Нейросети в контент-маркетинге: как распознать и грамотно использовать

Юлия Ефимова рассказала о трёх экспериментах по написанию текстов с помощью нейросетей.

В первом ChatGPT, Gemini, DeepSeek, Grok и YandexGPT генерировали пост на одну тему. Тексты отличались друг от друга стилистикой и содержанием, но всё равно получились идентичными и некорректными. Это значит, что до уникального и экспертного ИИ-контента нам ещё далеко.

▫️Во втором пост, созданный ChatGPT, должны были распознать ИИ-детекторы. Оказалось, что пока они плохо отличают человеческие тексты от сгенерированных. Например, Originality.ai был только на 72% уверен в том, что перед ним ИИ-пост, — и это лучший показатель среди подобных сервисов. Даже сам ChatGPT признал своё авторство лишь наполовину.▫️

В третьем эксперименте ChatGPT попросили сымитировать стиль Булгакова, Чехова, Зощенко и Бродского. Нейросеть хорошо скопировала авторскую манеру письма, однако её текстам не хватило оригинальности.

Юлия выделила следующие признаки нейротекста:
〰️шаблонность и обобщения
〰️повторы
〰️короткие абзацы и парцелляция
〰️противопоставления и нарочито доверительный тон
〰️стилистическое однообразие

Чтобы научить нейросеть писать по-человечески, автор рекомендует формулировать детальные запросы:
〰️задайте нейронке роль
〰️расскажите о задаче, цели, формате и ЦА
〰️напишите о тональности и ограничениях

Когда ИИ сгенерирует первые варианты, укажите на ошибки. Проверьте получившийся текст с точки зрения фактов, стилистики и смысла, наполните примерами.

How to Make AI More Creative: 4 Keys to Better Prompting

Джейсон Кит описал четыре приёма для составления таких промтов, которые заставят нейронку генерировать более креативные ответы:

▫️Задавать нейросети роль эксперта и объяснять, как он работает, к каким результатам стремится и как обходит ограничения. Например, если нейросеть должна стать копирайтером, покажите ей примеры удачных и неудачных фраз

▫️Формулировать запрос так, чтобы нейросеть генерировала сразу несколько десятков идей. Затем выбирать лучшие из них, комментировать и просить скорректировать следующие идеи с учётом вашей обратной связи. Это хорошо работает в нейминге, где нужно перебрать тысячи вариантов, чтобы найти тот самый

▫️Просить ИИ разорвать шаблон и мыслить нестандартно. Пусть он предложит скучные, сюрреалистичные, нелогичные и потенциально опасные идеи

▫️Требовать чёткого, аргументированного ответа. Так, в промте можно попросить оценить сгенерированные идеи с точки зрения скептика, художника и законодателя моды. Первый даёт правдивые и немногословные комментарии, второй — эмоциональные и нестандартные, третий же ориентируется на свой вкус и особенности брендов

#База_знаний

💫GPT-5 prompting guide

Статья OpenAI с практическими советами по работе с их последней нейронкой и примерами промтов. Главное:

▪️Контролируйте уровень интенсивности рассуждений (это настраиваемый параметр reasoning_effort): высокий — для сложных задач, средний или низкий — для простых

▪️Давайте нейронке точные инструкции и избегайте
противоречий. Указывайте, следует ли совершать несколько параллельных поисков, когда можно обращаться к пользователю, какой должен быть результат

▪️Установите лимит инструментов и обозначьте правила работы с ними. Например, можно сказать нейронке, чтобы она объясняла свои действия при вызове инструментов

▪️Проверяйте свои промты с помощью оптимизатора

▪️Если вы интегрируете GPT-5 в свои приложения, используйте Responses API. Этот продвинутый интерфейс позволяет тонко настроить работу для решения сложных агентских задач. Например, в API можно создать правило сохранения контекста: при работе с новыми задачами модель будет опираться на предыдущие запросы и результаты. Это сэкономит токены и повысит её производительность

▪️Для создания фронтенда с помощью нейросети лучше подойдут фреймворки Next.js и Tailwind CSS, библиотеки React, shadcn/ui и Radix Themes

▪️При разработке продуктов давайте нейронке возможность планировать и саморефлексировать. Например, просите определить характеристики уникального продукта, сформулировать критерии оценки результата и по ним проверять свою работу

▪️Прописывайте правила и принципы редактирования кода, используйте XML-подобный синтаксис для структурирования инструкций

Также OpenAI сделали краткую шпаргалку по GPT-5 с шестью самыми важными советами.

#База_знаний

👉 Продуктовый подход в работе и жизни

Лена Щеплова рассказала «Кинжалу», как применить системный процесс из этапов исследования и реализации не только в работе, но и для решения бытовых или карьерных задач.

Разбирая такие фреймворки, как ICE и CJM, она показала, в чём суть продуктовой методологии и как её можно применять для выбора профессии, формирования привычек или для расстановки приоритетов.

AgentKit — набор инструментов OpenAI для создания и развёртывания ИИ-агентов. В наборе три инструмента.

Agent Builder. Визуальный drag-and-drop конструктор, в котором логика работы агента собирается из блоков, или узлов. Такими блоками могут быть инструменты, внешние сервисы, файлы или указания пользователя. Есть предустановленные шаблоны ИИ-агентов, например чат-боты и анализаторы документов.

ChatKit. Виджет чата с ИИ-агентом, который можно встроить в продукт.

Connector Registry. Панель администратора для подключения Dropbox, Google Drive, Sharepoint, Microsoft Teams и сторонних MCP.

В соцсетях встречаются мнения, что Agent Builder станет конкурентом-убийцей таких сервисов, как n8n или Make. Но пользователи отмечают его существенные недостатки:

〰️сложный интерфейс с базовыми функциями
〰️ограниченный по сравнению с конкурентами выбор узлов
〰️нельзя экспортировать созданного агента на другую платформу — пользователь оказывается «привязанным» к продукту OpenAI
〰️работает на жёстко прописанных скриптах без возможности внести изменения
〰️можно использовать только модели OpenAI, в то время как остальные сервисы позволяют подключать нейронки других компаний