День 8

Найти закономерности в списке или таблице

В предыдущих днях вы работали в основном с текстами: заметками, документами, справками, вариантами и проверкой AI-результата.

Что вы получите сегодня

Сегодня вы:

подготовите небольшой список или таблицу для безопасной работы с ИИ;
научитесь просить ИИ сгруппировать записи по темам;
отделите наблюдения от гипотез о причинах;
соберёте таблицу наблюдений и определите следующий шаг для проверки.

Сегодня вы делаете первый шаг за пределы обычного текста — работаете с небольшим набором данных. Это не обязательно финансовая таблица или сложная аналитика. В реальной работе у большинства людей есть маленькие массивы информации:

список отзывов;
обращения клиентов;
результаты мини-опроса;
перечень задач;
причины отказов;
журнал ошибок;
комментарии после мероприятия;
простая таблица показателей.

ИИ может помочь увидеть в таком наборе структуру: какие темы повторяются, где есть возможные сигналы, какие вопросы стоит проверить дальше. Но важно не перепутать первичное наблюдение с доказанной причиной или готовым решением.

Главная мысль дня:

ИИ помогает найти группы и возможные сигналы, но не должен автоматически объяснять причины, подтверждать значимость выводов или принимать решения на основе непроверенных данных.

Зачем это нужно

В работе часто кажется, что данных либо слишком мало, либо слишком много.

С одной стороны, 10–15 отзывов — это не полноценная статистика. По ним нельзя уверенно говорить: «главная проблема у всех пользователей вот такая». С другой стороны, даже небольшой список может помочь увидеть повторяющиеся темы и вопросы для проверки.

Например, после мероприятия или запуска нового процесса вы можете получить такие комментарии:

Не хватило примеров.
Непонятно, где искать шаблон.
Хотелось бы запись.
Остался вопрос по срокам.
Схема была полезной.

По отдельности это просто фразы. Вместе они могут показать первые сигналы: людям нужны материалы после встречи, больше примеров, ясность по ролям или срокам.

Но здесь есть важная граница.

ИИ может помочь сгруппировать записи:

несколько комментариев связаны с материалами после мероприятия;
несколько — с примерами и сложными случаями;
часть — с ролями и следующими шагами.

ИИ может предложить гипотезу:

участникам, возможно, не хватает опоры для самостоятельного применения нового процесса.

Но ИИ не должен превращать это в установленную причину:

мероприятие не сработало, потому что участникам не дали достаточно материалов.

И тем более не должен сразу принимать решение:

нужно полностью переделать формат мероприятия.

В этом дне важно удержать простую лесенку:

Наблюдение:
что видно в данных.

Гипотеза:
какое возможное объяснение можно проверить.

Решение:
что делать дальше после проверки.

Пример:

Наблюдение:
в нескольких отзывах упоминаются памятка, запись или шаблон.

Гипотеза:
участникам может не хватать материалов после мероприятия.

Решение:
подготовить памятку или запись — но только после проверки, какой материал действительно нужен.

Подготовьте данные безопасно

Отзывы, обращения и рабочие списки часто выглядят безобидно, но в них могут быть персональные данные, клиентские детали, внутренние ситуации и узнаваемые формулировки.

Перед отправкой списка или таблицы ИИ проверьте:

- убраны ли имена, фамилии, телефоны, email и другие прямые идентификаторы;
- заменены ли должности, названия клиентов, проектов и подразделений, если по ним можно узнать человека или ситуацию;
- убраны ли внутренние суммы, номера договоров, ссылки, приватные комментарии и коммерческие условия;
- нельзя ли узнать человека по сочетанию деталей;
- оставлены ли только те поля, которые нужны для задачи;
- допустим ли выбранный AI-инструмент для такого типа данных.

Пример обезличивания:

Было:
Анна из отдела продаж сказала, что после встречи с клиентом ООО «Альфа» ей непонятно, кто должен согласовать скидку 12% до 18 июня.

Стало:
Участник 1 отметил(а), что после рабочей встречи непонятно, кто должен согласовать условие по клиентскому запросу в обозначенный срок.

Смысл обезличивания — не испортить данные, а оставить рабочую суть без лишнего риска.

Когда обычного чата недостаточно

В задачах со списками и таблицами важно различать два вида работы.

Первый вид — смысловая группировка:

какие темы повторяются;
какие записи похожи друг на друга;
какие гипотезы можно проверить;
какие вопросы стоит задать дальше.

В этом обычный чат с ИИ может быть полезен.

Второй вид — точные вычисления:

сколько раз встречается тема;
какой процент записей относится к группе;
какая сумма получилась;
как отсортировать строки;
как отфильтровать таблицу;
какое значение максимальное или минимальное.

Здесь обычный чат ненадёжен. Модель может звучать уверенно, но она не обязана реально считать — она предсказывает ответ, а не выполняет вычисление.

Для подсчётов, сумм, сортировок и фильтрации нужен режим анализа данных, где инструмент выполняет реальные вычисления над загруженным файлом: например, режим анализа данных в ChatGPT или инструмент анализа в Claude. Можно также проверить расчёты вручную в таблице.

Практическое правило:

Группировку и формулировки ИИ можно использовать как помощь.
Рассчитанные значения, проценты и сортировки нужно получать через режим анализа данных, таблицу или ручную проверку.

Практическая инструкция

Шаг 1. Выберите небольшой набор данных

Для тренировки возьмите 10–20 записей. Этого достаточно, чтобы увидеть повторяющиеся темы, но не слишком много для ручной проверки.

Подойдут:

отзывы после встречи, мероприятия или обучения;
обращения клиентов;
комментарии из формы обратной связи;
список ошибок;
причины отказов;
перечень задач;
ответы на один вопрос мини-опроса;
небольшая таблица с показателями.

Не берите сразу большой файл, сложную финансовую таблицу или данные с высокой ценой ошибки. День 8 — про первичный разбор и аккуратные наблюдения, а не про глубокую аналитику.

Шаг 2. Обезличьте и упростите набор

Перед отправкой ИИ уберите всё, что не нужно для анализа.

Например, если вы хотите понять темы отзывов, обычно не нужны:

имена участников;
их должности;
контакты;
названия клиентов;
точные даты;
внутренние ссылки;
подробности конфликтных ситуаций;
номера заявок или договоров.

Оставьте только смысл записи.

Пример:

Было:
Ирина П., руководитель группы X, написала после встречи 14 мая: «Я не поняла, кто теперь согласует нестандартные заявки от клиента [название]».

Стало:
Участник отметил(а), что непонятно, кто согласует нестандартные случаи.

Шаг 3. Сформулируйте, что хотите увидеть

Не просите ИИ просто:

Проанализируй данные.

Такой запрос слишком широкий. ИИ может начать придумывать причины, рекомендации и «главную проблему».

Лучше задать конкретную задачу:

Сгруппируй записи по повторяющимся темам.
Отдели наблюдения от гипотез.
Покажи, что нужно перепроверить вручную.
Не принимай решение за меня.

Шаг 4. Попросите ИИ выделить группы и возможные сигналы

Хороший результат для этого дня — не длинный аналитический отчёт, а таблица наблюдений.

Формат:

| Наблюдение или группа | Факт или гипотеза | Что перепроверить вручную |

В первой колонке фиксируется повторяющаяся тема или возможная группа.

Во второй — статус:

Факт:
то, что прямо видно в данных.

Гипотеза:
возможное объяснение, которое нужно проверить.

В третьей — что нужно сделать перед использованием вывода.

Шаг 5. Отделите наблюдения от гипотез

Это главный навык дня.

Сравните:

Наблюдение:
в 3 отзывах упоминаются памятка, запись или шаблон.

Гипотеза:
участникам не хватает материалов после мероприятия.

Слишком сильный вывод:
мероприятие было плохо подготовлено.

Наблюдение ближе всего к данным. Его можно проверить: открыть список и посчитать.

Гипотеза — это возможное объяснение. Она может быть полезной, но требует дополнительного вопроса, проверки или обсуждения.

Сильный вывод или решение — это следующий уровень. Его нельзя делать автоматически по маленькому набору записей.

Шаг 6. Проверьте результат и выберите следующий шаг

После ответа ИИ проверьте:

Не перепутаны ли наблюдения и гипотезы?

Не появились ли причины, которых нет в данных?

Не раздут ли один яркий отзыв до общего тренда?

Нужно ли пересчитать группы вручную?

Нет ли в результате чувствительных данных?

Не предложил ли ИИ решение вместо следующего шага проверки?

В конце сформулируйте один следующий шаг.

Например:

Следующий шаг:
пересчитать точное число отзывов по каждой группе и задать участникам один уточняющий вопрос: какой материал после мероприятия был бы полезнее всего — памятка, запись или шаблон.

Полноценный рабочий пример

1. Исходная ситуация

После внутреннего мероприятия по новому процессу собрали короткую обратную связь от участников. Комментарии уже обезличены.

Нужно понять, какие темы повторяются, какие сигналы стоит проверить и что можно сделать следующим шагом. При этом нельзя превращать 15 отзывов в «полную статистику» и нельзя автоматически объяснять причины.

2. Исходный набор данных

Обезличенная обратная связь после мероприятия по новому процессу

1. Было полезно увидеть общий порядок, но не хватило примеров сложных случаев.
2. Хотелось бы получить короткую памятку после встречи.
3. Непонятно, кто отвечает за первый шаг процесса.
4. Времени на вопросы было мало.
5. Хорошо, что показали схему, по ней проще ориентироваться.
6. Было слишком много терминов без пояснений.
7. Я не понял(а), где искать шаблон.
8. Пример с ошибкой помог понять, чего не делать.
9. Кажется, часть правил ещё не согласована.
10. Хотелось бы запись или конспект.
11. Неясно, что делать, если ответственный недоступен.
12. Всё понятно, но нужно попробовать на реальной задаче.
13. Слишком быстро прошли блок с исключениями.
14. Больше всего помог список шагов.
15. Остался вопрос по срокам согласования.

3. Слабый запрос

Проанализируй отзывы и скажи, что нам делать.

4. Почему он слабый

В таком запросе есть несколько проблем.

Во-первых, он передаёт решение ИИ. Пользователь просит не просто найти закономерности, а сразу сказать, что делать.

Во-вторых, не задан формат результата. ИИ может выдать длинный текст, где наблюдения, причины и рекомендации смешаны.

В-третьих, нет требования отделять факт от гипотезы. Например, из нескольких отзывов про памятку и запись ИИ может сразу сделать вывод: «участникам не хватает обучающих материалов». Это возможно, но пока не доказано.

В-четвёртых, не указано, что подсчёты нужно проверить. Если обычный чат напишет «40% участников упомянули материалы», эту цифру нельзя принимать без ручной сверки или режима анализа данных.

В-пятых, маленький набор отзывов легко переоценить. 15 комментариев могут дать полезные сигналы, но не доказывают общую картину.

5. Рабочий запрос

Мне нужно найти повторяющиеся темы и возможные сигналы в небольшом наборе обезличенных отзывов.

Контекст:
после внутреннего мероприятия по новому процессу участники оставили короткую обратную связь. Нужно понять, какие темы повторяются, что можно считать наблюдением, а что пока является гипотезой. Решение о действиях я буду принимать отдельно после проверки.

Данные:
1. Было полезно увидеть общий порядок, но не хватило примеров сложных случаев.
2. Хотелось бы получить короткую памятку после встречи.
3. Непонятно, кто отвечает за первый шаг процесса.
4. Времени на вопросы было мало.
5. Хорошо, что показали схему, по ней проще ориентироваться.
6. Было слишком много терминов без пояснений.
7. Я не понял(а), где искать шаблон.
8. Пример с ошибкой помог понять, чего не делать.
9. Кажется, часть правил ещё не согласована.
10. Хотелось бы запись или конспект.
11. Неясно, что делать, если ответственный недоступен.
12. Всё понятно, но нужно попробовать на реальной задаче.
13. Слишком быстро прошли блок с исключениями.
14. Больше всего помог список шагов.
15. Остался вопрос по срокам согласования.

Задача:
1. Сгруппируй отзывы по повторяющимся темам.
2. Отдели наблюдения от гипотез.
3. Не объясняй причины как установленные факты.
4. Не принимай решение за меня.
5. Покажи, что нужно перепроверить вручную.

Формат результата:
сделай таблицу с колонками:
1. Наблюдение или группа.
2. Факт или гипотеза.
3. Что перепроверить вручную.

После таблицы отдельным блоком напиши:
- какие подсчёты или сильные выводы нельзя принимать без проверки;
- возможный следующий шаг.

Ограничения:
- не делай сильных выводов по малому числу отзывов;
- не превращай яркий единичный комментарий в общий тренд;
- если нужны точные количества или проценты, отметь, что их нужно проверить вручную или через режим анализа данных;
- не добавляй причин, которых нет в данных;
- не предлагай финальное решение, только следующий шаг для проверки.

Прежде чем отвечать, задай мне уточняющие вопросы, если каких-то данных не хватает.

6. Пример результата ИИ

Наблюдение или группа	Факт или гипотеза	Что перепроверить вручную
Несколько отзывов связаны с примерами, сложными случаями, исключениями или практической отработкой	Наблюдение	Проверить точное число отзывов про примеры, ошибки, исключения и применение на реальной задаче
Несколько отзывов связаны с материалами после мероприятия: памятка, шаблон, запись или конспект	Наблюдение	Посчитать, сколько раз упоминаются разные виды материалов и какой из них нужен чаще
Есть вопросы по ролям, ответственности и согласованию	Наблюдение	Проверить, сколько отзывов прямо говорят о первом шаге, ответственном, правилах или сроках согласования
Участникам может не хватать опоры для самостоятельного применения процесса	Гипотеза	Проверить через уточняющий вопрос: что именно нужно после мероприятия — памятка, шаблон, пример, запись или разбор задачи
Блок со сложными случаями мог быть недостаточно понятным	Гипотеза	Проверить, сколько отзывов связано со сложными случаями, исключениями, ошибками и реальными задачами
Термины могли быть сложными для участников	Гипотеза	Не делать общий вывод по одному отзыву; проверить, повторяется ли эта тема в других комментариях
Схема, список шагов и пример ошибки воспринимаются как полезные элементы	Наблюдение	Проверить, сколько отзывов содержат позитивные упоминания структуры, схемы, шагов или примеров

Какие подсчёты и сильные выводы нельзя принимать без проверки

Нельзя принимать на веру точное число отзывов в каждой группе без ручной сверки или режима анализа данных.
Нельзя делать вывод, что мероприятие «не сработало»: в данных есть и вопросы, и позитивные сигналы.
Нельзя утверждать, что главная проблема — терминология: она явно упомянута только в одном отзыве.
Нельзя автоматически решать, какой материал нужен участникам, пока не проверено, что чаще требуется: памятка, шаблон, запись, конспект или примеры.

Возможный следующий шаг

Проверить точное число отзывов по каждой группе и задать участникам один уточняющий вопрос: какой материал после мероприятия был бы полезнее всего для самостоятельного применения процесса.

7. Что в результате полезно и что нужно проверить

Результат полезен, потому что ИИ не делает финальное решение за пользователя. Он помогает увидеть повторяющиеся темы и отделяет более осторожные гипотезы от наблюдений.

Полезные элементы:

отзывы сгруппированы по темам;
есть отдельная колонка «Факт или гипотеза»;
подсчёты не представлены как окончательные;
яркий отзыв про термины не раздут до главного вывода;
следующий шаг связан с проверкой, а не с немедленной переделкой всего процесса.

8. Что проверить вручную

Перед использованием результата проверьте:

1. Точно ли отзывы распределены по группам.
2. Не попал ли один отзыв сразу в несколько групп без явной причины.
3. Не выдал ли ИИ гипотезу за факт.
4. Не появились ли причины, которых нет в данных.
5. Не сделан ли сильный вывод по 1–2 ярким отзывам.
6. Нет ли арифметических ошибок, если ИИ указал числа или проценты.
7. Не осталось ли чувствительных данных.

Если вы хотите посчитать точные доли, не полагайтесь на обычный чат. Используйте режим анализа данных, таблицу или ручную проверку.

Готовый шаблон запроса для своей задачи

Скопируйте шаблон и адаптируйте под свой список или таблицу.

Мне нужно найти повторяющиеся темы и возможные сигналы в небольшом наборе данных.

Контекст:
[что это за список или таблица, откуда он взят, зачем вы его анализируете]

Данные:
[вставьте обезличенный список или таблицу]

Задача:
1. Сгруппировать записи по повторяющимся темам.
2. Отделить наблюдения от гипотез.
3. Не объяснять причины как установленные факты.
4. Показать, что нужно перепроверить вручную.
5. Не принимать решение за меня.

Формат результата:
сделай таблицу с колонками:
1. Наблюдение или группа.
2. Факт или гипотеза.
3. Что перепроверить вручную.

После таблицы отдельным блоком напиши:
- возможный следующий шаг;
- какие подсчёты, проценты или сильные выводы нельзя принимать без проверки.

Ограничения:
- не делай сильных выводов по малому числу записей;
- не превращай яркий единичный комментарий в общий тренд;
- если нужны точные количества, проценты, сортировки или суммы, отметь, что их нужно проверить вручную, в таблице или через режим анализа данных;
- не добавляй причин, которых нет в данных;
- не придумывай недостающие записи;
- не предлагай финальное решение, только следующий шаг для проверки.

Прежде чем отвечать, задай мне уточняющие вопросы, если каких-то данных не хватает.

Как проверить результат

Базовый фильтр прежний — ваш чек-лист из Дня 6. Но проверка данных отличается от проверки обычного текста: здесь особенно важно не принять красивую группировку за точный анализ. Ниже — семь вопросов именно для этого сценария.

Наблюдения и гипотезы разделены?

Проверьте, не написал ли ИИ гипотезу как факт.

Например:

Корректно:
В нескольких отзывах упомянуты памятка, запись или шаблон.

Осторожная гипотеза:
Участникам может не хватать материалов после мероприятия.

Слишком сильно:
Участники не смогли применить процесс, потому что им не дали материалы.

Подсчёты и проценты проверены?

Если ИИ написал:

40% отзывов связаны с материалами

или:

5 из 15 участников указали на проблему сроков

не принимайте это автоматически.

Проверьте вручную, в таблице или через режим анализа данных. Особенно если цифра будет использована в отчёте, решении, обсуждении с руководителем или коммуникации с командой.

Маленький набор не превращён в «статистику»?

10–15 записей могут показать сигналы, но не доказывают картину для всей команды или всех клиентов.

Более корректно:

В этих отзывах повторяется тема материалов после мероприятия.

Менее корректно:

Большинство сотрудников не понимает процесс.

Яркий отзыв не раздут до тренда?

Эмоциональный или хорошо сформулированный комментарий может сильно бросаться в глаза. Но если он один, это сигнал для проверки, а не доказанный тренд.

Пример:

Было слишком много терминов без пояснений.

Это важный комментарий. Но если только один человек написал про термины, нельзя сразу делать вывод, что терминология — главная проблема мероприятия.

ИИ не придумал причины?

Фраза:

Участники задавали вопросы по срокам.

может быть наблюдением.

Фраза:

Участники задавали вопросы по срокам, потому что организаторы плохо объяснили процесс.

уже добавляет причину. Если такой причины нет в данных, её нужно перенести в гипотезы или убрать.

Данные были подготовлены безопасно?

Проверьте результат ещё раз: не появились ли в нём имена, контакты, должности, клиенты, внутренние суммы, узнаваемые ситуации или цитаты, которые не стоит передавать дальше.

Даже если вы обезличили вход, ИИ может собрать формулировки так, что ситуация снова станет узнаваемой.

Следующий шаг не стал решением без проверки?

Корректный следующий шаг:

Проверить точное число отзывов по каждой группе и задать уточняющий вопрос участникам.

Слишком сильное решение:

Полностью изменить формат мероприятия и подготовить новый обучающий курс.

В Дне 8 итог — не большое решение, а таблица наблюдений и аккуратный следующий шаг.

Типичные ошибки

Просить подсчёты в обычном чате и верить цифрам без проверки

Обычный чат может ошибаться в арифметике. Если нужны точные количества, проценты, суммы, сортировки или фильтрация, используйте режим анализа данных, таблицу или ручную проверку.

Принимать гипотезу о причине за установленный факт

«Участникам не хватает информации» — это гипотеза. Чтобы она стала более надёжной, нужно проверить её: задать уточняющий вопрос, посмотреть дополнительные данные или обсудить с владельцем процесса.

Делать сильные выводы по 10–15 записям, как будто это статистика

Небольшой набор помогает увидеть сигналы, но не доказывает общую картину. Формулируйте осторожно: «в этих данных повторяется», «может быть», «стоит проверить».

Передавать необезличенные данные

Отзывы, обращения и рабочие таблицы часто содержат имена, роли, узнаваемые ситуации, клиентские детали и внутренний контекст. Перед работой с ИИ убирайте лишнее и используйте допустимый инструмент.

Просить «проанализируй и реши, что делать»

Такой запрос передаёт решение ИИ. Лучше просить сгруппировать, отделить наблюдения от гипотез и показать, что нужно проверить вручную. Следующий шаг выбирает человек.

Считать самым важным то, что звучит эмоциональнее всего

Яркий отзыв может быть полезным сигналом, но не всегда означает частую проблему. Проверяйте повторяемость темы.

Маленькое задание на день

Выберите один из двух маршрутов. На задание достаточно 15–30 минут.

Маршрут 1. Свой список или таблица

Возьмите небольшой набор из своей работы: 10–20 записей.

Подойдут:

отзывы;
обращения;
задачи;
ошибки;
причины отказов;
результаты мини-опроса;
список проблем;
простая таблица показателей.

Сначала подготовьте данные:

1. Уберите имена, контакты, должности и узнаваемые детали.
2. Замените клиентов, проекты, подразделения и внутренние названия условными обозначениями.
3. Уберите поля, которые не нужны для задачи.
4. Проверьте, нельзя ли узнать человека или ситуацию по сочетанию деталей.
5. Убедитесь, что выбранный инструмент допустим для такого типа данных.

Затем используйте шаблон запроса из этого дня.

В результате у вас должна получиться таблица:

| Наблюдение или группа | Факт или гипотеза | Что перепроверить вручную |
|---|---|---|

После таблицы ответьте:

Что можно сделать следующим шагом?

Итог дня

Сегодня у вас появилась таблица наблюдений по небольшому списку или таблице.

Главный навык дня — отделять наблюдение от гипотезы. Наблюдение показывает, что видно в данных. Гипотеза предлагает возможное объяснение. Решение появляется только после проверки, уточнений и оценки контекста.

Вы также увидели важную границу: ИИ может помогать с группировкой и формулировками, но точные подсчёты, проценты, суммы и сортировки нужно проверять вручную, в таблице или через режим анализа данных.

Таблица наблюдений пригодится дальше. В Дне 9 её можно будет превратить в план действий: что уточнить, что проверить и с чего начать. В Дне 11 её можно будет отдать ИИ-критику, чтобы найти слабые выводы, неподтверждённые причины и рискованные рекомендации.