Привет. Я не программист, не DevOps и не 1С-специалист. Работаю в небольшой компании и занимаюсь разными задачами — от настроек до внедрений на уровне «связать, настроить, запустить».

В малом бизнесе постоянно возникает мелкая ИТ-рутина: нужно спарсить данные, конвертировать файл, поправить логику на сайте. Обращаться к интеграторам — долго, бюрократия. Искать фрилансеров — не всегда выгодно: пока напишешь ТЗ, проверишь результат, проще сделать самому, если есть базовые навыки.

У меня они есть. Раньше немного работал с Python, делал сайты на Joomla и WordPress, имел представление о парсинге и минимальный опыт с 1С. Также уже использовал ИИ для создания инструментов подбора товаров. Поэтому решил проверить: на что способен ИИ в решении микро-задач, если за него сядет человек с пониманием бизнес-логики, но без глубоких технических знаний? В моём случае — это я.

Справедливости ради: ни одна из задач не является техническим прорывом. Для профессионалов это рутина, «задачка на полчаса». Но в реальности такие задачи оплачиваются как работа мидла за пару часов. Главное — ИИ снизил порог входа. То, на что раньше уходили десятки тысяч рублей и недели ожиданий, теперь решается за вечер в диалоге с нейросетью.

Победителей не судят, особенно если они сэкономили бюджет. Да, ИИ не замена профи, но в лёгких задачах он реально экономит время и деньги.

Как я работаю с Gemini: цикл «ошибка — исправление»

Мой процесс стал отлаженным циклом:

• Формулирую задачу на простом русском, описывая бизнес-логику.
• Получаю код от Gemini.
• Запускаю — получаю ошибку на пол-экрана.
• Копирую текст ошибки и отправляю обратно.
• Получаю исправленный вариант.
• Повторяю, пока не заработает.

Ключ к успеху — не только умение писать промпты, но и понимание, куда вставлять код: в консоль браузера, терминал Python или конфигуратор 1С. Также важны тесты. Мой базовый опыт сильно ускорил процесс.

11 задач, которые я делегировал нейросети

Вот что удалось реализовать с помощью Gemini.

1. Калькулятор DTF-печати (HTML + JS)
Сотруднику нужен был калькулятор для расчёта стоимости термопереноса. Учитывается ширина рулона (300 мм), количество макетов в ряду, погонные метры и наценки. Gemini сгенерировал форму с предпросмотром и расчётом. Всё работает, заказ можно сразу отправить в производство.

2. Редактирование CSS на сайте (1С-Битрикс)
Сайт на Битриксе, а мой опыт — WordPress и Joomla. Лезть в шаблоны не хотелось. Я скидывал Gemini скриншоты и объяснял, что нужно изменить: отступы, цвета, расположение. В ответ получал пошаговую инструкцию, в каких файлах что править. Работа выполнена без ошибок.

3. Вывод данных по статусу товара (Битрикс)
Нужно было показывать разную информацию в карточке товара в зависимости от его статуса. Gemini помог найти нужные фрагменты кода в шаблонах компонентов и добавить условия вывода.

4. Парсинг 60 000 страниц (Python)
Понадобился парсер для сбора данных. У меня был опыт запуска скриптов, оставалось только поручить Gemini написать логику обхода страниц и извлечения тегов. Скрипт собрал 60 000 строк. Осталось лишь настроить скорость и количество потоков.

5. Конвертер данных (XML/YML → XLSX)
Нужно было конвертировать прайсы поставщиков, убрав HTML-теги и разбив по категориям. Также — перевод брендов по словарю (например, «Adidas» → «Адидас»), а неизвестные — транслитерировать. Gemini написал скрипт на Python с использованием xml.etree.ElementTree и pandas. Осталось только заполнить словарь. Скрипт готов за 15 минут.

6. Сопоставление КТРУ с номенклатурой
Было 60 000 позиций КТРУ и 71 000 своих товаров. Названия не совпадали. Обычные методы (ВПР, нечёткий поиск) не работали. Попросил Gemini написать скрипт. Вместо простого сравнения он предложил гибридный подход:

• Семантический поиск через легковесную модель rubert-tiny2.
• TF-IDF для точного совпадения артикулов, размеров и ГОСТов.

Запустил — получил размеченную базу с процентом уверенности. Ручная проверка заняла неделю. Вручную — ушло бы около года.

7. Поисковик по базе КТРУ (PHP + MySQL)
После парсинга возник вопрос: как выложить 60 000 позиций на сайт, не «положив» сервер и получив SEO-трафик? Вместо тяжёлой CMS Gemini предложил микросервис на поддомене. Нужно было:

• Создать базу данных и загрузить CSV.
• Добавить 7 текстовых файлов (PHP, HTML, .htaccess).

Результат:

• Полнотекстовый поиск по MySQL.
• ЧПУ через .htaccess.
• Автогенерация sitemap.xml на 60 000 страниц.
• Чистая вёрстка в стиле основного сайта.

Весь движок — пара десятков строк на чистом PHP.

8. Переезд домена (1С-Битрикс)
У меня был опыт, но Битрикс коварен. Gemini выступил в роли DevOps-наставника: дал чек-лист, написал редиректы для .htaccess и SQL-запросы для замены домена в базе. Всё прошло без сбоев.

9. 42 баннера для РСЯ
Нужно было быстро собрать баннеры с нужным соотношением сторон. Основу генерировал через нейросеть, затем автоматизировал подгонку в GIMP. Работа трудоёмкая, но результат отличный.

10–11. Обработка и отчёты в 1С
Менеджерам было сложно работать со стандартными отчётами — слишком много фильтров. Нужна была простая панель с кнопками по категориям: спецодежда, аптечки и т.д. При клике — готовый отчёт с нужными настройками.

Я нарисовал форму, а логику поручил Gemini. Был уверен, что ИИ не справится с синтаксисом 1С, но ошибся. Он предложил:

• Единую процедуру для всех 80 кнопок.
• Словарь, сопоставляющий текст кнопки с ID.
• Загрузку XML-файлов с настройками фильтров с диска.
• Передачу данных во внешнюю обработку.

Всё заработало, как задумывалось.

Проект «Для души»: приложение для изучения английских слов

Захотелось сделать что-то личное. Ребёнку 7 лет, нужны простые упражнения. В существующих приложениях — реклама, подписки, нельзя добавить свои слова.

Попросил Gemini написать веб-приложение в одном файле: HTML + CSS + JS. Условия:

• Категории: Семья, Животные, Транспорт.
• Система «жизней»: 3 ошибки — начать заново.
• Начисление звёзд за прохождение.
• Штраф за пропуск: если вчера не было урока — снимается 10 звёзд.

Особенно интересовал вопрос озвучки. Gemini использовал встроенный в браузер Web Speech API — без сторонних сервисов. Приложение работает на телефоне, просто открывается в браузере. Ссылка: https://evrybakov.ru/EvEv.html

Сколько я сэкономил?

Оценил стоимость задач по нижней границе цен на фриланс-биржах. Цифры приблизительные.

• Парсинг 60 000 страниц: 6 000 ₽
• Сопоставление КТРУ: 10 000 ₽
• Поисковик по КТРУ: 15 000 ₽
• Обработка в 1С: 24 000 ₽
• 42 баннера: 21 000 ₽
• Калькулятор DTF: 5 000 ₽
• Конвертер XML → XLSX: 2 500 ₽
• Переезд домена: 10 000 ₽
• Вывод данных по статусу: 3 500 ₽
• Редактирование CSS: 3 500 ₽

Итого: 100 500 ₽

Расходы на токены ИИ — копейки. Не учтено сэкономленное время: поиск исполнителей, составление ТЗ, согласования.

Выводы

На текущем этапе ИИ — это прикладной инструмент, а не замена специалистам. Но он меняет правила игры.

• ИИ закрывает рутину. Отлично справляется с изолированными задачами: скрипты, регулярки, исправление ошибок. Но архитектуру, безопасность и интеграцию систем пока строит только человек.
• Качество зависит от ТЗ. Чудес не бывает. Если задача сформулирована расплывчато, ИИ выдаст мусор. Главный навык — умение декомпозировать задачу и чётко задавать рамки.
• Снижается порог входа. Малый бизнес и обычные сотрудники могут решать мелкие ИТ-задачи самостоятельно. То, что раньше требовало бюджета и согласований, теперь делается за пару вечеров.

ИИ не решает глобальные проблемы, но экономит время и деньги на микрозадачах. И перестаёт зависеть от фрилансеров в каждой мелочи — уже победа.

1. Введение

Привет, Хабр. Обо мне: я не программист, не DevOps и не 1С-ник. Я работаю в небольшой компании, занимаюсь самыми разными задачами, в том числе небольшими ИТ-внедрениями на уровне «настроить, связать, запустить».

Часто слышу про критику ИИ причем в любой сфере. Вот решил немного рассказать о своем опыте использования для решения микро задач.

В малом бизнесе постоянно возникает мелкая ИТ-рутина. Тут нужно данные спарсить, там - файл конвертировать, здесь - логику кнопки на сайте поправить. Идти с каждой такой мелочью к интеграторам - долго из-за бюрократии. Искать исполнителей на гипотетическом Kwork - тоже не всегда оптимально: пока напишешь ТЗ, пока проверишь, проще сделать самому. Если умеешь, конечно.

Ранее я уже рассказывал о том, как я разработал инструмент подбора товара с помощью ИИ и еще несколькодоп инструментов, так что навык работы с ИИ у меня уже присутствовал. Я решил проверить, на что способен ИИ в разных микро задачах (в моем случае Gemini), если посадить за него человека с минимальными знаниями синтаксиса, но с пониманием бизнес-логики. То есть себя. Справедливости ради, я не совсем чистый гуманитарий: ранее я немного ковырял Python, делал сайты (правда, мой опыт ограничивался Joomla, WordPress и чистым HTML), имел общее представление о том, как работает парсинг, и немного работал (прям самую малость на уровне «привет, мир») с 1С

Сразу оговорюсь:ни одна из описанных ниже задач не является техническим шедевром. По меркам Хабра это банальная рутина и «задачки для джуна на полчаса», но как всегда оплачиваются такие задачи как мидлу и за 2 часа. Прелесть в том, что ИИ снизил порог входа в такие задачи до низких значений. То, за что раньше мне приходилось отдавать десятки тысяч рублей сторонним специалистам, теперь решается в диалоге с нейросетью.

Победителей не судят, особенно если они сэкономили бюджет. Знаю, что многие скептично относятся к ИИ, но в легковесных задачах он реально спасает человеческие ресурсы и деньги компании.

2. Мой фреймворк: как писать код, если не умеешь кодить

Процесс взаимодействия с Gemini у меня превратился в отлаженный цикл боли и радости:

• Пишу промпт на простом русском языке с описанием бизнес-логики.
• Копирую выданный код.
• Запускаю.
• Получаю ошибку на пол-экрана.
• Копирую весь этот красный текст ошибки обратно в чат.
• Получаю ответ:"Извините, вы правы, вот исправленный вариант".
• Повторяю до тех пор, пока не заработает.

Главный инсайт:половина успеха при работе с ИИ - это умение правильно промптить и понимание того, куда вообще вставлять этот код (в консоль браузера, в терминал Python или конфигуратор 1С), ну и тесты и еще раз тесты. С этим у меня проблем не было, базис присутствовал, и это сильно сэкономило время.

3. Разбор полетов: 11 задач, которые я делегировал нейросети

Чтобы не превращать статью в бесконечную простыню, я кратко пройдусь по списку того, что удалось реализовать (это далеко не все, но для примеров этого будет более чем достаточно)

1.      Калькулятор DTF-печати (HTML+JS)Нашему сотруднику логотипщику понадобился калькулятор DTF-печати (просчет цен по услуге подготовки и непосредственно термопереноса). Логика там не особо хитрая: нужно учитывать ширину рулона (300 мм), высчитывать, сколько макетов влезет в один ряд, считать погонные метры и добавлять наценки за дополнительные услуги.

Собственно, я получил форму с предпросмотром, расчетом и возможностью сразу скинуть заказ на нанесение логотипов.

2. Переработка CSS на сайте (1С-Битрикс)Рабочий сайт крутится на Битриксе, а как я уже говорил, мой опыт ограничивался WP и Joomla. Лезть в шаблоны Битрикса не особо хотелось, так как опыта в этом не было. Я делал скриншоты элементов сайта, закидывал их в ИИ, объяснял, что нужно поменять (отступы, цвета, расположение), и получал готовую пошаговую инструкцию, в каком файле и что править. Получил все что хотел. Да, CSS я часто пишу сам через «просмотреть код», но в данном случае помощник был в лице гемини и опыт показал, что при хорошей сноровке можно получить очень приемлемый результат.

3. Вывод данных по статусу (Битрикс)Нужно было организовать вывод определенной информации в карточках товара, но строго в зависимости от статуса номенклатуры (статусы уже были заведены на сайте). С помощью подсказок нейросети нашел нужные куски кода в шаблонах компонентов и внедрил условия вывода. И тут тоже благодарочка ИИ.

4. Парсинг данных (Python)Понадобился парсер для сбора определенной информации - объем около 60 000 страниц. Писал на Python. Поскольку опыт установки библиотек и запуска скриптов у меня был, оставалось только заставить Gemini написать правильную логику обхода страниц и сбора нужных тегов. И того 60000 строк у меня «в кармане». Тут все было достаточно просто, оставалось только подобрать скорость обхода и количество потоков.

5. Конвертер данных (Python)Нужно было конвертировать YML/XML прайсы поставщиков в XLSX. Стандартный импорт ломает структуру и оставляет HTML-теги. Сформулировал для Gemini следующие требования к скрипту:

• Извлечь только нужные узлы (название, цена, артикул, бренд, фото).
• Очистить описания товаров от HTML-тегов.
• Автоматически переводить англоязычные бренды на русский по заданному словарю (например, "Adidas" -> "Адидас"), а неизвестные - транслитерировать.
• Разбить итоговый массив данных на отдельные Excel-файлы по категориям товаров.

ИИ написал скрипт на Python с использованием библиотек xml.etree.ElementTree и pandas. От меня потребовалось только заполнить словарь брендов. Скрипт запускается локально и обрабатывает все XML-файлы в папке. Скрипт был сгенерирован и протестирован за 15 минут.

6. Сопоставление КТРУ со своим товаромБыла следующая задач: есть база на 60 000 позиций КТРУ (Каталог товаров, работ, услуг) и наша номенклатура на 71 000 позиций. Названия почти никогда не совпадают. Обычный ВПР в Excel или простейший нечеткий поиск тут бессильны - они не понимают, что «Стул офисный» и «Кресло для рабочего места» - это близкие вещи.

Я попросил Gemini написать скрипт на Python, который решит эту проблему. И тут ИИ меня порадовал. Вместо банального сравнения текста он собрал мне полноценный гибридный поиск с использованием машинного обучения.

Скрипт использует легковесную языковую модель (rubert-tiny2) для поиска по смыслу (семантика) и классический алгоритмTF-IDFдля жесткого совпадения цифр (что критично для размеров, артикулов и ГОСТов).

Я просто закинул два Excel-файла в папку, запустил скрипт, и он разметил мне каталог, проставив лучшим совпадениям процент уверенности, далее оставалось закрепить это ручной экспертной верификацией (да, это заняло не меньше недели, но на разметку вручную на это ушел бы, наверное, год)

7. Создание полноценного поисковика по базе (Обработка и выгрузка на сайт)

Когда база из 60 000 позиций КТРУ была готова (после парсинга), встал вопрос: как выложить этот массив данных на сайт, чтобы он не "положил" сервер, быстро работал и приносил SEO-трафик?

Вместо того чтобы пытаться запихнуть эти 60 тысяч строк в неповоротливый Битрикс или WordPress, я попросил Gemini выступить в роли Full-Stack разработчика и написать для меня отдельный легковесный микросервис на поддомене.

Нейросеть выдала мне простую пошаговую инструкцию. Мне понадобилось создать в панели хостинга базу данных, загрузить туда CSV-файл и создать ровно 7 текстовых файлов (PHP, HTML, .htaccess).

Gemini написал всё с нуля:

• Умный полнотекстовый поиск по базе MySQL.
• SEO-дружелюбные ссылки (ЧПУ) через .htaccess.
• Скрипт автоматической генерации sitemap.xml на 60 000 страниц для Яндекса.
• Чистую верстку в стиле моего основного блога

Вместо тысяч строк кода тяжелой CMS, весь движок поиска уместился в пару десятков строк на чистом PHP. Если вдруг кому-нибудь понадобиться такойсправочник/поисковик- милости прошу

8. Переход домена (1С-Битрикс)Тут у меня был опыт, но Битрикс - штука коварная, забыть что-то при переезде очень легко. Gemini выступил в роли моего DevOps-наставника: выдал подробный чек-лист, написал правильные редиректы для.htaccessи подсказал нужные SQL-запросы для замены старого домена на новый прямо в базе данных. В общем гайд зашел на ура.

9. 42 баннера для рекламной кампанииНужно было быстро собрать пачку баннеров с правильным соотношением сторон (ratio) для РСЯ. Делал так: основу генерировал с помощью нано банана под нужные пропорции, а дальше автоматизировал процесс подгонки - через GIMP немного менял размер холста под итоговые требования площадок. Работа была трудоемкая, но результат меня порадовал.

10. Обработка 1С и 11. Отчёты 1СМоя задача заключалась в том, чтобы сделать работу менеджеров проще. Стандартные отчеты 1С пугают новичков кучей настроек и фильтров. Мне нужна была простая «панель кнопок» (дашборд) по всем категориям товаров (от летней спецодежды до аптечек), где по клику на кнопку открывался бы готовый отчет с уже примененными нужными фильтрами.

Я нарисовал форму в конфигураторе, а вот логику кнопок поручил Gemini. Я был уверен, что ИИ сломается на русском синтаксисе 1С, но он справился!

Нейросеть предложила решение: не писать код под каждую из 80 кнопок, а сделать единую процедуру. ИИ написал словарь, который берет текст нажатой кнопки, находит её ID, подтягивает нужный XML-файл с готовыми настройками фильтров с жесткого диска и передает его во внешнюю обработку. Собственно, все получилось так, как и задумывал

11. Проект "Для души"

Помимо рабочей рутины, я решил протестировать нейросеть на чем-то личном. Мне нужно было простенькое веб-приложение для изучения английских слов (для моего ребенка 7 лет). В существующих приложениях раздражала реклама, платные подписки и невозможность добавить свои списки слов, да и к тому свое как-то роднее))

Я попросил Gemini написать приложение в формате все в одном файле: HTML + CSS + JS, чтобы его можно было просто открыть в браузере на телефоне.

В ТЗ я заложил геймификацию:

• Разбивка слов по категориям (Семья, Животные, Транспорт).
• Система «жизней» (3 ошибки - начинай заново).
• Начисление звездочек за прохождение.
• Штраф за лень :):скрипт проверяет дату захода, и если вчера не было пройдено ни одного урока - списывает 10 звезд (жестоко, но работает!).

Больше всего меня интересовало, как ИИ решит проблему озвучки английских слов без подключения сторонних (и платных) API. Оказалось, всё гениально и просто. Нейросеть использовала встроенный в браузер Web Speech API. Если вдруг кому пригодится такое минивеб приложение, можете забрать его по ссылкеhttps://evrybakov.ru/EvEv.html

4. Бухгалтерия: сколько я сэкономил?

А теперь давайте посчитаем. Я взял расценки по нижней границе с бирж вроде Kwork на аналогичные ТЗ, плюс-минус за годы работы я уже понимаю, какая почасовка у фрилансеров на таких задачах. Все цифры приблизительны, могут колебаться в ту или иную сторону.

• Спарсил данные (60к страниц): 6 000 ₽
• Сопоставил КТРУ со своим товаром: 10 000 ₽
• Создание поисковика по КТРУ: 15 000 ₽
• Обработка 1С: 24 000 ₽
• 42 баннера: 21 000 ₽
• Калькулятор DTF (HTML+JS): 5 000 ₽
• Конвертер данных (XML в XLSX): 2 500 ₽
• Переход на другой домен 1С-Битрикс: 10 000 ₽
• Вывод данных на сайте в зависимости от статуса: 3 500 ₽
• Переработка CSS на сайте: 3 500 ₽

Сами траты на токены ИИ были копеечными в соотношении с проделанной работой.

ИТОГО: 100 500 ₽Это небольшая математика, без учета сэкономленного времени на поиск адекватных исполнителей, составление подробных ТЗ и бесконечные споры о том, кто кого не так понял.

На данном этапе развития ИИ - это удобный прикладной инструмент, а не замена профильным специалистам. Мой опыт решения этих задач показал следующее:

• ИИ закрывает рутину.Нейросети отлично справляются с локальными, изолированными задачами: написать скрипт, составить регулярное выражение или найти синтаксическую ошибку. Но, как мне кажется, спроектировать архитектуру, учесть безопасность и связать разные компоненты в надежную систему по-прежнему может только человек.
• Качество результата напрямую зависит от ТЗ.Чудес не бывает. Если нет четкого понимания бизнес-логики и пошагового алгоритма работы, ИИ выдаст нерабочий мусор. Главным навыком становится умение декомпозировать задачу и формулировать жесткие рамки для нейросети.
• Снижение порога входа в микро-автоматизацию.Для малого бизнеса и рядовых сотрудников нейросети дали возможность закрывать мелкие ИТ-потребности своими руками. То, что раньше требовало согласования бюджета, поиска фрилансера и написания ТЗ, теперь собирается и тестируется за пару вечеров.

ИИ не решает глобальные проблемы бизнеса, но отлично экономит время и деньги на микрозадачах, позволяя не зависеть от сторонних подрядчиков в каждой мелочи.