Егор Восточный – Знакомство, флирт и принятие ИИ (страница 4)

Это самый важный, но самый недооценённый шаг. AI-модели, которые управляют вашей почтой, обучаются на ваших действиях. Но они не различают случайные клики и осознанные действия. Если вы случайно нажали «Важно» на письме, которое на самом деле не важно, модель запомнит это как сигнал.

Стратегия обучения:

●

Используйте кнопку «Не важно» или «Это спам» только на письмах, которые действительно нарушают ваши критерии.

●

Если вы получили письмо от важного отправителя, которое AI почему-то спрятал, нажмите на нём «Важно».

●

Делайте это ежедневно в течение первой недели – хотя бы 2 минуты утром. Модели переобучаются ночью, и уже через 7–10 дней точность классификации достигает 92% и выше .

Шаг 5. Создание защитных правил для критических ситуаций (5 минут)

AI не идеален. Иногда он ошибается. Чтобы критические уведомления не были случайно скрыты, создайте правило-«защитник», которое срабатывает поверх AI-сортировки.

Для Gmail:

Создайте фильтр с условиями: subject:(URGENT OR "SECURITY ALERT" OR OUTAGE) OR has:attachment

Выберите действия: «Применить ярлык " Немедленное действие"» + «Показать уведомление на рабочем столе».

Такое письмо будет всегда заметно, даже если AI по какой-то причине решит, что оно неважное.

Пример из жизни: как DevOps-инженер сократила шум на 73%

Сара Чен, старший SRE в финтех-стартапе, управляла уведомлениями от 14 SaaS-инструментов, 3 внутренних CI/CD-пайплайнов и 8 статус-страниц вендоров. Ежедневно она получала 87 писем. При этом её команда пропустила два инцидента в продакшене в первом квартале, потому что критические уведомления PagerDuty были погребены под 42 маркетинговыми письмами от «DevOps Weekly», «Cloud Native Digest» и «API Trends» .

Сара применила описанный пятишаговый протокол. Сначала она провела аудит и обнаружила, что 94% всех критических уведомлений приходится на четыре источника: PagerDuty, GitHub Actions, Datadog и внутренний Slackbot. Она добавила их в белый список. Затем создала правила подавления для рассылок, содержащих в теме слова «Weekly», «Digest», «Newsletter», но только от известных маркетинговых платформ. И, наконец, настроила защитные правила для тем, содержащих «P1», «SEV-0» или «outage».

Результат через 10 дней: в её «Focused Inbox» оставалось 11–14 писем в день – все операционные. Количество маркетинговых рассылок упало с 42 до 5 в день. Все критические оповещения появлялись в верхней части ящика. Но главное, что отмечает Сара: «Система не просто сократила шум. Она выявила паттерны, которые я раньше пропускала – например, что уведомления Datadog о высокой загрузке CPU всегда приходят через 47 минут после нашего ежедневного деплоя. Это стало понятно, когда они сгруппировались в чистом ящике» .

2.2. Генерация кратких саммари по длинным цепочкам: как не читать то, что можно не читать

Проблема: письмо на 50 сообщений, а нужно понять суть

Вы открываете почту и видите письмо в ветке «Re: Re: Re: Обсуждение условий договора». Внутри – 47 сообщений, которые тянутся уже три недели. Участников – 12 человек. Юристы, менеджеры, финансовый директор, технический специалист. Каждый что-то добавляет, уточняет, возражает, соглашается. Вам нужно быстро понять: какое решение принято? Какие есть нерешённые вопросы? Что требуется лично от вас?

Если вы начнёте читать всё подряд, вы потеряете минимум 20–30 минут. Если пропустите – рискуете упустить важные детали. Эта дилемма знакома каждому, кто работает в корпоративной среде.

Решение: как AI извлекает суть из многотомных переписок

Современные AI-ассистенты умеют за секунды анализировать длинные почтовые ветки и выдавать краткую выжимку. Они не просто вырезают первые предложения из каждого письма, а действительно понимают структуру диалога: кто что сказал, какие решения были приняты, какие вопросы остались открытыми, какие действия кому назначены.

Как это работает технически

Когда вы нажимаете кнопку «Summarize» (или аналогичную), AI выполняет несколько операций:

Парсинг всей ветки. Модель получает доступ ко всем сообщениям в ветке, включая вложения (если они текстовые).

Идентификация участников и ролей. AI определяет, кто из участников является инициатором, кто принимает решения, кто просто указан в копии.

Выделение ключевых сущностей. Модель ищет даты, суммы, названия проектов, юридические термины, технические параметры – всё, что может быть важным в контексте.

Анализ изменений позиций. AI отслеживает, как менялась точка зрения участников: кто сначала возражал, а потом согласился, какие компромиссы были найдены.

Извлечение action items. Модель выделяет фразы, которые выглядят как поручения: «Иван, подготовь…», «Необходимо проверить…», «Ждём ответ от…».

Генерация структурированного саммари. Результат обычно представляется в виде нескольких блоков: «Что произошло», «Какие решения приняты», «Какие вопросы открыты», «Что требуется от вас».

Как это работает на практике: Outlook Copilot

В Outlook 2026 года функция Summarize интегрирована прямо в интерфейс. Вы открываете любое письмо (или ветку), нажимаете кнопку Copilot и выбираете «Summarize». Через 2–3 секунды появляется окно с краткой выжимкой .

Особенность Copilot в том, что он умеет не только показывать саммари, но и отвечать на уточняющие вопросы. Вы можете спросить: «Какие конкретные сроки обсуждались?» или «Кто именно должен утвердить финальную версию?», и Copilot найдёт ответ в длинной ветке.

Как это работает на практике: Gmail Gemini

Gmail с Gemini подходит к задаче немного иначе. Вместо отдельной кнопки «Summarize», Gemini предлагает AI-сгенерированные саммари прямо в списке писем. Вы видите краткое содержание длинной ветки ещё до того, как её открыли. Это позволяет быстро сканировать почту и понимать, какие темы требуют внимания, а какие можно отложить .

Кроме того, Gemini поддерживает естественно-языковые запросы по истории переписки. Вы можете написать: «Покажи мне все решения по проекту Альфа, которые были приняты на прошлой неделе», и AI найдёт и обобщит соответствующие фрагменты из всех писем, не ограничиваясь одной веткой.

Практические советы по использованию AI-саммари

Когда использовать саммари, а когда читать целиком

AI-саммари – мощный инструмент, но не панацея. Есть ситуации, когда саммари достаточно, а есть – когда лучше прочитать письмо целиком.

Достаточно саммари:

●

Вы получили письмо, где просто проинформировали о чём-то (результаты встречи, статус проекта, еженедельный отчёт).

●

Вы участвовали в ветке, но не активно, и нужно просто понять, к чему пришли участники.

●

Вам нужно быстро сориентироваться в старом письме, чтобы ответить на вопрос коллеги.

Нужно читать целиком:

●

Письмо содержит юридические формулировки, где важна каждая запятая.

●

Вы готовитесь к важным переговорам и должны понимать не только факты, но и тон, нюансы, невысказанные позиции сторон.

●

Письмо адресовано лично вам и содержит просьбы или инструкции, требующие глубокого понимания контекста.

Как проверить, что саммари точное

Даже лучшие AI-модели иногда ошибаются. Особенно в длинных и запутанных ветках, где участники противоречат друг другу или меняют позиции. Вот несколько способов проверить точность:

●

Если AI выделил action items, быстро пробегите глазами по последним 2–3 письмам в ветке – обычно поручения формулируются в конце.

●

Воспользуйтесь функцией «Показать цитаты», если она есть. Copilot, например, может показать, из каких именно писем взята та или иная информация.

●

Для критически важных решений (финансовые согласования, юридические документы) лучше всё же прочитать ключевые письма целиком.

Как улучшить качество саммари

Качество саммари напрямую зависит от качества писем в ветке. Если ваши коллеги пишут хаотично, не структурируют информацию, используют расплывчатые формулировки, AI будет выдавать такой же расплывчатый результат. Вы можете повлиять на это: