ChatGPT и другие LLM: простые и необычные способы применения

Большие языковые модели уже давно вышли за рамки обычного чата: они помогают разбирать файлы, считать данные, строить графики и даже запускать код. В этой заметке — понятный обзор того, как ChatGPT и похожие ИИ-сервисы можно использовать в работе и в повседневных задачах.

Что именно умеют LLM в обычном режиме

Автор исходного материала напоминает: у больших языковых моделей очень широкий набор возможностей, но многое зависит от того, как именно вы к ним обращаетесь. Самый привычный сценарий — чат, где ИИ отвечает на вопросы, помогает с текстами и анализирует присланные материалы.

К базовым возможностям относятся работа с фото, скриншотами, документами разных форматов и ссылками на материалы в интернете. Сюда же входят веб-поиск и более глубокие исследования, хотя в статье они отдельно не разбираются. Для обычного пользователя это значит, что ИИ можно просить не только написать текст, но и разобраться в документе или объяснить, что в нём важно.

Режим анализа данных превращает ChatGPT в офисный инструмент

Отдельно автор выделяет расширенный режим работы с данными. В ChatGPT он известен как анализ данных: сервис умеет смотреть на строки и столбцы, находить тенденции и выбросы, собирать таблицы, строить диаграммы и делать вычисления через Python.

Практически это выглядит так: вы загружаете файл, например таблицу расходов, а ChatGPT сам пишет и запускает код в виртуальной среде, после чего выдаёт уже готовый результат — сводку, график или объяснение выводов. Такой подход полезен для бухгалтерских задач, отчетов, личных финансов, маркетинговой аналитики и любой работы, где нужно быстро превратить сырой файл в понятный вывод.

Похожие задачи можно решать и в других ИИ-сервисах

В статье отмечается, что похожий режим есть не только у ChatGPT, но и у Claude. На практике это значит, что для задач с таблицами и визуализацией можно выбирать не один сервис, а несколько инструментов под разные привычки и сценарии.

Пример из текста — анализ динамики цен на нефть за несколько лет с построением графика по неделям и добавлением на него важных событий. Такой подход полезен тем, кто готовит презентации, следит за рынком или хочет быстро показать изменения наглядно, а не в виде сухой таблицы.

Через API и агенты ИИ можно встроить в рабочие процессы

Ещё один блок — использование LLM через API. Здесь запросы идут не через привычный чат, а напрямую в систему разработчика, который сам отвечает за обработку входных и выходных данных. Это сложнее, зато даёт почти неограниченную свободу для автоматизации.

В таком формате можно делать массовую обработку документов, строить смысловой поиск по большим массивам информации, создавать RAG-системы и собственных агентов. Отдельно упомянуты готовые инструменты вроде OpenAI Codex и Claude Code: они помогают писать, тестировать и отлаживать код, а также выполнять прикладные задачи, например разбирать документы или запускать простые действия на сайтах. Для бизнеса и офисной рутины это особенно полезно, если нужно экономить время на повторяющихся операциях.