Пять вопросов до запроса: какую задачу решаешь, кто клиент, как выглядит «хорошо», какие данные есть, кто отвечает за результат. По отчёту MIT NANDA «The GenAI Divide: State of AI in Business 2025», 95% корпоративных пилотов генеративного ИИ не приносят измеримой отдачи – и дело не в моделях, а в пустом контексте. Этот бриф закрывает дыру.
Почему «дать нейросети задачу» больше не работает
Смотри сюда. В 2025 году ИИ стал массовым, а деньги от него – нет.
Отчёт MIT NANDA (150 интервью с руководителями, 350 опрошенных сотрудников, 300 публичных внедрений) говорит прямо: 95% корпоративных пилотов генеративного ИИ не дают компаниям измеримой отдачи. Ведущий автор Адитья Чаллапалли формулирует проблему как «разрыв обучения» между инструментом и организацией – не модель виновата, виновата обвязка вокруг неё.
Gartner добавляет с другой стороны: к концу 2025 года минимум 30% GenAI-проектов будут брошены после proof-of-concept – из-за плохих данных, слабого контроля рисков, растущих затрат и неясной бизнес-ценности.
Причина одна: к нейросети приходят без брифа. А ИИ – это не волшебная кнопка. Это стажёр, который выдаёт результат ровно по качеству входа.
Мусор на входе – мусор на выходе
Правило «garbage in, garbage out» придумали инженеры данных задолго до ChatGPT. С большими языковыми моделями оно бьёт ещё жёстче: модель не спорит, она достраивает правдоподобный текст из того, что ты ей дал.
MIT пишет ровно это: пилоты стопорятся, потому что большинство инструментов «не удерживают обратную связь, не адаптируются к контексту и не улучшаются со временем» (Forbes, 26.08.2025). Сильная модель без контекста = шаблонный текст, который не совпадает ни с задачей, ни с аудиторией, ни с тоном бренда.
Вывод простой: до того как открыть диалог с нейросетью, собери контекст. Пять вопросов ниже – это и есть твой бриф.
Вопрос 1. Какую конкретную задачу ты решаешь?
Самая частая ошибка – начинать с инструмента, а не с проблемы. «Давайте сделаем что-нибудь с нейросетью» – это не задача, это желание. Такие запросы и попадают в статистику 95% провалов.
Задача формулируется от результата. Не «написать пост с помощью ИИ», а «4 поста в неделю в едином тоне, время менеджера на контент – с 6 часов до 1». Не «сделать чат-бота», а «снять с первой линии 70% типовых вопросов».
BCG в исследовании 2025 года пишет: компании-лидеры направляют больше 80% инвестиций в ИИ на перестройку ключевых функций и новые продукты, а не на мелкие «поиграться».
Мини-чек, проверь себя:
- Какую конкретную метрику двигаешь?
- Какой процесс становится быстрее, дешевле или качественнее?
- Что будет, если ИИ сюда не внедрить?
Нет ответов на все три – с нейросетью разговаривать рано.
Вопрос 2. Какой контекст нужен модели, чтобы она поняла тебя?
Нейросеть не знает ни твоего клиента, ни твоего продукта, ни твоих табу. «Сделай пост о кофейне» и «сделай пост о нашей кофейне» для неё – разные задачи. Разницу приносишь ты.
Контекст – это четыре слоя. Держи структуру:
Это и есть бизнес-бриф – один документ, который ты подставляешь в каждый серьёзный запрос. Без него модель каждый раз выдумывает усреднённый ответ «про рынок вообще», а ты каждый раз переписываешь заново.
Вопрос 3. Как выглядит эталон «хорошо»?
Не можешь описать «хорошо» – не получишь «хорошо». Никакая итерация не спасёт: будешь бесконечно крутить формулировки, потому что цель плывёт.
Эталон собирается из трёх частей:
- Образцы. 2–3 примера «как надо» (твои удачные тексты, кейсы, КП) и 1–2 «как не надо». Это единственный способ дать модели стиль без долгих лекций.
- Критерии приёмки. 5–10 пунктов: длина, структура, CTA, запрещённые фразы, обязательные элементы. По сути – чек-лист редактора.
- Метрика успеха. Как ты поймёшь, что результат хороший? Время правки меньше 10 минут? Конверсия выше 3%? Оценка редактора 8/10?
Логика простая: сначала критерий – потом запрос. Не наоборот.
Вопрос 4. Какие у тебя данные и в каком они состоянии?
Нейросеть не достаёт факты из воздуха. Она работает с тем, что ты дал. И качество входа решает всё.
Типичная картина среднего бизнеса: тексты о компании лежат в пяти местах, актуальность плавает, часть информации живёт только в голове основателя. На таком входе ИИ начинает «галлюцинировать» – то есть правдоподобно выдумывать. Это не баг модели, это её логика: если факта нет, она достроит похожий.
Gartner прямо называет это причиной №1: плохое качество данных и отсутствие AI-ready практик – главная причина того, что проекты бросают.
Собери до первого запроса:
- актуальное описание продукта и тарифов (одной датой, без противоречий);
- 3–5 реальных кейсов клиентов с цифрами;
- FAQ по возражениям (15–30 пунктов);
- гайд по бренду или хотя бы список «так говорим / так не говорим»;
- юридические и отраслевые ограничения (что точно нельзя писать).
Это не бюрократия. Это топливо. Без него мотор не заведётся.
Вопрос 5. Кто отвечает за результат и как ИИ встроен в процесс?
Самый недооценённый вопрос. ИИ не заменяет решение – он ускоряет подготовку. Но если в процессе нет человека с правом финальной подписи, результат растворяется: никто не проверил, никто не внедрил, никто не измерил.
РБК приводит показательный разрыв: 60% работодателей ждут от сотрудников использования ИИ, а 87% работников не знают, с чего начать. Без встроенной роли и ответственности ИИ остаётся игрушкой в чате.
Встраивание – это три роли:
- Заказчик задачи – формулирует бриф и принимает результат.
- Оператор ИИ – ведёт диалог с моделью, итерирует, чистит.
- Проверяющий – подтверждает факты и соответствие бренду.
В малом бизнесе все три роли часто на одном человеке. Это нормально. Важно, чтобы они были названы и разнесены во времени: сначала бриф, потом генерация, потом проверка. Без этого цикла ИИ всегда выдаёт «что-то среднее».
Сводная таблица: 5 вопросов и что они закрывают
Как сложить ответы: формат бизнес-брифа
Все пять ответов собираются в один документ на 2–4 страницы – бизнес-бриф. Это не презентация и не стратегия. Это рабочая шпаргалка, которую ты подставляешь в каждый серьёзный запрос к нейросети.
Структура брифа:
- Задача и метрика – одна формулировка, одна цифра.
- Компания и продукт – 3–5 абзацев по сути.
- Клиент – сегменты, боли, возражения, лексика.
- Стиль и табу – короткий гайд + 2 примера «как надо» и 1 «как не надо».
- Материалы – ссылки на кейсы, FAQ, цифры.
- Критерии результата – чек-лист на 5–10 пунктов.
- Процесс – кто ставит, кто генерирует, кто проверяет.
Один раз собрал – и нейросеть из «умного автокомплита» превращается в предсказуемого исполнителя. Именно так работают те немногие компании, у которых ИИ даёт реальную пользу: они не ищут новый магический промпт, они фиксируют контекст.
FAQ
Бриф нужен под каждую задачу?
Нет. Один раз пишешь базовый бриф о компании и клиенте – он общий. Под конкретную задачу добавляешь 3–5 строк: что делаем, к какому сроку, какой формат.
Сколько времени на сборку?
4–8 часов на первую версию и по 15–30 минут на обновления раз в квартал. Разовая инвестиция, которая окупается уже на 5–10 задаче за счёт того, что меньше итераций.
Часть инфы живёт только в голове основателя. Что делать?
Норма для малого бизнеса. Делаешь интервью на 60–90 минут по списку из пяти вопросов и расшифровываешь. Расшифровка сама по себе – половина брифа.
Можно написать бриф о себе с помощью ИИ?
Частично. Модель хорошо структурирует, задаёт уточняющие вопросы, превращает черновик в документ. Но исходные факты даёт человек – модель не знает твоей реальности.
Что важнее: выбрать правильную нейросеть или подготовить контекст?
Контекст. По MIT, 95% провалов – не из-за моделей, а из-за организационной готовности. Средняя модель с хорошим брифом бьёт топовую без контекста.
С чего начать, если вообще ничего нет?
С первого вопроса: какую одну задачу закроешь в ближайший месяц. Весь бриф собираешь вокруг неё. Не пытайся описать весь бизнес сразу – захлебнёшься.
Что делать прямо сейчас
Если читаешь и понимаешь, что половина ответов «где-то есть, но не собрана» – это и есть типичная точка входа. Неделя на бриф экономит месяцы на переделках.
Если хочешь пройти все пять вопросов в формате диалога и получить на выходе готовый бизнес-бриф – для этого есть агент №1 из бесплатного курса СОЗИДАЙ.