7 ошибок при работе с нейросетью, из-за которых она несёт дичь и жжёт токены

Если нейросеть выдаёт нерелевантные ответы или сжигает токеныКусочек текста, которым нейросеть измеряет объём работы, — примерно 2–3 символа русского текста. без результата — скорее всего, дело в нескольких типовых ошибках в коммуникации. В видео Арины Михалны разобрано семь таких ошибок с конкретными примерами из практики. Ниже — полный разбор каждой: что именно идёт не так и как это исправить.

Быстрый запрос без контекста

Самая распространённая ошибка — запрос «из воздуха». Например, прийти к Claude и написать: «Сделай мне стратегию по выходу на миллион долларов оборота». НейросетьСама «начинка» нейросети: обученная программа, которая генерирует ответы. что-то выдаст — например, «десять клиентов по 100 000 долларов — вот вам стратегия». Формально запрос выполнен, по факту результат бесполезен.

Проблема в том, что стратегия не делается из воздуха. Для маркетинговой стратегии нужны анализ целевой аудитории, анализ конкурентов, анализ трендов, SWOT-анализ, PESTEL-анализ. Если задача — масштабировать бизнес, нейросеть должна знать цену клиента, цену лида, LTV, текущий оборот, время выхода на него, активные каналы лидогенерации.

Правило простое: перед тем как идти к нейросети с задачей, нужно подготовить максимально возможное количество контекста. Документы, регламенты, выгрузки из Telegram-канала, резюме с HeadHunter, управленческий опыт — буквально всё, что релевантно. Чем больше контекста — тем качественнее ответ. Это работает и для бизнес-запросов, и для любых других — даже если задача не связана с аналитикой напрямую.

Отсутствие референсов

Особенно критично при работе с визуальными продуктами: дизайн презентаций, лендингов, монтаж видео, карточки товаров, карусели изображений.

Если заказать дизайн у агентства, первым делом попросят заполнить бриф: что нравится, что не нравится, какая айдентика уже есть, какая дизайн-система. С нейросетью — то же самое. Нужно передать:

• позитивные референсы: вот так хочу;
• негативные референсы: вот так точно не нужно;
• описание желаемого результата и того, чего на выходе быть не должно.

Чем подробнее ТЗ — тем лучше результат. Это правило работает одинаково и для человека-дизайнера, и для нейросети.

Монолог вместо диалога

Некоторые ставят задачу и ждут результата, не вступая в диалог. Нейросеть умеет задавать уточняющие вопросы, но делает это не всегда — только если её попросить.

Решение: в конце каждого запроса явно просить задать уточняющие вопросы. Например: «Задай мне уточняющие вопросы. Как ты думаешь, что может улучшить контент-план? Чего не хватает? Что тебе ещё нужно, чтобы сделать результат лучше?»

Такой подход превращает работу в синергию: нейросеть спрашивает — пользователь уточняет — качество ответа растёт. По опыту Арины Михалны, именно этот шаг часто даёт наибольший прирост к качеству итогового результата.

Слепая вера в первый ответ

Взять первый ответ и сразу нести его в работу — распространённая ошибка. Правильный подход: попросить нейросеть побыть адвокатом дьявола — найти опровергающие исследования, точки роста, слабые места, «зыбкую почву», о которую можно споткнуться позже.

Это работает для любого типа задач: написан ли короткий текст в Telegram или построена стратегия на десять лет — неважно. Нейросеть способна анализировать материал в обе стороны: найти сильные стороны и тут же — подводные камни.

Параллельно нейросети можно и нужно давать правки. Если видно слабое место в выданном результате — стоит прямо об этом сказать и попросить доработать. Нейросеть — это подрядчик: она не обидится.

Доверие на слово: нет проверки источников

Нейросеть может галлюцинировать — особенно если её не настроить на обязательный фактчекинг. Правильная настройка: попросить всегда указывать, откуда взята информация, и давать ссылку на первоисточник.

Важная оговорка, которую делает Арина Михална: даже когда нейросеть указывает источники, они могут оказаться нерелевантными, устаревшими или созданными другими нейросетями. По сути, нейросеть ходит по тем же интернет-страницам, что и обычный пользователь, — в том числе по сомнительным сайтам.

Вывод: в чувствительных нишах — проверять источники вручную обязательно. Для несложных задач типа «написать рассылку» это менее критично, но полностью игнорировать риск не стоит.

Один чат на все задачи

Правило, которое стоит запомнить как аксиому: одна задача — один чат.

Чем дольше переписка в одном чате, тем больше проблем:

• токены сжигаются быстро;
• нейросеть начинает галлюцинировать;
• интерфейс виснет из-за объёма накопленных данных.

Исключение — Claude Code: он умеет работать в нескольких сессиях одновременно, и агентНейросеть, которой разрешили не только писать текст, но и делать действия: открывать файлы, ходить в сервисы, запускать команды. в одной сессии видит то, что происходит в соседней. Например, в одной сессии делается лендинг, в соседней — отдельный агент-адвокат дьявола наблюдает и критикует результат. Данные при этом можно хранить в Obsidian или другом «втором мозге» — нейросеть работает с внешними базами знаний без необходимости держать всё в одном чате.

Неправильно выбранная модель

В Claude доступно несколько направлений моделей: Fable 5, Opus (актуальная версия — Opus 5.5), Sonnet и Haiku. У Codex своя линейка: GPT Astra, Soul и другие. Каждая модель — под свою задачу:

• Haiku — лёгкие задачи: написать короткий текст, простые операции.
• Sonnet — стандартные задачи: поиск информации в интернете, подготовка рассылок, типовые запросы.
• Opus 5.5 — сложные многокомпонентные задачи; по бенчмаркам сопоставима с Fable.

Арина Михална использует подписку за $200 в месяц и работает преимущественно на Opus 5.5. В Claude Code у неё настроена оркестрация: нейросеть сама выбирает модель под подзадачу — Sonnet для похода в интернет, Opus для обработки 150 документов за раз. Это позволяет экономить токены без потери качества.

Если бюджет ограничен — имеет смысл разобраться в разнице между моделями и не тратить дорогие токены Opus на задачи уровня Haiku.

Четыре принципа, без которых не работает ничего

Из семи ошибок Арина Михална выделяет четыре критически важных принципа — без них остальное теряет смысл:

1. Максимум контекста — загружать всё, что есть: документы, данные, примеры, описания, резюме, метрики.
2. Максимум референсов — показывать, что нравится и что не нравится, в деталях.
3. Диалог, а не монолог — явно просить задавать уточняющие вопросы.
4. Давать правки — общаться с нейросетью как с живым подрядчиком: видишь слабое место — говори об этом прямо.

Фактчекинг источников и правильный выбор модели тоже важны, но менее критичны: без них можно работать, просто с потерями в качестве или деньгах на токенах. Без четырёх базовых принципов — нет.

Ключевая мысль из видео: на ипподроме первая лошадь забирает 74% призового фонда — в три раза больше всех остальных. При этом она обычная, просто быстрее остальных на полторы секунды. С нейросетями то же самое: это не высшая математика, но разрыв между теми, кто умеет ими пользоваться, и теми, кто не умеет, уже сейчас определяет, кто остаётся конкурентоспособным.

Смотреть видео целиком

«Your AI is talking nonsense and eating up all your tokens because of these mistakes (I paid 150k …» на YouTube

Что дальше

Хотите повторить по шагам? Курс «Claude за вечер»: от установки до первого работающего помощника за один вечер. Посмотреть курс

Читайте также

• Как делегировать задачи нейросети Claude: рутина уходит из рук в 2026
• Лучшие нейросети для видео в 2026: сравнение под задачи бизнеса
• Как настроить Claude Projects: пошаговая инструкция по работе с базой знаний
• В личном блоге Арины Михалны: 7 ошибок в работе с нейросетями: из-за них ИИ несёт дичь и сжигает токены

Ставите Claude с нуля? Пошаговый гайд «Как установить Claude из России, чтобы не снесли аккаунт» — с проверенными сервисами. Забрать гайд в боте