Привет, Хабр! Меня зовут Саша, и я тот самый студент, который написал диплом с помощью ChatGPT за сутки. Всю историю можно почитать на Хабре тут, тут, где всерьез обсуждалась идея лишить меня диплома, и тут, где недоуменно размышляли, что со мной делать. Пока “Антиплагиат” трудится над совершенствованием системы (читать тут), я решил провести вас по пути джедая, использующего силу ChatGPT.
Для стандартной статьи в пять-шесть тысяч знаков нужна экспертиза по теме или часы погружения, уникальный авторский слог и в среднем от 2 до 8 часов на драфт. С появлением нейросетей тот же процесс можно ускорить и сделать доступным каждому. Именно с помощью ChatGPT и других нейросетей у меня вышло ускорить написание статей минимум вчетверо и сделать эту работу выгоднее по крайней мере вдвое. Несколько месяцев назад я стал автором журнала М.Клик в качестве нейросетолога, и уже написал 20 статей, потратив на это всего 17 часов.
Как я стал нейросетологом
До сотрудничества с М.Видео у меня был опыт написания статей о личном опыте, редактирования гайдов и создания подборок для IT и геймдев компаний. На их создание уходили десятки часов и даже дней, делал я это на энтузиазме, из интереса к теме и в свободное время. На написание, например, текста в 15 000 символов о полезных фичах одной популярной социальной сети ушло более 20 часов, за текст я получил 10 000₽, около 500₽ в час.
Я и редакция М.Клик договорились, что попробуем сотрудничать в формате “автор + редактор”, где я являюсь автором с ChatGPT, а на стороне М.Видео — редактор. Мы собрались проверить, 1) получается ли ускорить производство статей с помощью ChatGPT, сохраняя стиль медиа; 2) повышается ли трафик благодаря подобным материалам; 3) можно ли масштабировать этот процесс.
Мой личный KPI заключался в том, чтобы собирать статью до 3 часов, создавать больше материалов за меньшее количество дней, и зарабатывать в час больше 1 000₽. Мы договорились оценивать одну статью в 3 000₽.
Создание тем и планов
Редактор дал задание набросать список тем по референсам. Я взялся за это в течение 3 дней.
Референсы - заголовки уже опубликованных текстов
Создание этих тем я начал в ChatGPT. Сделал запрос на русском: Написать [количество] тем для статей в категории [название]. Референсы: [темы списком]. За 40 секунд получил предложения, убрал неподходящее для блога о технологиях. Также просил продолжить, если не хватало тем.
Затем я перешел к планам и сформулировал запрос: Сформировать план статьи [название темы]. Он должен состоять из [число] подзаголовков. Несколько минут ожидания, и план готов.
Изначально я пользовался моделью GPT-4, так как ответы выходили осмысленными и без повторов. После 25 запросов уперся в лимит, и переключился на GPT-3.5.
Закончив с генерацией тем и планов, оформил и отредактировал их в документе, чтобы показать редакции. Получилось 25 тем в категориях “Лайфхаки”, “Покупки”, “Гаджеты и приложения”, “Гик и Поп культура”, “Технологии и инновации”. Более “человечно” вышло готовить лайфхаки, рекомендации и сравнения, а технологии или рецепты оказались наименее подходящими для медиа. После разбора мы взяли в работу семь тем, четыре ушли в бэклог, при этом 14 не пошли в дальнейшую работу. На эту задачу с ChatGPT ушло чуть меньше 2 часов.
Впоследствии мы оптимизировали процесс и утверждали сначала темы, а уже затем переходили к планам и статьям.
Теперь немного о процессе: в М.Клик пишут статьи о технологиях в инфостиле. Автор готовит материал, отдает редакции на фидбек и оформление, после чего статья выходит. Мне же нужно было сначала получить текст для статьи от нейросети. Созданные мной материалы можно разделить на авторские и SEO, тексты, написанные с учетом принципов ранжирования поисковых систем с целью продвижения сайта в ТОП выдачи. В авторских я использовал сгенерированный план статьи, в SEO — генерировал по тз с учетом ключевых слов.
Какую нейросеть выбрать для авторского текста
Для авторских статей я использовал утвержденные планы, сгенерированные ChatGPT. Давал запрос: Напиши статью по теме [тема статьи]. Используй следующий план: [вставить план с новой строки]. После пары минут ожидания переносил получившийся текст в Google Doc для вычитки.
Получить с первого запроса качественный текст у меня не получилось ни разу. Поэтому я перечитывал получившийся текст и додумывал, что полезного добавить. Редактировал вступительную часть и конструкции, запрашивал дополнительную информацию у ChatGPT. Доработку делал за несколько минут с помощью запроса Добавь информацию в квадратные скобки: текст [идея, как расширить текст] или Добавь полезные данные к тексту. Повествование в тексте должно быть в нескольких абзацах, избегаются повторы: [выбранная часть]. Я не спрашивал дополнение отдельно, а ставил скобки, чтобы дополнительный кусок сразу органично вставал в текст с учетом контекста.
Материал на русском обычно получается на 2 500 – 3 000 символов. В процессе работы выяснил, что тот же текст можно получить на английском уже на 3 000 – 5 000 символов, где будет больше примеров или интересных фактов. Также чуть доработал запрос: Act as a writer. You need to write an article on the topic [тема статьи] in a friendly tone for many readers. Use the plan below: [вставить план с новой строки].
Помимо ChatGPT, пробовал использовать Perplexity. Это чат-бот, который сочетает функции искусственного интеллекта и поисковой системы. Как я ожидал, хорошо подойдет для рисерчей и ссылок. Например, для подборки игр, которые очень сложно пройти, я попросил написать процент прохождения игр, указать источники. Для Elden Ring я получил цифру в 17%, что проверялось в нескольких источниках. А вот для других игр показатель найти не удалось, так как не было источников или они выглядели недостоверно. Впрочем, тут и без нейросети сложно понять, сколько геймеров на самом деле прошли игры из подборки.
В основу статьи о надлежащем выборе чистящих средств для дома лёг ChatSonic. Дал запрос по схожему тз, но результат оказался в два раза длиннее и с меньшим количеством полезных примеров, чем смог бы ChatGPT. Но уже на другом примере — статьи про смарт-часы — я уловил преимущество ChatSonic в том, что для составления ответов используется Google с актуальной информацией. Так, например, ChatGPT указывает наличие измерения кислорода в крови только в смарт-часах, когда на самом деле эта функция встречается и в фитнес-браслетах. ChatSonic ответил, что опция есть в обоих форм-факторах. Похоже, сыграло роль ограничение базы данных ChatGPT до сентября 2021.
Написание SEO-статей
SEO-статьи нужны для повышения показов в поисковых запросах по ключевым словам. В этих статьях есть четкое тз на эти “ключи”, количество символов и план. Есть еще референсы, на основе которых надо подготовить текст с оригинальностью выше 65%.
Оригинальное тз состоит из более 4 тысяч символов, что не сможет обработать ChatGPT. Поэтому я взял из тз план и главные ключевые слова, перевел на английский и сделал запрос уже на 592 символа. ChatGPT обработал его за несколько минут, сделал статью по плану и применил ключевые слова.
Основной текст я точечно расширял по запросам на дополнения в квадратных скобках, а также сам, если разбирался в теме. Например, для статьи про работу нейросети я просил ChatGPT расписать, как обрабатывается входящий запрос пользователя и как выдается ответ. Но часть про риски развития ИИ я написал самостоятельно. Если бы попросил ChatGPT, Perplexity или ChatSonic написать текст по такой теме, мог бы получить что-то без примера или менее живое по стилю, но с примером.
SEO-статья получается раза в два больше, чем авторская. В ней еще должны содержаться основные и второстепенные ключевые слова — первых немного, а вторых больше, но часть из них можно опустить. Чаще всего мне приходилось добавлять ключевые слова вручную, поскольку подгонять запрос в ChatGPT под объем текста до 5 000 символов вышло бы дольше.
Работа с редакцией
Получив мой текст, редакция обычно просила изменить очередность или комбинирование подзаголовков, после чего текст читался легче и интереснее. Также были постоянные замечания относительно актуальности фактов. Например, по версии ChatGPT робот-пылесос не предназначен для влажной уборки, хотя в 2023 его уже можно использовать и для этого.
Исправление слов на более простые. Не “самодвижущиеся автомобили”, а “самоуправляемые автомобили”. Не “пряные ингредиенты”, а “пряности”. Не “типов настройки”, а “режимов”. Текст может звучать топорно и требовать вычитки после перевода на русский.
Расширение подзаголовков по интересным особенностям. Базово я представляю, как можно расширить текст на этапе запросов, но в процессе доработки могут поступить предложения от редакции по их экспертизе. Такие правки прогоняю в ChatGPT командой дополнить информацию в квадратных скобках. Черным цветом указан текст до редактуры, желтым — после.
Удаление повторов. Например, убираю капитанский или водянистый текст сам, но меняю местами и адаптирую по смыслу части текста с помощью ChatGPT. Часто попадалась вводная фраза “такие как” после уточняющего слова, поэтому первым делом чистил это без потери смысла.
Правки занимают по 20-30 минут, что аналогично по времени на составление первой версии. Получается отредактировать за одну или две итерации. Остается добавить обложку, ссылки и можно постить.
Автор vs ChatGPT
Чтобы не показалось, что генерировать текст в нужном виде легко и быстро, провел эксперимент. Я сгенерировал статью про беспроводную зарядку. Текст на эту же тему независимо от меня написал другой автор.
Попросил у редактора ТЗ. По нему нужно сделать статью от 8 000 до 11 000 символов, есть ключевые слова, план, требования к оригинальности. Перевел эти указания на английский, сделал запрос в ChatGPT так же, как и для SEO-статьи.
При первом запросе у меня вышел текст на 3 600 символов. Я почитал статьи других авторов, добавил уточнения в свой материал. Часто использовал следующие команды в ChatGPT:
Перепиши проще: [вставить текст]. Например, упростил предложение до “Когда зарядное устройство включено в сеть, ток проходит через катушку и создает магнитное поле”. Первоначально было длинно и много воды.
Дополни текст в квадратных скобках: текст [команда по изменению] текст. Например, в предложении “Разработанный Консорциумом беспроводного питания, он стал общепринятым стандартом для большинства производителей” я попросил переписать иначе, почему Qi стал общепринятым стандартом. Получилось так: “Этот стандарт был разработан Консорциумом беспроводного электропитания и стал главным выбором большинства производителей благодаря своей универсальности и надежности”.
Дополни текст в квадратных скобках. После адаптируй текст, убери повтори, сделай его более читаемым: текст [команда по изменению] текст. Это доработанный вариант предыдущего запроса, после которого текст органичнее читается.
Перепиши иначе, разбей на другое количество предложений: [вставить текст]. Так из одного сложного предложения получил такой вариант: “Чтобы правильно использовать беспроводное зарядное устройство, важно сначала понять стандарты этой технологии и то, как они отличаются друг от друга. Давайте более подробно рассмотрим самые популярные и широко используемые стандарты беспроводной зарядки”.
Отредактировал ключевые слова, отметил в документе. Суммарно получилось 9 000 символов за час работы от первого запроса в ChatGPT.
Если сравнивать со статьей другого автора, то у него похожая структура, есть дополнительные подзаголовки с подробностями, которых не было у меня, например, “Оригинал и аналог беспроводной зарядки — есть ли разница”. В остальном написание и факты похожи, но при этом его вариант мне нравится больше.
Но оценивал нас беспристрастный редактор М.Клик. По его словам, тексты от нейросети и автора примерно равны по качеству. Если для написания не требуется экспертиза или общение со специалистами. Сгенерированным текстам не хватает живой человеческой интонации, интересной подачи и юмора, который иногда нужен текстам. Кроме того, языковые модели не умеют достаточно точно подбирать внешние источники и проставлять ссылки. Для некоторых текстов это не проблема, но все-таки нужно очень аккуратно выбирать, какие тексты можно доверить нейросети. Из плюсов: модель хорошо справляется с интеграцией ключевых слов для SEO-оптимизации.
Что в итоге
Благодаря ChatGPT получилось создать 20 статей для М.Клик (на май 2023 еще не все опубликованы) и одну для эксперимента в этом посте. Помимо генерации и редактирования текста, потребовалась насмотренность и экспертиза, так как ChatGPT и другие нейросети не сделают всю работу за автора. Идеальная схема: доверять ChatGPT задачи точечно, а затем дополнять и редактировать текст с проверкой информацией.
Чего удалось добиться:
Ускорили производство статей с помощью ChatGPT, сохраняя стиль медиа. Когда у автора уходит около 2 недель на работу с материалом по нескольку итераций/часов в день, у меня выходит около часа с 1-2 итерациями на материал.
8 статей, которые уже выложены, суммарно собрали более 25 000 просмотров, около 3 200 просмотров на статью. В среднем столько же набирают статьи других авторов.
20 статей созданы за 17 часов. За них я получил 60 000 ₽ чистыми деньгам или более 3 000 ₽ за час работы. При этом такие статьи стоит в 2 раза дешевле, если сравнивать стоимость написания статей с ChatGPT и обычными авторами.
Масштабировать процесс написания статей с помощью нейросетей пока рано. Нередко у меня выходило генерировать сразу несколько материалов за 2-3 часа, но затем приходилось дожидаться фидбека от редактора в течение нескольких дней из-за загрузки по другим авторам. Обратная сторона процесса — из-за ускорения производства материалов не выйдет так же быстро их редактировать. А подчас придётся подходить даже более тщательно.
Мы с М.Клик не хотим генерировать статьи в таком же большом объеме, так как человек с экспертизой пока сделает лучше. Нейросеть часто дает усредненный ответ, который надо корректировать и направлять, чтобы подсветить интересные особенности. Также я не забываю, что только автор может поделиться личным опытом и рассказать об актуальном. ChatGPT и другие нейросети, увы, пишут без души. Человек напишет лучше, пускай и не очень быстро.
Но писать SEO-статьи с помощью ChatGPT возможно. Получается не хуже автора, при этом быстро. Их я и продолжу делать с редакцией М.Клик.
Что касается будущего нейросетей — иностранным нейросетям не хватает поддержки русского языка. Возможно, прорыв кроется в развитии российских нейросетей, и когда нейросети смогут не просто искать и обрабатывать, но и верифицировать информацию.
