Перед тем как рассказывать, как у меня всё устроено, давайте быстренько пробежимся по текущим проблемам внедрения ИИ.
На мой взгляд, сейчас основные проблемы вот такие:
— Далеко не все вообще используют ИИ в своих процессах. Прям далеко не все.
— Переубедить человека хотя бы начать пользоваться ИИ для себя, даже без внедрения в процессы, — уже отдельный сложный квест.
— Ещё сложнее увидеть, какие процессы вокруг тебя вообще можно ИИнизировать.
— И последнее — быть готовым пробовать и понимать, что с первого раза почти наверняка не получится. Но не бросать после первой неудачной попытки.
Теперь пошли по порядку.
Сначала покажу бизнесовые кейсы, потом расскажу, как у меня всё устроено технически.
Я использую GPT, поэтому весь пример будет на нём. Но ничего критичного здесь нет — можете подставлять другие ИИ.
Кейс 1. ИИ знает про проект больше, чем ты сам держишь в голове
Тебе задают вопрос.
Ты думаешь:
«Чтобы ответить, мне надо посмотреть вот эти три документа».
Ты идёшь и смотришь три документа.
Но когда у тебя нормально построена база знаний и автоматически создаются связи между материалами, внезапно оказывается, что с этим вопросом связано не 3 документа, а 15.
Просто про часть из них ты забыл.
Часть видел полгода назад.
А про часть вообще можешь не знать, если над проектом работает команда.
И вот это уже огромный профит всей истории.
Ответ получается не на основе того, что ты сейчас вспомнил, а на основе того, что компания реально знает по этому вопросу.
Вот так, например, выглядит граф моих документов и связей между ними.
Можно навести на конкретный документ и увидеть всё, что с ним связано.
Если решение локальное и база только твоя — ты начинаешь находить ответы на стыке разных проектов и разных областей своей работы.
Если решение командное — ты получаешь доступ к знаниям всей команды и не обязан каждый раз идти дёргать конкретного человека вопросом:
«А помнишь, мы полгода назад что-то обсуждали по этой теме?»
Кейс 2. Собрать несколько старых ТЗ в одно актуальное
У меня есть несколько постановок на разработку одного направления.
Что-то писалось раньше.
Что-то позже.
Что-то уже реализовали.
Где-то поменялось решение.
Где-то документы начинают друг другу противоречить.
Раньше надо было самому всё это открывать и долго собирать в голове.
Теперь я просто даю Codex эти документы и говорю:
«Собери единое актуальное ТЗ. Найди и подсвети все противоречия».
И получаю результат.
Кейс 3. Провести исследование и сразу упаковать результат
Допустим, мне нужно провести исследование по какой-то теме и подготовить результат для команды.
Я формулирую задачу.
Получаю исследование и уже структурированный результат.
Но самая важная часть здесь даже не в том, что ИИ умеет искать информацию.
Это уже умеют почти все.
Крутость в том, что во время исследования он автоматически учитывает весь контекст моего проекта и моей базы знаний.
То есть исследование делается не в вакууме.
ИИ уже понимает, что мы делали раньше, какие решения принимали, какие есть ограничения, какие гипотезы проверяли и что лежит в связанных документах.
Кейс 4. Из ТЗ сразу в кликабельный прототип Figma
Мне нужно сделать прототип функционала для демонстрации.
Я говорю Codex подключиться к моей Figma через MCP.
Даю ссылку на Figma.
Скидываю ТЗ.
Добавляю пару скринов текущего интерфейса и говорю примерно так:
«Собери похоже. Мне сейчас не нужен идеальный дизайн, главное — протестировать пользовательские пути».
Он собирает.
А в самой Figma получается уже кликабельный прототип.
И этот прототип уже можно не обсуждать абстрактно на созвоне.
Можно дать пользователю и посмотреть:
понятно / непонятно;
нажимает / не нажимает;
проходит сценарий / не проходит.
Кейс 5. Вот здесь начинается настоящая ИИнизация
Для меня это вообще самое важное место во всей истории.
ИИ постоянно находится в контексте проекта.
И при этом я могу работать с ним не только через текст, но и через визуальный интерфейс — например, Figma.
В Obsidian у него лежат знания по проекту.
В Figma лежит визуальное представление продукта.
Там же он может рисовать схемы, собирать UI-kit и создавать новые экраны уже по существующим стандартам.
Например, мой UI-kit:
Причём я могу руками что-то изменить в Figma.
После этого Codex увидит мои изменения и продолжит работу уже с их учётом.
И вот это место для меня — самая соль всей истории.
ИИнизация компании — это не когда сотрудники иногда открывают ChatGPT и просят:
«Напиши мне письмо».
И не когда компания купила десять разных AI-инструментов.
ИИнизация начинается, когда весь рабочий цикл находится в едином контексте, работает с единой базой знаний и соблюдает единые стандарты.
Исследования знают про требования.
Требования знают про исследования.
Прототип знает про требования.
Разработка знает про прототип.
Обратная связь знает про решение.
Метрики знают про результат.
И всё это не существует отдельными кусками в головах разных людей.
Дальше Codex может сверстать продукт, отдать мне файлы, я загружаю их на сервер — и вуаля, сайт уже в онлайне.
Вот примерно так сейчас всё работает у меня.
Что в итоге даёт вся эта методология
Если коротко, я вижу четыре основных профита.
1. Доступ ко всем знаниям команды
Не только к тем документам, про которые ты сейчас вспомнил.
В идеале у всех участников появляется примерно единый уровень понимания того, что происходит с проектом.
2. Меньше коммуникации ради коммуникации
Меньше созвонов.
Меньше переписок.
Меньше вопросов «а почему мы тогда так решили?».
Меньше согласований информации, которая уже где-то была зафиксирована.
3. Автоматизация практически всей работы в течение дня
Не одной конкретной задачи.
А цепочки задач.
Вот это принципиальная разница.
4. Радикальное ускорение цикла
Идея → тест → производство → обратная связь → анализ.
И потенциально весь этот цикл можно ужать буквально до 2–3 дней.
Ну вот, накидал несколько кейсов и показал, как сейчас всё устроено у меня.
Если будут вопросы — пишите.
С удовольствием помогу разобраться с тем, какие процессы вообще можно ИИнизировать и как подойти к внедрению.
Потому что, как мне кажется, мы уже подошли к довольно интересному рубежу:
один человек постепенно получает возможность быть целой компанией.
В 2027 году попробую вам это показать на практике.
Хотя, может быть, успею даже раньше — к концу 2026-го.
Как выглядит мой рабочий процесс сейчас
На текущий момент я дошёл до ИИнизации примерно такого цикла:
идея → мозговой штурм → анализ рынка → анализ конкурентов → анализ аудитории → создание бизнесовых и функциональных требований → создание кликабельного прототипа в Figma → демонстрация заинтересованным сторонам и пользователям → запись созвона → анализ обратной связи → корректировка БФТ → передача в разработку.
Причём практически на каждом этапе работает ИИ.
После демонстрации я беру:
— запись созвона;
— прототип;
— существующие БФТ;
и закидываю всё это в Codex.
Он учитывает обратную связь, находит противоречия и корректирует постановку для разработки.
После этого БФТ уже уходит разработчикам.
Что дальше
Следующий этап для меня:
— дать ИИ доступ к коду;
— подключить бизнес-метрики;
— автоматизировать сбор пользовательской обратной связи.
По сути, это позволит замкнуть весь цикл проекта.
От идеи до продакшена и обратно к данным и пользователям.
И вот здесь есть важный момент.
В чужих компаниях сделать такое сильно сложнее.
Боятся. Не понимают. Не хотят давать доступы. Есть безопасность, регламенты, инфраструктура, привычки людей и куча других ограничений.
Поэтому в найме я сейчас в первую очередь ИИнизирую собственную работу.
А вот в своём проекте уже можно строить всю деятельность сразу вокруг ИИ — от идеи до релиза.
Как всё настроено технически
1. Устанавливаем Codex
Первое — ставим Codex локально на ноутбук.
Отмечу, что сейчас отдельного приложения Codex уже нет, хотя раньше было. OpenAI объединил ChatGPT и Codex в одном приложении, а раздел Codex сейчас называется «Работа».
Для меня тут принципиальный момент: использовать именно локальное приложение, а не веб-версию.
2. Ставим Obsidian
Следом устанавливаем Obsidian. Он тоже работает локально на ноутбуке.
Для меня Obsidian — это база знаний. По сути, библиотека всех документов, связанных с работой и проектами.
У него есть плагины и платная синхронизация через облако. Это уже пригодится, если вы захотите сделать такую базу знаний не для одного человека, а для всей команды.
И тут уже начинаем учиться работать через Codex.
Приложение я руками не ставлю. Я говорю Codex примерно следующее: установи Obsidian и настрой подключение к нему.
Вообще у меня есть отдельное правило работы с ИИ.
Перед тем как попросить его что-то сделать, я сначала спрашиваю:
«Как это сделать?»
Мне важно сначала самому понять, как будет устроен процесс. И только после этого я говорю:
«Теперь сделай это».
3. Codex + Obsidian
На этом этапе у нас:
— установлен Codex;
— установлен Obsidian;
— между ними настроена связь.
Теперь начинается более интересная часть.
4. Настраиваем методологию базы знаний
Не так давно Андрей Карпатый описал подход к тому, как должна быть устроена база знаний для работы с ИИ:
Методология LLM Wiki — Андрей Карпаты
Я просто кидаю эту ссылку в Codex и прошу его изучить подход и создать файл AGENTS.md, в котором будет описано, как ему работать с моей базой знаний.
После этого AGENTS.md помещается в Obsidian.
5. Codex сам создаёт структуру базы
Дальше я говорю Codex:
«Начни работать по методологии, описанной в AGENTS.md».
Он сам создаёт структуру папок.
Если очень коротко, две ключевые:
raw — первоисточники.
Туда попадают исходные документы, записи, исследования и другие материалы. ИИ их не переписывает и не редактирует. Туда файлы добавляю я руками либо автоматизацией.
wiki — синтетическая база знаний.
Сюда уже складываются документы, которые Codex создаёт сам: выводы, связи, обобщения, описания решений, выжимки и так далее.
6. Использую максимально сильную модель
Отдельно обязательно отмечу этот момент.
Я практически всегда использую последнюю доступную модель ИИ. На текущий момент у меня это GPT-6 с уровнем рассуждения «Очень высокий».
Да, это дороже и медленнее.
Но если задача связана с исследованиями, архитектурой продукта, анализом большого количества документов или принятием решений — для меня качество важнее нескольких лишних секунд.
7. Ну всё. База настроена. Где магия?
Вот теперь начинается самое интересное.
Отдельно рекомендую поставить пакет скиллов:
Compound Engineering — пакет навыков
Я его использую постоянно. Дальше на кейсах будет понятно почему.
И снова — руками ничего ставить не нужно.
Кидаете ссылку в Codex и говорите:
«Установи».
Всё.