ChatGPT Work против Claude: кто лучше тянет многошаговые

Я, Арина Михална, тестировала обе модели на рабочих задачах: ChatGPT Work обещает работу в автономном agentic-режиме — поставил цель, агент сам пошёл и сделал. Claude требует скиллов и явной логики шагов, но даёт больше контроля. Я разобрала обе модели на рабочих задачах и зафиксировала, где агент сбоит и где нужна твоя рука.

Что такое agentic-режим и чем он отличается от обычного чата

Обычный чат — это вопрос-ответ. Ты спрашиваешь, модель отвечает, ты снова спрашиваешь. Agentic-режим — это когда ты ставишь цель, а модель сама разбивает её на шаги, выбирает инструменты и выполняет задачу до конца. Ты получаешь результат, а не список шагов «что делать дальше».

ChatGPT Work именно так и работает — OpenAI дали ему доступ к инструментам (поиск, чтение файлов, запись данных) и научили самостоятельно решать, когда что применять. Поставил задачу «собери отчёт по продажам за июль из таблицы» — агент сам откроет таблицу, выберет нужные столбцы, посчитает, оформит и отдаст результат.

Claude может так же, но только если ты сам дал ему эту логику через скилл. Без скилла он будет спрашивать тебя на каждом шаге — открыть файл? посчитать? как оформить? С скиллом он пройдёт всю цепочку сам, но цепочку ты задал. Скиллы Claude — это и есть способ превратить его в агента.

Сравнение на рабочей задаче: сбор отчёта из трёх источников

Задача типовая для предпринимателя: собрать недельный отчёт — взять данные из CRM, таблицы расходов и почты с обратной связью клиентов, свести в один документ и отправить команде.

ChatGPT Work:

1. Пишешь задачу одним сообщением: «собери отчёт за неделю: продажи из CRM, расходы из Google Sheets, отзывы из почты — всё в один документ».
2. Агент сам подключается к источникам (если доступы настроены), достаёт данные, структурирует, пишет выводы.
3. Отдаёт готовый документ — ты проверяешь и отправляешь.

Где сбоит: если структура источника изменилась (в таблице переименовали столбец или добавили лист), агент может взять не те данные и не заметить. Ты увидишь это только в результате — когда цифры не сойдутся.

Claude:

1. Пишешь тот же запрос — Claude спросит, откуда брать данные, в каком формате свести, куда положить результат.
2. Либо заранее даёшь скилл с логикой: какие файлы открывать, какие столбцы брать, как проверить корректность данных, куда записать.
3. Со скиллом Claude пройдёт задачу пошагово, покажет промежуточные результаты — ты увидишь, если что-то не так, до финала.

Где сбоит: если скилл написан нечётко (например, «возьми последние данные» без указания, что это значит), Claude может трактовать по-своему. Но это видно на первом же запуске.

Критерий	ChatGPT Work	Claude
Нужно ли задавать логику шагов заранее	Нет, агент решает сам	Да, через скилл или уточнения
Покажет ли промежуточные шаги	Нет, только результат	Да, если попросишь или если скилл так настроен
Как реагирует на изменения в источниках	Может не заметить и взять не те данные	Спросит или выдаст ошибку, если данные не на месте
Скорость выполнения задачи	Быстрее — идёт сразу к цели	Медленнее — показывает шаги
Где удобнее для регулярных задач	Для простых задач с предсказуемой структурой	Для сложных задач, где важен контроль

Вторая задача: ведение переписки с клиентом по шаблону

Задача: клиент пишет вопрос в мессенджер, нужно ответить по шаблону (уточнить детали, дать информацию, предложить встречу) и зафиксировать обращение в CRM.

ChatGPT Work: Настраиваешь доступ к мессенджеру и CRM, даёшь шаблон ответа. Агент сам читает сообщения, отвечает по шаблону, записывает обращение. Работает, пока вопросы типовые — «когда доставка», «какая цена», «можно ли встретиться». Если клиент пишет что-то нестандартное, агент может ответить невпопад или вообще пропустить сообщение.

Claude: Даёшь скилл с чёткой логикой: если вопрос про доставку — ответить так-то, если про цену — по-другому, если не определён тип вопроса — передать тебе. Каждое сообщение проходит через эту логику. Медленнее, зато не будет отвечать от себя там, где не должен.

Где ChatGPT Work автономнее и где это проблема

ChatGPT Work сильнее в задачах, где:

• Структура данных стабильна (один и тот же формат таблицы, одни и те же поля в CRM).
• Задача повторяется регулярно и не требует нестандартных решений.
• Ты готов проверять результат, а не процесс.

Проблема автономии — агент не спрашивает, когда сомневается. Он выбирает вариант, который кажется ему наиболее вероятным, и идёт дальше. Если исходные данные изменились или задача сформулирована размыто, результат может быть не тем, что ожидалось. Ты увидишь это только в конце.

Пример из практики: попросила агента собрать список задач команды из Notion и Slack за неделю. Агент взял все упоминания слова «задача» в Slack — включая те, где кто-то писал «это не задача, а идея». Итоговый список был наполовину мусорным. Пришлось чистить руками и переписывать запрос с явным указанием, что считать задачей.

Где Claude точнее и почему это требует работы

Claude точнее там, где важна предсказуемость: финансовые отчёты, обработка личных данных клиентов, задачи с юридическими последствиями (например, рассылка договоров). Если что-то пошло не так, Claude покажет это на промежуточном шаге или спросит — агент ChatGPT Work просто выдаст результат.

Но за точность платишь временем: нужно либо отвечать на уточнения Claude по ходу задачи, либо заранее писать скилл. Скилл — это инструкция на естественном языке, где ты описываешь логику работы: откуда брать данные, как их проверять, что делать, если данные неполные, куда класть результат.

Скилл для того же отчёта выглядит примерно так:

Ты собираешь отчёт по продажам за последнюю неделю.

Шаги:
1. Открой файл {{sales.csv}} — там таблица продаж. Проверь,
что столбцы «Дата», «Сумма», «Клиент» на месте. Если нет —
останови и спроси.
2. Выбери строки, где дата попадает в последние 7 дней от
сегодня.
3. Посчитай общую сумму, количество сделок, средний чек.
4. Открой файл {{feedback.txt}} — там отзывы клиентов. Найди
упоминания слов «отлично», «плохо», «не работает» — выпиши
по одному примеру каждого.
5. Оформи результат в документ: заголовок «Отчёт за неделю»,
блок с цифрами, блок с отзывами.
6. Сохрани результат как {{report_week.md}}.

Если на любом шаге данные неполные или формат не тот —
останови и покажи, что не так.

Написал скилл один раз — дальше он работает. Меняется структура источника — правишь скилл. Как собрать первого агента на Claude подробно разобрано в отдельной статье.

Ограничение доступа агента к данным команды

Оба агента могут работать с корпоративными данными — файлы, CRM, почта, таблицы. Но доступ нужно ограничивать, иначе агент видит всё, к чему подключён аккаунт.

ChatGPT Work: Настройки доступа — на уровне плана Team. Можно дать агенту доступ только к определённым папкам Google Drive или конкретным таблицам. Но по умолчанию, если ты подключил Google Workspace, агент видит всё, что видишь ты. Это проблема, если в команде работают подрядчики или есть данные, которые не должны уходить в логи OpenAI.

Решение: создать отдельный аккаунт с ограниченным доступом только к тем данным, с которыми должен работать агент. Это добавляет операционку, зато безопаснее.

Claude: Доступ задаётся явно — через MCP-серверы или прямое указание файлов в скилле. Агент не видит ничего, кроме того, что ты дал ему в контекст. Если скилл говорит «работай с файлом report.csv», Claude не полезет в другие файлы, даже если они лежат в той же папке.

Минус: если задача требует данных из нескольких источников, ты либо вручную собираешь их в один контекст, либо пишешь скилл, который явно перечисляет все источники. MCP для Claude помогает автоматизировать доступ к внешним системам, но настройка MCP — это отдельная задача.

Вопрос	ChatGPT Work	Claude
Видит ли агент все файлы аккаунта	Да, если подключён Google Workspace или OneDrive	Нет, только те, что указаны в скилле
Можно ли ограничить доступ к папкам	Да, через настройки Team-плана	Да, не давая агенту путь к папке
Сохраняются ли данные в логах модели	Да, по умолчанию (можно отключить в Enterprise)	Да, но только те данные, что были в контексте
Как дать доступ к CRM или базе	Через API или интеграции OpenAI	Через MCP-сервер или экспорт данных в файл

Цена и доступ из России

ChatGPT Work входит в план Team — около 25 $/мес на пользователя (минимум два пользователя, итого от 50 $/мес). Claude Pro стоит около 20 $/мес, агентные возможности доступны сразу. Оба требуют зарубежной карты и VPN для доступа из России — как оплатить Claude из России и доступ к Claude в России подробно расписаны в отдельных статьях.

ChatGPT Team даёт больше лимитов на запросы и приоритет в очереди. Claude Pro даёт доступ к последним моделям (Sonnet 5) и возможность работать через Claude Code — десктопное приложение для работы с кодом и файлами.

Если задача — автоматизация рутины без глубокой настройки, ChatGPT Work быстрее выходит на результат. Если задача — предсказуемая работа с важными данными, Claude с чётким скиллом надёжнее.

Итоговая рекомендация: автономия или контроль

Выбор между ChatGPT Work и Claude — это выбор между автономией и контролем. Если задача повторяется регулярно, структура данных стабильна и ты готов проверять результат, ChatGPT Work делает это быстрее. Если задача сложная, данные меняются или цена ошибки высока, Claude с явной логикой шагов даёт предсказуемый результат.

Я сама использую оба подхода: ChatGPT Work — для черновиков, сбора информации и задач, где результат можно поправить. Claude — для задач, где нужна точность и где я не хочу тратить время на исправление ошибок агента.

Для команды рекомендую начинать с Claude: написать скиллы под ключевые задачи, отладить логику, а потом уже смотреть, можно ли часть задач отдать ChatGPT Work для ускорения. Автономия без контроля на старте — это риск потратить время на исправление того, что агент сделал не так.

Оба инструмента работают — вопрос в том, готов ли ты платить за автономию потерей предсказуемости или за контроль — временем на настройку. У меня в работе оба варианта, и каждый на своём месте.

Читайте также

• GPT-5.6 в Kiro против Claude: что выбрать в 2026
• Claude или ChatGPT: что лучше в 2026
• Claude Code против Codex: почему разработчики выбирают Claude — 2026
• Anthropic растёт, пока OpenAI теряет инвесторов: что выбрать в 2026
• На портале «Мастерская нейросетей»: ChatGPT vs Claude vs Gemini: какая нейросеть лучше в 2026

Разбираю рабочие кейсы агентов, где они реально экономят время и где просто создают новую работу — примеры с цифрами и честными провалами. Всё это в канале, заходи

По материалам: How to use ChatGPT Work (ZDNet), Claude agentic capabilities (Anthropic Docs), OpenAI Team plan pricing.