Ещё недавно казалось, что это почти невозможно, а сейчас, как и с изображениями или видео, человек без существенного опыта в Blender может написать «деревянный сундук с металлическими уголками» и через минуту получить файл, который откроется в Unity или любом другом приложении.

Сгенерировать можно что угодно — вопрос теперь в качестве: как правильно строить запрос и что делать с моделью дальше.

Вы открываете статью, заголовок которой вас зацепил. Структура, термины, иллюстрации — вроде бы все на месте. Но через минуту понимаете, что это нейрослоп, и читать его невозможно. Разбираем признаки, по которым машинный текст можно отличить от написанного человеком.

В 2026 году умение писать промпты — это уже не то же самое, что два года назад. Для многих задач качество формулировки перестало быть узким местом. Модели уровня GPT-5.6 и Claude научились считывать намерение даже из «грязных», небрежных запросов. Если раньше плохой промпт гарантированно давал мусор, то сейчас он выдаёт результат, который вполне подходит для 90% бытовых сценариев.

Однако потребность в структуре и контексте никуда не делась — наоборот, она выросла. Промпты по-прежнему нужны как для обычных текстовых задач, так и для тех областей, где жёсткая структура критически важна: генерация изображений, видео, аудио или код со строгими ограничениями.

Даже OpenAI официально подтвердила: архитектура промпта теперь важнее привычных ролевых преамбул вроде «Твоя роль — профессиональный юрист с двадцатилетним стажем». Для современных моделей, особенно тех, что способны к самостоятельному рассуждению, старые приёмы превратились в балласт. В этой статье мы разберёмся, как сделать ответы ИИ точнее и качественнее с учётом реалий 2026 года.

Несколько удачных фотографий сами по себе ещё не становятся коллажем. Их нужно расположить на одном холсте, подобрать фон, выровнять размеры, добавить рамки и решить, какой снимок будет главным. В обычном редакторе всё это приходится делать вручную, а нейросеть может предложить готовую композицию по текстовому описанию.

В этой инструкции соберём классический фотоколлаж из четырёх женских портретов — каждый исходник останется самостоятельной карточкой, а нейросеть добавит компоновку, рамки, эффект бумажных слоёв и декоративные детали.

Вы: пытаетесь заснуть. Мозг: давай вспомним неприятный разговор с начальником. 

И ещё раз. И ещё. Ну и ещё чуть‑чуть.

А потом на часах 2:13, а вы уже пятый раз открываете холодильник в поисках вкусненького. И спать перехотелось. А завтра вставать в 7:20.

Если такое повторяется часто, привет бессонница и другие хронические подарки. Как себе помочь? Друзей и близких бесконечно своими проблемами грузить не будешь; понятное дело — нужна помощь психолога. Но кого выбрать? И где взять деньги? А может, сначала попробовать с ИИ?

Собственно: почему бы и нет?

Если коротко: формула с обращением к нейросети прямо из ячейки в 2026 году существует, но у каждого варианта свои ограничения, и упираются они не в качество модели. В Excel такой функции больше нет: 14 сентября Microsoft отключила COPILOT(). В Google Таблицах функция AI() работает даже на бесплатном аккаунте, но русский промпт не принимает и упирается в месячный лимит за несколько вызовов. Третий вариант это сторонняя надстройка со своей функцией, например плагин BotHub для Google Таблиц.

Дату я поставил не для красоты. Те, кто успел собрать на этой функции рабочий процесс, остались без него, и это хороший повод посмотреть, что на рынке есть кроме неё.

Ниже разбор всех трёх вариантов: что они умеют по документации и что показал мой собственный прогон на русской бухгалтерской выгрузке. В конце сводная таблица по лимитам и оплате.

Если регистрируетесь впервые, вот реферальная ссылка: по ней на счёт зачисляется 300 000 токенов.

Рынок труда 2026 года устроен так, что резюме сначала читает алгоритм и только потом человек, причём по диагонали. Системы фильтрации научились оценивать не только наличие ключевых слов и опыта, но и контекст их использования, а рекрутеры активно применяют ИИ — ChatGPT, Claude, Gemini, Grok или DeepSeek. Стандартное резюме, написанное один раз и разосланное по сотне вакансий, отсеивается на этапе автофильтра. Рекрутер получает от системы ранжированный список из нескольких кандидатов и обрабатывает их также через ИИ. Задача соискателя — попасть в этот список, пройти фильтры и обойти конкурентов.

Ситуацию усложняет то, что нейросетями пользуются обе стороны. Рынок труда стал похож на киберпанк-утопию, где ChatGPT сканирует резюме от других ИИ. В этих условиях выделиться можно единственным работающим способом — собирать резюме и сопроводительное письмо под конкретную вакансию из заранее подготовленной матрицы достижений. Ниже разберём, как использовать ИИ для создания резюме и как заставить нейросеть делать его под конкретную вакансию.

В этой статье - как составить резюме в 2026 году, которое пройдёт ATS и ИИ-скрининг: матрица достижений, лексическое зеркало, 9 готовых промптов для ChatGPT, Claude и DeepSeek.

Среди большого потока резюме сопроводительное письмо помогает выделиться и повышает шансы, что рекрутер хотя бы обратит внимание на отклик. Особенно если на вакансию много кандидатов с похожим опытом. А если опыта мало или он нерелевантный, в письме можно объяснить свою мотивацию, переход в новую сферу и то, почему именно вы подходите на эту позицию.

Но писать отдельное сопроводительное под каждую вакансию вручную долго, особенно когда для поиска работы приходится отправлять десятки, а то и сотни откликов. 

ИИ заметно упрощает эту задачу: ему можно передать ваше резюме, текст вакансии и, задав грамотный промпт, на выходе получить письмо с нужными параметрами и акцентом на наиболее подходящих навыках и опыте. Главное — правильно поставить задачу и не позволить модели придумывать то, чего в резюме нет.

Дальше коротко разберём, зачем нужно сопроводительное письмо и что в нём должно быть, какие данные передать ИИ и какой промпт использовать. Затем протестируем несколько моделей на резюме и реальной вакансии, сравним результаты и сделаем выводы.

Короткий ответ на вопрос из заголовка: открываете сервис синтеза речи, вставляете текст, выбираете модель и голос, скачиваете файл. В 2026 году это занимает минуту. В синтезе речи BotHub весь процесс это одно поле, два выпадающих списка и кнопка.

Проблема в том, что первый файл почти всегда идёт в мусор.

Не потому, что модель слабая. С моделями как раз всё хорошо: они ставят паузы, тянут интонацию, отличают вопрос от утверждения, а некоторые ещё и принимают текстовую инструкцию вроде «прочитай устало, как будто это пятый созвон за день». Ломается другое. Синтез читает «замок» не в ту сторону, выговаривает «ГОСТ Р 34.10-2012» как «гост эр тридцать четыре точка десять тире две тысячи двенадцать», глотает букву ё и превращает 1 250 000 ₽ в невнятную цепочку цифр. Слушатель спотыкается на первой же ошибке, и дальше уже неважно, какая там была интонация.

Так что дальше по порядку: как готовить текст, чтобы этого не было, какую модель брать под какую задачу, сколько это стоит в рублях и что делать с правами, если аудио уходит в коммерческий проект. В конце сводная таблица по ценам, лимитам и длине куска, который модель проглатывает за один раз.

Давайте проверим возможности искусственного интеллекта на реальном кейсе. Чтобы не выбирать один ИИ на все случаи жизни, мы будем работать в BotHub, где можно переключаться между моделями. Для каждой задачи будем использовать наиболее подходящую модель: например, мощной Claude Opus 5 мы поручим разбор объемного ТЗ, а быстрой Claude Sonnet 5 — генерацию CSV для дальнейшей работы с план-графиком.