Кейс. Я проверил 5 самых скучных заданий на фрилансе: какие из них ИИ превращает в лёгкие деньги

Я специально не искал заказы со словами «нейросеть» и «ChatGPT». Взял обычную рутину с фриланс-площадок и проверил, какую часть работы реально можно отдать ИИ.

Когда я смотрю на заказы на Kwork или Workzilla, самые интересные иногда выглядят максимально скучно.

«Расшифровать аудио».

«Собрать список компаний».

«Разобрать большой документ».

«Исправить текст».

«Разнести данные по категориям».

Никакого искусственного интеллекта в формулировке нет.

И это нормально.

Заказчику не нужен ChatGPT. Ему нужен результат.

Поэтому я решил проверить пять таких задач и посмотреть, что произойдёт, если использовать ИИ не как замену исполнителю, а как инструмент, который забирает на себя механическую часть работы.

1. Расшифровать аудиозапись на 30 минут

Начну с самого понятного примера.

На Workzilla есть отдельные задания и услуги по расшифровке аудио. Сейчас на площадке встречаются предложения расшифровать до 30 минут записи за 500 ₽, а отдельно — расшифровка с разделением по спикерам или приведение текста в рабочий вид. На Kwork похожие услуги тоже начинаются примерно от 500 ₽.

То есть рынок для такой задачи уже существует.

Теперь смотрим, сколько работы действительно нужно исполнителю.

Что мне присылает заказчик

Допустим, это MP3 с интервью на 30 минут.

Требование:

Расшифровать запись, разделить реплики двух человек, убрать лишние повторы и отдать текст в Word.

Если делать всё вручную, придётся постоянно ставить запись на паузу, печатать, возвращаться назад и разбирать непонятные фразы.

Я бы так сейчас не делал.

Тестировал я через этот стек нейросетей. Удобно, что все работает быстро, все топовые нейросети в одном месте. Так же для удобства работал через бота

Шаг 1. Загружаю аудио в SyntX

В SyntX есть отдельный инструмент «Аудио в текст».

Путь:

SyntX → Аудио с ИИ → Аудио в текст.

Загружаю туда MP3-файл.

Инструмент автоматически переводит речь в текст. 

Получаю первую версию транскрипции.

Но отправлять её заказчику сразу нельзя.

Шаг 2. Передаю текст языковой модели

Теперь беру получившийся текст и открываю ChatGPT.

Промпт:

Отредактируй эту расшифровку интервью. Раздели реплики двух участников как «Спикер 1» и «Спикер 2». Удали слова-паразиты, очевидные повторы и незаконченные фразы, которые не влияют на смысл. Сохрани содержание разговора без добавления новой информации. Если какое-то слово распознано неправильно и ты не можешь уверенно определить его по контексту, пометь это место [проверить].

Получаю уже нормальный текст.

Шаг 3. Проверяю ошибки

Вот здесь начинается работа человека.

Я не читаю каждую строчку с одинаковым вниманием.

Сначала ищу:

1. имена;
2. фамилии;
3. названия компаний;
4. цифры;
5. даты;
6. профессиональные термины;
7. места, которые модель пометила как сомнительные.

Если в записи сказали «тридцать пять процентов», а в тексте получилось «тридцать пять рублей», это надо исправить.

Сколько времени

На 30-минутную запись при хорошем качестве звука такой процесс может занять у меня около 20–30 минут вместе с проверкой.

Именно здесь и появляется экономика.

Если задание стоит 500 ₽, а не три часа ручной работы, а около получаса — совсем другая история.

При этом на рынке есть и более дорогие варианты: например, на Kwork встречаются предложения транскрибации примерно от 500 до 1 000 ₽ за час записи, а на Workzilla отдельно продаётся расшифровка встреч с более сложным форматированием.

2. «Соберите список из 50 компаний»

Это уже интереснее.

Потому что в таком задании нейросеть вообще не обязана присутствовать.

Заказчик может написать:

Нужно найти 50 компаний из строительной отрасли. Указать название, сайт, город и краткое описание.

Обычный исполнитель открывает Google, ищет компанию, копирует информацию в таблицу.

Потом следующую.

И ещё 48 раз.

Шаг 1. Создаю структуру

Сначала открываю Google Sheets или Excel.

Создаю четыре столбца:

Название

Сайт

Город

Краткое описание

И добавляю ещё один:

Источник

Он нужен мне для проверки.

Шаг 2. Собираю исходные данные

Здесь я не пытаюсь заставить ChatGPT самостоятельно придумать 50 компаний.

Я сначала собираю реальные сайты и исходные данные.

Например, нахожу 10–15 компаний за один проход.

Копирую информацию в рабочий документ.

Шаг 3. Отдаю данные ChatGPT

Теперь открываю ChatGPT и загружаю документ.

Пишу:

Приведи информацию о компаниях к единому формату. Для каждой компании оставь название, сайт, город и краткое описание деятельности. Не добавляй факты, которых нет в исходном материале. Если информации по полю нет, напиши «нет данных». Не меняй названия компаний и адреса сайтов.

Теперь вместо ручного редактирования 50 описаний я получаю единообразный результат.

Шаг 4. Проверяю таблицу

Проверяю сайты.

Почему?

Потому что языковая модель может прекрасно структурировать неправильную информацию.

Это важное правило вообще для всех подобных заказов:

ИИ можно доверить обработку данных, но не ответственность за данные.

Где появляется заработок

Допустим, клиент платит 1 500 ₽ за сбор базы.

Если делать всё вручную несколько часов, заказ может оказаться невыгодным.

Если сбор исходной информации + обработка + проверка занимают около 30 минут, экономика становится значительно интереснее.

И я уже начинаю смотреть на такой заказ не как на «копирование информации», а как на небольшую операцию по сбору и структурированию данных.

3. «Разберите большой документ и выделите главное»

Вот это задание я раньше вообще мог бы пропустить.

Например:

Есть документ на 80 страниц. Нужно сделать краткое содержание на 5–7 страниц.

Звучит как несколько часов чтения.

Но сначала я проверяю, можно ли сократить эту работу.

Шаг 1. Загружаю документ в ChatGPT

Открываю ChatGPT

Прикрепляю PDF или DOCX.

Шаг 2. Не прошу сразу сделать резюме

Это важный момент.

Я сначала говорю:

Проанализируй документ и составь его структуру. Выдели основные разделы, ключевые тезисы, цифры, даты, требования и выводы автора. Не сокращай пока текст. Мне нужно сначала понять структуру документа.

Модель выдаёт своеобразную карту.

Например:

1. Введение.
2. Описание проекта.
3. Финансовые показатели.
4. Результаты.
5. Проблемы.
6. Рекомендации.

Шаг 3. Делаю второй запрос

Теперь:

На основе этого документа подготовь краткую версию объёмом примерно 5 страниц. Сохрани все важные цифры, даты и выводы. Не добавляй информацию от себя. Если важный факт нельзя однозначно понять из документа, сохрани исходную формулировку.

Получаю черновик.

Шаг 4. Сверяю цифры

И вот здесь нельзя нажимать «готово».

Я открываю оригинал и проверяю все цифры, которые попали в итоговый документ.

Особенно:

1. суммы;
2. проценты;
3. даты;
4. количественные показатели;
5. названия организаций.

Если документ коммерческий, ошибка в одной цифре может полностью испортить работу.

Сколько можно брать

Цена здесь зависит от объёма и требований.

За простое резюме небольшого документа одна цена.

За 100 страниц с таблицами, приложениями и обязательной проверкой — совершенно другая.

Поэтому я бы не продавал такую услугу как «сделаю за 500 ₽ любой PDF».

Сначала смотрю объём.

4. «Исправьте ошибки в 20 текстах»

На первый взгляд — кошмарная работа.

Двадцать текстов.

Каждый надо открыть, прочитать, исправить и сохранить.

Но если заказчик дал понятное ТЗ, большая часть технической работы отлично переносится на модель.

Шаг 1. Собираю все тексты

Получаю, например, 20 небольших описаний.

Объединяю их в один документ.

Шаг 2. Загружаю документ в ChatGPT

Промпт:

Проверь тексты на орфографические, пунктуационные и очевидные грамматические ошибки. Не меняй факты, цифры и смысл. Не переписывай стиль автора. Не добавляй новые предложения. Для каждого текста сохрани исходный заголовок и структуру.

Это принципиально отличается от:

«Сделай красиво».

Если написать «сделай красиво», модель начнёт переписывать текст.

А клиент мог просить только исправить ошибки.

Шаг 3. Делаю второй проход

После исправления спрашиваю:

Теперь составь список всех мест, где ты не уверен в правильности исходной формулировки. Не исправляй их самостоятельно.

Получаю список спорных мест.

И уже их проверяю вручную.

Что в итоге

Если каждый текст вручную проверять по 10–15 минут, двадцать материалов могут занять несколько часов.

ИИ позволяет значительно сократить первый технический проход.

А моя работа превращается из полноценной корректуры каждого текста в контроль результата.

Это две разные затраты времени.

5. «Разнести 100 обращений клиентов по категориям»

А вот это уже практически готовая задача для автоматизации.

Представим, что заказчик дал 100 сообщений клиентов.

Например:

«Как оплатить заказ?»

«Можно ли доставить в Казань?»

«Хочу вернуть товар».

«Есть ли размер XL?»

«Когда приедет курьер?»

И просит распределить их по четырём категориям:

Оплата

Доставка

Возврат

Товар

Шаг 1. Создаю документ

Каждое обращение — отдельная строка.

Шаг 2. Загружаю файл в ChatGPT

И даю модели правила:

Распредели все обращения по четырём категориям: Оплата, Доставка, Возврат, Товар. Не создавай новые категории. Каждое обращение отнеси только к одной категории. Если сообщение невозможно однозначно классифицировать, пометь его как «Нужна проверка». Не меняй текст обращений.

Это уже очень конкретная задача.

Шаг 3. Проверяю спорные случаи

Например:

«А можно забрать заказ самостоятельно и оплатить при получении?»

Тут модель может выбрать «Оплата» или «Доставка».

Мне не нужно проверять все 100 сообщений одинаково.

Я смотрю на спорные.

Шаг 4. Использую результат

Получившуюся классификацию можно отдать клиенту как готовую таблицу.

Но на этом же процессе можно строить более серьёзные задачи:

1. классификация отзывов;
2. разбор обращений клиентов;
3. группировка вопросов;
4. сортировка лидов;
5. создание структуры базы знаний;
6. анализ причин обращений в поддержку.

И вот здесь скучное задание уже начинает быть похоже не на «работу за копейки», а на небольшую операцию по автоматизации бизнес-процесса.

Что из этих пяти я бы искал первым

После теста у меня получилась довольно простая картина.

Расшифровка аудио — один из самых понятных вариантов для старта.

Есть конкретный входной файл и конкретный результат.

Работа с документами — интересна, если умеешь внимательно проверять информацию.

Редактура — хороша при больших объёмах, потому что ИИ забирает технический проход.

Классификация — интересна тем, что её можно постепенно превращать в более дорогую автоматизацию.

Сбор информации — потенциально выгоден, но только если научиться быстро проверять исходные данные.

И самое главное — я бы не искал эти задания по слову «ИИ».

Наоборот.

Я бы искал:

«расшифровать аудио»

«собрать базу»

«найти компании»

«обработать документ»

«исправить ошибки»

«разнести данные»

«структурировать информацию»

«сделать резюме документа»

А уже после того, как нашёл задачу, задавал бы себе второй вопрос:

Какую часть этой работы я могу безопасно отдать нейросети?

И вот что я теперь считаю хорошим заказом

Для меня хороший заказ — это не обязательно тот, где платят 5 000 ₽.

Иногда заказ на 1 000 ₽ намного интереснее.

Если он занимает четыре часа — это плохая экономика.

Если он занимает 20 минут — уже совсем другая история.

Поэтому теперь, когда я открываю Kwork или Workzilla и вижу очередное скучное задание, я не пролистываю его автоматически.

Я сначала смотрю на процесс.

Что здесь повторяется?

Что занимает больше всего времени?

Что можно структурировать?

Что можно проверить автоматически?

Что всё равно придётся делать руками?

И только после этого смотрю на цену.

Получается довольно простой фильтр:

скучная задача + большой объём повторяющихся действий + понятный результат + ИИ сокращает механику = потенциально интересный заказ.

И именно такие задания я сейчас предпочитаю искать.

Потому что самый интересный заработок с ИИ иногда начинается не с красивой генерации картинки.

А с фразы:

«Нужно обработать 100 файлов».

И если раньше эта фраза означала для меня несколько часов монотонной работы, то теперь сначала возникает другой вопрос:

«А сколько из этого я могу сделать за один вечер, если правильно собрать процесс?»