Промежуточные итоги работы над задачами по сбору данных с помощью ИИ

Промежуточные итоги работы над задачами по сбору данных с помощью ИИ, май 2026

Неделю бьюсь с клодом над 2мя задачами про сбор данных для аналитики: одна про парсинг информации с сайтов, вторая про получение данных через открытое API.

Хочется записать это, чтобы вернуться для сравнения через несколько месяцев

Немного моей личной статистики: • За неделю я потратила на это примерно 10 часов своего времени. • Чистота сбора данных с сайтов – примерно 50% даже после детализации и перечисления источников данных (456 записей из 994) • Чистота получения данных через API – за неделю повысилась примерно с 33% (37 записей из 110), до 71% (150 из 210), но для целей аналитики, мне кажется, этого все равно очень мало.

Не могу избавить от мысли, что работа с ним напоминает работу не просто с джуном, а с джуном-зумером: • забывает, что делал вчера, а из-за этого делает одно и то же повторно и совершает одни и те же ошибки • забивает на прикрепленную инструкцию, если не написать в явном виде «посмотри на инструкцию» • тратит запросы в API и не может объяснить куда потратил • ему нужно давать уточнения по очень простым действиям, типа, «делай запрос порциями и сохраняй промежуточные итоги», потому что при проблемах со связью все пропадает • у него нужно проверять такие простые штуки, как формат данных, которые он запрашивает и проверяет (например, ИНН он начал искать как текст)

Ну т.е. вроде и помогает, а вроде и нет. И если для создания «концептов», «пилотов» и «прототипов» все отлично, то для реальной задачи, требующей точности, затраты, на мой взгляд, пока достаточно большие.

Но факт остается фактом - чтобы написать скрипт для парсинга на питоне мне не нужно было ни часа работы разработчика и это выглядит как волшебная палочка 🪄

Телеграм | Max База знаний whrdata