Думаю, многим, кто хоть раз проводил интервью, знакома эта боль, когда эффективно и классно побеседовал, а потом тратишь часы на то, чтобы собрать инсайты, переслушивая аудио и перелопачивая наспех записанные заметки.
При этом человеческий мозг ленив и хитер — он в первую очередь обращает внимание на то, что подтверждает наши собственные идеи, а важные выводы могут просто потеряться. И чтобы не обманывать себя, нужен сырой текст, а потом — ИИ-ассистент, который поможет его проанализировать.
Привет! Меня зовут Анастасия, работаю продуктовым дизайнером в Ticketland. Я подготовила гайд о том, как собрать такой процесс на локальном компьютере с помощью Cursor, который включает семь шагов.
Шаг 1. Подготовка к беседе
Не буду учить вас проводить интервью. Скажу только, что прежде чем нажать кнопку «Запись», важно подготовить этическую почву.
Люди боятся, что их слова могут куда-то утечь или что они ответят «неправильно», и если собеседник напряжен, мы рискуем получить социально ожидаемые ответы, а не реальные боли. Поэтому обязательно просим разрешения на запись до начала беседы и снимаем тревогу. Например, можно сказать так:
«В нашем разговоре нет правильных и неправильных ответов, для меня важен ваш опыт как есть. Я включу запись для того, чтобы не отвлекаться на конспекты и полностью уделять внимание нашей беседе. Запись нужна нашей команде для анализа, мы ее нигде не опубликуем и удалим сразу после расшифровки».
Шаг 2. Устанавливаем модель и создаем скил (настраиваем ИИ)
Перед установкой на рабочий компьютер уточните у своих безопасников ИТ-политику по установке внешних репозиториев — разрешены ли Homebrew и ffmpeg.
Я использую OpenAI Whisper, но не платный сайт whisper.ai, а локальную модель, которую запускаю прямо на компьютере в агентском окне Cursor. Она отлично понимает русский язык и сразу ставит таймкоды, но не умеет различать собеседников — для этого нужен отдельный инструмент, например WhisperX.
Чтобы Cursor научился расшифровывать аудио локально, нужно один раз подготовить среду и дать инструкцию (скил). Делается это так:
1. Подготавливаем окружение. Cursor может сам предложить установить нужные утилиты, но для надежности лучше дать ему прямую команду.
Открываем чат с ИИ и пишем:
«Установи мне на компьютер утилиту FFmpeg (через brew) и Python-библиотеку openai-whisper. Открой терминал и выполни нужные команды сам».
Агент сам напишет команды в терминале — вам останется только нажать Approve.
2. Создаем скрипт и скил.
Теперь просим агента написать код и инструкцию для самого себя. Из моделей с этим справится базовый Composer — на этом этапе переплачивать за reasoning-модель не нужно.
«Напиши Python-скрипт transcribe.py, который берет аудиофайл, прогоняет через локальный openai-whisper и сохраняет txt-файл с таймкодами. Затем создай создай глобальный скил
~/.cursor/skills/whisper-local-transcribe/SKILL.md — это будет инструкция для тебя самого. Опиши в ней, как тебе запускать этот скрипт, если я скину аудио и попрошу сделать транскрибацию».
После этого можно прямо в окне чата с агентом в Cursor через слеш (/) вызывать этот скил в любом проекте.
Шаг 3. Превращаем запись в текст
Так как я работаю в Cursor, мне даже не нужно открывать терминал. Я просто перетаскиваю аудиофайл в чат с агентом и прикрепляю скил, который создала ранее. Промпт, который я использовала для старта, выглядел так:
«Сделай транскрибацию этого аудиофайла. Используй для этого скил /whisper-local-transcribe. Перед тем как начать, оцени, сколько времени займет расшифровка. Используй модель medium, язык Russian и обязательно проставь таймкоды».
Шаг 4. Причесываем текст (выкидываем мусор)
Сырой транскрипт читать тяжело. Заминки, повторы и междометия сбивают с мысли. Я тоже отдала эту рутину нейросети.
Сработает промпт:
«Очисти этот транскрипт интервью от слов-паразитов, заминок и повторов. Сохрани оригинальные формулировки пользователя. Разбей текст на логические абзацы для удобства чтения. Не меняй содержательные формулировки и не удаляй факты, оценки и эмоциональные акценты. Если не уверен, нужно ли удалять фрагмент, оставь его».
Шаг 5. Достаем факты (без фантазий и галлюцинаций нейросети)
Теперь самое важное. Надо прогнать текст через план исследования, который я составляла перед стартом серии интервью, чтобы получить подтверждения или опровержения гипотез.
Тут нужна модель с большим контекстным окном, например Claude Sonnet.
Промпт:
«Проанализируй транскрипт интервью. Заполни ответы на вопросы из анкеты ниже строго на основе текста. Если ответа на вопрос нет, пиши "Ответа не было". Не придумывай факты».
И дальше приложить вопросы из плана исследования.
Шаг 6. Ищем скрытые боли (то, о чем забыли спросить)
Интервью редко идет идеально по плану, и между делом респондент может нам выдать сочные инсайты. Прошу ИИ подсветить то, что мы упустили:
«Выдели из транскрипта неочевидные инсайты, которые не вошли в анкету. Обрати особое внимание:
на сильные эмоции (раздражение, восторг);
«костыли» (как пользователь решает проблему неудобным способом);
противоречия (говорит одно — делает другое)».
Пример из моего последнего интервью. Я узнала, что пользователь так боится не успеть купить билет на популярный спектакль, что сидит и обновляет страницу каждые пять минут. Стресс и паника у пользователя, нагрузка на сервер продавца. Полезная информация!
Шаг 7. Собираем продуктовые гипотезы
Теперь беру все, что накопали, и превращаю в проверяемые гипотезы.
Можно использовать промпт:
«На основе транскрипта интервью сформулируй продуктовые гипотезы.
Для каждой гипотезы укажи: наблюдаемую боль пользователя, возможное решение, ожидаемый эффект, способ проверки, критерий успеха.
Используй формулу:
Если мы [сделаем это], то [получим такой эффект], потому что [у пользователей есть такая проблема].
Не додумывай факты, которых нет в интервью. Отделяй подтвержденные наблюдения от предположений и расставь гипотезы по приоритету».
В результате получаю гипотезы, которые дальше можно использовать для обсуждения с продуктовой командой.
В итоге вместо нескольких часов переслушивания у нас остается прозрачная цепочка: запись → транскрипт → цитаты → инсайты → гипотезы. ИИ здесь не заменяет исследователя, а просто забирает скучную и рутинную часть работы.
Если застряли на настройке Whisper или промптах, спросите своего ИИ-агента — с технической частью он обычно справляется отлично. А если нашли способ сделать этот процесс удобнее, делитесь в комментариях.