Что ИИ делает за меня каждую неделю. Мои реальные примеры

К пятничному вечеру ресурс на принятие решений у большинства людей стремится к нулю. Неделя истощает силы, и когда наконец наступают долгожданные выходные, единственное, на что хватает энергии, — это выбрать что-то привычное. Так и возникает замкнутый круг: одни и те же 5–7 заведений, меню которых вы знаете наизусть, и вечера, потраченные на бесцельное листание стриминговых платформ в поисках фильма.

Парадокс в том, что нехватка выбора тут ни при чем. Я живу в Майами, одном из кулинарных центров планеты, где в радиусе 20–40 минут пешком или на автомобиле есть десятки мест, где я ни разу не был. Проблема не в дефиците вариантов, а в дефиците сил их искать: читать отзывы, сверять часы работы, сравнивать меню. К моменту, когда выходные наступают, заниматься этим уже просто не хочется.

Я хотел не просто искать быстрее, а не искать вообще, то есть переложить эту рутину на цифрового помощника, который работает 24/7, ничего не забывает и каждый раз понимает мои предпочтения точнее. Я использую Claude в режиме Work: под каждую задачу создается отдельный проект со своей папкой на компьютере, где хранятся все инструкции и накопленный контекст.

Это удобно еще и потому, что даже при смене модели данные никуда не денутся. Принцип запуска везде одинаковый, хотя результат в каждой сфере получается разным.

Кейс первый: гастрономия

Я описал ассистенту ситуацию, что по выходным мы с женой оставляем сына с няней и выбираемся вдвоем, перечислил места, которые нам уже нравятся, чтобы задать систему координат вкуса. Затем добавил жесткие фильтры: радиус поездки и точное время (завтрак в 9:00, обед — около 13:00), иначе в списке оказывались заведения, которые еще до нашего прихода утром закрыты.

После нескольких итераций — уточнял формат, убирал знакомые точки, просил добавить прямые ссылки на Google Карты — получился готовый текстовый пост, который остается скопировать и отправить в мессенджер. Теперь он поступает каждую пятницу в 10:07 утра, и в списке регулярно всплывают места, о которых я не знал за два года жизни в районе.

Кейс второй: кино

Логика та же: вместо абстрактного «Что посмотреть» я задал конкретные ориентиры — сериалы вроде Slow Horses и Severance, жанры приключений и фантастики, жесткое исключение ужасов и чрезмерной жестокости, а также список доступных платформ. По субботам утром поступает короткая подборка с описанием сюжета в паре предложений, и после каждого просмотра я оставляю обратную связь, которая делает следующую выдачу точнее.

Кейс третий: культурная афиша

Я также задал и совсем другие фильтры: концерты, выставки, музейные экспозиции в радиусе 40 минут, отсортированные не по близости, а по значимости, плюс проверка отзывов на профильных площадках и отдельный список для приоритетных мест — например, концертной площадки прямо под моим окном. Теперь по субботам утром поступает структурированная подборка, разбитая по категориям, а не общий список, в котором глаза разбегаются.

Почему это работает лучше секретаря

Главное отличие такого помощника от живого человека — скорость обучения. Секретарю нужно повторять одно и то же множество раз, AI-ассистенту хватает одной коррекции, чтобы он больше никогда не предлагал то, что вы уже отклонили.

В нашей компании мы применяем похожий подход уже четыре года — это позволило автоматизировать 3500 часов ручной работы в год и вдвое повысить окупаемость маркетинга.

Перенос той же логики на личную жизнь работает не менее эффективно: создайте один проект, опишите свой контекст, и ваши выходные перестанут повторяться.