Работа — не волк, к GPT не убежит
Тренд на нейросети дошел до каждой digital-компании — у нас даже закрепился в рабочих регламентах. В статье вы узнаете, почему с внедрением ИИ наши контент-менеджеры и SEO-шники не остались безработными. А может и останутся, ещё не вечер🌝
Полезняков и инструкций по использованию ChatGPT на просторах сети уже достаточно. Этот текст — честный рассказ о том, как команда «Rocket Business» отреагировала на появление нейросети. А еще — как ИИ повлиял на работу трех отделов SEO-агентства №1 на Юге России. Поехали!
Начинаем эксперимент
Все компании первым делом тестируют языковую модель на текстах. Мы не стали исключением — эксперимент начали с задач на написание статей, текстовых блоков для страниц сайтов, разделов «Вопрос-ответ».
После пары месяцев использования выделили общие правила для запросов. Они перекликаются с советами из множества уже написанных обзоров на ChatGPT:
- начинать запрос с конкретного глагола;
- ссылаться на пример ответа, давать референс;
- описывать структуру нужного текста;
- определять роль отвечающего (налоговик, механик, айтишник);
- обучать нейросеть — просить исправить ответы и указывать на ошибки.
Предстояла работа посложнее — побороть предубеждения. Мы провели небольшой опрос и выяснили, какие стереотипы развеялись у наших коллег после работы с нейросетью.
- «Все равно за ней переписывать». Тексты от нейросети нуждаются в редактуре — это правда. Однако добавить фактуры, примеров и упростить слог намного легче, чем писать с нуля.
- «Потрачу больше времени на итерации и составление промтов». Если истязать чат запросами по пустяковой задачке — так и будет. Или ожидать экспертного текста на тему, где нужны твердые факты, цифры и реальный опыт. В остальных случаях рабочее время с ChatGPT только экономится, а не растягивается.
- «Выкатится пара обновлений нейросетки — и жди сокращения». Написать текст для лендинга или статью-обзор на бензопилу ChatGPT и правда может получше многих копирайтеров. Но с творческими задачами он справляется куда хуже опытного специалиста. А у нас работают именно такие.
К чему мы пришли после тестового месяца?
ChatGPT разгрузил контент-менеджеров. Задачи с простыми текстами объемом на 2-3 тысячи символов теперь закрываются в два раза быстрее. Освободившийся ресурс — интеллектуальный и временной — теперь можно направить на работу более высокого уровня. К тому же, брать подробное интервью у заказчика и учитывать все его пожелания нейросети еще не научились.
Кому интересны примеры ответов ChatGPT — листайте карусель ниже👇
Добираемся до отдела SEO
Оптимизировать SEO-задачи получилось не так быстро. Для генерации мета-тегов и ЧПУ недостаточно стандартных чатов и набора промтов.
На этом этапе мы решили подключить платную версию ChatGPT и воспользоваться расширением для работы в Google-таблицах. Шаблоны подсмотрели в кейсе коллег из компании «SLT». Отдельное спасибо им за подробные статьи со ссылками на таблицы.
Руководитель SEO-отдела Наталья вдохновилась успешным опытом и за месяц:
- адаптировала шаблонные таблицы под наши проекты;
- протестировала механизм на нескольких типах задач: написание отзывов на товары и услуги, title, description, H1;
- прописала маску для синхронизации данных: тексты от ChatGPT теперь подтягиваются в обычные рабочие таблицы;
- составила подробную инструкцию для коллег со скриншотами и пояснениями.
Готово!
Теперь Наталья оттачивает выполнение задач до автоматизма и отвечает на мелкие вопросы от команды. После первого месяца работы с ChatGPT она поделилась такими выводами:
- На настройку работы через API нужно много времени и хорошие знания о Excel.
- Применение нейросети все-таки ограничено. Есть проекты, для которых мета пишутся по определенным условиям — в том числе по пожеланиям клиента. Правка таких тегов после автоматической генерации занимает больше часов, чем их написание с нуля.
ChatGPT классно работает для генерации ЧПУ. Иногда он может менять вложенность в соответствии со своей логикой, а не реальной структурой сайта. Но даже с учетом проверки корректный результат можно получить очень быстро.
- Далеко не все вебинары о ChatGPT полезны. Изучили много информации от других агентств: советов много, а прикладных инструментов мало
«Мой отдел новую инициативу воспринял с интересом. Опасений о том, что нейросеть заменит SEO-шника, не было. Наоборот — выразили облегчение из-за экономии времени на рутине. Все-таки не мета-тегами едиными🙃»
Отбираем хлеб у программистов. Или нет?
Разработчикам новый инструмент зашел средне: его восприняли скорее как продвинутый Google-поисковик. Спустя несколько недель общения с нейросетью программисты выделили список задач, с которыми ChatGPT справился достойно:
- описание стандартных функций и методов ЯП;
- написание простых css-стилей;
- проверка пунктуации в коде;
- поиск опечаток.
Неплохо нейросеть откликалась на заданный алгоритм поведения. В первом сообщении программисты расписывали задачу, просили дать обратную связь, а затем отправляли исходный код или данные для обработки. Еще у языковой модели хорошо получается менять несложные логические конструкции в коде.
Что ChatGPT делает плохо?
Пишет код😐. А точнее — всё, что выходит за рамки простых условий. Нейросеть выдает неоптимизированный результат или допускает ошибки. Может даже убеждать в верности неправильного решения, советовать поискать ошибку в чем-то другом.
«С ChatGPT нужно внимательно подбирать выражения: одно слово может полностью изменить его ответ. На генерацию влияет много факторов, поэтому некоторые задачи быстрее решить самому. Но в целом впечатления положительные. Если хочется быстро исправить мелкие косяки или получить шаблонный код — инструмент отличный»
В планах протестировать работу GPT Engineer. Разработчики, которые уже наладили подобную генерацию кода в файлах через API, — отзовитесь в комментариях, ваш опыт нам очень пригодится.
Подводим итоги
После тестового месяца коллективной работы с ChatGPT мы:
- снизили трудозатраты на 25-50% в зависимости от типа задач;
- отказались от биржи текстов;
- автоматизировали написание текстов и мета;
- добавили новое УТП: за тот же чек и количество часов клиент получает больший объем работы;
- сэкономили нервные клетки на делегировании монотонной рутины.
Результаты каждой задачи проходят через человеческий фильтр. Статьи редактируют копирайтеры, мета корректируют SEO-шники, а код проверяют программисты. За время эксперимента мы в «Rocket Business» не только не уволили ни одного сотрудника, но и расширили штат.
Вывод из этой истории банален: людей нейросеть заменит еще не скоро. А вот облегчить их жизнь может уже сейчас. Иногда главное во внедрении инноваций — убедить команду в необходимости изменений, развеять страхи сотрудников и отработать возражения.
Кстати, о команде. Работа по настройке ChatGPT пошла особенно активно, когда в нее включились представители нескольких отделов. Формат офисной работы здесь сыграл на руку: технические нюансы решались на месте всеми участниками процесса. Коллективный разум в части вопросов оказался быстрее и эффективнее, чем поиск в Google. Здесь напрашивается вывод № 2: решать сложные задачи по автоматизации всегда лучше в команде.
Делитесь историями о ваших экспериментах с ChatGPT в комментариях — как реагировал коллектив? Что полезного дал новый опыт?