✕
Слишком широко
«Исследуй рынок и скажи, стоит ли запускать курс»
Что получим
Много общей информации, которую трудно связать с конкретным решением.
Исследования и анализ · Шаг 1
Не начинайте с поиска. Сначала поймите, что хотите узнать
Когда задача звучит как «найди информацию о рынке», нейросеть может принести десятки фактов, ссылок и красивых выводов. Проблема в другом: мы ещё не сказали ей, какой вопрос пытаемся решить.
Обычно начинаем примерно так
Запрос
«Найди мне информацию
о рынке онлайн-образования»
01
Первый принцип исследования
Хорошее исследование начинается
не с источника и не с нейросети.
Оно начинается с решения,
для которого нам нужна информация.
Посмотрим на примере
Предприниматель хочет запустить новое направление обучения
Пока это идея. Перед запуском нужно понять, есть ли основания вкладывать в неё время и деньги.
✓
Исследовательская задача
«Нужно понять, есть ли основания запускать обучение для предпринимателей по работе с ИИ»
Зачем исследуем
Чтобы решить: тестировать направление сейчас, изменить идею или пока не запускать.
Теперь большой вопрос можно разобрать
Что нам действительно нужно узнать?
С какими задачами и трудностями люди уже сталкиваются?
Для кого проблема действительно значима, а для кого — нет?
Курсы, консультации, самостоятельное обучение, другие альтернативы.
Какие решения существуют и чем они отличаются друг от друга?
Какие данные ещё нужны, прежде чем делать вывод о запуске?
Было
«Расскажи всё
про этот рынок»
Стало
«Вот решение,
которое мне предстоит принять.
Вот вопросы,
на которые нужны данные»
И только теперь подключаем нейросеть
У ИИ появилась нормальная работа
Теперь его можно отправлять искать источники, собирать факты, сравнивать материалы и помогать с анализом. Он знает не только тему — он понимает, зачем нам нужна информация.
Рабочая формула
1
Какое решение
нужно принять?
→ 2
Что для этого
нужно узнать?
→ 3
Какие данные
это покажут?
→ 4
Где будем
их искать?
Дальше
Вопрос поставили.
Теперь разберёмся,
где брать информацию
и какой инструмент отправлять за ней.
Исследования и анализ · Шаг 2
Вопрос есть. Теперь решаем, где искать ответ
Не существует одного места, где лежит вся нужная информация. Официальная статистика отвечает на один вопрос, отзывы — на другой, исследования — на третий. Поэтому сначала выбираем источник, а уже потом инструмент для работы с ним.
Важное различие
ChatGPT и Perplexity помогают работать с информацией.
Но источник — это то место,
откуда появился сам факт, цифра, мнение или документ.
Карта источников
Разные вопросы — разные места поиска
01
Официальные источники
Государственная статистика, реестры, нормативные документы, сайты ведомств и организаций.
Ищем здесь
цифры, правила, даты,
официальные факты
02
Исследования и отчёты
Отраслевые обзоры, исследования компаний, аналитические центры, профессиональные отчёты.
Ищем здесь
динамику, структуру,
оценки и тенденции
03
СМИ и отраслевые площадки
Новости, экспертные материалы, интервью, профессиональные издания.
Ищем здесь
события, изменения,
контекст и мнения
04
Отзывы и обсуждения
Отзовики, форумы, комментарии, сообщества, профессиональные обсуждения.
Ищем здесь
язык людей,
проблемы, опыт,
вопросы и возражения
05
Сайты компаний
Продукты, тарифы, условия, кейсы, документы, публичные предложения.
Ищем здесь
что компания сама
заявляет и предлагает
06
Собственные данные
Аналитика, продажи, переписки, интервью, обращения, документы и исследования компании.
Ищем здесь
что происходит
именно в вашем бизнесе
Возвращаемся к нашему примеру
Хотим понять, стоит ли запускать обучение по ИИ для предпринимателей
→
исследования
статистика
статистика
→
отзывы · обсуждения
интервью
интервью
→
сайты продуктов
поисковая выдача
поисковая выдача
→
комментарии · опросы
переписки
переписки
А теперь выбираем инструмент
Не «кто лучше». А кто нужен на этом этапе
01 Обычный поиск
Хорош, когда
нужно самостоятельно увидеть выдачу, открыть конкретные сайты и добраться до первоисточника.
Например
найти официальный отчёт,
документ или сайт компании
02 ChatGPT с веб-поиском
Хорош, когда
нужно искать информацию и сразу работать с ней: уточнять, сопоставлять, задавать следующие вопросы.
Например
собрать несколько источников
и сравнить их выводы
03 Perplexity
Хорош, когда
нужен быстрый исследовательский поиск по веб-источникам с возможностью пройти по найденным ссылкам.
Например
быстро собрать стартовый набор
материалов по вопросу
04 ИИ + ваши файлы
Хорош, когда
информация уже у вас: отчёты, таблицы, исследования, интервью, документы.
Например
сравнить пять отчётов
по одним критериям
Один вопрос — несколько источников
Вот как может выглядеть нормальный маршрут поиска
01
Найти обзор
понять поле
→ 02
Найти первоисточник
проверить факт
→ 03
Найти альтернативу
сравнить
→ 04
Посмотреть опыт людей
добавить контекст
→ 05
Сопоставить
только потом вывод
✕ Не так
«ChatGPT сказал,
что рынок вырос на 35%»
✓ Так
«В исследовании N
за такой-то период
указан рост 35%.
Вот источник и условия расчёта»
YOU
Ваша работа
Не собрать больше ссылок. Собрать достаточные основания для ответа.
Иногда для этого хватит одного официального документа. Иногда понадобятся десять разных источников. Количество само по себе ничего не доказывает.
Рабочая схема
1
Вопрос
→ 2
Тип данных
→ 3
Источник
→ 4
Инструмент
→ 5
Проверка
Следующий шаг
Источник нашли.
Но наличие ссылки ещё не делает информацию достоверной.
Дальше научимся проверять,
чему действительно можно верить.
Исследования и анализ · Шаг 3
Нашли красивую цифру. Теперь проверяем, можно ли ей верить
Ссылка ещё не делает информацию надёжной. Цифра может быть старой, вырванной из контекста, пересказанной десятком сайтов или основанной на слабой выборке. Поэтому перед выводом всегда проверяем, откуда она взялась и что именно означает.
Наш учебный пример
В поиске попалась цифра:
78%
предпринимателей
якобы уже используют ИИ
в повседневной работе
Выглядит убедительно.
Особенно крупным шрифтом.
!
Пока не используем
Мы ещё не знаем,
что означает эта цифра и кто её посчитал.
Проверка 01
Ищем первоисточник
Мы нашли
статью в отраслевом медиа
→
Она ссылается
на обзор другой компании
→
И только там
есть ссылка на исходное исследование
Проверка 02
Смотрим, кого вообще опрашивали
Уже лучше, но число само по себе ещё ничего не говорит.
Это может отличаться от всех предпринимателей в целом.
Значит, вывод нельзя автоматически переносить на весь рынок.
Проверка 03
Читаем формулировку вопроса
В исследовании спрашивали
«Использовали ли вы хотя бы один инструмент на базе ИИ за последние 3 месяца?»
А мы прочитали это как
«78% предпринимателей постоянно используют ИИ в работе»
≠
Но реально это значит
«78% опрошенных хотя бы раз использовали ИИ за 3 месяца»
Проверка 04
Смотрим дату
Публикация
2024
→
Сегодня
2026
→
Вывод
для быстро меняющейся темы
данные уже требуют обновления
Проверка 05
Ищем второе независимое подтверждение
Что это значит
Мы можем осторожно говорить о тренде,
но не обязаны объявлять одну цифру
универсальной истиной.
✕ Было
«78% предпринимателей
уже используют ИИ в работе»
→
✓ Стало
«В исследовании N
среди конкретной выборки
78% участников сообщили,
что хотя бы раз использовали ИИ
за последние три месяца»
Теперь факт можно сохранить нормально
Факт
78%
Кто
участники конкретного исследования
Что измеряли
хотя бы одно использование ИИ
Период
последние 3 месяца
Источник
первоисточник исследования
Ограничение
нельзя переносить на всех предпринимателей
Как попросить ИИ помочь с проверкой
Не «проверь, правда ли это»
Проверь это утверждение как исследователь. УТВЕРЖДЕНИЕ: [вставьте факт, цифру или вывод] НАЙДИ И ПОКАЖИ: 1. Первоисточник. 2. Дату публикации. 3. Кто проводил исследование. 4. Кого и сколько опрашивали / какие данные использовали. 5. Точную формулировку показателя. 6. Период, к которому относятся данные. 7. Какие ограничения есть у исследования. 8. Есть ли независимые источники, подтверждающие тот же вывод. 9. Где исходная формулировка может быть сильнее, чем позволяют данные. РАЗДЕЛИ РЕЗУЛЬТАТ НА: — подтверждено; — требует уточнения; — не подтверждено; — нельзя сделать вывод по имеющимся данным. Не усиливай формулировки и не подменяй исходный показатель более общим выводом.
Красные флажки
Вот что должно сразу насторожить
YOU
Финальное решение
ИИ может помочь найти и проверить. Но решение «достаточно ли этого для вывода» остаётся за человеком.
Иногда результат проверки звучит не как «да, это правда», а как «данных недостаточно, чтобы утверждать это настолько уверенно». И это тоже хороший результат исследования.
Следующий шаг
Теперь представим,
что таких источников не один,
а двадцать:
отчёты, PDF, статьи, таблицы и документы.
Дальше научимся работать с большим объёмом информации,
не превращая анализ в пересказ.
Исследования и анализ · Шаг 4
Источников уже двадцать. Теперь главное — не утонуть
Допустим, у нас уже есть отчёты, PDF, статьи, таблица, заметки и несколько документов. Здесь ИИ действительно экономит много времени — если заранее сказать ему, что именно искать и как раскладывать материал.
Наш рабочий стол
После поиска получилось вот это
Всё может быть полезным. Но читать подряд 300 страниц ради одного решения — не лучший способ провести вечер.
Первая попытка
Отдаём документы ИИ и пишем:
«Проанализируй эти материалы
и дай основные выводы»
И получаем
аккуратный пересказ:
в первом документе говорится…
во втором отмечается…
третий источник подчёркивает…
Текст может быть хорошим. Только наш исследовательский вопрос от этого ближе к ответу не стал.
Меняем подход
Не «прочитай всё».
А «найди в этих материалах ответы
на конкретные вопросы».
Возвращаемся к нашему кейсу
Стоит ли запускать обучение по ИИ для предпринимателей?
Теперь разбираем документы одинаково
Для каждого источника — одна и та же карточка
Источник
название + ссылка / файл
Дата
когда опубликован
Что относится к вопросу
только релевантные факты
Цифры
показатель + контекст
Ограничения
выборка / методика / пробелы
Что важно
для нашего решения
Например, разбираем один отчёт
Не конспектируем 84 страницы
PDF · 84 страницы
Исследование использования ИИ
малым бизнесом
→
Нашли
4 релевантных факта
Нашли
2 полезные цифры
Нашли
1 ограничение исследования
Не нашли
ответа на один важный вопрос
После нескольких документов
Получается уже не куча файлов, а рабочая таблица
Источник Факт Доказательство Ограничение Что нам даёт
Отчёт A
растёт интерес к AI-инструментам
данные опроса
ограниченная выборка
подтверждает тренд
Исследование B
предприниматели используют ИИ в нескольких сценариях
результаты исследования
другое определение использования
дополняет картину
Обсуждения
повторяются вопросы о постановке задач
реальные формулировки пользователей
не репрезентативно
гипотеза о проблеме
Наши обращения
люди задают похожие вопросы
собственные данные
небольшая база
сильный сигнал для проверки
А вот здесь начинается интересное
Источники не обязаны соглашаться друг с другом
Иногда это не ошибка. Они могут использовать разные определения, выборки, периоды или методы.
Источник A
«ИИ используют активно»
≠
Источник B
«Регулярное использование пока ограничено»
Что проверяем
Они измеряют одно и то же?
Запрос для разбора большого массива
Просим не пересказывать, а извлекать по структуре
Я дам тебе несколько источников по одной исследовательской задаче. ИССЛЕДОВАТЕЛЬСКИЙ ВОПРОС: [вставьте] РЕШЕНИЕ, ДЛЯ КОТОРОГО НУЖНА ИНФОРМАЦИЯ: [вставьте] НЕ ДЕЛАЙ ОБЩИЙ ПЕРЕСКАЗ ДОКУМЕНТОВ. Для каждого источника отдельно извлеки: 1. Название / источник. 2. Дату. 3. Только те факты, которые относятся к моему исследовательскому вопросу. 4. Значимые цифры с контекстом. 5. Какие выводы прямо поддерживаются источником. 6. Какие выводы источник НЕ позволяет сделать. 7. Ограничения: выборка, методика, период, контекст. 8. Что в источнике требует дополнительной проверки. После разбора всех источников: А. Покажи, какие факты повторяются. Б. Покажи, где источники расходятся. В. Отдельно укажи возможные причины расхождений. Г. Покажи, каких данных всё ещё не хватает. Д. Не объединяй разные показатели только потому, что они похожи. Е. Не превращай гипотезы в факты. ФОРМАТ: Источник → факт → подтверждение → ограничение → значение для нашего вопроса. В конце не давай окончательное решение. Сначала покажи собранную доказательную базу.
Было
2 отчёта + 12 статей +
таблица + заметки
«надо всё прочитать»
→
Стало
факты + цифры +
ограничения + противоречия +
пробелы
уже можно анализировать
!
Не теряем первоисточники
Таблица ИИ — это рабочий слой, а не замена документам
Любой важный вывод должен позволять вернуться к исходному материалу и увидеть, на каком факте или фрагменте он действительно основан.
✓
Что получили
Большой массив информации
превратился в структурированную доказательную базу,
где видно не только то, что известно,
но и то, чего мы пока не знаем.
Следующий шаг
Факты собраны и разложены.
Теперь начинается настоящий анализ:
будем искать закономерности,
противоречия,
связи и выводы —
вместо очередного пересказа.
Исследования и анализ · Шаг 5
Факты собраны. Теперь надо понять, что из них следует
Здесь чаще всего и начинается путаница: нейросеть красиво пересказывает материалы, а человеку кажется, что это уже анализ. Но анализ начинается там, где мы ищем связи, расхождения, закономерности, ограничения и пробелы в данных.
Наш кейс после предыдущего шага
Что у нас уже есть
Пересказ выглядит примерно так
Всё верно. И почти бесполезно.
«Интерес к искусственному интеллекту растёт. Предприниматели используют AI-инструменты в различных задачах. При этом у части пользователей возникают сложности с постановкой задач и эффективным взаимодействием с нейросетями».
Проблема
Мы повторили то,
что уже лежало в таблице.
Нового понимания не появилось.
Начинаем анализ
Задаём данным вопросы второго уровня
Ищем повтор
Один сигнал — ещё не закономерность
Источник A
вопросы о постановке задач
Источник B
сложности с формулировкой запросов
Наши обращения
«ИИ меня не понимает»
Наблюдение
тема постановки задач
повторяется в нескольких независимых местах
Теперь ищем расхождение
Источники могут говорить противоположные вещи
Источник A
использование ИИ
быстро растёт
≠
Источник B
регулярное использование
остаётся ограниченным
Аналитический вопрос
Возможно,
один источник считает любое использование,
а другой — только регулярное?
Самая важная лестница
Не перепрыгиваем от цифры сразу к решению
Факт
похожие вопросы
встречаются в нескольких источниках
→ Наблюдение
постановка задач
может быть повторяющейся проблемой
→ Гипотеза
предпринимателям
может быть полезно обучение этому навыку
→ Что дальше
проверить спрос
и готовность учиться
✕ Слишком сильный вывод
«Рынок доказал,
что курс точно будет востребован»
→
✓ Что данные позволяют сказать
«Есть повторяющиеся сигналы проблемы.
Идею имеет смысл проверить
на реальной аудитории»
Хороший анализ показывает не только ответы
Он показывает, чего мы пока не знаем
Запрос для аналитического этапа
Теперь можно просить ИИ искать связи и противоречия
У нас уже есть структурированная база фактов по исследовательскому вопросу. ИССЛЕДОВАТЕЛЬСКИЙ ВОПРОС: [вставьте] РЕШЕНИЕ, ДЛЯ КОТОРОГО ПРОВОДИМ АНАЛИЗ: [вставьте] РАБОТАЙ ТОЛЬКО С ПЕРЕДАННЫМИ ДАННЫМИ. НЕ ДЕЛАЙ ПЕРЕСКАЗ. Проанализируй материал по следующим направлениям: 1. Какие факты повторяются в нескольких независимых источниках? 2. Какие выводы поддерживаются несколькими источниками? 3. Где источники противоречат друг другу? 4. Возможны ли различия в определениях, выборках, периодах или методике? 5. Какие закономерности можно осторожно предположить? 6. Какие наблюдения пока остаются только гипотезами? 7. Какие факты выглядят как исключения или аномалии? 8. Каких данных не хватает для уверенного вывода? 9. Какие выводы НЕ следуют из имеющихся данных? 10. Какие дополнительные данные сильнее всего повлияют на решение? Для каждого вывода покажи: — какие факты его поддерживают; — уровень уверенности; — ограничения; — что нужно проверить дополнительно. Разделяй: ФАКТ НАБЛЮДЕНИЕ ГИПОТЕЗУ ВЫВОД Не превращай корреляцию в причинно-следственную связь. Если данных недостаточно — прямо так и напиши.
✓
Что получили
Мы уже не просто знаем,
что написано в источниках.
Мы видим повторяющиеся сигналы,
противоречия,
гипотезы
и пробелы,
которые влияют на решение.
Следующий экран
Вот теперь у нас достаточно подготовленного материала,
чтобы выпустить Инфорадар.
Отдадим ему исследовательскую задачу,
собранные данные
и посмотрим,
как профильный ассистент помогает пройти финальный аналитический слой.
Исследования и анализ · Шаг 6
База собрана. Теперь подключаем профильных специалистов
Мы уже знаем, что ищем, где нашли данные, чему можем доверять и где остаются пробелы. Теперь один и тот же материал можно отдать разным AI-ассистентам — потому что вопросы к нему тоже разные.
Наш учебный кейс
Стоит ли запускать обучение по работе с ИИ для предпринимателей?
Одна база данных
Два разных исследовательских вопроса
IR
Информационная ветка
Инфорадар
Вопрос к ассистенту
Что мы действительно знаем
об этой проблеме
и чего пока не знаем?
Передаём задачу
Изучи собранные материалы по вопросу обучения предпринимателей работе с ИИ. Найди повторяющиеся сигналы, расхождения между источниками, недостающие данные и вопросы, которые требуют дополнительной проверки.
Что хотим получить
01
Повторяющиеся сигналы
02
Противоречия
03
Пробелы в данных
04
Что искать дальше
На нашем кейсе
Повторяется тема постановки задач ИИ,
но данные пока не показывают,
насколько проблема остра
и как часто она мешает работе.
₽
Коммерческая ветка
Радар денег PRO
Вопрос к ассистенту
Есть ли за этой проблемой
потенциальная коммерческая возможность?
Передаём задачу
Мы видим повторяющийся сигнал: предпринимателям бывает сложно правильно ставить задачи ИИ. Проанализируй это как коммерческую гипотезу. Какие признаки могут указывать на потенциальный спрос и что нужно проверить, прежде чем говорить о готовности платить?
Что хотим получить
01
Какая проблема
может иметь цену
02
Какую ценность
может дать решение
03
Какие сигналы спроса
уже есть
04
Что проверить
до запуска
На нашем кейсе
Есть основание проверить продуктовую гипотезу,
но пока нет оснований утверждать,
что аудитория готова покупать
отдельное обучение.
Инфорадар
Что мы знаем?
факты · сигналы · противоречия · пробелы
+
Радар денег PRO
Есть ли коммерческая гипотеза?
проблема · ценность · спрос · проверка
→
Человек
Достаточно ли оснований,
чтобы действовать?
!
Не перепутать
Гипотеза — ещё не доказательство
Даже если два ассистента видят сильный сигнал, это не превращает его в подтверждённый спрос. Ассистенты помогают понять, что стоит проверять дальше.
Что можем сказать по нашему кейсу сейчас
Не «запускаем курс». А вот так:
Следующая проверка уже понятна
Что спросим у реальных людей
01
Где именно возникает проблема?
02
Насколько она мешает работе?
03
Как человек решает её сейчас?
04
Нужна ли ему помощь?
05
Есть ли готовность платить?
Финальная роль человека
Не выбрать того ассистента, который звучит убедительнее
А сопоставить выводы с исходными фактами, проверить ограничения и решить, какое действие действительно оправдано имеющимися данными.
✓
Что изменилось
Мы посмотрели на одну исследовательскую базу
с двух сторон:
информационной
и коммерческой —
и получили не «ответ нейросети»,
а понятный список следующих проверок.
Остался финал
На последнем экране соберём весь маршрут:
от первого вопроса
до решения,
которое действительно опирается на информацию.
Финал · Исследования и анализ
Исследование — это не гора информации. Это маршрут к решению
Мы начали с размытого «найди мне информацию» и дошли до системы, в которой понятно, что искать, где искать, чему верить, что анализировать и когда подключать профильных AI-ассистентов.
Было
PDF ссылка цифра отчёт статья таблица
«И что теперь
со всем этим делать?»
Стало
01 Вопрос
→ 02 Источники
→ 03 Проверка
→ 04 Анализ
→ 05 Решение
Весь маршрут на одной схеме
Теперь исследование выглядит так
Наш учебный кейс
Что получилось из одной размытой идеи
Профильные помощники
Теперь понятно, когда кого звать
Не «пусть ассистент исследует всё», а конкретная задача для конкретного специалиста.
Пять вещей, которые стоит унести с собой
Если запомнить только это — уже будет хорошо
Начните с решения, для которого нужна информация.
Всегда понимайте, откуда пришёл факт.
Дата, выборка, методика и контекст важнее размера шрифта.
Ищите связи, расхождения, ограничения и пробелы.
Если данных недостаточно, хороший анализ это покажет.
Перед следующим исследованием
Быстрая проверка себя
✓
Я понимаю,
какое решение принимаю?
✓
Я сформулировал
конкретные вопросы?
✓
Я знаю,
какие данные нужны?
✓
Я дошёл
до первоисточников?
✓
Я проверил
дату и контекст?
✓
Я отделил
факты от гипотез?
✓
Я вижу,
чего ещё не знаю?
✓
Мне понятно,
что делать дальше?
YOU
Главный аналитик всё ещё вы
ИИ ускоряет поиск, помогает сравнивать и замечать то, что легко пропустить.
Но именно человек определяет, какой вопрос важен, достаточно ли доказательств и какое решение оправдано.
“
Хорошее исследование не заканчивается словами «мы нашли много интересного». Оно заканчивается пониманием: что мы знаем, чего не знаем и что делаем дальше.
Раздел завершён
Теперь с информацией можно работать без паники
Не пытаться прочитать весь интернет. Не верить первой красивой цифре. Не ждать от нейросети магического ответа. А спокойно пройти путь: вопрос → данные → проверка → анализ → решение.
