Три месяца рабочего времени. Не теоретических «возможных», а реальных, которые я вернул себе за последние пять месяцев активного использования AI. Это не маркетинговый буллшит – это конкретные цифры, которые я посчитал, пока готовил эту статью.
Зачем вообще считать
Меня всегда раздражали статьи в духе «AI экономит время». Окей, экономит. Сколько? «Много». Спасибо, очень полезно.
Когда я начал осознанно пользоваться AI-инструментами, решил вести что-то вроде дневника: где использовал, сколько времени потратил, сколько бы потратил без этого. Не каждый день, конечно – это было бы уже перебор. Но достаточно, чтобы через N-ое количество месяцев вывести более-менее честные цифры.
Дата старта эксперемента: начало Июля 2025 и вот что получилось...
Perplexity: 200 часов на ресёрче
Я писал про Perplexity отдельную статью, но тогда у меня не было статистики за длительный период. Теперь есть.
Как я использую:
- Режим «Исследование» для глубоких вопросов – примерно 1-2 раза в день
- Обычные запросы – 5-10 штук ежедневно
Что искал за эти месяцы:
Бытовое:
- Сравнение техники (выбирал новый телевизор, телефон, мелкую техничку для дома – Perplexity за 15 минут собрал мне сравнительную таблицу с актуальными ценами и отзывами)
- Рестораны и места, особенно в незнакомых городах
- Исследования по разным бытовым вопросам (от «как правильно хранить кофе» до «найди мне ПП рецепты, у меня дома сейчас есть вот это, это и это»)
Рабочее:
- Изучение новых библиотек – Perplexity разжёвывает документацию, собирает отзывы из разных источников, показывает подводные камни
- Подготовка планов ресёрча для команды
- Сбор информации по конкурентам и рынку
- Анализ финансовых показателей компаний по моему инвестиционному портфелю
Формула расчёта:
Глубокое исследование в режиме «Исследование» vs Google:
- Google: открыть 10-15 вкладок, прочитать, отфильтровать рекламу и SEO-мусор, скомпилировать = 60-90 минут
- Perplexity: получить структурированный ответ со ссылками, уточнить пару follow-up вопросов = 15-20 минут
- Экономия: ~45 минут на запрос
Обычный запрос:
- Google: найти релевантную статью среди рекламы, прочитать = 10-15 минут
- Perplexity: получить ответ сразу = 2-3 минуты
- Экономия: ~10 минут на запрос
Итого за 4 месяца (120 дней):
- Глубокие исследования: 1.5/день × 45 мин × 120 = 8100 минут
- Обычные запросы: 7/день × 10 мин × 120 = 8400 минут
- Всего: ~275 часов, но округляю до 200 часов
Почему округляю вниз? Потому что не каждый день я работал, были выходные, отпуск, дни когда вообще не было ресёрча. Честные 200 часов.
n8n + AI: 80 часов на автоматизации
Здесь интересно. Сама по себе экономия от автоматизаций – это одно. Но я хочу выделить именно те автоматизации, где AI является ключевым компонентом.
Мой последний проект – анализатор на базе AI с доступом к Wordstat.
Идея простая: вместо того чтобы самому лезть в Wordstat, анализировать тренды, думать о чём писать – я сделал агента, который:
- Парсит текущие тренды из Wordstat
- Анализирует их через LLM
- Выдаёт рекомендации: на что обратить внимание, какой материал подготовить, что сейчас интересно аудитории
Раньше такой анализ у меня занимал 2-3 часа в неделю. Теперь – 15 минут на просмотр результатов.
Другие автоматизации:
- Парсеры разных источников, которые складывают готовые данные в нужное место к нужному времени
- Обработчики входящего контента с AI-фильтрацией
Формула:
Экономия на автоматизациях = время ручной работы × количество повторений - время на создание
Мои автоматизации в сумме экономят 2-3 часа в неделю. За четыре месяца (с учётом времени на отладку и исправление багов) это 80 часов.
И да, время на создание этих автоматизаций я не вычитаю из экономии, потому что сам процесс – это тоже работа, которую я бы делал в любом случае. Просто с AI она занимает в разы меньше времени. Но об этом – в разделе про вайбкодинг.
Voice to Text: 20 часов за месяц
Признаюсь честно: долго стеснялся использовать голосовой ввод. Казалось, что это как-то странно – сидеть и диктовать текст компьютеру. Типа для пожилых людей или тех, кто не умеет печатать.
А потом посчитал скорость.
Факты:
- Средняя скорость печати: 250-300 символов в минуту (это у тех, кто печатает хорошо)
- Средняя скорость речи: 750-900 символов в минуту
- Whisper распознаёт с точностью 95-99%
Где использую:
Первые черновики постов и статей. Этот самый черновик, который ты сейчас читаешь – я надиктовал за 12 минут вместо 35-40 минут печати. Да, потом пришлось редактировать, но редактировать всегда проще, чем писать с нуля.
Тестирую различные приложения, по удобству и комфорту. Стата из последнего, которое мне лучше всего подходит под вайбкодинг.
Промпты для AI. Когда диктуешь, мысль течёт свободнее. Получается детальнее объяснить задачу, не упуская контекст. Замечал, что надиктованные промпты работают лучше напечатанных.
Заметки и идеи. Пришла мысль – быстро надиктовал в Whisper, получил текст. Не потерял, не забыл.
Формула:
Если каждый день диктовать контент на 2000-3000 символов:
- Печатать: 10-12 минут
- Диктовать + редактировать: 4-5 минут
- Экономия: ~7 минут
30 дней × 40 минут среднего голосового ввода × коэффициент экономии 0.5 = ~20 часов за месяц.
Честно – за первые пару дней было неловко. Но потом привык. И теперь не понимаю, как раньше жил без этого.
Вайбкодинг: 200+ часов разработки
Самый жир. И самый сложный для подсчёта раздел.
Что использую:
- Cursor – основной редактор
- Claude Code – для сложных задач и рефакторинга
- Antigravity – для быстрых прототипов
Реальные кейсы:
Ноды для n8n. Написал несколько кастомных нод, включая интеграцию с Telegram Stars. Без AI-ассистента я бы убил выходные на изучение архитектуры нод, TypeScript и UI-компонентов. С Cursor – объяснил задачу, получил работающий код, допилил детали. Вечер вместо двух дней.
Парсеры и скрипты. Раньше каждый парсер – это час-два чтения документации, поиск примеров, отладка. Теперь: «напиши парсер для X, данные положи в Y, обработай ошибки Z». 15-20 минут с учётом тестирования.
Из основной работы:
Рефакторинг. Вот это вообще магия. Раньше рефакторинг большого объёма кода – это день страданий. Теперь: объясняю AI что хочу поменять, он предлагает план, я корректирую, он делает. Пара часов вместо полного рабочего дня.
Автотесты. Адаптировал часть своей рутины по автоматизации и работе с тестами. Например автоматическая починка по линтеру, объяснение кода, предложение идей по повышению стабильности.
Формула (очень примерная):
Задача на разработку без AI: X часов Задача на разработку с AI: X/3 или X/4 часов (в зависимости от сложности)
За 3 месяца активного вайбкодинга, если считать все задачи:
- Примерно 80-100 задач разного размера
- Средняя экономия на задачу: 2-3 часа
- Итого: 200-250 часов
Беру нижнюю границу – 200 часов.
Но есть нюанс. Писал об этом раньше – я практически перестал использовать «голый» ChatGPT или Gemini в браузере. Все мои коммуникации идут через подготовленных AI-агентов с системными промптами и инструментами. Это даёт намного лучший результат, чем просто «спросить у AI».
Всё ли так хорошо?
Было бы нечестно писать только про экономию. Есть и обратная сторона.
Perplexity:
- Иногда выдаёт устаревшую информацию (особенно по техническим темам – версии библиотек, deprecated методы)
- Не всегда понимает контекст узкоспециализированных вопросов
- Дурит с ценами в магазинах
- Pro-подписка стоит денег, а бесплатной версии не хватает для серьёзного ресёрча
n8n + AI:
- Автоматизации ломаются. Регулярно. API меняются, токены истекают, сервера падают. Мониторинг обязателен
- Время на первоначальную настройку съедает часть экономии в первые месяцы
- Галлюцинации LLM в автоматизациях – это отдельная боль. Нужны валидации. Очень много валидации
Voice to Text:
- Работает хорошо только в тихом помещении
- Русский язык Whisper понимает хуже английского (хотя для меня достаточно)
- Так и не смог найти что-то стоющее на свой Android (пользуюсь только на ноуте)
- Форматирование в надиктованном тексте – боль. Приходится всё равно руками расставлять абзацы и заголовки
Вайбкодинг:
- AI генерирует код в вакууме. Без контекста и продуманных спецификаций проекта получается мусор, который ломает соседние модули
- Время переместилось с кодинга на написание спецификаций и ревью. Это другой навык. Тут кстати прям очень выручает пункт выше (Voice to text)
- Иногда проще написать самому, чем объяснять AI что ты хочешь
- Код от AI требует тщательного ревью – бывает красивый, но неоптимальный или с неочевидными багами
И главное: AI не заменяет понимание. Если не понимаешь, что происходит в коде – AI усилит твою некомпетентность, а не компенсирует её.
Промежуточные итоги
Сводная таблица:
500 часов – это 62.5 рабочих дня. Или три месяца полноценной работы.
За пять календарных месяцев (1 месяц был так называемой фазой моральной подготовки) я вернул себе три месяца рабочего времени. Какие-то вещи, я запустил не сразу (например я только в последний месяц смог значительно отпимизировать использование Voice to text + вайбкодинг).
Что это значит на практике:
- Значительный буст на основной работе
- Больше pet-проектов (написал несколько open-source нод для n8n, а также сейчас сижу над разработкой небольшого приложения)
- Меньше выгорания от рутины
- Больше времени на то, что реально требует человеческого мозга – стратегию, архитектуру, общение
- Не жертвую временем с семьёй, отдыхом, спортом
Что планирую дальше:
- Углубляться в агентные системы – там потенциал ещё больше
- Пробовать новые инструменты для Voice to Text (есть надежда на локальные решения, сейчас мне приходится фильтровать то, что я говорю, ибо не всё должно быть услышено «старшим братом»)
- Выстраивать более системные подходы к вайбкодингу – сейчас это всё ещё скорее искусство, чем инженерия. Присматриваюсь к более жёсткому контролю через паттерны feedback-loop для AI.
Практический чек-лист, если хочешь повторить:
- Начни с ресёрча. Попробуй Perplexity на реальной задаче – сравнить с Google будет легко
- Один workflow в n8n. Найди рутину, которую делаешь каждую неделю, и автоматизируй её
- Voice to Text. Надиктуй следующую большую заметку или документ. Не стесняйся – никто не смотрит (но ничего не гарантирую)
- Cursor или Claude Code. Возьми задачу, которую откладывал, и попробуй решить с AI-ассистентом
Не обязательно сразу всё. Начни с одного инструмента, привыкни, добавь следующий.
А как у вас с экономией времени на AI? Считали когда-нибудь конкретные цифры или тоже живёте ощущениями? Интересно сравнить.