Скопировать ссылку
По исследованию Pressfeed среди журналистов, редакторов и экспертов СМИ, в 2026 году нейросетями пользуются уже 95% респондентов. И эта цифра отражает, как меняется работа с контентом в целом. Самый распространенный сценарий — поиск и анализ информации: его назвали 69% участников. Для написания текстов ИИ используют 60%, а для сбора фактуры — 53%. При этом 86% говорят, что нейросети ускоряют рабочий процесс.
То есть ИИ уже не инструмент, который нужно специально «внедрять». Еще несколько лет назад использование нейросетей само по себе могло быть отдельным пунктом в рабочем процессе: открыть сервис, сформулировать промпт, попробовать получить результат. Сейчас это выглядит иначе.
Например, наша команда обращается к нейросетям почти на каждом этапе: когда собирает фактуру, ищет заход для поста, анализирует тему и адаптирует материал под другую площадку.
Но чем больше вокруг становится контента, собранного «на автомате», тем быстрее считывается шаблонность. Поэтому важно не переступать эту «границу» и понять, как передавать нейросети задачи так, чтобы у аудитории не возникало ощущение искусственности.
Что в SMM уже можно спокойно ускорять, а что лучше автоматизировать с осторожностью
Спойлер — ускорять можно все. И сообщения для заказчиков, и генерацию идей. Но фокус меняется: вопрос не в том, что и на сколько можно ускорить, а в том, какую задачу имеет смысл вообще передавать нейронкам. Ценность ИИ постепенно смещается от «написать за меня пост» к снятию большого количества промежуточной работы вокруг материала или продукта. Разберем на примерах.
Три рутинные задачи, которые можно передать нейросетям
Работать с фактурой и проверкой информации
Нейросеть может собрать первичный список источников, найти упоминания, свести несколько материалов или подсказать, под каким еще углом можно изучить информацию.
Но здесь важно не путать ускорение поиска с фактчекингом. ИИ может довести до нужного ресурса, но не должен становиться самим источником. Цифры, цитаты, даты и любые чувствительные факты все равно нужно проверять руками.
А еще — понимать, какая нейросеть лучше ориентируется в повестке конкретного региона. Например, для глобальных новостей и англоязычных источников удобнее Grok или ChatGPT, а для российских — Алиса AI. Универсального «главного ИИ для ресерча» нет: лучше выбирать сервис под задачу, а потом уже сводить найденное в одну картину и перепроверять по первоисточникам.
То есть главный вывод такой — работа, которая раньше могла начинаться с часа хаотичного «гуглинга», теперь быстрее превращается в понятный список: вот что мы уже знаем, вот чего не хватает, вот куда идти проверять дальше.
Собирать посты из готовой фактуры
Придумать контент с нуля и сразу выдать готовую публикацию — плохая задача для нейронки. Но когда исходная мысль уже есть, ИИ хорошо снимает промежуточную работу.
Например, из расшифровки разговора с экспертом или длинного комментария коллеги нейросеть вытащит основные тезисы, предложит несколько заходов, сократит текст или адаптирует под формат конкретной площадки.
При этом со временем часть таких задач становится почти «автоматической» еще и потому, что нейросеть уже знает формат. Если ты десятый раз приносишь ей похожую фактуру для одной и той же рубрики, не нужно каждый раз писать идеальный промпт на полстраницы. Достаточно дать исходник и коротко обозначить, что нужно на выходе.
Чем стабильнее формат и чем больше у ИИ контекста по нему накопилось, тем меньше времени уходит не только на сам текст, но и на постановку задачи. В каких-то повторяющихся сценариях запрос уже может быть кривым и надиктованным в голосовом вводе, а результат все равно будет нормальным.
Пример «ленивого» промпта для нейросети
Что получаем на выходе с минимальными правками редактора
Так, редактор или SMM-менеджер меньше времени тратит на механическую сборку текста и больше — на то, что именно стоит сказать и как это должно звучать от лица бренда.
Собирать спецпроекты без отдельного продакшена
С помощью вайбкодинга SMM-менеджер, редактор и любой другой сотрудник может сам собрать прототип лендинга, теста, квиза или интерактивного лид-магнита — хотя раньше уже на старте пришлось бы ставить задачу дизайнеру и разработчику.
Так мы делали в Pressfeed «Гид по бесплатным публикациям». Суть спецпроекта такая: мы собрали 15 площадок, на которых эксперт, предприниматель или компания может рассказать о своей теме без покупки рекламного размещения. А вместе с площадками идут бесплатные материалы от экспертов, которые помогут с разными задачами: от питчинга журналистов до написания охватной статьи.
Запуск реализованного спецпроекта в телеграм-канале Pressfeed
Сбор фактуры потребовал много ручной работы: нужно было договориться с экспертами и собрать информацию. А вот дизайн и разработка интерактивной части заняли около часа в один промпт и несколько итераций правок.
Основной запрос для создания лендинга
Подготовка лендинга для передачи разработчику
Результат: интерактивный лендинг. Каждая точка на карте — СМИ или блог, в котором можно получить бесплатное размещение. Справа всплывает окно с информацией и материалом от эксперта
Разработчик подключился уже в конце, только для того, чтобы перенести готовый проект на наш домен.
Пример «узкого» места, которое лучше автоматизировать с осторожностью
Такой пример — любая задача, которую специалист полностью передает нейросети. Например, загрузить контент-план, фактуру и попросить «напиши мне посты на неделю».
С точки зрения запроса вроде все верно: у нейросети есть контекст, ваши документы, возможно даже аналитика. Но это не отменяет того, что на выходе получится нейрослоп: одинаковые заходы, предсказуемые конструкции и ощущение, что весь месяц с аудиторией разговаривал один и тот же вежливый бот.
Хорошая автоматизация заканчивается там, где начинается редакционное решение. Нейросеть может собрать, сократить, найти, предложить варианты, но решить, какая мысль сейчас нужна аудитории и как ее должен донести бренд, пока лучше человеку.
Главная метрика работы с ИИ — не количество произведенного контента
И не то, насколько быстро вы теперь готовите публикации. С нейросетями можно выпускать и тысячу публикаций в месяц, но не получать никакого бизнес-эффекта. Сейчас на ИИ интереснее смотреть со стороны, сколько звеньев исчезло из процесса. Если раньше SMM-менеджер в случае с лендингами придумывал идею, потом ставил задачу дизайнеру, ждал макет, шел к разработчику, собирал правки и только после этого что-то запускал, то сейчас часть такие задачи можно закрывать самостоятельно одному человеку под ключ. Поэтому эффект автоматизации я бы оценивала по трем вещам:
- сколько времени занимает запуск;
- сколько людей нужно подключить;
- что проект в итоге принес бизнесу.
Если лендинг теперь можно сделать за полтора часа вместо нескольких дней — это экономия времени. Если для проверки гипотезы больше не нужно сразу занимать дизайнера и разработчика — это экономия ресурсов. Теперь SMM-специалист может придумать механику, собрать прототип, оформить визуал, сверстать лендинг, проверить гипотезу и довести проект до публикации. Все это без отдельной производственной цепочки.
Ценность ИИ для SMM все больше смещается в сторону расширения роли самого специалиста. Вайбкодинг, базовый дизайн, аналитика, прототипирование постепенно становятся частью набора инструментов любого специалиста в контенте. И это сильнее меняет работу, чем возможность написать пост за пять минут.
