Перейти к содержимому
TelegramGitHub

Claude AI Bible, глава 21: Сценарии по отраслям

Главная мысль: двенадцать отраслей, двенадцать разных наборов продуктов, но схема работы везде одна. Агент берёт объёмную механическую работу, а человек оставляет себе суждение, проверку и ответственность. Лучшие команды не просто требуют проверки: они строят процесс так, чтобы проверка занимала секунды.

Глава отвечает на вопрос, который автору задают чаще всего: как всё это выглядит в моей работе? До сих пор книга разбирала детали: модель, prompt, коннекторы, агентов. В главе 20 из них собирали агентов, а здесь показаны готовые решения целиком. Темы главы:

  • двенадцать кейсов от юристов до некоммерческой организации;
  • что сработало и где пришлось быть осторожным;
  • пять общих нитей и рецепт, как перенести кейс к себе.

На схеме показано, что общего у всех кейсов. Агент делает черновик по материалам компании и помечает то, в чём не уверен, а решение и подпись остаются за человеком.

Общая форма двенадцати кейсов: поток работы идёт к агенту, агент опирается на свои материалы компании, делает черновик со ссылками на источник и помечает неуверенные места, человек проверяет и подписывает результат

Для каждой отрасли автор даёт проблему, настройку Claude, пример с приблизительными цифрами и честный итог. Компании — собирательные образы, но цифры, по словам автора, такие, какие бывают на практике. Продукты в кейсах нарочно разные, поэтому стоит пролистать и чужие отрасли: приём из больницы часто нужен и на складе.

Фирма из двенадцати юристов в Лидсе вела коммерческие споры. В каждом деле приходили тысячи страниц раскрытых документов (discovery), и младший юрист читал их, чтобы найти несколько важных. Большая часть этих часов уходила впустую, и клиенты это видели.

Для каждого дела в Projects (тариф Team) создавали проект: обстоятельства, спорные вопросы и стиль записок. Юристы загружали документы, а Claude пересказывал их, отмечал всё, что касается спорных вопросов, и находил противоречия между документами. Большой context window вмещал сразу и стенограмму допроса, и спорный договор. На деле с 4000 страниц первичный просмотр сократился с 60 часов до 18, и фирма сэкономила примерно £4500 неоплачиваемой работы.

Однако выигрыш дала не сила модели, а структура задачи. Юристы просили отметить каждый документ по вопросам дела, оценить его важность и привести цитату, на которой держится метка. Именно цитата была главной: проверка превращалась из перечитывания документа в сверку одной строки, и юрист принимал метку за секунды.

Сравнение двух процессов: пересказ без ссылок заставляет перечитывать весь документ, а метка с цитатой позволяет сверить одну строку за секунды

При этом Claude не даёт юридических советов. Каждую ссылку и каждое «здесь противоречие» человек проверял до того, как они попадали в процессуальный документ. Claude был для фирмы неутомимым помощником юриста, который иногда неверно читает фразу. Автор предупреждает: нельзя вставлять пересказ в записку клиенту, не прочитав документ, потому что уверенный пересказ неверно понятого пункта выглядит так же, как верный.

Клиника: заметки, которые врачу не пришлось печатать

Заголовок раздела «Клиника: заметки, которые врачу не пришлось печатать»

Четыре врача семейной практики под Портлендом по вечерам печатали заметки о приёмах, и двое из-за выгорания думали сократить часы.

Настройку сделали нарочно осторожной, потому что речь шла о здоровье пациентов. Клиника работала через API у поставщика, который подписал соглашения о защищённых медицинских данных, а prompt caching удешевлял длинный клинический prompt. Запись приёма превращалась в черновик заметки (анамнез, оценка, план) в формате, нужном для счетов. При 22 приёмах в день работа с документами сократилась с двух часов до 35 минут на врача, и это время теперь уходило на правку. Для врачей это вечера с семьёй и причина остаться в профессии.

Здесь у автора самая жёсткая граница в главе: неверная медицинская заметка опаснее неверного рекламного письма. Врач подписывал каждый черновик, а правила работы с данными задали до первой заметки и сверили с docs.claude.com и юристами.

Второе ограничение тоньше: модель знает о пациенте только то, что прозвучало на приёме. Если запись исказила дозировку, заметка аккуратно повторит ошибку, и красивый формат сделает её убедительной. Поэтому врачи отдельно проверяли дозировки, аллергии и план, чтобы почти идеальные черновики не превратили подпись в формальность.

Бухгалтерия: закрытие месяца больше не съедает выходные

Заголовок раздела «Бухгалтерия: закрытие месяца больше не съедает выходные»

Шесть бухгалтеров в Брисбене вели около сорока малых клиентов. Закрытие месяца — это одна и та же сверка и разноска операций, сорок раз подряд и в основном по выходным.

Фирма взяла Cowork с коннектором к таблицам клиентов и два skill: первый разносит операции по плану счетов, второй пишет простое объяснение отклонений для отчёта. Задача по расписанию запускала всё на второй рабочий день месяца. У клиента с 800 операциями разноска сократилась с четырёх часов до 40 минут проверки, а фирма в целом сэкономила около 30 часов в месяц.

Но разноска — это суждение, а не арифметика: отнести расход к капитальным или текущим можно, только зная клиента. Поэтому skill помечал всё спорное, а сотрудник подписывал результат. Агент делал скучные 80% работы, а 20% профессионального суждения остались у специалистов.

Skill лучше хорошего prompt тем, что хранит процедуру фирмы в одном месте. Все работают по одной логике, улучшение вносят один раз, и знания не уходят вместе с младшим бухгалтером. Совет автора: повторяющуюся многошаговую процедуру превратите в skill, ведь выигрыш виден не на первом запуске, а на сотом.

Интернет-магазин: описания товаров со скоростью каталога

Заголовок раздела «Интернет-магазин: описания товаров со скоростью каталога»

Бренд товаров для дома из Копенгагена выпускал товары быстрее, чем копирайтер на полставки успевала описать их на трёх языках в едином голосе бренда.

Решение построили на Batch API, потому что это типичная пакетная задача: сотни товаров, никто не ждёт отдельный ответ, а пакет стоит дешевле. Спецификация товара превращалась в описания на трёх языках, а голос задавали подробный prompt и образцы тона. Партию из 140 товаров, которая раньше занимала почти три недели, модель написала за ночь за несколько долларов, а копирайтер отредактировала её за два дня. Её не уволили, а сделали главным редактором каталога.

Однако флагманские товары, на которых держался сезон, всё равно писали вручную: пакет хорош для длинного хвоста каталога, но не для трёх товаров, которые несут бренд. Кроме того, беглый текст ещё не значит, что он подходит рынку: фраза, удачная по-датски, на другом рынке звучала слишком официально. Поэтому каждый язык проверял носитель. Совет автора: вставьте в prompt два-три лучших текста, написанных людьми, ведь образцы поднимают качество сильнее любых слов о «тоне».

Компания-разработчик: релизы меньшей командой

Заголовок раздела «Компания-разработчик: релизы меньшей командой»

В компании из 25 человек в Остине мелкие исправления, тесты и документация постоянно проигрывали большим функциям. Инженеры запускали Claude Code в репозиториях: по описанию ошибки или небольшой функции агент готовил проверенный pull request. Чаще всего ему отдавали скучную работу, например тесты для старого кода. За квартал он сделал основную работу примерно в 35% принятых pull request.

Каждый pull request читали до слияния. Однажды изменение прошло все тесты, включая новые тесты агента, но сломало другой модуль: агент опирался на поведение, которое изменилось месяцы назад. Вывод автора: пройденные тесты — это довод, а не доказательство. С тех пор агент объяснял свои допущения обо всём за пределами правки. Старший инженер читает его код как работу способного младшего коллеги, который спешил: с уважением и подозрением поровну.

Маркетинговое агентство: исследование без бессонных ночей

Заголовок раздела «Маркетинговое агентство: исследование без бессонных ночей»

Агентство в Торонто, четырнадцать человек, жило питчами, а обзор рынка и конкурентов для каждого стратеги делали по ночам. Cowork собирал материалы из подключённых источников, Claude in Chrome собирал данные с сайтов, где нет выгрузки, а собственный skill агентства переводил всё в его шаблон. Исследование сократилось с 15 часов до 4, и к питчам стали готовиться глубже.

Однако идею, которая выигрывает питч, инструмент не давал, и агентство не путало аккуратную кучу фактов с идеей. Второй урок — делить работу между поверхностями. Cowork подходит для данных из коннекторов и файлов, а браузерный агент требует больше надзора, и это оправдано только там, где данные доступны лишь через веб-интерфейс.

Шесть учителей истории в Манчестере тонули в материалах разного уровня, заданиях и отзывах. Они вели в Projects один проект на тему: программа, цели, уровень чтения класса. Из одного текста получали задания для трёх уровней, вопросы для тестов и схемы отзывов на эссе. Тема о промышленной революции с 30 вопросами заняла 45 минут вместо воскресенья.

Но граница прошла по оценкам: Claude не ставил отметку ученику, ведь это решение с последствиями для ребёнка. Projects подошли потому, что у темы много постоянного контекста: его загружают один раз, и все материалы совпадают по уровню и тону. Автор предлагает учителю попросить две версии материала к уроку: для уровня чтения на два класса ниже и на два класса выше.

Агентство недвижимости: объявления, письма и мелкая рутина

Заголовок раздела «Агентство недвижимости: объявления, письма и мелкая рутина»

Около тридцати агентов в Финиксе тратили много времени на объявления, письма и описания районов. Агентство дало всем claude.ai в тарифе Team и общую библиотеку шаблонов prompt. Объявление стало занимать две минуты вместо двадцати, а каждый агент экономил три-четыре часа в неделю. Риск — в точности и в законах о равном доступе к жилью (fair housing): нельзя преувеличивать достоинства дома и описывать покупателя вместо дома.

Главное новшество было не техническим, а организационным: стиль лучшего автора агентства стал образцом в шаблонах, и вся команда подтянулась к его уровню. Поэтому автор советует сначала спросить, не задача ли это стандартизации, которая только выглядит технической.

Координатор производителя деталей из Штутгарта весь день перепечатывал письма и PDF поставщиков в систему планирования. Pipeline на API использовал зрение (vision) для сканов и вызов инструмента (tool use) для записи в систему. Из документа извлекали поставщика, детали, количества, даты и расхождения с заказом. Всё, что не сходилось, шло координатору, а не в систему.

Ручная работа сократилась с пяти часов в день до 90 минут разбора исключений, а нехватку деталей стали замечать до сборки. Смазанные сканы остались трудными, но система помечала неуверенность, а не угадывала. А координатор стал меньше ошибаться в исключениях, потому что рутина его больше не изматывала.

Служба поддержки: быстрее отвечают те же люди

Заголовок раздела «Служба поддержки: быстрее отвечают те же люди»

Шесть сотрудников поддержки SaaS-компании в Дублине не успевали за ростом обращений и боялись, что «внедрение AI» оставит их без работы.

Поэтому решение сохранило участие человека (human-in-the-loop). Claude через API и коннектор к базе знаний готовил черновик ответа со ссылками на статьи справки, а сотрудник правил и отправлял. Медианное время первого ответа упало с четырёх часов до 40 минут, и никого не уволили.

Черновики были полезны благодаря опоре на статьи компании (grounding): Claude указывал источник каждой части ответа, и проверка шла быстро. Черновик из общих знаний модели ошибался бы так часто, что проще писать заново. После успеха всегда спрашивают, почему не отправлять черновики клиенту сразу, без человека. Для простейших вопросов это допустимо, но из сложных случаев человека не убрали. К чрезмерной автоматизации автор вернётся в главе 22.

Редакция в Мельбурне из двадцати журналистов не доверяла AI: её ценность — точность. Claude использовали в Projects и Cowork только там, где материал уже есть: пересказ длинных документов, расшифровка интервью, сравнение версий отчёта, варианты заголовков к готовому тексту. Бюджет городского совета на 200 страниц превращался в обзор спорных статей бюджета за десять минут, а потом репортёр читал эти места целиком.

Пересказ служил картой, а не заменой чтения, и каждый факт сверяли с источником. Главный приём редактора — записанное правило: Claude может пересказывать и сравнивать, но не создавать факт, которого нет в источнике. Скептическим командам автор советует записать такую же границу, а не убеждать их демонстрациями.

Некоммерческая организация: больше, чем позволяет штат

Заголовок раздела «Некоммерческая организация: больше, чем позволяет штат»

Природоохранная организация в Найроби из девяти человек работала на тарифе Pro с веб-приложением и Cowork. Claude помогал писать заявки на гранты и отчёты, а волонтёр без знания статистики разобрал опросы, для которых иначе нужен был консультант.

За год число заявок выросло примерно вдвое без новых сотрудников, и часть из них получила деньги. Отношения с донорами остались за людьми, а цифры волонтёр перепроверял. По мнению автора, здесь лучше всего видно главное: инструмент снижает порог квалификации, поэтому задача, которая ждала специалиста, становится доступной толковому универсалу.

Во всех кейсах повторяются одни и те же уроки:

  1. Разделение труда. Агент делает механику, человек сохраняет суждение и ответственность. Отдать слишком много опасно, а слишком мало — значит потерять пользу.
  2. Продукт по характеру работы. Риелторам хватило шаблонов, производителю нужен был pipeline на API. Брать самый мощный инструмент без нужды — тоже ошибка.
  3. Люди поднимаются выше. Врачи не ушли, поддержку не уволили, копирайтер получила лучшую должность. Но это выбор руководителя, а не автоматический итог.
  4. Проверка. Неудачные истории, по словам автора, кончались одинаково: кто-то поверил уверенному ответу.
  5. Дешёвая проверка. Цитата у юристов, ссылки в поддержке, пометки у производителя: проверка выживает в загруженный день, только если занимает секунды.

Набор продуктов в кейсах сильно разный:

КейсПоверхностьБылоСтало
ЮристыProjects60 часов18 часов
КлиникаAPI, prompt caching2 часа в день35 минут
БухгалтерияCowork, skill4 часа40 минут
Интернет-магазинBatch API3 неделиночь и 2 дня
РазработкаClaude Code—35% pull request
АгентствоCowork, Chrome15 часов4 часа
ШколаProjectsвоскресенье45 минут
Недвижимостьвеб-приложение20 минут2 минуты
ПроизводительAPI, vision5 часов90 минут
ПоддержкаAPI, коннектор4 часа40 минут

Автор советует копировать схему работы, а не инструмент. Его рецепт из пяти шагов показан на схеме.

Пять шагов переноса кейса к себе: разделить механику и суждение, выбрать самую простую поверхность, опереть модель на свои материалы, решить, где остаётся человек, сделать проверку дешёвой

  • Во всех отраслях агент делает механику, а человек сохраняет суждение, проверку и ответственность.
  • Продукт выбирают по характеру работы: иногда хватает шаблонов, иногда нужен pipeline на API.
  • В медицине, праве и финансах проверка человеком обязательна, а правила работы с данными задают до старта.
  • Если модель опирается на документы компании, черновик достаточно поправить, а не переписывать.
  • Самые прочные выигрыши поднимают людей к более сложной работе, и это решение руководителя.
  • Уверенный ответ выглядит одинаково, верен он или нет, поэтому важное всегда сверяют.
  • Хороший процесс делает проверку дешёвой: цитата, ссылка на источник или пометка неуверенности.
ТерминЗначение
Раскрытие документов (discovery)Этап спора, когда стороны передают друг другу тысячи документов
Участие человека (human-in-the-loop)Человек проверяет результат агента до отправки
Опора на свои материалы (grounding)Модель отвечает по документам компании и ссылается на них
Batch APIПакетные задания API за меньшую цену
SkillПроцедура, которую Claude выполняет одинаково для всей команды
Дешёвая проверкаПроверка за секунды: цитата, ссылка, пометка
  • Разбор файлов поставщиков стройте как в кейсе из Штутгарта: извлекайте поля, сверяйте с заказом, а расхождения отправляйте в очередь исключений, а не в хранилище.
  • Просите модель цитировать строку источника для каждой метки, тогда проверка займёт секунды.
  • Процедуры команды, например проверки качества данных, храните в skill, а не в личных prompt.
  • Описания тысяч колонок для каталога данных генерируйте через Batch API.
  1. Почему просьба привести цитату ускорила работу юристов сильнее, чем сама модель?
  2. Почему медицинская заметка может быть опасной, даже если модель ничего не выдумала?
  3. Когда skill лучше, чем prompt, который каждый пишет заново?
  4. Почему интернет-магазин писал описания флагманских товаров вручную?
  5. Почему автор называет перемещение людей к более сложной работе выбором руководителя?

Предыдущая: Агенты и автоматизация. Следующая: Ограничения, риски и честный прогноз.