Последние пару лет я работаю Data Science и Data Analytics консультантом. Мои клиенты — компании и стартапы из разных стран мира.
Сегодня я убежден: неважно, кто ты по профессии — юрист, рекрутер, продакт-менеджер или дизайнер — обязательное условие для работы в 2025 году: ты должен быть AI-first и на 100% интегрировать разные ИИ-инструменты и подходы в свои рабочие процессы.
Почему это критично прямо сейчас?
За последний год я увеличил свою продуктивность в 3-4 раза благодаря правильному использованию AI-инструментов. То, что раньше занимало несколько дней исследований, теперь делаю за день. Проекты, которые требовали команды из 2-3 человек, теперь выполняю один.
В этом посте я расскажу о своих топ AI инструментах, которые я использую каждый день, плюс дополнительные инструменты для специфических задач.
NotebookLM: мой персональный Researcher
Что это: Google NotebookLM — это инструмент, который превращает любые документы в интерактивную базу знаний. Загружаешь файлы, и ИИ создает из них подкасты, составляет карточки для изучения, отвечает на вопросы по содержанию. С недавних пор появилось и мобильное приложение.
Как использую каждый день:
- Анализ новых пейперов Помогает быстро посмотреть содержание всех современных рисерчей для выбора тех, которые стоит изучить более глубоко.
- Быстрое изучение видео на ютубе Не люблю смотреть и слушать длительные выступления на тематических конференциях. Поэтому загружаю видео в NotebookLM и читаю самую суть.
- Конспекты книг Делаю удобные конспекты книг в NotebookLM.
Study Guides — автоматом создает:
- Timeline ключевых событий
- FAQ по теме книги
- Mind maps связей между концепциями
- Comparative analysis таблицы
Конкретный пример результата:
Недавно был очень большой контракт на 50 страниц на английском языке, и было очень сложно ориентироваться в нем для поиска важных частей договора: подробные положения о выплатах, возмещаемых расходах, страховании и так далее. NotebookLM мне очень упростил навигацию по документу.
Основной плюс NotebookLM, что он не галлюцинирует, не выдумывает факты, а опирается на материал который вы ему предоставили.
Вот вам примеры хороших промптов для NotebookLM:
Поиск противоречий:
- «Сопоставь выводы из разных источников — где они расходятся и почему?»
- «Выяви конфликтующие данные между исследованиями и объясни возможные причины»
Анализ трендов:
- «Какие закономерности повторяются в большинстве источников?»
- «Определи 3 самых значимых тенденции и их потенциальное влияние»
Стратегический анализ:
- «Построй SWOT-матрицу, используя все собранные данные»
- «Проведи gap-анализ между текущим состоянием и желаемыми результатами»
Промпты для комплексного исследования:
Скрытые инсайты:
- «Выдели 5 неожиданных закономерностей, которые не лежат на поверхности»
- «Найди паттерны, которые могут быть неочевидны при поверхностном анализе»
Пробелы в данных:
Практические рекомендации:
- «Определи критические недостатки в исследовании и способы их устранения»
- «Какие важные аспекты остались неизученными?»
- «Сформулируй action plan с приоритизацией задач по модели Jobs-to-be-Done»
- «Создай roadmap внедрения с указанием срочности и важности каждого действия»
Эти формулировки помогут получить более структурированный и практичный анализ данных.
Ограничения NotebookLM: Работает только с документами до 500 страниц каждый, максимум 50 источников. Иногда может быть медленным при обработке больших файлов.
Cursor: VibeCodig
Что это: Cursor — это IDE (среда разработки), которая работает как твой персональный программист. Ты описываешь, что нужно сделать, а ИИ пишет код прямо в редакторе.
Мой путь к Cursor: Я умею программировать, но я очень слабо разбираюсь в бэкенде и фронтенде и вот тут Cursor отличный помощник для создания своих проектов и сервисов.
Как использую каждый день:
- Создание и доработка веб-сервисов
- Разработка телеграм ботов
- Интеграция с API различных платформ
- Автоматизация рутинных задач через скрипты
Конкретный пример: За последний месяц создал с помощью Cursor:
- Телеграм-бот для аналитики лиг в фентези футболе и вывода сложности календаря команд
- Демо веб-сервис для A/B тестирования email-кампаний
- Медицинский бот для сбора анамнеза пациентов
Продвинутые техники работы с Cursor:
- Итеративная разработка: Начинаю с минимальной версии, затем пошагово добавляю функциональность
- Контекстные комментарии: Описываю бизнес-логику в комментариях, Cursor лучше понимает задачу
- Использование @-команд: @docs для обращения к документации, @codebase для работы с существующим кодом
Совет: Не стесняйтесь описывать задачу бизнес-языком. Cursor отлично понимает техническое задание на русском. Вместо «создай pandas DataFrame с методом group_by» просто скажите «сгруппируй данные по клиентам и посчитай среднюю стоимость заказа».
Ограничения Cursor: Требует базового понимания программирования для отладки. Подписка стоит $20/месяц для Pro-версии. Иногда генерирует избыточный код, который нужно оптимизировать.
Claude: мой универсальный помощник
Что это: Claude — это ИИ-ассистент от Anthropic, который может поддержать разговор на любую тему, написать текст, проанализировать данные, помочь с решением проблем.
Почему именно Claude: Я работал с ChatGPT, Gemini и десятком других моделей. У каждого есть свои сильные стороны, но Claude выделяется способностью к аналитическому мышлению и работе со сложными данными. Он лучше понимает контекст бизнес-задач, меньше галлюцинирует на технических вопросах и дает более структурированные ответы. И самое важное лучше работает с кодом и бизнес требованиями к коду.
Мои основные use cases для Claude:
- Техническое документирование: Создание ТЗ, архитектурных решений
- Обработка данных: Анализ CSV-файлов, создание интерактивных графиков
- Коммуникация: Составление писем, презентаций, предложений для клиентов
- Обучение и менторинг: Объяснение сложных концепций, разбор кейсов
Конкретные метрики использования:
- Время на подготовку презентации для клиента сократилось с 6 часов до 2-3 часов
- Качество технической документации выросло (по отзывам) на 40%
- Скорость анализа данных увеличилась в 2 раз
Мой текущий рабочий процесс LLM для генерации кода:
Кратко: Мозговой штурм и разработка спецификации, затем планирование плана, а потом выполнение с помощью генерации кода через LLM или Cursor
Шаг 1: Оттачивание идеи Используйте диалоговую LLM для уточнения идеи:
«Задавай мне по одному вопросу, чтобы мы могли разработать подробную, пошаговую спецификацию для этой идеи. Вот идея: <IDEA>»
Шаг 2: Планирование
«Составь детальный пошаговый план реализации этого проекта. Как только у тебя появится твёрдый план, разбей его на небольшие, итеративные блоки, которые логически следуют друг за другом. <SPEC>»
Шаг 3: Реализация Используем Cursor или промпты из шага 2.
Repomix — мой секретный помощник для работы с чужим кодом
Что это: Repomix — это CLI-инструмент, который упаковывает весь репозиторий в один файл, подготавливая его для анализа AI-моделями. Берет всю структуру проекта, код, README, документацию и создает единый контекст.
Зачем это нужно: Когда мне нужно быстро разобраться в чужом проекте или помочь клиенту с existing codebase, обычный подход занимает часы. Приходится изучать архитектуру, читать документацию, понимать dependencies, искать entry points.
Мой workflow с Repomix:
- Быстрый анализ проектов клиентов:
npx repomix path/to/client-project --output analysis.txt
Загружаю получившийся файл в Claude и получаю:
- Архитектурный обзор за 5 минут
- Выявление потенциальных проблем
- Рекомендации по оптимизации
- План доработки/рефакторинга
- Onboarding в новые проекты: Вместо недели изучения legacy codebase, получаю понимание архитектуры за пару часов.
- Code review автоматизация: Генерирую чек-листы потенциальных проблем и улучшений для команды разработки.
Продвинутые техники использования:
Сравнительный анализ:
repomix old-version/ --output old.txt repomix new-version/ --output new.txt
Затем Claude сравнивает версии и выдает changelog с анализом влияния изменений.
Генерация документации: Репо → Repomix → Claude → автоматическая техническая документация с диаграммами архитектуры.
Security audit: Загружаю упакованный код и прошу Claude найти потенциальные уязвимости, hardcoded secrets, небезопасные практики.
Плюсы Repomix:
- Скорость: мгновенный обзор любого проекта
- Полнота контекста: AI видит весь проект целиком, а не фрагменты
- Универсальность: работает с любыми языками программирования
- Простота: одна команда — и готово
Минусы и ограничения:
- Размер файлов: большие проекты могут превысить лимиты AI-моделей
- Конфиденциальность: нужно быть осторожным с proprietary code
- Качество анализа: зависит от того, насколько хорошо написан исходный код
- Не заменяет deep dive: для серьезных изменений все равно нужно детальное изучение
Практический совет: Используйте .repomixignore файл чтобы исключить node_modules, build артефакты, тесты — так AI сможет сфокусироваться на бизнес-логике.
v0.app — генерация интерфейсов одним промптом
Что это: v0 от Vercel — это AI-инструмент для генерации React-компонентов и полных интерфейсов. Описываешь, что нужно на естественном языке, получаешь готовый код с современным дизайном и полной функциональностью.
Почему это революция для моей работы: Раньше создание landing page или прототипа интерфейса занимало 1-2 дня, даже с использованием готовых шаблонов. Нужно было думать о верстке, стилизации, responsive дизайне, accessibility. Теперь от идеи до working prototype — 15-30 минут.
Мои основные сценарии использования:
- Быстрые MVP для клиентов: Промпт: «Create landing for this product. Use Presentation»
Результат: Полностью готовый responsive landing с современным дизайном, анимациями, корректными цветами и типографикой.
Так же использовал в небольшом своем проекте fpltools

За последние 3 месяца создал с помощью v0:
- 3 landing pages для клиентов и своих проектов
Workflow интеграции v0 + Cursor:
- Генерирую базовую структуру в v0
- Экспортирую код в Cursor
- Дорабатываю бизнес-логику и интеграции
- Деплою через Vercel
Практические промпты для v0:
Для landing pages:
«Создай modern landing page для [тип продукта]. Включи hero с gradient background, features section с icons, testimonials carousel, pricing table с highlight рекомендуемого плана, FAQ accordion, footer с social links. Используй цветовую схему [цвета]. Стиль: минималистичный/tech/corporate»
Для dashboards:
«Сделай analytics dashboard для [тип бизнеса]. Нужны: sidebar navigation, top metrics cards, revenue chart, recent activity table, user growth graph, notifications panel. Dark theme, responsive design»
Для forms:
«Создай multi-step registration form: personal info → company details → plan selection → payment. Включи progress indicator, validation, smooth transitions между steps»
Плюсы v0:
- Скорость: от идеи до prototype за минуты
- Качество кода: чистый, современный React/Next.js код
- Современный дизайн: автоматически следует current design trends
- Responsive: все компоненты адаптивные из коробки
- Кастомизация: легко модифицировать под конкретные нужды
Ограничения:
- Подписка: $20/месяц для полного функционала
- Зависимость от Vercel ecosystem: лучше всего работает с их стеком
- Ограниченная сложность: сложные интерактивные элементы могут требовать доработки
- Генерация не всегда предсказуема: иногда нужно несколько итераций для нужного результата
Реальные результаты AI-first подхода
За последние 12 месяцев благодаря интеграции AI-инструментов:
Операционные метрики:
- Время на research сократилось в 2 раза
- Скорость создания MVP увеличилась в 2-3 раза
- Качество документации выросло (субъективная оценка) на 50%
Практические советы для начинающих
1. Начните с решения вашей самой болезненной проблемы
Не пытайтесь освоить все сразу. Если постоянно изучаете новые предметные области — попробуйте NotebookLM. Если много рутинных задач — начните с Claude для автоматизации.
2. Относитесь к ИИ как к джуниору с суперспособностями
Не ожидайте идеальных результатов с первого раза, но помните — этот джуниор работает 24/7, знает все языки программирования и читает со скоростью света. Уточняйте контекст, просите переделать, объясняйте бизнес-требования.
3. Создавайте библиотеку промптов для типовых задач
Когда найдете формулировку, которая дает отличный результат, сохраните ее как шаблон. У меня есть проверенные промпты для анализа A/B тестов, объяснения результатов ML-моделей бизнесу и создания client proposals.
4. Выходите за рамки очевидного применения
ИИ может гораздо больше, чем кажется. Например: попробуйте загрузить в NotebookLM записи совещаний — получите структурированные инсайты и action items.
5. Измеряйте результаты
Ведите трекинг времени до и после внедрения каждого инструмента. Это поможет понять ROI и оптимизировать процессы.
6. Стройте AI-first рабочие процессы
Самая большая магия происходит, когда вы используете несколько ИИ-инструментов как единую систему. NotebookLM для быстрого погружения в предметную область → Claude для анализа требований и планирования архитектуры → Cursor для реализации технического решения → снова Claude для перевода результатов в бизнес-выводы.
Инструменты, которые не прижились: честный опыт
n8n — красивая идея, сложная реализация
n8n позиционируется как no-code платформа для автоматизации workflows — визуальный редактор, где можно соединять различные сервисы и API без программирования. Звучит идеально для моих задач интеграции данных и автоматизации процессов.
Почему попробовал: Хотел автоматизировать pipeline сбора данных от клиентов: Google Sheets → обработка → отправка отчетов в Telegram/Email. Казалось, что n8n идеально подходит.
Что пошло не так:
Крутая кривая обучения: Несмотря на «no-code» позиционирование, для эффективной работы нужно понимать REST API, webhooks, форматы данных. Парадокс: если ты это понимаешь, то проще написать код.
Debugging nightmare: Когда workflow ломается (а он ломается часто), найти проблему крайне сложно. Нет нормальных логов, error messages неинформативные. Потратил 4 часа на отладку того, что в коде исправляется за 15 минут.
Performance проблемы: При обработке больших объемов данных (10k+ записей) workflows начинают тормозить и падать. Self-hosted версия требует серьезных ресурсов.
Vendor lock-in: Логика бизнес-процессов заперта в визуальных схемах n8n. Миграция на другое решение = переписывание всего с нуля.
Финальный вердикт: После 2 недель экспериментов вернулся к связке Python скриптов + cron jobs + простые bash scripts. Получилось быстрее, надежнее и гораздо более гибко.
Урок: No-code решения отлично работают для простых, стандартных сценариев. Но как только появляются специфические требования, традиционное программирование (особенно с помощью Cursor) оказывается эффективнее.
Подводные камни и как их избежать
Over-reliance на ИИ: Всегда проверяйте критически важные факты и решения. ИИ — это инструмент усиления, а не замещения вашего мышления.
Игнорирование privacy: Не загружайте конфиденциальные данные клиентов в публичные AI-сервисы без их согласия.
Отсутствие версионирования: Сохраняйте промпты и процессы, которые работают. AI-модели обновляются, и результаты могут меняться.
Перфекционизм: Не ждите идеального результата с первой попытки. Итерируйте и улучшайте процессы постепенно.
Краткие выводы
Не ждите «идеального момента». Лучший способ понять возможности ИИ — начать использовать его прямо сейчас. Начните с простых задач, постепенно усложняйте процессы и увидите, как ваша профессиональная ценность выйдет на новый уровень.
P.S. Если у вас есть вопросы о внедрении AI-инструментов в вашей сфере или хотите поделиться своим опытом — пишите в комментариях. Всегда рад обсудить практические кейсы и поделиться инсайтами.