Продуктивность с ИИ

Большинство людей используют один ИИ-инструмент для всего. Пользователи среднего уровня связывают четыре-пять инструментов — каждый под ту часть, в которой он лучше всего. Практическое руководство по многоинструментальным процессам.

Структурированный 30-дневный подход к использованию AI как личного репетитора и проектировщика учебной программы. Четыре недели, четыре фазы — с точными промптами и привычками, которые делают обучение устойчивым.

AI — неожиданно хороший спарринг-партнёр для принятия решений, если перестать использовать его как «машину ответов». Рабочий процесс для принятия лучших решений с помощью AI — и промпты, которые заставляют его спорить, а не соглашаться.

Deep Research — функция автономного исследования в ChatGPT, Gemini, Claude и Perplexity — за пятнадцать минут выдаёт то, на что у вас раньше уходил день. Практическое руководство по правильному использованию.

NotebookLM от Google — самый простой способ общаться с собственными документами: книгами, статьями, заметками со встреч, исследовательскими файлами. Практический тур: что он делает, где блистает и какие четыре сценария стоит настроить на этой неделе.

Практичный гид по использованию AI для работы с таблицами — очистка беспорядочных данных, написание формул, построение сводных таблиц и превращение строк чисел в ясные ответы. Работает в Excel, Google Sheets или прямо в ChatGPT.

У AI-текстов есть запах. Когда вы знаете, какой именно, вы можете перестать его производить. Шесть конкретных признаков, шесть исправлений и рабочий процесс, который использует AI, чтобы сделать ваше письмо лучше, не делая его похожим на все остальные.

Практичная, повторяемая система для сортировки, написания и пинков по email с помощью AI — без необходимости в разработчике, конструкторе автоматизаций или гуру продуктивности.

Реалистичный рабочий процесс для записи встреч с помощью AI — какой инструмент выбрать, что он схватывает хорошо, что плохо, и промпт, который превращает транскрипт в реальные решения и последующие действия.

Практический рабочий процесс с AI для поиска работы — подгонка резюме под каждую вакансию, черновики сопроводительных писем, которые звучат как вы, репетиции собеседований вслух и шаги, которые большинство кандидатов пропускают.

Загрузите 40-страничный документ — и получите то, что важно: решения, риски, вещи, которые иначе бы упустили. Практический рабочий процесс по использованию AI для чтения того, на что у вас нет времени.

Мелкие, но частые выигрыши с невысокой ценой ошибки, которые превращают AI из любопытной игрушки в привычку. Реальные промпты для планирования поездок, меню, домашней рутины и тех маленьких решений, которые съедают вашу неделю.

Цикл из четырёх промптов, который превращает любой AI в личного репетитора — объяснение, примеры, практика и обратная связь. Работает для любой темы и любого уровня подготовки.

Три небольших промпта, превращающие любой ИИ во внимательного и быстрого редактора — без того, чтобы он переписывал вас в кого-то другого. По одному проходу: ясность, тон, грамматика.

Большинство ИИ-писем звучат как ИИ. Практический рабочий процесс для использования ChatGPT, чтобы набрасывать, заострять и доводить до конца письма, которые вы реально нажмёте \"отправить\" — без запаха робота.

Пустое поле ввода — самая сложная часть. Семь готовых промптов, которые превращают пустой разговор в настоящую победу уже в первый день.

Tina Huang. Быстрый каталог конкретных сценариев, размеченный по ChatGPT, Claude, Gemini и Perplexity. Хорош для того, чтобы посеять идеи, какой шаг вашего рабочего процесса на самом деле принадлежит какому инструменту, вместо того чтобы по умолчанию загонять всё в один чат-бот.

Matt Wolfe. Мэтт проходится по конкретному стеку, который использует каждый день — Claude для письма и Projects, Perplexity для исследований, плюс вспомогательный набор для транскрипции, фиксации и изображений — и честен в том, почему каждый инструмент заслужил своё место. Это ближайший аналог на YouTube к подходу статьи «выбери дефолт под каждую задачу».

Tina Huang. Показывает структурированную систему самообучения, которой Хуанг пользовалась, чтобы выучить SQL за 11 дней под собеседование в Meta, — активное вспоминание, интервальное повторение и использование ChatGPT для генерации задач и объяснения ошибок. Полезно как продолжение «а как мне реально выполнить план» к основной рекомендации.

Tina Huang. Даёт готовый шаблон промпта для плана обучения («Act as a coding tutor that creates study plans…»), который берёт цель ученика, доступное время и предпочтения по ресурсам, а затем выдаёт структурированный план. Обрамление — это программирование, но сам паттерн промпта — ровно то, что статья применяет к любому 30-дневному учебному спринту.

Ali Abdaal. Раскладывает те же паттерны, что и статья, — челлендж-промпты («дай мне самый сильный контраргумент», «дай мне разгромную критику»), объясняющие теории и метод Соломона (попросить ИИ сыграть вашу 90-летнюю версию себя) — и необычно ясно говорит, где ИИ перестаёт быть полезным (ментальное здоровье, ответственность). Хорошо сочетается с настойчивым тезисом статьи: ценность в том, чтобы задавать лучшие вопросы и разбирать компромиссы, а не в «скажи, что мне делать».

Tina Huang. Тина ставит Deep Research у Perplexity и аналитические режимы ChatGPT/Claude в контекст рабочего дня аналитика — сведение рыночных сигналов, разведочный анализ данных, структурированные выходы. Полезно как ответ «а на что ещё это годится, кроме академических литературных обзоров» к основной рекомендации.

Andy Stapleton. Стэплтон запускает Deep Research против ровно того сценария, где он блистает, — литературного обзора с чёткой областью, временными рамками и структурой, — и показывает рукопожатие с уточняющими вопросами, 10-минутное ожидание, вывод на 40 источников и места, где цитаты и тон всё ещё требуют человеческого прохода. Честно проговаривает ограничения (нет экспорта в BibTeX, иногда слишком щедро в выборе источников).

Matt Wolfe. Когда вы освоили основы, это правильное второе видео. Мэтт проходит по длинному списку менее очевидных применений — превратить книгу в конспект для учёбы, ввести себя в курс по конкуренту через его материалы, сгенерировать mind maps из папки с PDF, — что помогает увидеть, насколько гибкой на самом деле оказывается рамка «привязанной записной книжки».

Paul J Lipsky. Аккуратная рамка из трёх шагов — подобрать источники, задавать правильные вопросы, выдавать итоговые материалы, — которая практически один в один ложится на то, как статья предлагает думать про NotebookLM. Достаточно свежее (начало 2026), чтобы совпадать с текущим интерфейсом, включая Studio, аудиообзоры и mind maps.

Leila Gharani. Старее (начало 2023), но всё ещё самый аккуратный проработанный пример: вставить реальный вопрос по Excel в ChatGPT, получить ответ с SUMPRODUCT или условным форматированием, а потом доитерировать с моделью, когда первая формула не до конца подходит. Модель сильно улучшилась; рабочий процесс промптинга, который она показывает, — тот же, которым вы воспользуетесь сегодня.

Leila Gharani. Живое демо новой функции `=COPILOT()` на ровно тех грязных реальных данных, что описывает статья: заметки передачи смены, превращённые в структурированную таблицу действий, отзывы вольным текстом, размеченные по тональности, и неконсистентные должности, нормализованные по справочному списку. Также чётко проговаривает ограничения: не используйте её для того, что должно быть точным, и фиксируйте результаты как значения, когда закончили.

David Perell. Перелл зарабатывает на жизнь, обучая писательству, и проходит по тому, как он реально черновит с LLM, чтобы вывод не читался как ИИ: что он использует модель для (ресёрч, структурирование, вытаскивание собственного мышления), что отказывается ей делегировать (голос, вкус, мнения) и какие конкретные приёмы держат его прозу — его. Чуть-чуть ниже порога в 100K просмотров, но заслуживает места, потому что тема по-настоящему нишевая, а это самое вдумчивое длинное высказывание по ней.

Scott Brant. Более широкая работа Скотта Бранта с Copilot — это самое близкое к честному демо того, как встроенный ИИ-ассистент меняет ежедневный цикл Outlook/Teams: черновики ответов, пересказы тредов, вытаскивание пунктов к действию в задачи. Номинально про встречи, но те же рефлексы переносятся прямо в Outlook у любого, кто сидит в магазине Microsoft 365. (Ни одно отдельное видео про ИИ для почты не пробивает порог в 100K просмотров с фокусом на inbox zero для новичков, поэтому это самый сильный смежный разбор.)

Tina Huang. Тина перечисляет, где ИИ реально окупается за рабочий день, и несколько пунктов — ровно те ходы с почтой, что описывает статья: проверка и пересказ входящих, черновики ответов, правка тона, организация наговорённых задач. Полезно как проверка реальности: что стоит автоматизировать, а где достаточно более удачного шаблона.

Elegant Themes. Короткий обзор Otter как отдельного транскрайбера для тех, кто не живёт в Teams: Otter Pilot, подключающийся ко встречам за вас, интеграция с календарём/Zoom, загрузки файлов и лимиты бесплатного тарифа. Полезно как четырёхминутная ориентация перед тем, как решить, какой из инструментов статьи вы хотите попробовать.

Scott Brant. Чистый сквозной разбор того, что описывает статья: включить транскрипцию, задавать Copilot вопросы вживую, после звонка получить аудио-рекап и протокол в Word и вытащить пункты к действию в дальнейший процесс. Скотт Брант — преподаватель Microsoft 365, который делает это каждую неделю, и демо снято на реальной встрече, а не на сконструированной.

Jeff Su. Вторая часть той же серии, покрывающая те части поиска работы, которые первое видео не охватывает: договориться о coffee chat через LinkedIn, задавать хорошие вопросы на собеседовании, писать благодарственные письма и промпт-ролёвка для тренировки переговоров о зарплате. Посмотрите его после статьи — и у вас будут ChatGPT-сценарии для каждой неловкой части воронки, не только для самой подачи отклика.

Jeff Su. Десять минут самого просматриваемого видео про ChatGPT для поиска работы на YouTube, и оно того заслуживает. Джефф показывает многошаговый подход для подгонки зацепки в сопроводительном письме под реальное описание вакансии, потом паттерн «перепиши этот буллет как „я добился X, делая Y, что привело к Z“» для резюме, потом аккуратный разбор подготовки ответа «расскажите о себе». Ровно те приёмы, что рекомендует статья, показанные на экране с видимыми промптами.

Grace Leung. Более практический рабочий процесс на двух инструментах: Perplexity — чтобы находить документы и источники, NotebookLM — чтобы их собственно читать и синтезировать. Полезно, если ваша проблема «длинного документа» — на самом деле проблема «длинной стопки документов»: исследование рынка, документы регуляторов, многооисточниковые отчёты.

Tiago Forte. NotebookLM — инструмент, который статья рекомендует для длинных документов с наибольшим энтузиазмом, и Тьяго Форте — автор «Building a Second Brain» — даёт самое аккуратное объяснение, почему. Он демонстрирует пересказ заметок со встреч, запросы по длинным PDF и функцию привязки к источникам, которая не даёт модели придумывать факты, которых в документах нет. После просмотра вы поймёте, почему «загрузите PDF в NotebookLM» — это стандартный совет статьи.

AI Edge. Заголовок громче содержания. Внутри — спокойная экскурсия по использованию долгого треда ChatGPT для меню на неделю, работы с календарём и бронированиями, разбора поручений и подготовки к поездке — ровно те негламурные «бытовые» задачи, которые покрывает статья. Идея «внешней памяти» в конце (маленький Google Doc, который ассистент перечитывает в начале каждой сессии) — это практическое решение самой частой жалобы новичков: «он всё время забывает то, что я сказал на прошлой неделе».

Dan Koe. Другой угол на ту же задачу: выберите реальный проект, а потом дайте ИИ доставать только то, что нужно знать, чтобы его доделать. Полезный противовес видео Mike and Matty, если вы учитесь лучше через делание, чем через изучение, и оно мягко возражает против рефлекса «съесть ещё один курс».

Mike and Matty. 10-минутный фреймворк — Construct, Connect, Challenge — с конкретными промптами для ChatGPT под каждую фазу: попросить программу, попросить аналогии, попросить тренировочный тест, попросить обратную связь на ваше объяснение. Эти промпты работают практически на любом предмете, от физиологии до программирования, и тон ровно такой же, как у статьи: ИИ как репетитор, а не как замена мышлению.

David Perell. Дэвид Перелл — практикующий автор, который преподаёт писательство онлайн, и это его реальный рабочий процесс: где он просит ИИ спорить с его черновиком, где он отказывается давать ему писать прозу за себя и к каким промптам он постоянно возвращается. Секции «Как я реально пишу с LLM» и «Как я думаю с LLM» ложатся прямо на позицию статьи «используйте ИИ как редактора, а не как литературного негра». Просмотров чуть меньше нашего обычного порога в 100K; мы сделали исключение, потому что ни одно видео на больших каналах по этой конкретной теме и близко не дотягивает по вдумчивости.

Jeff Su. Секция про «технику red team» — это недостающий кусок в большинстве туториалов по ChatGPT для писем: пишете черновик, потом просите модель отыграть роль получателя, к которому в день приходит пятьдесят холодных писем, и сказать, какие предложения заставят его жать «удалить». Эта обратная связь — ровно то, что статья имеет в виду под «письмами, которые не стыдно отправить», и Джефф показывает её на реальном холодном письме меньше чем за три минуты.

Tina Huang. Тина Хуанг сортирует более ста повседневных сценариев использования ИИ по категориям продуктивности, быта, обучения, карьеры и отношений — и, что важно, проходит по каждому быстро, с конкретным промптом или экраном на виду. Это самый эффективный способ увидеть, как на самом деле может выглядеть «спросить что-то у ChatGPT» за пределами семи примеров из статьи, не отсиживая 40-минутный курс.