На нашем вебинаре Олег рассказал, как появилась нейроредакция в Яндексе, как это повлияло на метрики контента и скорость его производства и какие навыки сейчас стоит развивать. Полную версию вебинара вместе с практической частью, в которой Олег показывал, как создает текст с ИИ, смотрите на YouTube.
Почему нейросети не заменяют редакторов
Олег: Тексты для нас — одно из узких горлышек. С одной стороны, это очень сильный инструмент, который может человека увлечь, заинтересовать. С другой — их не так просто написать. Ты не можешь в ПромоСтраницы вставить любой текст из своего поста, блога и так далее, потому что это не будет работать.
По этой причине у нас появилась своя редакция, которая стала делать для рекламодателей тексты, искать подходы, транслировать их на рынок. У нас были школы авторов, редакторов, ИИ-редакторов, чтобы привлекать специалистов. А параллельно, в январе 2023 года, мы подумали, что нейросети могут помочь с текстами.
Я попробовал. Мне жутко не понравилось.
Качество было ужасное. Я сказал, что мы никогда не будем использовать искусственный интеллект для работы с текстами, но вот мы здесь, и я руковожу нейроредакцией.
Изначально у меня был романтизированный взгляд: «Ой, ИИ умеет вот это, вот то, а еще вот это». А потом понимаешь — использовать нейросеть не всегда эффективно, потому что надо потратить кучу времени, чтобы вникнуть и настроить.
Было исследование у LinkedIn: 51% людей, которые работают с ИИ, говорят, что для них он стал второй работой. Много времени уходит на освоение технологий и проблемы с ними. У людей растет неуверенность в своих навыках, они боятся, что не успеют в последний вагон или отупеют, если будут использовать ИИ.
Я считаю, что об этих вещах тоже нужно говорить. Мы все с этим сталкиваемся и нужно в том числе искать, как это преодолевать, адаптироваться и что вообще с этим делать.
Дарья, ведущая вебинара: Видела исследование Стэнфорда с какой-то компанией, которая консультирует разные бизнесы. Они опросили более тысячи сотрудников разных компаний, случилось ли с приходом ИИ повышение эффективности.
Все говорят, что нет. Жалуются: коллеги генерируют что-то с помощью ИИ, выдают за свое — на первый взгляд все вроде нормально, а когда вникаешь, оказывается, что сделали фигню. В итоге у людей куча времени уходит на то, чтобы исправлять за коллегами, которые используют ИИ. Для этого появилось слово «воркслоп», что в переводе с английского — «рабочие помои».
Как у вас с этим? Какой сейчас у вас объем работы в нейроредакции и больше ли это, чем если бы вы работали своими руками?
Олег: Начну с того, что я намеренно диверсифицирую процессы. Есть несколько направлений: в одном пишут постоянные авторы руками, во втором — заказываем тексты у агентств, в третьем — используем ИИ, это как раз нейроредакция. В ней делаем контент исключительно с помощью ИИ, но всегда с участием человека. Для этого несколько причин:
-
Человек должен правильно поставить задачу ИИ,
-
Участвовать в подготовке материала, потому что создание длинного текста подразумевает пошаговый процесс,
-
Проводить последующую редактуру и фактчекинг.
Отличие при работе с нейросетями в том, что здесь идет редактура параллельная. Если у живого автора ты смотришь текст постфактум, то здесь ты какие-то вещи отрабатываешь еще во время написания.
Переходя к ответу на твой вопрос: да, с нейросетями писать тексты быстрее и дешевле, чем заказывать в агентстве или у автора. Это по-прежнему не ноль рублей, потому что закладываем работу редактора на бриф, правки и фактчекинг, но все равно получается примерно в три раза дешевле, чем у агентства.
Уточню, а почему нельзя взять и сразу же всё перевести на нейросети.
Есть первая проблема, что не всё можно доверять нейросети даже под руководством человека. Допустим, есть такая тема, как фарма, где много законодательных ограничений, требований к формулировкам, выше ответственность. Поэтому фарм-тематику я на текущий момент точно не готов доверять нейросетям — на последующие фактчек и редактуру уйдет гораздо больше ресурсов, чем на экономию через ИИ.
Также я считаю, что надо оставлять живых людей, потому что они источник креатива.
Вот часто сравнивают нейросеть с таким джуном, который пришел в компанию, и ты его инструктируешь, обучаешь и так далее. Но в чём разница? Когда ты берешь джуна, он у тебя постепенно учится и у него происходит накопление знаний. Нейросеть же в каком-то смысле обнуляется. Понятно, что есть внутренняя память у нейросетей, которая помнит какие-то вещи, но всё равно у ИИ нет контекста и нет накопления как у человека.
Я вижу, как у опытных редакторов что-то уже просто вот на кончиках пальцев. Они сразу видят — вот здесь есть проблема, а здесь можно еще подкрутить заголовок и тогда он будет «стрелять» в аудиторию. У нейросетей этого нет, и поэтому получается, что они не могут иногда родить новый креатив или подход.
Нейросети могут с тобой погенерировать какую-то историю, поразгонять идеи. Но в целом у них нет понимания, как попробовать подойти к задаче по-другому или использовать опыт, который сработал в другой ситуации. Поэтому, как ни странно, но двигатель инноваций — всё равно человек, а не нейросеть.
Есть еще такая штука: массовое внедрение нейросетей упирается в человека. Модели становятся всё продвинутее и умеют всё больше, но внедряют их люди. В контенте критична экспертиза. Если ее нет, нейросеть работает как эхо‑камера — масштабирует не только умения и знания, но и ошибки.
Отсюда простой вывод: без человека нейроконвейер быстро начинает штамповать мусор, в руках не знающего — даёт слабый результат, а для профессионального редактора — становится мощным инструментом. Так что на каждую пачку текстов нужен квалифицированный специалист.
Как нейросети повлияли на метрики контента
Дарья: У нас выходило интервью с тобой, и ты говорил, что в целом нейросети у вас в редакции показали себя не намного хуже, чем тексты, которые кожаные человеки делают. Можешь рассказать, какие тексты оценивали и какие метрики смотрели?
Олег: Вернусь к началу. Мы попробовали нейросети в январе 2023‑го. Я был в шоке от скорости и от плохого качества, но сама магия «из ничего появляется текст» зацепила. Я начал читать источники (тогда в основном англоязычные), разбираться в подходах, промт‑инжиниринге и так далее.
В апреле мы пришли к клиенту Pegas Touristik и сделали с нейросетью текст «Семь пляжей Турции, куда стоит съездить». Нюанс: из семи пляжей два оказались выдуманы. Редакторы это нашли и заменили. Текст был нативный, не сильно продуктовый, и сработал: за месяц почти 100 000 дочитываний, дальше — переходы на лендинг и целевые действия. Поняли, что нейросети работают, если за ними проверять.
После единичного кейса запустили масштабный эксперимент. Для одного рекламодателя на одну тему делали два материала: полностью человеческий и нейросетевой. Потом мы сравнивали результаты: охваты, дочитывания, CTR, переходы на сайт, цену дочитывания и цену перехода.
Мы удивились, что в среднем вышла более-менее боевая ничья. Где-то лучше нейросетевой текст заходил, где-то — человеческий.
Один материал от ИИ показал фантастический результат по всем параметрам. Охват был в четыре раза больше, CTR — в два раза лучше. Дочитывания были хуже, но это тоже нормально, потому что при больших охватах падает процент дочитываний. К тому же, текст был про китайский автомобиль, а чем дороже и сложнее товар, тем обычно ниже процент дочитывания.
Если брать какие-то текущие цифры, то я могу сказать, что в среднем тексты работают одинаково хорошо. Тут просто надо понимать, что ты всегда запускаешь какое-то большое количество текстов, потому что не все становятся хитами. Из десяти текстов хорошо, если выстрелят два, например.
В этом как раз одно из преимуществ нейросети — тебе проще сделать много из одного, чем когда ты делаешь это вручную. Эффект виден на масштабе.
У нас довольно большой цикл производства. Сначала клиент заполняет бриф, потом мы разрабатываем заходы — какие тексты и о чем планируем писать, — а уже после их согласования готовим сами материалы.
Обычно у нас были пакеты от трех текстов, на которые уходило около пяти дней. С нейросетями мы научились делать быстрые пакеты по 5–10 текстов за два дня. Они стоят дороже из‑за срочности, которую нам дали как раз нейросети.
Какие нейросети и как используют в нейроредакции
Дарья: Давай перейдём к инструментарию. Какие нейросети для чего в нейроредакции используются?
Олег: Начинали, как и все, с ChatGPT, но он нам не очень нравился.
Потом плотно подсели на Claude. Его вообще создали товарищи, которые когда-то работали в OpenAI вместе с Сэмом Альтманом, а потом разошлись по взглядам и создали собственную компанию. Claude в России не очень известен, но к нашему удивлению оказалось, что нейросеть круто пишет на русском языке, соблюдая стилевые особенности и прочие вещи.
Позже модель ИИ обновилась, качество просело, а ChatGPT заметно подтянулся.
Яндекс GPT мы сейчас тоже подключаем, потому что он хорошо пишет на русском языке. Единственный его минус по сравнению с другими нейросетями, что у него короче контекстное окно. Когда ты работаешь с текстом, ты много брифуешь нейросеть, и Яндекс GPT быстрее забывает ту информацию, которую в него загружаешь.
Еще мне нравится сейчас Gemini, это гугловская нейросеть. Они раньше были не очень, а сейчас сильно выстрелили. К примеру, ChatGPT вечно подлизывается, его постоянно приходится выкручивать на то, чтобы он был критичнее. В Gemini принципиально от этой истории отказались, поэтому он спокойнее и с хорошими рассуждающими режимами.
Из бесплатных альтернатив мне нравится еще китайский QWEN. Многие знают китайский DeepSeek, но QWEN, на мой взгляд, сейчас гораздо сильнее, хоть и уступает Claude.
Дарья: О контекстном окне. А как вы решаете проблему, когда нужно одну задачу провести через несколько разных нейросетей? Как вы удерживаете контекст для них? Вы каждый раз перетаскиваете задачу, вводный контекст из нейросети в нейросеть или у вас некое общее поле, в котором это всё работает?
Олег: Здесь нужно отталкиваться от того, а в чем сильна та или иная нейросеть.
Perplexity можно использовать для исследования продукта, барьеров и болей аудитории. Потом с этой фактурой я могу пойти к ChatGPT или Claude, дать дополнительные инструкции и уже дальше писать текст.
Чаще я вижу проблему, когда делают графический контент. Сначала просят ChatGPT написать промты для будущей генерации картинок и видео, потом делают по ним картинки, затем несут их оживлять в другую нейросеть, затем еще озвучить, следом монтаж. Если попросишь нейросеть создать ролик просто по промту с нуля, то скорее всего будет много артефактов, несоблюдение сюжета и так далее, поэтому здесь применяется комплекс нейросетей.
В случае с текстами перемещаться между ИИ нужно только иногда. Порой проще сделать текст в одном.
Дарья: Ты говоришь, что любишь Gemini, Google же ее получается сейчас встраивает в Chrome.
Олег: Он ее встраивает везде, где только можно.
Дарья: Это да, но ты в браузере еще не пользовался, не пробовал, как у них это реализовано?
Олег: В браузере нет. Я пользуюсь сейчас Яндекс Браузером, на который меня пересадила функция перевода видео на YouTube.
Вообще нейросети везде проникают. Один из последних примеров, который слышал, что, например, люди хранят сканы документов на Google Диске. Сейчас открываешь файл со своим паспортом и нейросеть автоматически тебе копирует из него данные.
Дарья: Сейчас это большая история, как с личными данными обращаться. Мне кажется, с новыми браузерами сейчас это невозможно.
Про Яндекс Браузер подтверждаю, что в нем фантастический перевод видео с английского как минимум. Я сама еще подсела на браузер Dia, который на основе ChatGPT. Когда куча окон, нужно найти какую-нибудь информацию между ними быстро, цифру, он сразу это всё быстренько сделает, не нужно копаться, кучу экранов листать.
Олег: У меня есть браузер Comet от Perplexity. C ним удобно разговаривать с сайтами — ты в чат-боте задаешь вопрос по нему, а он тебе отвечает. Также удобно смотреть видео и в чат-боте просить его выделить основные выводы, задаешь вопросы. Раньше смеялись, когда люди разговаривали с телевизором, а теперь получается, что ты разговариваешь с интернетом.
Вопросы от аудитории
Юлия Блынская, CEO TexTerra: Самая затратная и сложная часть, которая дается не просто, — это факчекинг. Как она устроена? Это первый вопрос.
Второй, наверное, к тебе как к человеку, который просто читает контент. Как ты выбираешь источники? У тебя наверняка есть какой-то пул авторитетных медиа. Он у тебя расширяется или сужается? Видишь ли ты, что качество падает в тех источниках, которыми ты сам пользуешься?
Олег: Первое. С фактчекингом после нейросети в целом, как с человеком, только немного строже. Проверяем все факты, цифры, утверждения.
Пример из недвижимости. Часто и нейросети, и человек ошибаются в оценке расстояния. Пишут, что от ЖК до Кремля — 15 минут. Проверяешь по картам и оказывается, что информация неверная. Особенно, если не учитывать пробки.
Люди, как и нейросети, тоже путают, придумывают, галлюцинируют. Процесс фактчекинга не отличается, но он обязателен.
В отдельных случаях делаем двухуровневую проверку, но это на усмотрение редакции.
Второй вопрос. У меня сильно изменившаяся картина потребления, потому что я сейчас как раз много потребляю контента про нейросети.
У меня много англоязычных подписок, смотрю YouTube, читаю профильные каналы в Telegram. Сейчас почти не слежу за новостной повесткой. По образованию и опыту я журналист, поэтому долго держал привычку быть в курсе, но поток уже не проходит. Я отказался от значительной части новостей и предпочитаю экспертные материалы про нейросети и будущее технологий.
В массовых каналах и соцсетях сильно вырос объем сгенерированного контента. Недавно обсуждали это с коллегой. Она прислала примеры, где видно шаблоны нейросетей. Такому контенту часто сложно доверять.
Пример: популярный канал, автор открыто использует нейросети. В одном посте в начале была одна цифра, в конце — другая. Это не люди запутались, а нейросеть исказила факты.
Что с этим делать — вопрос открытый. Можно меньше потреблять такой контент или усиливать проверку.
Самый важный навык сейчас — критическое мышление. Я часто вижу, как люди его отключают. Доходит до комичных случаев, когда человек возвращается из отпуска, заболевает и предполагает, что у него организм так реагирует на стресс из-за выхода на работу. Я спрашиваю: «GPT подтвердил?» Отвечает, что да. Вот здесь стоп-стоп-стоп. Такие вещи о здоровье спрашивать можно, но доверять GPT, который твою гипотезу подтвердил, — нет.
Фейков и непроверенной информации будет больше. Даже профессионалам сложно, потому что растет когнитивная нагрузка. Нам чуть легче из-за радара на такие вещи, но ресурсов всё равно не хватает. Причем нейросетью фактчекинг тоже делать рискованно — она может галлюцинировать и при проверке. Так что проблема большая и будет усиливаться.
Алла Царьгородская, руководитель группы разработки технической документации в «Лаборатории Касперского»: Что бы ты предложил адаптировать в школьной и университетской системе образования в связи с появлением такого помощника как искусственный интеллект?
Олег: Первое, учиться адаптировать нейросети и для обучения. Повсеместная проблема — современные студенты начинают использовать GPT для генерации ответов и перестают в каком-то смысле думать.
Обучение — всё же история, когда ты изучаешь большое количество источников информации, перерабатываешь, думаешь, как их там перестроить и так далее. Это то, что развивает мышление. В этом смысле, я не готов рекомендовать не использовать нейросети, скорее лучше просто научиться к ним обращаться так, чтобы они помогали думать. В GPT есть образовательный режим, где ИИ настроен не давать готовый ответ, а помогать размышлять.
Второе, вновь развитие критического мышления, чтобы понимать, где правда, где нет, где тебя вводят в заблуждение, где манипулируют и так далее.
Третье, мы неизбежно будем всё чаще использовать эти инструменты, поэтому когнитивные навыки стоит беречь.
Недавно Саша Крайнов, директор по развитию технологии ИИ Яндекса говорил, что после промышленной революции пропал физический труд в большом объеме, но сохранять физическую форму людям было нужно. Так случился расцвет тенниса, футбола, спорта в целом, появились фитнес-залы. Это был способ адаптации.
Думаю, то же самое будет происходить теперь с интеллектуальной работой. Появятся фитнес-клубы для ума, занятия по анализу длинных текстов и так далее. Это условно говорю. В целом какие-то упражнения, чтобы не терять способности мозга возникнут.
Алла: В найме кандидаты используют ИИ, чтобы сделать свое сопроводительное письмо и выполнить тестовое задание. При этом работодатель тоже использует нейросети, чтобы сделать первичный отбор кандидатов. Идет некая война миров ИИ.
Как вы к этому относитесь? Кто победит в этой схватке?
Олег: Один из прогнозов, что люди будут всё меньше общаться в интернете между собой, потому что вместо нас коммуницировать будут боты. Получается, мой бот будет общаться с вашим ботом. Сейчас происходит уже близкая история в найме.
Вариантов несколько. Можно предупреждать, что использовать ИИ на тестовых нельзя, и если видно, что там откровенная нейросеть, то просто отказывать. Второй вариант, анализировать по ответам кандидата, как в принципе он умеет работать с нейросетями, потому что ИИ, как и говорил, способен выдавать разного качества результат.
На своем опыте могу сказать, что даже резюме и тестовое — лотерея. Всё вроде классно, а потом человек приходит и ты видишь, что в реальности он либо не умеет что-то делать, либо может только разово, либо в целом не так классно работает, как казалось.
Нам в свое время помогли школы. Мы несли на рынок знание, как делать тексты для ПромоСтраниц. Неожиданно для нас это стало hr-воронкой, потому что люди прошли сначала отбор, следом обучение, потом финальное задание. Получается, мы на входе стали сразу получать людей, которые прошли несколько стадий отбора. Это сложный процесс, но это к тому, что важно искать подходы, где сможешь оценить не только резюме и тестовое.
Александра Базуткина, руководитель CX-редакции в объединенной компании Wildberries & Russ: Как использовать нейросети для создания более узкоспециализированных текстов? Например, инструкций в ситуациях, когда нейросеть не сможет найти что-то в интернете. Можно ли сгружать ей внутренние документы? Насколько можно быть спокойным за сохранность этих данных? Или остается развивать собственную нейросетку, закрытую от интернете?
Олег: Тут неодноднозначный ответ. Я думаю, что если загружать данные в GPT или Claude, то риск утечки минимален. В бесплатной версии СhatGPT запросы могут использоваться для обучения модели, в платной — вроде нет. В целом вероятность, что данные прямо сейчас утекут и на них сразу обучится модель, близка к нулю.
На будущее, однако, действует правило кибербезопасности: всё, что оказалось в интернете или в чатах, рано или поздно может всплыть.
ИИ развивается не только в полезную сторону. Им могут пользоваться и те, у кого плохие намерения. Модели уже умеют обманывать: в исследовании Anthropic показали, что Claude может давать одно объяснение, хотя делал другое, поэтому нет гарантии полного контроля.
Если нужна стопроцентная уверенность — разворачивайте локальные нейросети внутри контура компании.
Вот как сделал бы я, если нужно быстро собрать внутреннюю информацию и оформить. Провел бы Zoom с экспертом, через нейросеть сделал бы расшифровку и на основе нее собрал текст.
Для массовых задач вроде карточек товара стоит использовать агентов: загружаешь фото, а он генерирует по брендбуку статические креативы и видео под нужные площадки.
Сейчас уже многие процессы автоматизируют агентами. Можно вручную бегать по разным нейросетям, но агент сделает это сам. Внедрение пока не повсеместное, вижу что пока этим занимаются больше энтузиасты в авангарде. Однако прогнозируют, что через пару лет мы будем управлять штатом агентов как подчинёнными. Уже есть эксперименты — читал про маркетинговое агентство в США из одного генерального директора и 40 ИИ‑агентов под разные задачи.
Вопрос от зрителя: Как вы относитесь к прозрачности при использовании ИИ? Заказчики должны знать, что ваши материалы генерирует нейросеть?
Олег: Если спрашивают — говорим. Если нет — специально не предупреждаем.
Объяснение простое: контент делает не только нейросеть, а связкой из редактора и ИИ, поэтому не вижу смысла заранее маркировать такой контент внутри или снаружи. Хотя допускаю, что можем со временем к маркировке прийти.
Дарья: Ты говорил, что читаешь много источников про нейросети и технологии. Посоветуй буквально два-три источника. За кем следить, кого читать?
Олег: Я читаю в основном рассылки.
Есть рассылка Every. Она немножко философская, где-то практичная, но мне нравится такой баланс. Есть профессор Итан Моллик, он как раз активно занимается внедрением ИИ в образование, мне интересна его аналитика. Третье, наверное, издание Axios, у них тоже есть рассылка Axios AI+.
Создаем контент, который помогает бизнесу. Напишите нам в Телеграм или на почту, чтобы обсудить задачу.
Читайте также:
Как делать качественный контент с помощью нейросетей: советы от эксперта Яндекса