Технологии и ИИ
Андрей Щербина
16 апр. 2025 г.
Иногда продукт, который ты делаешь, начинает жить собственной жизнью. Мы создавали AI-чат как простой инструмент для работы с записями встреч. Но пользователи быстро нашли такие применения, о которых мы сами не догадывались.
Сначала это были единичные письма. "Эй, ребята, я использую ваш чат для анализа интервью с кандидатами!" или "Мы с командой стали быстрее писать ТЗ благодаря вашему инструменту". Потом таких историй стало больше.
Я лично общался с клиентами, чтобы понять, как они используют AI-чат. Нашел кучу интересных кейсов. Собрал пять самых полезных и хочу поделиться.
Case 1: Исследователи: ускоренный поиск инсайтов
Проблема
UX-исследователи завалены данными. Интервью, фокус-группы, опросы — всё это порождает горы текста, которые надо как-то обработать. Раньше это выглядело так: сидишь, слушаешь запись, выписываешь ключевые моменты, потом пытаешься найти закономерности... И так часами, чтобы выжать хоть что-то полезное из разговора.
Решение с AI-чатом
AI-чат существенно ускоряет анализ данных из интервью. Исследователь загружает запись и направляет анализ с помощью вопросов:
"Выдели основные проблемы пользователя при взаимодействии с функцией X"
"Составь список всех упомянутых пожеланий к интерфейсу"
"Сделай таблицу с упомянутыми проблемами и их важностью для пользователя"
Система анализирует транскрипт и представляет результаты в структурированной форме.
Пример использования
Анна, UX-исследователь в продуктовой компании, провела глубинное интервью с ключевым пользователем. Вместо традиционного многочасового анализа она применила следующий подход:
Сначала запросила общий обзор: "Какие основные темы обсуждались в интервью?"
Затем углубилась в конкретные аспекты: "Какие проблемы пользователь упоминал при работе с разделом статистики?"
Выделила эмоциональный аспект: "Собери цитаты, где пользователь выражал разочарование"
Сегментировала данные: "Создай таблицу с проблемами и их приоритетом для пользователя"
Весь процесс занял около 15 минут вместо нескольких часов.
Результат
Сокращение времени анализа на 60-70%
Выявление неочевидных инсайтов благодаря глубокому анализу интервью
Возможность проверять гипотезы в режиме реального времени
Более последовательные и объективные выводы
Case 2: Sales-менеджеры: максимум информации из каждого контакта
Проблема
Любой, кто работал в продажах, знает — клиент может между делом сказать фразу, которая откроет путь к большой сделке. "Да, кстати, мы еще думаем над решением для нашего филиала" — и вот уже у тебя потенциальная возможность удвоить контракт. Но попробуй уследи за всем в часовом разговоре! Блокнот, заметки в телефоне — всё равно половина важных деталей испаряется. А ведь именно в них часто скрыты самые ценные зацепки.
Решение с AI-чатом
AI-чат выступает в роли ассистента, который фиксирует каждое слово клиента. После встречи менеджер может задать направленные вопросы:
"Составь список всех потребностей, которые клиент упомянул в разговоре"
"Какие возражения высказал клиент относительно стоимости?"
"Какие конкуренты были упомянуты и что конкретно клиент сказал о них?"
Это дает полное представление о потребностях и возражениях клиента.
Пример использования
Михаил, менеджер по работе с ключевыми клиентами, провел первичную встречу с потенциальным заказчиком. После часового разговора он использовал AI-чат следующим образом:
Структурировал основные требования: "Создай таблицу с ключевыми требованиями клиента к продукту"
Выявил проблемные зоны: "Какие проблемы с текущим решением отметил клиент?"
Подготовился к возражениям: "Выдели все сомнения и возражения клиента"
Обнаружил дополнительные возможности: "Проанализируй, какие косвенные указания на дополнительные потребности прозвучали в разговоре"
На основе полученной информации Михаил подготовил предложение, учитывающее как явные, так и неявные потребности клиента.
Результат
Повышение конверсии предложений примерно на 30%
Сокращение цикла продаж благодаря лучшему попаданию в потребности клиента с первого раза
Улучшение послепродажного обслуживания за счет сохранения всех деталей изначальных договоренностей
Более эффективная передача клиентов между менеджерами
Case 3: HR-специалисты: объективный анализ кандидатов
Проблема
Каждый HR хоть раз ловил себя на мысли: "Кажется, я выбрал этого кандидата просто потому, что он классно пошутил в конце собеседования". Наш мозг любит когнитивные искажения. "Эффект ореола", "эффект первого впечатления" — красивые научные термины, за которыми скрывается простая истина: мы часто судим субъективно. Час разговора с кандидатом, а в памяти остается пара ярких моментов, по которым и принимается решение. А важные сигналы о компетенциях или ценностях тонут в общем потоке информации.
Решение с AI-чатом
AI-чат предоставляет непредвзятый анализ интервью. HR-специалист может задать вопросы для оценки конкретных компетенций:
"Как кандидат отвечал на вопросы о командной работе?"
"Составь таблицу с примерами решения проблем, приведенными кандидатом"
"Сравни ответы о карьерных целях с нашими возможностями роста"
Это обеспечивает более структурированную оценку.
Пример использования
Елена, HR-менеджер технологической компании, проводила собеседование на позицию продуктового аналитика. После интервью она применила следующий алгоритм работы с AI-чатом:
Составила базовый профиль: "Подготовь краткое резюме кандидата на основе интервью"
Проанализировала ключевые компетенции: "Оцени, как кандидат продемонстрировал аналитические навыки"
Проверила культурное соответствие: "Какие ценности и принципы работы упоминал кандидат?"
Детализировала конкретные навыки: "Составь таблицу с примерами опыта работы кандидата с разными аналитическими инструментами"
Такой подход позволил принимать решения на основе конкретных данных, а не общего впечатления.
Результат
Снижение количества ошибочных наймов на 25%
Более объективный и справедливый процесс отбора
Возможность детального сравнения кандидатов по конкретным параметрам
Сохранение информации для планирования развития нового сотрудника
Case 4: Руководители проектов: четкая фиксация договоренностей
Проблема
"Так мы же договорились, что ты это сделаешь!" — знакомая фраза после командной встречи? Я и сам такое часто слышал и говорил. Двухчасовое планирование проходит, а через неделю выясняется, что половина команды по-разному поняла свои задачи. Кто-то записал дедлайн как 15-е, кто-то как 25-е число. Один считает, что отвечает только за дизайн кнопки, другой ждёт от него полный макет страницы. А ведь можно было просто нормально всё записать... Но кому захочется потратить ещё час на составление подробного протокола после изнурительного созвона?
Решение с AI-чатом
AI-чат позволяет быстро извлекать и структурировать все договоренности:
"Составь список всех задач, согласованных на встрече, с указанием ответственных и сроков"
"Какие риски проекта обсуждались и какие решения были приняты?"
"Создай таблицу с этапами проекта, дедлайнами и критериями готовности"
Это обеспечивает единое понимание задач всеми участниками.
Пример использования
Дмитрий, руководитель проекта по запуску нового продукта, провел трехчасовое планирование с командой из 12 человек. Вместо ручного составления протокола он использовал AI-чат следующим образом:
Сформировал план работ: "Создай дорожную карту проекта с этапами, сроками и ответственными"
Определил зоны риска: "Выдели все упомянутые риски и меры по их снижению"
Зафиксировал спорные моменты: "По каким вопросам в команде были разногласия и какие решения приняты?"
Подготовил коммуникацию: "Составь краткий отчет о встрече для направления команде"
Дмитрий отправил структурированный план всем участникам в течение часа после встречи.
Результат
Сокращение времени на подготовку документации по встречам на 80%
Минимизация недопонимания в команде
Повышение исполнительской дисциплины благодаря четким договоренностям
Возможность быстро разрешать споры, обращаясь к точным формулировкам
Case 5: Команды разработки: точное определение требований
Проблема
Есть классическая ситуация в разработке. Провели встречу, обсудили требования, все кивают — вроде договорились. Проходит время, команда показывает результат, и начинается: "А мы не это имели в виду". Почему так? В технических обсуждениях полно неконкретных терминов. Что значит "удобный интерфейс"? Или "приемлемая скорость загрузки"? Для заказчика и разработчика это могут быть совершенно разные вещи. Итог предсказуем — доработки, сдвиг дедлайнов, дополнительные совещания. И так по кругу, пока продукт постепенно теряет первоначальную идею.
Решение с AI-чатом
AI-чат помогает точно извлекать технические требования из обсуждений:
"Составь список всех функциональных требований, упомянутых на встрече"
"Создай таблицу с техническими ограничениями и их приоритетами"
"Какие интеграции были запрошены и какие детали по ним обсуждались?"
Это дает разработчикам четкое представление о требуемой функциональности.
Пример использования
Алексей, технический лид команды разработки, участвовал во встрече с продуктовым менеджером и представителями бизнеса. После встречи он применил AI-чат:
Выявил требования: "Сформируй список всех технических требований к новой функции"
Определил приоритеты: "Создай матрицу приоритетов для требований на основе обсуждения"
Идентифицировал сложности: "Какие технические ограничения упоминались при обсуждении?"
Подготовил вопросы: "По каким техническим аспектам требуется дополнительная информация?"
Это позволило команде сразу начать работу с правильным пониманием задачи.
Результат
Сокращение количества итераций разработки на 35%
Уменьшение количества уточняющих встреч
Более точное планирование ресурсов и сроков
Повышение качества конечного продукта за счет лучшего соответствия ожиданиям
Типы запросов, которые решают разные задачи
Прежде чем перейти к конкретным сценариям, стоит упомянуть, что запросы к AI-чату можно разделить на три большие группы:
Общий анализ встречи
запросы для выявления ключевой информации из всего обсуждения:
Получение резюме встречи и основных решений
Выделение списка задач с ответственными и сроками
Определение нерешенных вопросов и проблемных моментов
Формирование планов действий и дорожных карт проектов
Анализ выступлений участников
запросы для детального разбора отдельных выступлений:
Выделение ключевых тезисов конкретных спикеров
Сравнение позиций разных участников по одному вопросу
Отслеживание изменения мнений участников в ходе дискуссии
Анализ аргументации и доводов, приведенных в поддержку позиций
Подготовка материалов
запросы для создания готовых документов:
Формирование follow-up писем и отчетов
Создание структурированных таблиц для трекинга задач
Разработка презентаций по итогам встречи
Подготовка списков вопросов для следующих обсуждений
Каждый специалист в зависимости от своей роли делает акцент на разных типах запросов. Например, руководители проектов чаще используют общий анализ встречи и подготовку материалов, а HR-специалисты и sales-менеджеры активно применяют анализ выступлений участников. Давайте рассмотрим, как это выглядит на практике.
Найдите свой способ работы с AI-чатом
Истории, которыми я поделился выше — только начало. Каждый день наши пользователи находят новые способы применения AI-чата. Одни используют его для создания еженедельных отчетов, другие — для анализа обратной связи от клиентов.
Главное — не бояться экспериментировать. Пробуйте разные вопросы, меняйте формулировки, комбинируйте запросы. Со временем вы найдете именно те фразы, которые работают лучше всего для ваших задач.
Мой совет — сначала повторите примеры из статьи, а затем начните адаптировать их под свои процессы. Иногда достаточно небольшого изменения в вопросе, чтобы получить гораздо более полезный результат.
Начните использовать AI-чат прямо сейчас
AI-чат доступен всем пользователям mymeet.ai:
На тарифах Free и Lite вы можете задать 10 ознакомительных запросов (не обновляются)
На тарифах Pro и Ultra функционал AI-чата доступен без ограничений
Никаких дополнительных настроек — загрузите запись встречи, дождитесь создания транскрипта и перейдите на вкладку "AI-чат".
Три шага для начала работы:
Войдите в аккаунт mymeet.ai или зарегистрируйтесь бесплатно
Загрузите запись встречи или откройте уже обработанную
Перейдите на вкладку "AI-чат" и задайте свой первый вопрос
Андрей Щербина
16 апр. 2025 г.
