Когда GPT начинает реально помогать в работе, очень легко пройти две крайности. ⠀ Сначала появляется один универсальный чат. В него несут всё подряд: клиентские случаи, идеи постов, продажи, цены, тексты сообщений, личные сомнения, стратегию практики. ⠀ Какое-то время это даже удобно. Не нужно думать, куда идти: открыл один диалог и написал. ⠀ Но постепенно у этого удобства появляется цена. В одном разговоре GPT должен быть то супервизором, то бизнес-консультантом, то редактором, то помощником по коммуникации. У этих задач разные цели, разные правила и даже разные вопросы к одному и тому же материалу. ⠀ Например, одну расшифровку сессии можно анализировать совершенно по-разному. ⠀ Супервизорскому взгляду важно, что делал специалист, где принимал решения, что мог не заметить и как его действия повлияли на процесс. ⠀ Для анализа движения клиента вопрос другой: что реально менялось относительно его запроса, что подтвердилось между встречами и куда движется работа. ⠀ Исходный материал один. Профессиональные функции разные. ⠀ И здесь отдельные GPT-контуры действительно могут иметь смысл. ⠀ Но потом легко качнуться в противоположную сторону. Раз уж специализация полезна, хочется сделать отдельного помощника практически под каждое действие. ⠀ Один придумывает темы. Второй пишет заголовки. Третий анализирует комментарии. Четвёртый отвечает на сообщения. Пятый думает о цене. Шестой хранит идеи. ⠀ И однажды обнаруживается странная вещь: вместо того чтобы система экономила время, значительная часть времени уходит на то, чтобы помнить, какой чат за что отвечает, что он знает, где лежит нужный контекст и кому теперь передать результат предыдущего. ⠀ То есть практика начинает обслуживать GPT-систему. ⠀ Поэтому для себя я использую довольно простой критерий. Отдельная GPT-функция нужна не потому, что её технически можно создать. Она нужна, когда в практике уже существует повторяющаяся задача со своей устойчивой логикой. ⠀ Есть конкретный объект внимания. Есть понятная задача. Есть тип исходных материалов. Есть правила работы с ними. И есть результат, который потом кому-то действительно нужен. ⠀ Тогда специализация снижает путаницу. ⠀ Супервизор анализирует профессиональные решения. Бизнес-консультант смотрит на устройство практики. Контентная функция работает с исследованием и превращает его в публикацию. Это уже не «несколько чатов с разными характерами», а разные рабочие функции одной системы. ⠀ При этом я бы не заставлял каждый такой контур хранить отдельную копию всей практики. ⠀ Это ещё одна частая проблема. Цена изменилась — нужно вспомнить, в какие инструкции её когда-то вписали. Появилась новая услуга — обновить несколько помощников. Изменился клиентский маршрут — снова искать старые формулировки по разным местам. ⠀ Чем больше копий контекста, тем быстрее они начинают противоречить друг другу. ⠀ Мне ближе другая конструкция: устойчивую профессиональную позицию хранить отдельно от того, что постоянно меняется, а актуальную практику — цены, продукты, маршруты, площадки, рабочие гипотезы — держать в живых общих источниках, которыми могут пользоваться разные функции. ⠀ Тогда GPT не приходится каждый раз заново объяснять всю вашу профессиональную жизнь. Но и устаревшая цена не превращается незаметно в вечную истину только потому, что когда-то попала в длинный промпт. ⠀ Есть ещё одна граница, которую я считаю принципиальной. ⠀ GPT может анализировать, сопоставлять, находить противоречия, предлагать варианты и очень убедительно объяснять, почему один из них выглядит разумнее. ⠀ Но точкой принятия профессионального решения всё равно остаётся специалист. ⠀ Для меня хорошая GPT-система не та, которая постепенно избавляет человека от необходимости думать. Скорее наоборот: она забирает повторяющуюся техническую и аналитическую нагрузку, чтобы у специалиста оставалось больше внимания на решения, за которые действительно отвечает он. ⠀ Поэтому, если вокруг вашей практики уже появляется много GPT-чатов, я бы не начинал с вопроса, каких помощников ещё не хватает. ⠀ Я бы посмотрел на саму практику: какие фун