Один промпт, пять докладов и 12 точных попаданий

В первой пробе я дал MnogoReels отрывок научно-популярной лекции без задания на содержание. Из трёх предложенных роликов один подошёл для моей подборки: объяснение в нём было понятно само по себе. На профессиональных докладах я решил проверить другую задачу. Если нужен фрагмент с рабочим приёмом, мало выбрать удачный момент из готовой нарезки. Можно ли заранее объяснить сервису, какую мысль искать?

Представим выступление о запуске продукта: спикер ярко описывает проблему, а спустя несколько минут рассказывает, как команды согласуют работу через общий документ. Для прикладного ролика я выбрал бы второй эпизод, если в нём понятны задача, способ действия, его применение и практический эффект без просмотра остального доклада. Эту законченную связку я и считал точным смысловым попаданием. Отрывок с одним лишь описанием проблемы мог быть интересным, но моему заданию не отвечал.

Критерий точного смыслового попадания был задан до запуска обработки.

Проверка состояла из двух частей. Сначала я сравнил свободную выдачу и выдачу с предметным заданием на одном докладе. Затем составил общий запрос для пяти новых докладов. Привожу его целиком, чтобы правило оценки было известно до результатов:

Найди самостоятельные фрагменты, в которых спикер объясняет конкретный воспроизводимый способ решить продуктовую или маркетинговую задачу. Подходят только фрагменты, где понятны сама задача, инструмент или последовательность действий, способ применения и практический эффект. Не выбирай вступления, определения и диагнозы без решения, личные истории без переносимого приёма, общие принципы, лозунги, выводы без действия и вопросы из зала. Каждый фрагмент должен быть понятен без остального доклада и без обязательного чтения слайда. Желаемая длительность — 35–75 секунд.

Для парного теста я взял одиннадцатиминутный отрезок доклада ProductSense'25 о взаимодействии продукта, маркетинга и продаж. До запуска отметил в записи три механизма: общий календарь релизов, единый документ запуска и согласованное определение идеального клиента. Затем подготовил отдельный предметный промпт: попросил найти рабочие инструменты синхронизации трёх команд с объяснением применения и эффекта. Названий отмеченных механизмов в него не включал.

Один и тот же отрезок я обработал дважды с одинаковыми настройками. Сначала оставил поле промпта пустым. MnogoReels предложил шесть содержательных фрагментов: о приоритетах, продуктовом фокусе, подготовке к запуску, совместных встречах и культуре. Среди трёх заранее выбранных механизмов нашлось только определение идеального клиента. Такая выдача вполне отвечала свободной задаче — показать, что в докладе может заинтересовать зрителя.

Без промпта MnogoReels предложил шесть содержательных фрагментов, но только один совпал с тремя заранее выбранными механизмами.

Во втором проходе я добавил предметный промпт. Получились три карточки: календарь релизов, общий документ запуска и определение идеального клиента. Все три совпали с отмеченными до запуска механизмами. При том же исходнике, диапазоне и настройках результат изменился вместе с заданием: без промпта — один нужный механизм из трёх, с промптом — три из трёх.

С предметным запросом MnogoReels предложил три карточки — по одной на каждый заранее отмеченный механизм.

В ролике о календаре команды продукта, маркетинга и продаж получают общий план релизов: маркетинг может раньше включиться в подготовку, продажи видят, что им предстоит продавать. В следующем несколько команд наполняют один документ запуска, к которому можно вернуться при подготовке материалов. Третий показывает, зачем согласовывать разные представления отделов об идеальном клиенте. Сами эпизоды сервис выбрал точно, с этим можно работать.

Удачный результат на одном докладе ещё не показывал, сработает ли правило на другой теме. Поэтому я взял пять новых шестиминутных отрезков ProductSense'25: о продуктовых сообществах, ИИ в чат-боте, финансовых метриках, запуске AI-продукта и обучении продуктовому мышлению. Каждый отрезок разобрал до запуска по тому же критерию. Всем пяти источникам дал дословно одинаковый запрос, приведённый выше. Названий конкретных приёмов из выступлений в нём не было.

Пять примеров точного смыслового попадания — по одному из каждого исходника.

Я оценивал все карточки первой выдачи, не перезапуская обработку ради другого набора. Пять проходов дали 15 карточек. В 12 из них задача, способ, применение и эффект раскрывались внутри короткого фрагмента — это 80% выборки. Хотя бы один такой ролик нашёлся в каждом из пяти видео.

В докладе об ИИ в чат-боте общий запрос нашёл четыре разных способа действия — все четыре карточки первой выдачи прошли критерий.

В докладе о чат-боте сервис предложил четыре карточки, и каждая прошла критерий. Одна посвящена переходу от дорогих в развитии правил к гибридному классификатору. Спикер объясняет, как правила и машинное обучение сначала работают параллельно, а число тематик и примеров увеличивается постепенно; в результате затраты на новые сценарии снизились на 15%. Вторая карточка показывает предиктивный ввод: по первым символам запроса бот предлагает готовую тему. В третьей скриншот ошибки ведёт к помощи по ошибке, а изображение операции — к поиску списания. В четвёртой из первого сообщения извлекаются сумма, дата или адрес, чтобы бот не спрашивал их повторно.

В финансовом докладе требовалось обосновать расширение команды во время заморозки найма. Спикер переводил просьбу в расчёт: сколько людей нужно, во сколько они обойдутся, какие функции смогут сделать и какую выручку от них ожидают. В рассказанном случае запрос на новые ставки одобрили. В остальных источниках MnogoReels выделил подбор формата и модерации сообщества под цель продукта, оценку стоимости AI-решения при росте трафика и «шаг ноль» для внутренней школы — сначала описать роль и уровни компетенций, затем строить обучение.

К четырём фрагментам о чат-боте я отдельно добавил тизеры. Новые моменты сервис не искал: я сохранил исходную нарезку и поменял только стиль — выбрал «Ключевое слово». В начале поверх видео появляется короткая фраза, а главное слово выделяется жёлтой плашкой. Под ней уже идёт речь спикера с караоке-субтитрами.

В ролике про гибридный классификатор число 15%, которое спикер называет ближе к концу, вынесено на первый экран: «Снизили затраты на сценарии на 15%». Тизер к предиктивному вводу обещает рост автоматизации, после чего в самом фрагменте появляется конкретный результат — плюс три процентных пункта. В ролике про NER технический термин сразу связан с понятной пользой: бот не переспрашивает сумму, дату или адрес, уже указанные клиентом.

В первых кадрах сервис показывает результат, который спикер затем объясняет.

Для профессионального доклада такой порядок мне подходит: сначала зритель понимает, зачем слушать техническое объяснение, затем видит сам механизм. Промпт определяет, какой эпизод MnogoReels превратит в ролик, а тизер — с чего начнётся знакомство с ним.