Банк кейсов: до / после

Раздел Практикума. Проверено: 2026-06. Реальные приёмы из сообществ, где люди делятся ИИ-кейсами. Это не верифицированные бизнес-кейсы, а полевые самоотчёты — цифры даны как самооценка участников, мы их не перепроверяли. Берите паттерн (как человек поставил задачу и как проверил), а не цифру.

Критерий отбора — тот же, что у самого сообщества: обычный человек должен суметь повторить кейс по описанию. Поэтому ниже не «вау-обвязка», а простые приёмы. У каждого — четыре поля: что на входе, как раскладывали, что вышло, где нужна проверка.

Источник примеров: полевые самоотчёты сообществ в Telegram (фев–июн 2026). Авторы обезличены. Все цифры ниже — самооценка участников, не независимо подтверждённые результаты.

Работа и бизнес

1. Договор и закупка: позиция со ссылками на закон

Вход: условия (T&C) подрядчика и заказчика, страна изготовления и установки оборудования.
Процесс: ИИ сравнил условия, подтянул применимое право, собрал позицию с цитатами; человек правил и отправлял ответы сам.
Результат (самооценка): спор, тянувшийся месяцами, сдвинулся; в другом похожем кейсе стоимость годового контракта пересмотрели вниз. Цифры — со слов авторов.
Проверка: юридические ссылки и формулировки сверяйте с первоисточником/юристом; решение — ваше.

2. ICP «через отрицание»: кого НЕ брать в клиенты

Вход: профиль компании-кандидата, критерии вашего идеального клиента.
Процесс: вместо «почему подходит» просили искать причины отклонить — не тот размер, рынок, продукт. Приём против подтверждающего смещения.
Результат (самооценка): точность квалификации лидов заметно выросла (со слов автора).
Проверка: финальное решение по сумме «за и против» — на вас; модель лишь расширяет список «против».

3. Подготовка к встрече: репетиция вопросов

Вход: обезличенные роли и материалы участников (CFO, операционный директор и т. п.).
Процесс: загрузили роли, попросили сыграть вторую сторону и задавать сложные вопросы; прогон «всухую», в том числе голосом по дороге.
Результат (самооценка): значительная часть реальных вопросов была предугадана; «мёртвое время» перед встречей стало репетицией.
Проверка: это dry-run, не сценарий; живая встреча всё равно пойдёт иначе.

4. Извлечь цифры из живой переписки

Вход: архив сообщений, где суммы написаны в разных форматах и смыслах.
Процесс: попросили классифицировать и свести суммы в таблицу с приведением к одному формату.
Результат (самооценка): на проверенной выборке ошибочной оказалась одна строка из ~30.
Проверка: ручная выборка обязательна — модель путает форматы чисел.

Личные задачи

5. Претензия по бракованному товару

Вход: данные о товаре и дефекте (часть — из подключённой почты/диска).
Процесс: ИИ собрал факты, описал шаги и подготовил черновик претензии; отправляет человек.
Результат (самооценка): почти готовый и аккуратный черновик без ручной сборки фактов.
Проверка: факты и адресата сверьте; кнопку «отправить» нажимаете вы.

6. Покупка под жёсткие ограничения

Вход: ниша по размеру, совместимость с имеющейся техникой, бюджет.
Процесс: просили не «лучшую» модель, а подходящую под все ограничения, с одним риском на вариант.
Результат (самооценка): выбор подошёл; ограничения оказались важнее абстрактного «найди лучшее».
Проверка: цены и наличие — на дату, по магазину; их модель выдумывает.

7. Личная память: read-it-later, который не забывается

Вход: поток ссылок, которые обычно сохраняешь и теряешь.
Процесс: бот сохраняет ссылку, пишет 10–20 строк «зачем это полезно» и «как ещё это может называться», делает ежедневный дайджест и семантический поиск.
Результат (самооценка): борется не с чтением, а с забыванием — позже находишь то, что не вспомнил бы как запрос.
Проверка: полезность паттерна ясна; долгий эффект автор сам не доказывал.

8. База знаний из статей (для специалиста)

Вход: десятки профильных статей/PDF.
Процесс: сложили в локальную базу, задают запросы, получают обзоры с формулами, диапазонами и ссылками на первоисточники.
Результат (самооценка): обзор, на который вручную уходили 1–2 дня, собирается за ~30 минут.
Проверка: автор прямо предупреждает — детали и физику проверять; модель пересказывает и плохо экстраполирует.

Анти-кейсы: где приём ломается

Эти границы — не «против ИИ», а ровно то, что превращает промпт в результат: знать, где обязателен человек.

Где осторожно	Что показывает практика
Медицина без врача	Даже с хорошим промптом пользователь с медобразованием предупреждает: заметная часть медицинских ответов может быть неверной. ИИ — подготовка вопросов к врачу, не диагноз.
Скрытая запись встреч	Транскрипт и summary полезны, но скрытая запись может быть неэтичной/незаконной: согласие, NDA, биометрия, локальное хранение.
Сложные «авто-пилоты»	Чем сложнее обвязка и чем сильнее надежда убрать человека на 100%, тем больше провалов и работы по проверке (eval).
Техзадание в инженерии	В ИИ-сгенерированном ТЗ встречаются физически неверные требования; без эксперта доходит до многих итераций согласования.
Чужой кейс ≠ ваш навык	Библиотека примеров не заменяет владение инструментом — как разговорники не заменяют язык. Поэтому здесь метод, а не список «волшебных» промптов.

Пришлите свой кейс

Банк живёт присланными приёмами. Если ИИ сэкономил вам часы — или уверенно подвёл — расскажите: что за задача, промпт/приём, что получилось, как проверяли. Хороший кейс воспроизводим обычным человеком; лозунги без деталей не подходят (см. предупреждение в начале страницы).

Куда: автору в LinkedIn или через GitHub. Публикуем без имён (или с именем — как попросите), с пометкой «самооценка участника».

Дальше

Соберите свой запрос по шаблонам и методу CLEAR.
Разберите свою профессию — промпты «исследуй свою профессию».

Версия: 2026-07-09. ⚠️ Все цифры выше — самооценки участников, не подтверждённые независимо. Проверяйте факты и не переносите чужие метрики на себя как обещание.