Туристическая компания: 193 анкеты, 1,5 месяца и ноль результата. Разбор за 3 часа

Проблема

Консультант работает с туристической компанией. Задача — описать, кто чем занимается, написать регламенты и найти точки автоматизации. Для этого опросили 193 сотрудника на трёх уровнях: 8 руководителей департаментов, 33 руководителя отделов и 152 рядовых сотрудника.

Данные собрали. Дальше нужно свести ответы в единую картину: нормализовать названия, сопоставить задачи между уровнями, выявить пересечения. Консультант использует нейросеть для обработки — не новичок, работает с Claude уже несколько месяцев.

Но нейросеть постоянно ошибается. Сводит задачи департамента с задачами отдела — открываешь таблицу, а там потеряны 4 из 5 целей. Исправляешь одно — ломается другое. И так по кругу.

«Он пишет план, но где-то что-то забывает, где-то не учитывает. И я начинаю ходить с ним по кругу.»

Прошло полтора месяца. Прогресс — ноль. Проект стоит.

Что сделали на консультации

1. Открыли проект и посмотрели на структуру

В папке — 38 файлов. Из них актуальных — 5. Остальное: «финальная версия», «финальная версия 2», «исправленная», «новая финальная». Названия на кириллице с пробелами и спецсимволами.

Нейросеть при каждом запросе ищет нужный файл среди 38. Находит не тот. Берёт данные из устаревшей версии. Результат — ошибки.

При этом все 193 анкеты загружены в один диалог. Контекстное окно забито на 119 000 токенов из 130 000. На таком объёме качество ответов падает — нейросеть начинает терять данные.

2. Убрали лишнее

Удалили все промежуточные версии файлов. Переименовали оставшиеся в машиночитаемый формат — латиница, нижние подчёркивания, без спецсимволов.

38 файлов превратились в 5.

3. Разбили обработку на части

193 анкеты за один заход — гарантия провала. Нейросеть не может держать в голове все имена, должности и задачи одновременно.

Новый подход:

• L1 (8 руководителей) — обработать за одну итерацию, проверить 1–2 записи
• L2 (33 менеджера) — за 1–2 итерации, проверить 2–3 записи
• L3 (152 сотрудника) — пачками по 5–10 человек, после каждой пачки — выборочная проверка

Если паттерн стабильный — увеличить пачку до 15–20.

4. Создали единый план-инструкцию

Написали документ с контекстом проекта: что делаем, зачем, какие данные где лежат, целевая структура, эталонные примеры и чек-лист для проверки.

Теперь при открытии нового диалога достаточно загрузить этот файл — нейросеть сразу в контексте. Не нужно каждый раз объяснять задачу с нуля.

5. Показали правильный формат данных

Excel-файлы нейросеть читает через промежуточный скрипт — это ошибки и лишний расход токенов. JSON и CSV она читает напрямую.

Решение: один скрипт для конвертации анкет из Excel в JSON. Структура: уровень, ФИО, отдел, задачи, процессы, проблемы. Один раз конвертировать — дальше работать с чистыми данными.

Контекстное окно при этом снижается со 119 000 до 20–30 000 токенов. Качество ответов растёт.

Видеоотзыв

Что получил клиент

• Аудит проекта: 38 файлов сокращены до 5
• Переименование в машиночитаемый формат
• План обработки: 3 уровня, пачками, с проверкой
• Единый документ-инструкция для нейросети
• Методология: подготовка данных, контроль контекстного окна, итеративная верификация

Ключевой вывод

Когда нейросеть «не работает» — в большинстве случаев дело не в нейросети. Дело в том, что ей подали на вход.

Три типичные причины:

1. Беспорядок в файлах. Нейросеть тратит ресурсы на поиск данных вместо их обработки. 38 файлов вместо 5 — это не мелочь, это фундаментальная проблема
2. Всё сразу. 193 записи в одном запросе перегружают контекстное окно. Качество падает, данные теряются. Пачки по 5–10 — простое решение
3. Нет плана. Каждый новый диалог начинается с нуля. Единый документ-инструкция экономит часы и снижает ошибки

Эти три вещи — порядок, декомпозиция, план — работают не только с нейросетями. Но с нейросетями цена беспорядка выше. Инструмент усиливает и результат, и хаос. Зависит от того, что ему дать.