-
4
воркшопи поспіль
-
~10
учасників
-
3
рівні задач: оптимізація, автоматизація, розробка
З чим прийшли
Проєкт Visa з банком-партнером. Дві аудиторії в одній програмі: маркетингова команда і менеджери, які відповідають за організацію роботи.
Перед стартом команда заповнила каталог власних процесів. Це виявилось найкориснішим документом усієї програми: замість здогадок, що болить, на руках був перелік реальних задач із іменами відділів.
Що сказали в залі
Усі зовнішні інструменти для нас закриті. Ми пробували нотатки від Meet — він не розуміє української мови поки що. І ключове: зустрічей багато на різні тематики, а рішення, де захопити всю цю інформацію, у нас немає.
Це не питання навички. Це питання периметра. У банку перелік дозволених сервісів короткий, і будь-яка порада на кшталт "візьміть ось цей сервіс" розбивається об службу безпеки ще до того, як хтось встигне спробувати.
Що робили
-
01
Google AI-продукти для маркетингу: Gemini, NotebookLM і Google AI Studio — усе всередині дозволеного периметра
-
02
Практика в кожному сервісі на власних задачах: глибоке дослідження, Canvas, розбір великих файлів у блокноті з джерелами
-
03
Промпт-інжиніринг і власні GPTs під конкретні задачі команди
-
04
Каталог процесів команди: декомпозиція задач і межа між оптимізацією й автоматизацією
-
05
Автоматизація: GPTs Actions, звʼязка з Make, AI-агент усередині сценарію
-
06
Розробка й фінальна Q&A: асистенти з базою знань, розбір готових GPTs учасників наживо
Що лишилось у роботі
Каталог процесів лишився робочим документом команди. Кожен рядок отримав позначку, що це насправді: оптимізація, автоматизація чи розробка. Саме це розділення знімає більшість зайвих очікувань від моделі — оптимізація про якість, автоматизація про швидкість, і плутати їх дорого.
Власних GPTs учасники розбирали наживо, зі своїм екраном: помічник для брифів, скрипт продажу під тип клієнта, відповіді по внутрішній базі знань. Частину з них ми переробляли просто в ефірі.
Межі й обмеження
Периметр дозволених сервісів короткий, і порадою це не обходиться. Тому вся програма будувалась на тому, що вже дозволено: Google-екосистема й корпоративні акаунти. Зовнішні сервіси йшли з мого екрана як демонстрація можливого, а не як інструкція до встановлення.
Робота з файлами на виході з моделі виявилась найслабшою ланкою. Прохання сформувати готовий файл модель виконує через раз: то віддає документ у редакторі замість файла, то клікабельне посилання, яке не завантажується. Надійніше передавати дані назовні через Actions одразу в таблицю.
Кирилиця їсть більше токенів за латиницю, і на довгому брифі контекст закінчується раніше, ніж здається. Великі документи ми розбивали на блоки, а не намагались закрити одним запитом.
Куди далі
Якщо задача схожа — ось із чого почати.
Розберемо запит за 15 хвилин
Безкоштовний дзвінок, на якому розпитую про задачі й кажу, що зробив би — буває, що задача закривається без мене.
