Я, Арина Михална, предприниматель, маркетолог и человек, который платит $200 в месяц за подписку на Claude, разобрала семь типовых ошибок в работе с нейросетями — и все они реально влияют на результат. Если ваш ИИ несёт тотальную дичь, галлюцинирует или сжигает токены впустую — скорее всего, дело именно в этом. Ниже каждая ошибка с конкретными примерами из практики и инструкцией, что делать прямо сейчас.

Быстрый запрос без контекста

Самая распространённая ошибка — прийти к Claude, ChatGPT, Gemini или любой другой нейросети и написать: «Сделай мне стратегию по выходу на миллион долларов оборота». Звучит конкретно? Для нейросети — нет. Она вполне может ответить буквально: «Миллион оборота — это 10 клиентов по $100 тысяч. Вот ваша стратегия». Формально верно, практически полный отстой.

Проблема та же, что и при постановке задачи живому сотруднику: без вводных данных задача не решаема. Если хотите реальную стратегию, нейросети нужен контекст. Вот что я загружаю в таких случаях: ниша, срок, бэкграунд, резюме с HeadHunter, управленческий опыт, выгрузка из Telegram-канала, чтобы она понимала, как я мыслю, список авторов, которых читаю, предрасположенности. Всё это можно дополнить чем угодно — тем, что о вас в детстве говорила мама, что говорит ваш ментор или врач. Неважно. Главное — залить максимум.

Для маркетинговой стратегии минимальный пакет данных выглядит так: цена клиента, цена лида, LTV, текущий оборот, сколько времени шли к нему, действующие каналы лидогенерации. Стратегия делается не из воздуха — нейросеть строит её на основании анализа целевой аудитории, конкурентов, трендов, SWOT, PESTEL. Без исходных данных это просто шум.

Правило простое: неадекватное количество контекста — это норма, не перебор. Особенно когда вы начинаете общаться с нейросетью с нуля.

человек передаёт нейросети стопку документов и выгрузок

Работа без референсов

Это критично прежде всего для визуальных продуктов: дизайн презентаций, лендинги, карточки товаров, карусели, монтаж видео. Недавно я отдавала монтаж в Claude Code. Вот что я ему передала: «Зайди в мой Instagram — да, запрещённая соцсеть, знаю — посмотри, как выглядел монтаж раньше. Вот ошибки. Вот правки от клиента. Вот ТЗ. Вот зипка с материалами. Вот референсы. Вот ещё куча правок». Результат получился неплохой — он всё сделал, потому что понял, чего я хочу.

Если вы нанимаете дизайнера в агентство — первое, что вам пришлют, это ссылка на Google-форму с брифом: что за дизайн-система, какая айдентика, что ок, что не ок. Наша задача на старте — собрать максимум информации о клиенте и о том, что у него в голове. С нейросетью работает та же логика: дайте максимум информации о проекте, о себе, о желаемом и нежелаемом результате.

Важный нюанс, который многие пропускают: давайте не только позитивные референсы, но и негативные. «Вот так точно не делай». «Здесь мне нравится вот это, а вот это — нет». Чем подробнее ТЗ, тем лучше результат — это работает и с живым дизайнером, и с нейросетью.

два столбца — зелёный «нравится» и красный «не нравится» с примерами

Монолог вместо диалога

Некоторые люди думают: заброшу запрос — получу ответ, зачем тратить время на общение. Это ошибка.

Нейросеть умеет задавать уточняющие вопросы, но делает это не всегда сама. Поэтому я всегда в конце любого запроса пишу что-то вроде: «Родной, задай мне уточняющие вопросы. Как ты думаешь, что может улучшить наш контент-план? Что тебе ещё нужно от меня при условии, что в этом месяце у меня такая-то поездка, такое-то выступление, такой-то запуск? Дай максимум вопросов, чтобы я дала тебе ещё больше контекста».

Это превращает работу в синергию. Я задаю задачу, он задаёт вопросы, я отвечаю — и он работает значительно лучше, потому что получает информацию, которую я сама бы не додумалась дать сразу. Именно так выстраивается нормальная командная работа над максимально крутым результатом.

Слепая вера в первый ответ

Получили ответ — и сразу берёте в работу. Одна из самых дорогостоящих ошибок.

Первое, что я делаю с любым результатом: прошу нейросеть стать адвокатом дьявола — раскритиковать собственный ответ. Найти опровергающие исследования. Найти точки роста. Найти слепые зоны и зыбкую почву, которая в какой-то момент может провалиться.

Это работает для чего угодно: написали пост в Telegram или построили стратегию на 10 лет — неважно. Нейросеть отлично справляется с анализом в обе стороны: если она что-то проанализировала «за», она так же хорошо проанализирует «против». Вы сразу же на этапе создания находите те опасные подводные камни, о которые можно споткнуться потом.

Помимо роли адвоката дьявола — просто давайте правки. Я достаточно компетентна в том, что прошу сделать, поэтому когда вижу косяк, говорю прямо: «Родной, ты тут прокосячил, сделай лучше». И он делает. Пока нейросети ещё не стали сверхинтеллектом — а это случится довольно скоро, но пока не случилось — экспертный человек рядом, который валидирует результат, нужен. Это наша с вами работа.

Не проверяете источники

Это отдельная ошибка, не путайте её с предыдущей. Здесь речь о том, что вы вообще не интересуетесь, откуда взялась информация в ответе.

Нейросеть может галлюцинировать в любой момент. Особенно если вы изначально не обучили её делать фактчекинг. Мой Claude обучен всегда указывать источник: «Я взяла эту информацию отсюда, вот ссылка, иди посмотри». Но даже это не гарантия — и вот оговорка, которую важно держать в голове. Источники могут быть нерелевантными, сделанными другой нейросетью на коленке, устаревшими или просто сомнительными. Нейросеть точно так же, как мы с вами, гуляет по всяким помоечным сайтам в интернете и вытаскивает оттуда информацию — и эта информация может быть абсолютно сомнительной.

Если работаете с чувствительными темами, данными, медициной, финансами или пишете диплом — всегда проверяйте источники вручную. Не потому что нейросеть плохая, а потому что это ваша ответственность.

Один чат на всё

Запомните как аксиому: одна задача — один чат.

Чем больше всего накапливается в одном чате, тем хуже сразу три вещи: качество ответов — нейросеть начинает галлюцинировать, скорость работы — начинает жёстко висеть при большом объёме информации, и расход токенов — сгораете гораздо быстрее.

В Claude Code я иногда работаю в одном чате над большой задачей — например, делаем сайт: картинки, айдентика, вёрстка, структура — и он сам запускает нужных агентов. Это удобно, когда надо держать общий контекст. Но Claude Code уже умеет видеть соседние сессии: в одной делаю лендинг, в соседней запускаю адвоката дьявола, который смотрит, что первый агент делает не так. Можно работать параллельно в нескольких сессиях и при этом сохранять чистоту контекста в каждой из них.

Данные при этом можно хранить снаружи чата — в Obsidian или любом другом втором мозге. Claude Code и Codex работают с большими объёмами данных за пределами чата. Используйте это и не набивайте один чат до предела.

Неправильно выбранная модель

Если у вас небольшая подписка или вы хотите экономить токены — выбор модели становится критичным.

В Claude сейчас есть несколько направлений:

  • Haiku — для простых задач. Написать текст, получить короткий ответ. Лендинг она вам явно не сделает.
  • Sonnet — для классических задач среднего уровня: найти информацию в интернете, подготовить рассылку, стандартные поручения.
  • Opus 5.5 и Fable 5 — для сложных, многокомпонентных задач, где нужна глубина и качество.

Я лично не люблю экономить токены — плачу $200 в месяц за подписку и работаю на Opus 5.5 для всего подряд: и простые задачи, и сложные. Когда вышел Opus 5.5, он стал для меня идеальной моделью. Раньше я часто подключала Fable, потому что он лидировал по бенчмаркам, но сейчас Opus 5.5 по ощущениям ничуть не хуже.

Если хочется оптимизировать расходы — можно выстроить оркестрацию: Claude сам решает, какую модель использовать для каждой подзадачи. Например, «сходить в интернет за информацией» — Sonnet, «прочитать 150 документов» — Opus. Именно так я настроила работу в Claude Code: он сам подбирает релевантную модель в каждую конкретную секунду. Токены экономятся, качество не страдает. В Codex аналогичные модели называются GPT Astra, Soul и так далее — но в этой теме я не сильна, работаю с Claude.

схема уровней моделей Haiku Sonnet Opus с примерами задач для каждой

Четыре кита, без которых всё остальное не работает

Можно жить без фактчекинга, если ниша не чувствительная. Можно держать всё в одном чате, если денег на токены хватает. Можно не заморачиваться с выбором модели, если бюджет позволяет. Но есть четыре вещи, без которых результат будет плохим при любом раскладе:

  1. Максимум контекста — неадекватно много, как будто объясняете задачу человеку, который о вас не знает ничего.
  2. Референсы — и позитивные, и негативные.
  3. Диалог, а не монолог — просите нейросеть задавать уточняющие вопросы.
  4. Правки и валидация результата — вы эксперт, нейросеть пока ещё исполнитель.

По факту, человек в работе с нейросетями сейчас нужен именно для этого: поставить задачу правильно, пообщаться в процессе и провалидировать результат. Скоро, возможно, и для этого не понадобится — но пока это так.

Я, Арина Михална, скажу прямо: разница между теми, кто умеет работать с нейросетями, и теми, кто не умеет, — это полторы секунды на ипподроме. Первая лошадь забирает 74% призового фонда — не потому что она какой-то невероятный жеребец, а просто потому что пришла чуть быстрее всех остальных. Может, стартанула раньше. Может, обогнала кого-то на повороте. В нейросетях то же самое. Это не высшая математика, это просто навык. Освойте его сейчас — или завтра вас заменит тот, кто уже освоил.

Смотреть видео целиком

«Your AI is talking nonsense and eating up all your tokens because of these mistakes (I paid 150k …» на YouTube

Что дальше

Хотите так же, но по шагам? На курсе «Claude за вечер» я показываю весь путь: от установки до первого работающего помощника. Посмотреть курс

Читайте также

Ставите Claude с нуля? Я собрала пошаговый гайд «Как установить Claude из России, чтобы не снесли аккаунт» — с сервисами, которыми пользуюсь сама. Забрать гайд в боте