручную, вы получаете почти финальный файл сразу.

Важный нюанс по доступу.

Пока это не для всех. Обновление доступно по миру, но только для подписчиков Google AI Ultra и корпоративных клиентов Workspace с соответствующими уровнями доступа.

Если у вас бесплатный тариф — ваш NotebookLM работает как обычно. Загрузка, цитирование, аудио — всё на месте. Google обещает расширять доступ со временем, но сроков не называет. Скорее всего, бесплатным пользователям это придет, но не в первый день, как это уже было с другими фишками.

Что это меняет для нас на практике?

Если честно, смотрите на это проще. Раньше NotebookLM был папкой, в которую вы кидали готовое. Теперь это инструмент, которому можно скормить сырую идею и получить на выходе почти готовый результат. Это не просто список новых галочек, это смена подхода.

Вот что это значит для разных задач:

• Исследователи теперь проходят путь от вопроса до отчета с графиками и ссылками, не выходя из одного окна.

• Маркетологи и аналитики могут за один подход превратить «грязные» данные в презентацию.

• Студенты могут начать проект, даже не найдя первый источник.

• Любой, кто тонет в рутине, получает инструмент, который теперь сам проверяет расчеты, а не строит догадки.

Это не новый продукт. Это эволюция старого, надежного ядра, к которому мы привыкли. Но теперь он не просто объясняет, что нашел. Он действует. А это, согласитесь, совсем другая история.

Спасибо, что дочитали

Пока другие коллекционируют ссылки на 1000+ нейросетей и промтов, я создаю автономных ИИ-агентов и целые экосистемы с ИИ, которые решают задачи реального бизнеса.

🔹Загляните в мой Телеграм-канал или канал в MAX

“Сергей Милованов. InPromotion”.

Там я разбираю анатомию создания сложных ИИ-помощников (Медик, Сценарист виральных Рилс, Юрист), выкладываю рабочие подборки промтов, нейросетей и шаблоны Ai ботов.

А еще рассказываю как я ИИ маркетолога стал бренд-амбассадором квеври винодельни, и как я туда внедряю возможности ИИ. 

Никакой «мертвечины» — только живой опыт. ✔️

Потом пришли агенты. Они могли планировать, пользоваться инструментами, лазить по сайтам, писать код. Вы ставили цель — они её достигали. В 2025 году рынок ИИ-агентов оценивался в 7,6 миллиарда долларов. К 2026 году они уже не были игрушкой для энтузиастов — они работали в реальных бизнес-процессах.

А потом появились мультиагентные системы. Не один универсальный агент, а целая команда: один ищет информацию, второй пишет, третий проверяет факты, четвёртый реализует. Каждый занимается своим делом. Вместе они работают лучше и точнее, чем любая одиночная модель.

На этом у большинства людей познания об ИИ заканчиваются. И это нормально. Но если остановиться здесь — можно пропустить самое интересное.

▫️Что будет дальше

Первое. ИИ, который не просто говорит о мире, а понимает его.

Все модели, которыми мы пользуемся, построены на больших языковых моделях. Звучит мощно, но на самом деле они делают только одно: предсказывают, какое слово должно идти следующим. Они гениально подбирают слова. Но они не понимают, о чём говорят.

Ян Лекун, один из главных исследователей в области ИИ, объясняет это просто. Обычная домашняя кошка понимает законы физики лучше, чем самая продвинутая языковая модель. Кошка знает, что если прыгнуть, то нужно приземлиться. Она чувствует гравитацию. У неё есть модель мира в голове. А языковая модель, прочитавшая миллионы статей по физике, этого не чувствует. Она описывает. Но не понимает.

Поэтому Лекун и его команда создают модель мира. Это ИИ, который учится не на текстах, а на видео, на физических взаимодействиях, на реальном опыте. Его цель — не предсказывать слова, а понимать, как устроена реальность. Их архитектура JEPA делает прогнозы на уровне абстрактных представлений, а не отдельных слов.

В марте 2026 года компания Лекуна AMI Labs привлекла больше миллиарда долларов при поддержке NVIDIA, Безоса и Samsung. Google, Meta и другие гиганты движутся в ту же сторону. Следующий большой сдвиг в ИИ — это переход от языковых моделей к моделям мира.

Второе. ИИ, который занимается наукой сам.

Представьте, что вы даёте системе задачу: проанализировать научные статьи, придумать гипотезу, провести эксперимент, сделать выводы и написать статью. И она это делает. Без вас.

Sakana AI создала систему AI Scientist v2. Она уже написала статью, которая прошла рецензирование на серьёзном семинаре. Не «почти прошла». Прошла.

В 2026 году стартап Analemma провёл демонстрацию. Их система за 417 часов написала 166 полноценных научных работ по машинному обучению. Одна работа каждые два с половиной часа. Стоимость каждой — около 1100 долларов.

Другая система, под названием «Космос», в среднем за один запуск выдавала результат, который человек делал бы полгода.

Это не ИИ-помощник для учёных. Это ИИ, который сам выполняет научную работу на ранних стадиях, а человек только проверяет финальный результат. Разработка лекарств, новые материалы, климатические исследования — всё это теперь может ускоряться в разы.

Третье. ИИ, который учится всю жизнь.

Каждая модель, которую вы пробовали, была обучена один раз и заморожена. Она не меняется. Когда мир вокруг неё меняется — она остаётся прежней. Её приходится переучивать с нуля.

Мы, люди, устроены иначе. Мы учимся каждый день. Каждый разговор, каждая ошибка меняет нас. Непрерывное обучение — это попытка дать ИИ такую же способность.

В 2025 году глава Anthropic Дарио Амодей сказал, что эта проблема не такая сложная, как кажется. Его коллеги предсказывают, что она будет решена уже в этом году.

Компания Google уже использует в своих архитектурах модули долговременной памяти, которые обновляются в реальном времени. AlphaEvolve от DeepMind с помощью непрерывного самообучения переоткрывает и улучшает алгоритмы, которые не менялись десятилетиями.

Когда эта технология станет реальностью, исчезнет разница между обучением и использованием. ИИ будет становиться умнее с каждым днём. И это совсем другая история.

Четвёртое. ИИ с телом.

Теперь представьте, что модель мира поместили внутрь робота. Получается нечто новое.

Роботы 2020 года были впечатляющими, но хрупкими. Они следовали чётким инструкциям и ломались, если что-то шло не по плану. Они не умели думать.

Сейчас роботы работают на моделях «зрение — язык — действие». Они видят незнакомую среду, анализируют её и принимают решения. Они адаптируются.

В 2025 году Figure AI установила 40 человекоподобных роботов на заводе BMW. Не эксперимент. Не пилот. Полноценная производственная линия.

Мета* создала модель V-JEPA 2, которая показывает 65–80% успеха при выполнении физических задач с минимальным обучением. Робот понимает физику мира, потому что у него есть модель мира внутри.

По данным Goldman Sachs, стоимость производства гуманоидных роботов за год упала на 40%. Прогноз: через десять лет цена упадёт с 35 тысяч до 13–17 тысяч долларов. ИИ обретает тело.

Пятое. ИИ в вашей голове.

Это пока звучит как фантастика. Но уже не совсем.

В январе 2024 года Ноланд Арбо стал первым человеком с имплантом Neuralink. Через несколько недель он играл в шахматы силой мысли. Сейчас Neuralink тестирует импланты уже на десятках пациентов в США, Канаде и Великобритании. Стоимость компании превысила 8 миллиардов долларов.

Их конкурент Synchron подключил свой имплант к Apple Vision Pro. Теперь люди с параличом могут управлять цифровой средой просто мыслями.

Пока это медицинские устройства для тех, кто потерял подвижность. Но долгосрочная перспектива гораздо шире. ИИ, который считывает сигналы мозга в реальном времени, может стать когнитивным сопроцессором. Он не заменит ваше мышление. Он дополнит его. Поможет заполнить пробелы, подскажет информацию, сократит путь между мыслью и действием.

Это может быть и инструментом, и риском. Но это уже строится.

Что всё это значит.

Чат-боты отвечали. Агенты действовали. Мультиагенты координировали. Модели мира пытаются понять реальность. Учёные-ИИ проводят исследования сами. Непрерывное обучение позволяет им расти. Физические тела дают им присутствие в мире. Нейроинтерфейсы стирают границы между человеком и машиной.

Каждый из этих шагов — не просто новая функция. Это новое представление о том, что такое ИИ и какие отношения у нас с ним могут быть.

Ничего из этого не случится завтра. На какие-то процессы уйдут годы. Но направление очевидно. И оно отличается от того, что большинство людей себе представляют.

Мы стоим не на пороге новых возможностей. Мы уже в них. Просто не все это заметили.

Спасибо, что дочитали

Пока другие коллекционируют ссылки на 1000+ нейросетей и промтов, я создаю автономных ИИ-агентов и целые экосистемы с ИИ, которые решают задачи реального бизнеса.

🔹Загляните в мой Телеграм-канал или канал в MAX

“Сергей Милованов. InPromotion”.

Там я разбираю анатомию создания сложных ИИ-помощников (Медик, Сценарист виральных Рилс, Юрист), выкладываю рабочие подборки промтов, нейросетей и шаблоны Ai ботов.

А еще рассказываю как я ИИ маркетолога стал бренд-амбассадором квеври винодельни, и как я туда внедряю возможности ИИ. 

Никакой «мертвечины» — только живой опыт. ✔️

*Запрещена на территории Российской федерации

Например, сократить время на написание черновиков с трех часов до тридцати минут — это цель.

Пока вы не сможете закончить предложение «Проблема, которую я решаю, это...», вы не готовы к внедрению технологий.

Что мы «скармливаем» машине?

ИИ живет за счет контекста. Если ваши данные — это хаос из пяти разных таблиц, CRM с дублями и документов пятилетней давности, то никакой искусственный разум это не исправит. Наоборот, он усилит этот хаос.

Мой совет: если вы не доверили бы эти данные для квартального отчета, не доверяйте их ИИ.

Купить готовое или строить свое?

Многие коллеги почему-то думают, что «свое» — значит «лучше». На самом деле, для 80% задач в бизнесе достаточно стандартной подписки  или функций, которые уже встроены в ваш привычный софт (вроде Notion или HubSpot). Строить что-то свое стоит только тогда, когда у вас есть действительно уникальные данные, дающие конкурентное преимущество. Во всех остальных случаях покупка готового решения — это вопрос скорости и здравого смысла.

Кто за это отвечает?

Полностью автономный ИИ в серьезных делах — это опасная фантазия. Он галлюцинирует, путает тон общения и иногда выдает технически правильный, но абсолютно неживой или неуместный контент.

У вас должен быть человек, который не просто присматривает, а несет ответственность за финальный результат перед публикацией.

Без этого контроля вы запускаете не рабочий процесс, а бесконтрольную машину.

Безопасно ли это?

Вопрос безопасности часто спихивают на юристов, но это и ваша ответственность. Копируя данные клиентов или финансовые прогнозы в публичный чат-бот, вы можете буквально отдавать коммерческую тайну в облако, которое вам не подконтрольно.

Всегда проверяйте, есть ли у инструмента бизнес-тариф с гарантиями приватности.

Как на это посмотрит команда?

Большинство внедрений проваливаются не из-за плохих программ, а потому что люди ими не пользуются. Если команда чувствует угрозу увольнения, она будет сопротивляться.

Ваша задача — продать ИИ сотрудникам как «суперспособность», которая уберет нудную рутину и сделает их сильнее, а не заменит их.

Где деньги?

Если вы не можете измерить результат — это хобби, а не бизнес. ИИ стоит денег: это подписки, API, время на обучение. Прежде чем начать, выберите два-три показателя: сэкономленные часы, снижение количества ошибок или скорость ответа клиенту.

Замерьте их через месяц, два и три. Только так вы поймете, стоит ли игра свеч или пора закрывать проект

Успешное внедрение ИИ — это на 20% технология и на 80% стратегия, процессы и культура вашей компании. Инструменты — это самая легкая часть. Самое сложное — точно знать, зачем они вам нужны, и выстроить привычки, которые заставят их работать. Задавайте эти вопросы честно и вовремя, и они сэкономят вам больше времени и денег, чем любой бот

Спасибо, что дочитали

Пока другие коллекционируют ссылки на 1000+ нейросетей и промтов, я создаю автономных ИИ-агентов и целые экосистемы с ИИ, которые решают задачи реального бизнеса

🔹Загляните в мой Телеграм-канал или канал в MAX

“Сергей Милованов. InPromotion”.

Там я разбираю анатомию создания сложных ИИ-помощников (Медик, Сценарист виральных Рилс, Юрист), выкладываю рабочие подборки промтов, нейросетей и шаблоны Ai ботов.

А еще рассказываю как я ИИ маркетолога стал бренд-амбассадором квеври винодельни, и как я туда внедряю возможности ИИ. 

Никакой «мертвечины» — только живой опыт. ✔️

Например, один из крупнейших техно-ютуберов тратит по 250 тысяч долларов только на роботизированную руку для съемок, не говоря уже о штате монтажеров, 3D-аниматоров и дизайнеров.

Для малого и среднего бизнеса этот барьер входа всегда был непреодолимым. Вы либо снимаете «на коленке», либо тратите бюджеты, которые не всегда окупаются.

Sora полностью демократизирует этот процесс.

Теперь любой человек с хорошей идеей может генерировать визуальные эффекты и сложную анимацию через простой текстовый запрос.

Больше не нужно нанимать дорогую команду для создания качественного фона или графики — нейросеть сделает это за условные 20 долларов в месяц.

Это неизбежно приведет к смерти стоковых сайтов.

Зачем покупать стандартный ролик, который уже использовали тысячи компаний, если можно создать уникальное видео под свои задачи за секунды?

Но вот мой экспертный совет: когда «красивая картинка» станет доступна каждому, сама ценность видеопроизводства как технического навыка упадет почти до нуля.

На первый план выходят вещи, которые нейросеть пока не может заменить — это навыки сторителлинга, ваш личный бренд и глубина идеи.

Качество картинки важно, но оно никогда не было решающим фактором роста.

Я сам видел примеры, когда простые видео, снятые без изысков, набирали миллионы просмотров просто за счет смыслов.

Более того, мы стоим на пороге эры «цифровых двойников».

Представьте: вам больше не нужно выстраивать свет, наносить грим и тратить часы на съемки. Достаточно предоставить нейросети свои данные, и ваш виртуальный персонаж будет вести канал, проводить презентации или объяснять клиентам условия договора и выглядеть при этом абсолютно реально.

Это открывает невероятные возможности не только в маркетинге, но и в городском планировании, строительстве и даже в масштабных инфраструктурных проектах, где можно будет визуализировать планы любой сложности простым вводом данных.

Конечно, такая мощь пугает. Когда виртуальное почти не отличается от реального, возникает вопрос: а где вообще проходит грань?

Не является ли наша собственная реальность такой же симуляцией, созданной другой цивилизацией?. Эти вопросы вызывают и восторг, и тихий ужас одновременно.

Но если вернуться к задачам бизнеса, мой вывод прост: не бойтесь, что нейросети заменят вас. Бойтесь тех, кто научится писать промпты лучше вас.

В мире Sora ключевым навыком становится умение формулировать запросы — именно это отделяет хаотичный результат от шедевра.

Будущее уже наступило, и в нем выигрывает не тот, у кого круче камера, а тот, у кого есть идеи и кто быстрее адаптирует эти технологии в свою бизнес-логику.

А что вы думаете — готовы доверить свой бренд нейросети или пока подождем?

Спасибо, что дочитали

Пока другие коллекционируют ссылки на 1000+ нейросетей и промтов, я создаю автономных ИИ-агентов и целые экосистемы с ИИ, которые решают задачи реального бизнеса

🔹Загляните в мой Телеграм-канал или канал в MAX

“Сергей Милованов. InPromotion”.

Там я разбираю анатомию создания сложных ИИ-помощников (Медик, Сценарист виральных Рилс, Юрист), выкладываю рабочие подборки промтов, нейросетей и шаблоны Ai ботов.

А еще рассказываю как я ИИ маркетолога стал бренд-амбассадором квеври винодельни, и как я туда внедряю возможности ИИ. 

Никакой «мертвечины» — только живой опыт. ✔️

Если вы пытаетесь внедрить сложные инструменты при беспорядке в данных, вы просто вручаете болид «Формулы-1» человеку, который вчера получил права. Итог предсказуем.

Давайте разберем, как построить план, который действительно будет работать, а не просто пылиться в папке «Стратегия 2026».

Шаг 1. Очная ставка с реальностью

Прежде чем коснуться любого ИИ-инструмента, нужно понять, с чем вы работаете.

ИИ — это надстройка над вашими данными. Если данные «грязные», разбросаны по разным таблицам и древним CRM-системам, никакой интеллект их не спасет.

Задайте себе два вопроса.

Во-первых, насколько ваши данные доступны и структурированы?

Во-вторых, на чем вы будете строить: на готовых решениях (вроде OpenAI) или на открытых моделях (Open Source)?.

Готовые API — это быстро и удобно, но вы попадаете в зависимость от чужих цен. Свои модели дают контроль, но требуют серьезных инженерных ресурсов. Выбор должен быть осознанным, а не случайным.

Шаг 2. Забудьте про месяцы, думайте горизонтами

Перестаньте мерить успех календарными датами. В ИИ-трансформации важнее уровни сложности.

Горизонт 1: Эффективность (0–3 месяца).

Здесь мы собираем «низко висящие фрукты». Автоматизация внутренних источников, написание черновиков для рассылок, очистка баз.

Цель — не перевернуть мир, а доказать команде и руководству, что ИИ работает.

На этом этапе ИИ — это просто очень умный и старательный стажер, которому нужны четкие инструкции и человеческий контроль.

Горизонт 2: Усиление (3–9 месяцев).

Когда доверие получено, начинаем внедрять ИИ в ключевые бизнес-процессы. Здесь появляются рекомендательные движки и автоматизированная аналитика. Именно на этом этапе начинает формироваться ваше реальное преимущество перед конкурентами.

Горизонт 3: Трансформация (9+ месяцев).

Только здесь мы говорим об автономных агентах или разработке собственных проприетарных моделей. Прыгать сюда сразу — верный способ обанкротиться раньше, чем вы выпустите первый реальный продукт.

Шаг 3. Человеческий фактор — главный тихий убийца

Технология, которой команда боится или не умеет пользоваться, — это не актив, а лишняя строчка в расходах.

Главная причина провала внедрения — это «ИИ-тревога». Люди боятся, что робот их заменит, и начинают саботировать процесс.

Решение — не общее собрание «для галочки», а поиск ИИ-чемпионов в каждом отделе.

Это не обязательно программисты. Это любознательные сотрудники, которые понимают инструмент и могут научить коллег. И, конечно, вам нужна четкая политика: что можно доверять ИИ, а что — категорически нет.

Отсутствие правил создает не свободу, а юридические риски.

Шаг 4. Меряйте то, что имеет значение

Классический расчет прибыли (ROI) на старте ИИ-проектов часто буксует.

Вместо него я советую смотреть на Время до получения ценности (Time-to-Value).

Как быстро новый процесс переходит от настройки к реальному использованию?

Сколько часов он сэкономил сотрудникам в первые 30 дней?

Также следите за точностью и стоимостью каждого запроса.

Скорость внедрения — это не успех. Успех — это процент использования инструмента сотрудниками и реальный прирост эффективности.

Ошибки, на которых горят все

За годы практики я выделил три главных ловушки.

Во-первых, разработка своего решения там, где достаточно подписки на готовый сервис. Большинству компаний не нужен свой «аналог GPT», им нужен нормальный промпт.

Во-вторых, отношение к ИИ как к чисто техническому проекту. Если маркетингом или операционкой в этом вопросе рулит только IT-отдел, проект не взлетит.

И в-третьих, погоня за скоростью вместо качества.

ИИ — это марафон, который со стороны выглядит как спринт. Выигрывают не те, кто побежал первыми, а те, кто строил систему вдумчиво: проверял данные, обучал людей и не пытался перепрыгнуть через этапы развития.

Не гонитесь за хайпом. Стройте фундамент, и тогда технологии станут вашим рычагом, а не обузой.

Спасибо, что дочитали

Пока другие коллекционируют ссылки на 1000+ нейросетей и промтов, я создаю автономных ИИ-агентов и целые экосистемы с ИИ, которые решают задачи реального бизнеса.

🔹Загляните в мой Телеграм-канал или канал в MAX

“Сергей Милованов. InPromotion”.

Там я разбираю анатомию создания сложных ИИ-помощников (Медик, Сценарист виральных Рилс, Юрист), выкладываю рабочие подборки промтов, нейросетей и шаблоны Ai ботов.

А еще рассказываю как я ИИ маркетолога стал бренд-амбассадором квеври винодельни, и как я туда внедряю возможности ИИ. 

Никакой «мертвечины» — только живой опыт. ✔️

Типичная ситуация:«У меня 200 строк в Excel с продажами за год. Я знаю, что там что-то полезное. Но чтобы это вытащить — нужно тратить часы, которых нет.» AI решает именно это: ты загружаешь данные и просто спрашиваешь на русском языке. Без формул, без программирования.

Что AI умеет с твоими данными: 5 реальных задач

Задача: Анализ продаж

Раньше (без AI): Сводная таблица вручную, 2–3 часа

Сейчас (с AI): Вопрос Claude: «Найди топ-10 по марже» — ответ за 30 сек

Задача: Поиск аномалий

Раньше (без AI): Смотришь глазами и надеешься заметить

Сейчас (с AI): AI сам выделяет выбросы и объясняет причину

Задача: Прогноз выручки

Раньше (без AI): Нет или «ощущение по опыту»

Сейчас (с AI): Простая модель на основе исторических данных

Задача: Сегментация клиентов

Раньше (без AI): Интуиция или Excel-фильтры вручную

Сейчас (с AI): AI кластеризует и описывает каждый сегмент

Задача: Еженедельный отчёт

Раньше (без AI): 2 часа форматирования таблиц

Сейчас (с AI): Агент собирает и форматирует автоматически

Как это работает: три способа

Способ 1 — Самый простой: ChatGPT / Claude с загрузкой файла

Берёшь свой Excel или CSV. Загружаешь прямо в чат. Задаёшь вопросы. Это работает прямо сейчас, без специальных знаний.

// Примеры вопросов к своим данным

«Вот файл с продажами за 6 месяцев. Найди: какой месяц был лучшим и почему, какие 3 клиента принесли больше всего выручки, есть ли продукты с падающим трендом?»

«Сравни конверсию в двух рекламных кампаниях. Объясни разницу простыми словами.»

«Найди аномалии в расходах за март. Что выбивается из обычного паттерна?»

«Если тренд продолжится — какой будет выручка в следующем квартале?»

Способ 2 — Для регулярной аналитики: Rows.com или Google Sheets + AI

Если нужен постоянный мониторинг — подключаешь источники данных и строишь «живые» таблицы, которые обновляются автоматически. Rows.com позволяет вызывать AI прямо внутри таблицы как функцию.

Способ 3 — Полный автопилот: Make.com + Claude + дашборд

Агент сам собирает данные из нужных источников по расписанию, анализирует и отправляет тебе готовый вывод. Ты получаешь не таблицу — а интерпретацию: «Конверсия упала на 12% — вот три вероятные причины».

Какие метрики важны: моя рамка для МСБ

Один из частых запросов: «Что вообще смотреть? У меня куча данных, но я не знаю, на что фокусироваться». Вот минимальный набор, который я рекомендую любому малому бизнесу:

Финансы: выручка, маржа, средний чек, динамика месяц к месяцу

Клиенты:  новые vs повторные, LTV, отток, топ-10 по выручке

Маркетинг:  стоимость привлечения клиента (CAC), конверсия по каналам  Операции:  скорость выполнения задач, нагрузка на команду, узкие места

Каждая из этих метрик — ответ на конкретный управленческий вопрос. AI помогает не просто считать их, а интерпретировать и принимать решения.

Как я работаю с клиентскими данными: мой шаблон

За 25 лет в консалтинге я видел сотни отчётов, которые никто не читал — потому что они отвечали на «что?» но не на «почему?» и «что делать?». AI изменил мой процесс именно здесь.

// Три обязательных вопроса к любым данным

1. ЧТО произошло? (факт из данных)  → «Выручка в феврале упала на 18%»

2. ПОЧЕМУ это произошло? (гипотезы и паттерны)  → «Вероятно: снижение трафика (-23%),  падение конверсии в сегменте B, сезонность»

3. ЧТО ДЕЛАТЬ? (конкретные следующие шаги)  →

«Проверить: 1) кампании в феврале, 2) отзывы сегмента B, 3) данные прошлого февраля для сравнения»

Кейс: интернет-магазин товаров для дома

Ситуация:  Владелец «чувствовал», что что-то не так, но не понимал что именно.

Данные: 18 месяцев продаж в Google Sheets + рекламные кабинеты Meta и Google Ads.

Что сделали за одну сессию:

1. Загрузили таблицу продаж в Claude — попросили найти аномалии и паттерны.

2. Claude выявил: 3 товарные группы генерируют 71% выручки, но получают только 30% рекламного бюджета. Обратная ситуация — у групп с низкой маржой.

3. Провели тот же анализ по рекламным данным — подтвердили гипотезу: деньги шли не туда.

4. Перераспределили бюджет на основе данных, а не ощущений.

Рост выручки за 2 месяца +31%

Сокращение рекламных расходов −18%

Вместо недели на анализ 1 день

Данные уже были. Просто никто не задавал им правильных вопросов.

С чего начать прямо сейчас

1. Возьми один источник данных. Таблицу продаж, выгрузку из CRM или рекламный отчёт — что есть в CSV или Excel.

2. Загрузи в Claude или ChatGPT. Задай три вопроса: что произошло, почему, что делать.

3. Запиши инсайты. Даже если кажется, что всё и так понятно — зафикси письменно. Через месяц сравни с новыми данными.

4. Делай это каждую неделю. 15–20 минут раз в неделю — и через квартал ты принимаешь решения принципиально иначе.

Спасибо, что дочитали

Пока другие коллекционируют ссылки на 1000+ нейросетей и промтов, я создаю автономных ИИ-агентов и целые экосистемы с ИИ, которые решают задачи реального бизнеса.

Загляните в мой Телеграм-канал или канал в MAX

“Сергей Милованов. InPromotion”.

Там я разбираю анатомию создания сложных ИИ-помощников (Медик, Сценарист виральных Рилс, Юрист), выкладываю рабочие подборки промтов, нейросетей и шаблоны Ai ботов.

А еще рассказываю как я ИИ маркетолога стал бренд-амбассадором квеври винодельни, и как я туда внедряю возможности ИИ. 

Никакой «мертвечины» — только живой опыт. ✔️

Ответы на типовые письма и сообщения 2–3 ч - Да ✔️

Подготовка к встречам (ресёрч, досье)1.5 ч - Да ✔️

Резюме встреч и фиксация договорённостей 1 ч - Да ✔️

Еженедельные отчёты для клиентов 1.5 ч - Да ✔️

Напоминания и follow-up по задачам 30 мин - Да ✔️

Обновление CRM / таблиц после встреч 45 мин - Частично ✔️

Принятие нестандартных решений — Нет ❌

Живые переговоры и стратегия — Нет ❌

ИТОГО в неделю~9 ч~7ч можно вернуть

Это не выдуманные числа — это реальный аудит одного из моих клиентов-консультантов. Почти 9 часов в неделю только на операционку.

5 сценариев, которые работают прямо сейчас

Сценарий 1: Автоматическое резюме встреч
После каждого звонка или встречи агент получает транскрипт (или твои заметки) и генерирует: краткое резюме, список договорённостей, следующие шаги с ответственными и дедлайнами. Отправляет участникам автоматически.
Инструменты: Otter.ai / Fireflies (транскрипт) + Claude + Make.com + Gmail/Telegram

Сценарий 2: Умные черновики ответов на письма
Агент читает входящее письмо, определяет тип запроса и готовит черновик ответа в твоём стиле. Ты видишь черновик, правишь если нужно — и отправляешь одним кликом. Для 70–80% писем правки минимальны.
Инструменты: Claude + Gmail (расширение или Make.com) + Brand Voice документ

Сценарий 3: Еженедельный отчёт для клиента
Каждую пятницу агент собирает данные из нужных источников (таблицы, CRM, аналитика), структурирует по шаблону и готовит черновик отчёта. Ты добавляешь свои комментарии — и отправляешь. Вместо 1.5 часов — 20 минут.
Инструменты: Make.com + Google Sheets/Notion + Claude + шаблон отчёта

Сценарий 4: Система follow-up и напоминаний
Агент отслеживает договорённости из встреч и писем. Если через 3 дня нет ответа от клиента — автоматически отправляет вежливый follow-up. Если задача зависла — напоминает тебе или исполнителю.
Инструменты: n8n + CRM (HubSpot/Notion) + Claude + Telegram/Email

Сценарий 5: Утренний брифинг
Каждое утро в 8:00 ты получаешь личное сообщение: встречи на сегодня, незакрытые задачи, важные письма за вчера и дайджест новостей по твоим темам. Всё собрано и структурировано — без единого лишнего слова.
Инструменты: Make.com + Google Calendar + Gmail + Perplexity + Telegram

Как это собрать: базовая схема

Большинство операционных агентов строятся по одной логике. Понимая её, ты можешь собрать любой из сценариев выше:

// Логика операционного агента (псевдокод)
ТРИГГЕР: расписание (каждый день в 8:00) 
ИЛИ событие (новое письмо / встреча завершена) 
ИЛИ ручной запуск
СБОР ДАННЫХ: получить из нужных источников (Gmail / Calendar / Notion / CRM / таблицы)
ОБРАБОТКА: отправить в Claude с промптом: «Ты [роль]. Вот данные: [данные].  Сделай [задача] в формате [формат].»
РЕЗУЛЬТАТ: отправить в нужное место (Telegram / Email / Notion / CRM)
УВЕДОМЛЕНИЕ: при необходимости — оповестить человека

Реальный кейс: бизнес-консультант, 8 клиентов

Ситуация:  консультант ведёт 8 клиентов одновременно. Каждую пятницу — 8 отчётов. Это 12+ часов только на документооборот.
Задача:  автоматизировать цикл: встреча → резюме → задачи → отчёт → follow-up.

Что настроили за 2 консультации:

1. Otter.ai пишет транскрипт каждого звонка → Make.com отправляет в Claude → Claude генерирует резюме + список задач → всё сохраняется в Notion.

2. Каждую пятницу Make.com собирает все задачи клиента за неделю → Claude форматирует в отчёт → консультант добавляет 2–3 личных комментария → отправляет.

3. Если задача не закрыта за 5 дней → агент отправляет напоминание исполнителю в Telegram.

Результат через 3 месяца: время на документооборот: с 12 часов до 3 часов в неделю, качество отчётов выросло — потому что консультант тратит время на смысл, а не на оформление, взял двух новых клиентов — появилась реальная ёмкость.

С чего начать: минимальный первый шаг

Не пытайся автоматизировать всё сразу (мы уже обсуждали эту ошибку в статье #2). Вот последовательность, которую я рекомендую:

1. Аудит. Запиши все рутинные задачи, которые делаешь за неделю. Оцени время. Используй таблицу выше как шаблон.

2. Выбери одну задачу. Ту, которая занимает больше всего времени И не требует твоего суждения. Это твой первый кандидат.

3. Запусти один сценарий. Один — не пять. Начни с самого простого: например, утренний брифинг. Это вопрос 2–3 часов настройки.

4. Поживи с ним неделю. Проверь, работает ли. Отладь. Только потом берись за следующий.

Спасибо, что дочитали

Пока другие коллекционируют ссылки на 1000+ нейросетей и промтов, я создаю автономных ИИ-агентов и целые экосистемы с ИИ, которые решают задачи реального бизнеса.

Загляните в мой Телеграм-канал или канал в MAX

“Сергей Милованов. InPromotion”.

Там я разбираю анатомию создания сложных ИИ-помощников (Медик, Сценарист виральных Рилс, Юрист), выкладываю рабочие подборки промтов, нейросетей и шаблоны Ai ботов.

А еще рассказываю как я ИИ маркетолога стал бренд-амбассадором квеври винодельни, и как я туда внедряю возможности ИИ. 

Никакой «мертвечины» — только живой опыт.