Рабочие процессы из нескольких инструментов: связка ChatGPT, Claude, Perplexity и Notion

Типичная ошибка пользователей ИИ среднего уровня — лояльность одному инструменту. Вы рано выбрали ChatGPT (или Claude, или Gemini), наработали в нём привычки и используете его для всего. Получается крепко, но не отлично — как у повара, который готовит только в одной сковороде.

Переход на следующий уровень — использовать каждый инструмент по тому, в чём он действительно лучший, и сцеплять их в рабочие процессы, где сильные стороны складываются. Эта статья — о том, как такие процессы строить.

Мы пройдёмся по сильным сторонам каждого основного инструмента, разберём четыре сквозных рабочих процесса с несколькими инструментами и обсудим дисциплину чистой передачи данных между ними.

Многоинструментальные процессы увеличивают раскрытие данных между сервисами. Перед копированием содержимого между инструментами решите, какой артефакт является источником истины, какие инструменты одобрены для этих данных и что нужно удалить перед передачей.

Актуальные сильные стороны в 2026

Короткий, мнения-не-скрывающий обзор инструментов, которые стоит уметь комбинировать:

Perplexity. Исследование с источниками. Имеет доступ к вебу, цитирует свои утверждения, умеет Deep Research. Правильная стартовая точка для любого вопроса, по которому у вас пока нет информации и нужны привязанные к источникам ответы.

Claude (Sonnet 4.5 / Opus 4.5). По нашим тестам — самый сильный голос в письме и одна из самых сильных моделей для рассуждений на длинных документах в 2026. Многие команды по умолчанию используют его для черновиков, аккуратного анализа и кода, требующего размышления. Claude Projects позволяют легко держать справочные файлы рядом с разговорами.

ChatGPT (GPT-5 / GPT-5 Thinking). Самая сильная универсальная модель с широким набором возможностей. Лучше всего для генерации картинок прямо в чате, мультимодальной работы, исследовательских разговоров и задач, где хочется быстрого обмена репликами.

Gemini (2.5 Pro / Flash). Лучше всего для всего внутри Google Workspace, для задач с очень длинным контекстом, нативного понимания видео и NotebookLM (формально это отдельный продукт, но принадлежит Google).

NotebookLM. Чат, привязанный к документам. Загружаете источники, задаёте по ним вопросы — каждый ответ с цитатой. Правильный инструмент для любого вопроса вида «что именно эти конкретные документы говорят о X».

Notion (со встроенным ИИ или внешним доступом к ИИ). Постоянное рабочее пространство, в котором могут жить выводы из перечисленных выше ИИ-инструментов, чтобы их редактировать, связывать и искать. Встроенный ИИ в Notion нормальный; важнее то, что Notion — место, где могут сходиться артефакты вашего многоинструментального процесса.

ChatGPT Code Interpreter / Claude Computer Use / Gemini Advanced Data Analysis. У каждого инструмента есть режим «запусти код и проанализируй данные». Полезен, когда в процессе есть структурированная работа с данными.

Cursor / Claude Code. Заточены под код. Правильный инструмент, когда результат — это код.

Всё это держать не обязательно. Большинству пользователей среднего уровня стек Perplexity + Claude + ChatGPT + NotebookLM + Notion покрывает подавляющую часть многоинструментальных потребностей.

Форма многоинструментального процесса

У полезного процесса три свойства:

1. Каждый инструмент делает одно. Не «Claude делает весь проект». Claude пишет; Perplexity исследует; NotebookLM привязывает к источникам.
2. Данные текут между ними чисто. Выход одного — вход следующего, без необходимости заново объяснять контекст.
3. Артефакт живёт в постоянном месте. Notion, Obsidian, Google Drive, где угодно — но не только в истории чата.

Для серьёзной работы добавьте четвёртое свойство:

1. Передача контекста явная. Каждый раз, когда результат переходит из одного инструмента в другой, укажите, чему следующий инструмент должен доверять, что проверять и что игнорировать.

Пройдём через четыре сквозных процесса, чтобы это стало конкретно.

Процесс 1: цикл «исследовать и написать»

Классический процесс среднего уровня. Вам нужно написать текст (статью, меморандум, бриф, отчёт) на тему, которую вы пока глубоко не понимаете.

Шаг 1: исследование в Perplexity.

Используйте режим Deep Research в Perplexity. Сформулируйте вопрос по шаблону из нашей статьи про Deep Research: цель, рамки, аудитория, структура, требуемое качество, открытые вопросы.

Подождите 10–20 минут, пока придёт отчёт. Прочитайте внимательно. Проверьте несколько источников.

Шаг 2: привязка в NotebookLM.

Возьмите 5–10 лучших источников из отчёта Perplexity (те, которые вы прочитали бы сами, будь у вас неограниченное время). Загрузите их в свежий блокнот NotebookLM.

Теперь попросите NotebookLM выдать второй анализ, опирающийся только на эти источники. Сравните его синтез с тем, что выдала Perplexity. Различия интересны — иногда Perplexity слишком далеко экстраполировала; иногда NotebookLM упустил полезный вывод.

Теперь у вас две привязанные к источникам версии темы.

Шаг 3: черновик в Claude.

Откройте Claude. Вставьте отчёт Perplexity и синтез NotebookLM как справочный материал. Затем:

Используя приведённое ниже исследование как исходник, сделай черновик [тип материала] голосом [аудитория]. Структура: [ваша структура]. Цитируй конкретные находки из исследования. Не выдумывай фактов. Где исследование молчит или противоречит само себе — так и скажи. Заверши [конкретный паттерн концовки].

Claude — лучшая модель для написания текстов в 2026; основная тяжёлая работа происходит именно здесь.

Шаг 4: доработка в ChatGPT.

Возьмите черновик из Claude. Вставьте в ChatGPT. Попросите две вещи:

1. Проход критика — что слабо, чего не хватает, к чему придерётся скептический читатель.
2. (Если уместно) Сгенерируйте картинки, если в материале нужны иллюстрации.

ChatGPT иногда лучше критикует тексты Claude, чем сам Claude критикует свои, — потому что его дефолты слегка другие, он ловит другие слепые зоны.

Шаг 5: финальный проход по голосу обратно в Claude.

Вставьте критику из ChatGPT обратно в Claude. Попросите финальный точечный проход правок: возьми только те пункты критики, которые звучат уместно, примени их, остальное не трогай.

Шаг 6: финальная посадка в Notion.

Сохраните финальный черновик в Notion со ссылками на блокнот исследования. Артефакт живёт постоянно.

Итого: ~90 минут на материал, на который у вас в одиночку — с исследованием, черновиком и доработкой — ушёл бы день. И качество заметно выше, потому что каждый инструмент делал то, в чём он лучший.

Процесс 2: пайплайн для разбора договора

Вам пришёл договор на 30 страниц. Ставки на час обсуждения; читать его «с холода» не хочется.

Шаг 1: стратегический контекст в Perplexity.

Быстрый запрос в Perplexity: «Я [ваша роль], подписываю договор от [тип контрагента]. На какие стандартные вещи мне нужно обращать внимание? Цитируй юридические рекомендации из авторитетных источников».

Теперь у вас есть чек-лист того, на что смотреть, опирающийся на реальные юридические комментарии.

Шаг 2: анализ документа в NotebookLM.

Создайте блокнот в NotebookLM. Загрузите договор. Также загрузите:

• Любой стандартный шаблон договора вашей команды
• Юридические материалы, на которые указала Perplexity
• Прошлые договоры с похожими контрагентами

Прогоните внутри NotebookLM трёхпроходный процесс:

• Первый проход: структура, ключевые мысли
• Проход по рискам: пункты, дающие другой стороне односторонние права, неоднозначные формулировки, отсутствующие стандартные защиты, отклонения от вашего шаблона
• Проход по решениям: что нужно обсуждать, что можно принять

Привязка к источникам в NotebookLM гарантирует, что каждый отмеченный риск связан с конкретным пунктом.

Шаг 3: план переговоров в Claude.

Вставьте анализ из NotebookLM в Claude. Запрос:

На основе этого разбора договора собери мне план переговоров: 1. Три самых важных запроса, которые мне нужно сделать 2. По каждому — конкретную формулировку, которую я хочу 3. Запасную позицию, если упрутся 4. Два вопроса, которыми я готов поступиться ради важных 5. Условия выхода из сделки

Claude хорошо делает такое структурированное стратегическое мышление по юридическим документам.

Шаг 4: черновик письма с контрпредложением в Claude.

В том же разговоре: «Теперь набросай моё письмо другой стороне, в профессиональном, но твёрдом тоне. Открой двумя предложениями про то, с чем я согласен. Перечисли четыре запрашиваемые правки с конкретными формулировками. Заверши понятным следующим шагом».

Шаг 5: проверка живым юристом (если ставки оправдывают).

Это тот шаг, который ИИ не сделает. По значимым договорам получите человеческое ревью анализа и контрпредложения. ИИ отлично справляется с первым проходом; печать юриста имеет вес на втором.

Процесс 3: пайплайн «данные → презентация»

У вас таблица с поквартальными данными. Нужно показать выводы руководству.

Шаг 1: анализ в ChatGPT Code Interpreter (или Gemini Advanced Data Analysis).

Загрузите таблицу. Попросите открытый анализ:

Ниже наши поквартальные продажи. Проанализируй их и найди: 1. Самый заметный тренд 2. Самый большой сюрприз по сравнению с прошлым кварталом 3. Два сегмента, которые сильнее всего объясняют общие цифры 4. Любые проблемы с качеством данных

>

Покажи рассуждения. Сгенерируй графики, которые помогут мне понять.

ChatGPT под капотом прогонит Python, построит графики и напишет выводы. Перепроверьте получаемые цифры.

Шаг 2: нарративная упаковка в Claude.

Вставьте анализ в Claude. Запрос:

На основе этого анализа помоги собрать нарратив для 15-минутной презентации руководству. Аудитория: скептичная, занятая, видела много кварталов. Им нужно понять, что изменилось, что мы с этим делаем и что может пойти не так.

>

Структура: 1. Первое предложение 2. Два ключевых инсайта (и почему они важны) 3. Три вещи, которые мы собираемся в связи с этим сделать 4. Два риска, о которых стоит помнить 5. Один вопрос, который мы хотим вынести на обсуждение

>

Тон: уверенный, без оговорок, готовый к жёстким вопросам.

Здесь блестит сила Claude в письме.

Шаг 3: слайды в Gamma или Claude / ChatGPT в режиме экспорта слайдов.

Вставьте нарратив в Gamma или используйте Claude/ChatGPT, чтобы получить markdown-структуру слайдов для экспорта. Многие инструменты теперь дают приличные черновики слайдов прямо из структурированной заготовки.

Шаг 4: картинки в ChatGPT.

Если слайдам нужны визуалы, генерируйте их прямо в ChatGPT. Держитесь одного стиля («плоская иллюстрация, цвета бренда») ради визуальной целостности.

Шаг 5: репетиция в голосовом режиме.

Откройте голосовой режим в ChatGPT. Презентуйте колоду вслух, слайд за слайдом. Спросите: «Где у меня логика перепрыгнула шаг? Где аудитория будет давить?» Голосовая репетиция — один из самых недоиспользуемых инструментов подготовки.

Шаг 6: постоянный артефакт в Notion.

Скиньте анализ, нарратив, презентацию и заметки с репетиции на страницу в Notion. Теперь это ищется поиском к следующему кварталу, когда вы будете делать то же самое снова.

Процесс 4: процесс стратегического решения

Вы обдумываете нетривиальное бизнес-решение. Нанимаете старшего человека. Выбираете подрядчика. Запускаете новую продуктовую линейку.

Шаг 1: рамка через Perplexity Deep Research.

Исследуйте ландшафт. Какие стандартные соображения по такому решению в вашем контексте? Что делали похожие компании? Что сработало, что нет?

Шаг 2: привязка в NotebookLM по внутренним документам.

Загрузите внутренние документы, относящиеся к решению — прошлые планы, интервью с клиентами, обсуждения команды, финансовые модели. NotebookLM позволяет спросить «что наше прошлое мышление говорит об этом?» — это часто полезнее свежего внешнего исследования.

Шаг 3: процесс принятия решения в Claude.

Используйте четырёхшаговый процесс из нашей статьи про принятие решений: рамка, генерация, стресс-тест, решение. Вставьте исследование Perplexity и синтез NotebookLM в качестве входа.

Шаг 4: адвокат дьявола в другой модели.

После того как Claude выдал свой анализ, перенесите его в ChatGPT или Gemini и попросите: «собери самый сильный правдоподобный контраргумент». У другой модели другие дефолтные рамки, поэтому её контр часто содержательно отличается от того, что Claude дал бы в качестве своего же контра.

Шаг 5: pre-mortem обеими моделями.

Попросите Claude и ChatGPT независимо сделать pre-mortem: «представь, что это решение через два года обернулось катастрофой. Что произошло?» Различия их сценариев провала вскрывают слепые зоны.

Шаг 6: синтез своими силами.

Это шаг только для человека. После всей работы с ИИ напишите своё решение своими словами — что выбираете, почему и что бы вас переубедило. Сохраните. Сам акт записи задаёт ту степень приверженности, которая теряется в решениях, полностью опосредованных ИИ.

Дисциплина переноса данных между инструментами

Многоинструментальные процессы живут или умирают на том, насколько чисто вы переносите артефакты между инструментами. Несколько практических привычек:

Держите промпты в snippet-менеджере или в Notion. Когда замечаете, что переписываете один и тот же промпт в третьем инструменте, — сохраните его.

Стандартизируйте структуру выводов. Если получается выдавать из каждого инструмента результаты примерно одной формы (например, в формате ваших структурированных шаблонов), то скармливание выводов на вход следующему инструменту становится безболезненным.

Не пытайтесь делиться историей чата между инструментами. Каждый разговор живёт в истории своего инструмента. Артефакты — документы, анализы, черновики — должны жить где-то снаружи (Notion, Drive, документ).

По одному «рабочему документу» на проект. Одна страница в Notion (или Google Doc, или Obsidian-заметка), куда падают все релевантные выводы ИИ. Это ваша поверхность синтеза; инструменты — это просто места, где делается работа.

Используйте копипаст, а не цепочки. Не пытайтесь строить автоматические пайплайны между инструментами под разовую работу. Гибкость «я просто вставлю это в другой инструмент» перевешивает изящество автоматизации для неповторяющихся задач. (Автоматические пайплайны имеют смысл для повторяющихся процессов — об этом в наших статьях про автоматизации.)

Сопутствующий бриф рабочего процесса из этой статьи даёт одностраничную структуру для планирования передач между инструментами до того, как проект превращается в суп из вкладок.

Когда НЕ стоит идти в многоинструментальный режим

Несколько ситуаций, где накладные расходы на много инструментов не окупаются:

• Быстрые разговорные задачи. Один инструмент — нормально. Не нужно переусложнять пятиминутный вопрос.
• Задачи, где один инструмент явно лучше всех. Если Claude явно подходит для всего пайплайна (длинный документ, текст с сильным голосом) — пусть он и тащит.
• Задачи с пользой от непрерывности. Если вы собираетесь итерировать 20 раз над одним артефактом, смена инструмента посреди ломает контекст модели. Выбирайте один.

Многоинструментальный ход блестит на более крупных, стратегических задачах, где у каждой фазы своя форма.

Маленькая шпаргалка «инструмент по задаче»

Чтобы повесить на стену:

| Задача | Инструмент первого выбора | | --- | --- | | Исследование с источниками | Perplexity | | Анализ длинного документа | Claude (Pro/Max) или NotebookLM | | Написание черновика | Claude | | Генерация картинок | ChatGPT или Midjourney | | Генерация кода | Claude или Cursor | | Анализ данных (таблицы) | ChatGPT Code Interpreter или Gemini | | Вопросы по документам | NotebookLM | | Голос / многоязычие | Gemini или ElevenLabs | | Стратегическое решение | Claude (с входом из Perplexity) | | Email / интеграция с Gmail | Gemini | | Outlook / интеграция с Excel | Copilot | | Быстрый разговор | Тот, в котором вы уже сидите |

Распечатайте, прикрепите, усвойте. Через месяц выбор становится рефлекторным.

Главная мысль

Многоинструментальное использование ИИ — точка перегиба от среднего к продвинутому уровню. Это стоит вам времени на пару-тройку подписок, изучение сильных сторон каждого инструмента и выработку привычки направлять задачи в нужный. Отдача — работа, которую ни один инструмент сам не выдал бы так же хорошо, и за меньшее общее время.

Возьмите один из четырёх процессов выше и проделайте его насквозь на этой неделе на реальной задаче. В первый раз ощущения слегка неуклюжие; к третьему — маршрутизация автоматическая, и вы недоумеваете, как раньше делали всё в одном инструменте.