ChatGPT и Codex: гайд по новым функциям для разработки, контента и автоматизации

Коротко: ChatGPT и Codex уже полезны не только программистам: на них собирают внутренние сайты, приложения, связки для умного дома, контент-пайплайны и автоматизации вокруг файлов, CRM и мессенджеров. Но бизнесу важен не доступ к модели сам по себе, а рабочий процесс: где лежат данные, кто проверяет результат, как задача попадает в CRM и что происходит после ошибки.

Обновления ChatGPT и Codex выглядят как витрина: локальные папки, облачные проекты, работа с кодом, голосовые команды, плагины, встроенные сайты, режимы для рабочих задач. Проблема в том, что владелец бизнеса видит не систему, а россыпь кнопок. Сегодня сотрудник просит оплатить подписку, завтра кто-то собирает мини-приложение, послезавтра в компании уже пять разных чатов, но ни один не отвечает за результат.

Цена хаоса быстро становится денежной. Если менеджер каждый день тратит 1,5–2 часа на ручную сортировку писем, копирование данных и подготовку типовых ответов, за месяц сгорает 30–40 часов одной ставки. Если разработчик вместо продукта чинит внутренние скрипты, бизнес платит за простой команды. Поэтому в Эпоха ИИ мы смотрим на новые функции ChatGPT и Codex не как на игрушки, а как на заготовки для ИИ-сотрудников, автоматизаций и внутренних инструментов.

1. Что изменилось в ChatGPT и Codex?

ChatGPT и Codex стали ближе к рабочей среде: они держат контекст проекта, работают с файлами, помогают с кодом, собирают прототипы и ведут пользователя голосом через задачу. Главное изменение — между «я спросил модель» и «я получил рабочий артефакт» стало меньше ручных шагов.

Раньше типовой сценарий выглядел так: человек описывает идею, получает текст или кусок кода, потом вручную переносит его в редактор, тестирует, возвращается с ошибкой и снова просит исправить. Сейчас связка ChatGPT + Codex всё чаще работает как исполнитель внутри проекта: читает структуру, предлагает план, меняет файлы, объясняет, что купить или подключить, и помогает довести задачу до запуска.

В этих обновлениях важны несколько направлений:

• локальные папки и проекты — модель работает не с одним промптом, а с набором файлов и правил;
• облачные проекты — задачи можно хранить и продолжать между сессиями;
• встроенные сайты и мини-приложения — Codex помогает быстро собрать интерфейс, а не только написать функцию;
• голосовая работа — пользователь диктует задачу, а ИИ превращает её в план и код;
• плагины и подключения — ChatGPT становится ближе к рабочим сервисам;
• режимы для рабочих задач — разделение личного чата и бизнес-контекста снижает риск путаницы данных.

Для бизнеса это значит простую вещь: гипотезы можно проверять быстрее. Не ждать месяц, пока подрядчик оценит внутренний кабинет, а собрать первый прототип. Не писать вручную однотипные инструкции для сотрудников, а превратить базу знаний в помощника. Не держать операционную рутину в голове одного менеджера, а описать процесс и отдать его агенту.

2. Как использовать Codex для разработки внутренних инструментов?

Codex удобен как младшая инженерная команда под присмотром человека: быстро собирает прототип, правит код, объясняет ошибки и помогает довести идею до рабочей версии. Но за архитектуру, безопасность и интеграции всё равно отвечает специалист.

Практический сценарий для компании выглядит так:

1. Вы описываете задачу не как «сделай приложение», а как процесс: кто пользователь, какие данные вводит, что должно получиться на выходе.
2. Загружаете или подключаете контекст: таблицы, описание ролей, примеры заявок, старые инструкции, структуру сайта.
3. Просите Codex собрать минимальную версию: форму, дашборд, парсер, внутренний кабинет, скрипт обработки файлов.
4. Проверяете результат на реальных данных и фиксируете ошибки.
5. Дальше решаете: оставить это внутренним MVP или отдавать в разработку.

В источнике есть показательные примеры: человек использует Codex для системы умного дома, другой собирает собственный видеоредактор, родитель делает приложение для домашних заданий ребёнка. Для бизнеса это не значит, что любой сотрудник теперь заменяет инженера. Это значит, что идея быстрее проходит путь от «было бы неплохо» до рабочего макета.

Например, отдел закупок может собрать интерфейс для сравнения прайсов поставщиков. Маркетолог — мини-сервис для нарезки контент-плана из длинных материалов. Руководитель сервиса — простое приложение, где мастер видит чек-лист по объекту и отправляет отчёт. Codex не обязан сразу выдерживать промышленную нагрузку. На первом этапе его ценность в том, что он быстро показывает, как должен работать процесс.

3. Что даёт ChatGPT Work и проекты с файлами?

Проекты с файлами превращают ChatGPT из одиночного чата в рабочую папку, где сохраняется контекст задачи. Это удобно, когда в одном месте нужны инструкции, регламенты, таблицы, тексты, требования к стилю и история решений.

Обычный чат ломается на длинных задачах. Сегодня вы объяснили правила, завтра модель потеряла половину контекста, послезавтра другой сотрудник начал новый диалог и получил ответ в другом стиле. Для бизнеса это риск: ИИ начинает отвечать клиентам или сотрудникам не по базе, а по догадке.

Проектный режим частично закрывает эту проблему. В него можно положить:

• базу знаний компании;
• регламент общения с клиентами;
• описание продуктов и тарифов;
• частые возражения;
• примеры хороших ответов;
• требования к отчётам, письмам и документам.

После этого ChatGPT полезен не только как генератор текста, но и как помощник по внутренним правилам. Он может готовить черновики писем, объяснять сотрудникам процедуру, собирать резюме встречи, проверять документ по регламенту.

Но есть ограничение: проект с файлами — ещё не внедрение в бизнес-процесс. Если ответ нужно автоматически положить в CRM, отправить клиенту в Telegram, создать задачу в Bitrix24 или обновить остатки в 1С, одного чата мало. Здесь уже нужен ИИ-агент с интеграциями.

В Эпоха ИИ мы обычно разделяем эти уровни: ChatGPT-проект подходит для личной и командной работы, а ИИ-сотрудник нужен там, где результат должен сам попадать в систему учёта, мессенджер или кабинет.

4. Где новые функции помогают контенту и маркетингу?

ChatGPT и Codex ускоряют контент, когда процесс повторяется: собрать идеи, разложить материал по форматам, подготовить тексты, собрать внутренний инструмент для публикаций или нарезки. Лучше всего это заходит с длинными видео, базами знаний и регулярными рубриками.

Для маркетинга полезны три сценария.

Первый — контент из длинных материалов. Запись вебинара, подкаст или большое видео можно превратить в план статей, постов, коротких роликов и рассылок. ChatGPT помогает выделить тезисы, Codex — собрать простую систему, которая хранит материалы, статусы и шаблоны публикаций.

Второй — персональные инструменты для команды. Например, редактору нужен интерфейс: он вставляет расшифровку, выбирает формат и получает черновик по внутреннему канону. Не обязательно строить SaaS: часто хватает локального или облачного мини-приложения.

Третий — проверка качества. Модель может сверять текст с тоном бренда, находить запрещённые фразы, проверять CTA, FAQ, источники и внутренние ссылки. Чем жёстче правила, тем полезнее проектный контекст.

У Эпоха ИИ есть отдельное направление контент-машины: посты, видео, шортсы, инфографика, автопостинг по расписанию и ответы на комментарии. В одном из наших проектов для видеоблогера длинное видео превращалось в 30 шортсов, что освобождало около 20 часов в месяц. Это хороший пример того, как идея из ChatGPT превращается в процесс, который работает пачками.

5. Как применять голосовую работу с ChatGPT и Codex?

Голосовой режим выручает, когда нужно быстро дать бриф, разобрать ошибку или поставить задачу, а печатать долго. Для руководителей это особенно удобно: можно надиктовать процесс обычным языком, а потом попросить ИИ собрать из него структуру, ТЗ или список действий.

Голосовая разработка звучит эффектно: вы говорите, Codex пишет. Но для бизнеса ценность не в диктовке как таковой, а в нормальной постановке задачи. Плохой голосовой запрос даст такой же плохой результат, как плохой текстовый промпт.

Рабочая формула голосовой постановки:

• кто будет пользоваться инструментом;
• какую задачу он решает;
• какие данные доступны на входе;
• что должно получиться на выходе;
• какие ошибки недопустимы;
• где человек должен подтвердить действие.

Например, не «сделай CRM для заявок», а: «Собери форму для менеджера сервиса. На входе имя клиента, телефон, филиал, тип техники, срочность и комментарий. На выходе карточка заявки, статус, ответственный и краткое саммари. Если данных не хватает, система должна попросить менеджера заполнить поле, а не придумывать».

Такой запрос уже похож на техническое задание. Codex может собрать интерфейс или скрипт, ChatGPT — помочь описать логику, роли и проверки. Потом специалист подключает реальные системы: amoCRM, Bitrix24, 1С, мессенджеры, сайт.

6. Что можно автоматизировать уже сейчас?

Быстрее всего окупается не «красивое демо», а рутина, которая повторяется каждый день: входящие обращения, сортировка писем, подготовка ответов, перенос данных, отчёты, карточки товаров, отзывы и контент-пайплайны. Codex помогает собрать оболочку, а ChatGPT берёт на себя работу с текстом и правилами принятия решений.

Вот где связка уже полезна:

В одном из наших кейсов торгово-производственная компания получала около 10 000 обращений в месяц, а сотрудники вручную сортировали 150–200 писем в день. Мы внедрили ИИ-агента на n8n с Bitrix24, почтой и Telegram: он отделял целевые заявки от спама, определял категорию товара, ставил этап в CRM и отправлял уведомления. После запуска «золотые» заявки перестали теряться, освободилась операционная ставка, а сохранённые сделки дали около 1 млн ₽ дополнительной прибыли.

К такому уровню и стоит вести эксперименты с ChatGPT и Codex: модель пишет текст и помогает сделать процесс короче, понятнее и измеримее.

7. Что нужно сделать самому, если собирать систему на ChatGPT и Codex?

Собрать систему самому можно, но она быстро упирается не в промпты, а в поддержку, безопасность и интеграции. Мало получить код: нужно понять, где он будет работать, кто его чинит и как он связан с данными бизнеса.

Минимальный список задач для самостоятельной сборки:

• описать процесс и роли пользователей;
• собрать базу знаний без противоречий;
• выбрать модель под задачу и бюджет;
• настроить доступы к файлам, CRM, мессенджерам и таблицам;
• проверить, какие данные можно отправлять во внешнюю модель;
• сделать журнал действий агента;
• настроить эскалацию к человеку;
• протестировать ошибки на реальных кейсах;
• обновлять промпты, модели и интеграции после запуска.

Главный риск — красивый прототип, который нельзя безопасно отдать сотрудникам. На демо-данных он работает, а на реальном потоке ломается: путает статусы, не видит дублей, пишет клиенту лишнее, теряет вложения или жжёт токены без контроля.

Отдельная боль — данные. Если в запросах есть имена, телефоны, суммы, медицинская или финансовая информация, нельзя просто отправлять всё куда попало. Нужны маскирование чувствительных полей, понятная схема работы и соответствие 152-ФЗ.

8. Сколько стоит внедрить ИИ-агента или автоматизацию?

В Эпоха ИИ минимальный запуск ИИ-сотрудника или кастомной автоматизации стоит от 50 000 ₽ на тарифе «Старт». Сопровождение — от 10 000 ₽ в месяц. Запуск под ключ занимает 2–4 недели, первый рабочий MVP обычно готов за 7–10 дней.

Тариф зависит от масштаба:

Оплата идёт 50/50: половина на старте, половина после приёмки. Инфраструктура и токены оплачиваются отдельно. Точную сумму считаем после короткого брифа: смотрим каналы, системы, поток задач, требования к безопасности и объём поддержки.

Такой путь дороже, чем «попросить Codex написать скрипт», но дешевле месяцев хаотичных экспериментов без владельца процесса. Если задача затрагивает клиентов, деньги или CRM, экономия на архитектуре обычно выходит боком.

9. Как выбрать первый сценарий для внедрения?

Первый сценарий лучше брать узкий, измеримый и болезненный: один процесс, один владелец, один понятный результат. Не стартуйте с «внедрить ChatGPT во всю компанию» — начните с участка, где уже видны потери времени, денег или заявок.

Хорошие первые сценарии:

• сортировка входящих писем и заявок;
• ответы на типовые вопросы клиентов;
• саммари звонков и диалогов в CRM;
• генерация карточек товаров и ответов на отзывы;
• сбор цен конкурентов;
• подготовка отчётов для руководителя;
• нарезка длинных материалов в контент-пакет;
• база знаний для сотрудников.

Плохие первые сценарии:

• «сделать универсального ИИ-директора»;
• «заменить всех менеджеров»;
• «пусть сам решает, что автоматизировать»;
• «подключить ко всем данным и посмотреть, что будет».

Нормальный пилот отвечает на четыре вопроса: сколько времени уходит сейчас, какая ошибка стоит денег, кто проверяет результат и куда система должна записать итог. Без этих ответов ChatGPT и Codex будут генерировать активность, а не пользу.

10. Какие подводные камни есть у новых функций ChatGPT и Codex?

Главные риски — ждать от системы полной автономности, смешать личные и рабочие данные, принять прототип за продукт и забыть про сопровождение. Новые функции снижают порог входа, но инженерную дисциплину не заменяют.

Первый риск — галлюцинации в рабочем контексте. Модель может уверенно предложить неверный шаг, особенно если база знаний противоречит сама себе. Поэтому нужны тесты, ограничения и понятный маршрут, куда передавать спорные случаи.

Второй риск — безопасность. Локальные папки и проектные файлы удобны, но доступы надо выдавать осознанно. Нельзя смешивать клиентские данные, личные документы и тестовые промпты в одном проекте.

Третий риск — зависимость от одного энтузиаста. Часто один сотрудник собирает полезный инструмент, но остальные не понимают, как он работает. Через месяц он уходит в отпуск, и процесс встаёт.

Четвёртый риск — отсутствие метрик. Если до запуска не замерили время обработки, конверсию, число ошибок или стоимость операции, потом нечего сравнивать. Со стороны кажется, что ИИ «помогает», но бизнес не видит денег.

Если хотите глубже разобраться в близких темах, посмотрите наш разбор как не упираться в лимиты Claude и Codex и материал что такое ИИ-агент и как его собрать. Они помогают отделить личную продуктивность от внедрения в бизнес.

FAQ

Источники

• Codex от OpenAI (проверено: август 2026)
• ChatGPT Projects — справка OpenAI (проверено: август 2026)
• Как не упираться в лимиты Claude и Codex: 14 рабочих способов экономить токены (проверено: август 2026)
• Что такое ИИ-агент и как его собрать: простое объяснение для бизнеса (проверено: август 2026)
• Кейс: как ИИ-агент на n8n разгружает операционный отдел (проверено: август 2026)

Автор статьи

Никита Овдиенко

Строю ЭПОХА ИИ

В Telegram-канале «Никита Овдиенко | Бизнес на AI» рассказываю как ИИ помогает автоматизировать бизнес-процессы и увеличивать доход — на примере своей компании и проектов клиентов.

Подписаться