Claude вместо ChatGPT?

 

Анна Ефимова
Как использовать AI-ассистента компании Anthropic для HR-задач

Claude — это AI-ассистент американской компании Anthropic, основанной в 2021 году выходцами из OpenAI. Главная идея при создании: сделать модель безопасной и предсказуемой — отсюда меньше галлюцинаций, точное следование инструкциям и более человекоподобный текст. 

Бесплатный тариф включает модель Sonnet, контекстное окно приблизительно на 500 страниц текста, загрузку документов и веб-поиск. Лимит — 5–10 сообщений каждые пять часов. Тариф Pro стоит 20 $ в месяц и дает в пять раз больше сообщений, приоритетный доступ и улучшенную модель Opus. Также есть тариф Max за 100 $ или 200 $ в месяц с еще более масштабными возможностями.

В статье рассказали, чем Claude отличается от ChatGPT, как его использовать и составили эксклюзивные HR-промпты для Claude.

Чем Claude отличается от ChatGPT

Текст звучит по-человечески, а не как от нейросети. Эксперты отмечают: Claude избегает клише, добавляет конкретику и реже скатывается в шаблоны, чем ChatGPT. 

Лучше работает с длинными документами. Контекстное окно Claude — 200 тыс. токенов, это примерно 500 страниц текста. Можно загрузить 80-страничную расшифровку интервью, кадровую политику и описание вакансии — и получить качественный анализ. Claude надежнее удерживает контекст.

Точнее следует сложным инструкциям. Если вы даете Claude детальный промпт с условиями, например «пиши в деловом стиле, без пассивного залога, не упоминай зарплату до третьего абзаца», он выполняет их точнее и стабильнее. 

При этом эксперты отмечают, что у ChatGPT лучше работает генерация изображений, голосовой режим, веб-поиск и более дешевое API.

Интерфейс Claude

Советы по работе с Claude для HR

Добавьте постоянный контекст для чата

Вы можете задать контекст конкретному чату, загрузив в него нужные документы, например корпоративную политику, профиль идеального кандидата, tone of voice компании, примеры хороших офферов. Затем составьте промпт, и Claude уже будет знать, кто вы, на какую позицию ищете людей и как пишет ваша компания. Так не придется объяснять контекст с нуля каждый раз.

Обучите Claude своему стилю письма

Загрузите в Claude образцы тона текста, который вам нравится, чтобы создать кастомный стиль. Не «формальный» или «дружелюбный» из выпадающего списка, а именно ваш. 

Например, загрузите три-пять писем кандидатам, которые вы считаете удачными, — и Claude научится воспроизводить ваш тон.

Включите режим размышления

Для сложных задач — оценка нескольких кандидатов, анализ причин текучести, структурирование программы онбординга — можно включить расширенное мышление. Claude буквально показывает свои рассуждения шаг за шагом перед финальным ответом.

Вы видите логику и можете найти место, где модель сделала предположение, которое не соответствует вашему контексту, — и скорректировать.

Работайте с результатом внутри чата

Claude создает артефакты — отдельные блоки прямо внутри чата. Например, вы просите составить саммари интервью и матрицу навыков кандидата в формате таблицы. Выделите таблицу, чтобы изменить конкретно ее, не изменяя весь ответ нейросети.

Бонус: 7 HR-промптов только для Claude 

Скрининг резюме

Я прикладываю резюме кандидата и описание вакансии [вставьте текст или загрузите файлы]. Твоя задача: 

1. Выделить топ-3 совпадения между опытом кандидата и требованиями.
2. Назови две зоны риска — в чем кандидат может не подойти.
3. Предложи три уточняющих вопроса для скринингового звонка. Пиши кратко, без предисловий. 

Формат: три блока с заголовками.

Письмо кандидату после интервью

Напиши письмо кандидату [имя] после финального интервью. Контекст: мы еще принимаем решение, это займет около недели. Кандидат произвел хорошее впечатление. 

Нужно: поблагодарить за время, дать конкретный срок обратной связи, сохранить тепло — без дежурных фраз и корпоративного деревянного языка. Длина — не больше пяти предложений.

Анализ расшифровки интервью

[Вставьте транскрипт интервью]

Это запись структурированного интервью на позицию [должность]. Проанализируй ответы кандидата по следующим компетенциям: [перечислите 3–4 компетенции]. Для каждой компетенции: приведи цитату из транскрипта, дай оценку от 1 до 5 с обоснованием. В конце — одна фраза общего впечатления.

Описание вакансии

Напиши описание вакансии [должность] для компании [кратко о компании и продукте]. 

Требования к кандидату: [перечислите]. 

Что предлагаем: [условия]. 

Задача: сделай текст, который читается как написанный живым человеком, а не HR-отделом в 2015 году. Без клише типа «динамичная команда», «конкурентная зарплата», «возможности для роста». Вместо них — конкретика. Тон: [серьезный / дружелюбный / прямой — выбери].

Подготовка онбординг-плана

Составь план онбординга для нового сотрудника на позицию [должность] на первые 30 дней. 

Контекст: [два–три предложения о компании и команде]. 

Формат: таблица по неделям. Для каждой недели — фокус, три–четыре конкретных задачи, с кем познакомиться, что должен уметь к концу недели. Не пиши общие слова — только действия.

Письмо-отказ в работе, которое не разрушает репутацию работодателя

Напиши письмо с отказом кандидату [имя] после [этапа отбора]. 

Причина отказа: [настоящая причина, например: нашли кандидата с более глубоким опытом в X]. 

Требования: не используй размытые формулировки («вы не подошли нашим требованиям»), дай одну конкретную причину, оставь дверь открытой для будущих позиций. Длина — 4–6 предложений.

Анализ причин текучести

[Вставь данные: количество уволившихся, причины из exit-интервью, должности, стаж на момент ухода].

Найди паттерны в этих данных. Что объединяет уволившихся? Есть ли зависимость от отдела, срока работы, типа причин? Сформулируй три гипотезы о системных проблемах и предложи по одному конкретному действию для проверки каждой гипотезы.

Ни одна нейросеть не заменит живого рекрутера, который лично общается с кандидатами, чувствует их мотивацию и принимает решения. Claude помогает писать отличные тексты и глубоко анализировать данные, но настоящую работу с людьми все равно делает человек.

https://tinyurl.com/2s4y5fuw

AI Tools You Need to Know

 

Everyone is buying AI tools.

Almost no one is getting results from them.

Same story. Every company. Every year.

Leadership approves the tech budget.
Teams spend months picking the right tools.
They buy. They launch. They announce it internally.
Then they wait.

The results never come.
And everyone blames the tool.

I've spent 15 years inside Fortune 500 companies.
I watched this same pattern play out every time.

The tool was never the problem

Here's the simplest way I know to explain what actually goes wrong:
You can buy the most powerful car ever built. No road. No driver. No destination.

That car goes nowhere.
AI tools work exactly the same way.
The tool is the car. Most companies forgot to build the road.

That's the AI Execution Gap™

The gap isn't between companies that have AI and those that don't.
It's between companies that bought tools and companies that built the system to run them.

The road has three parts.

Most organizations are missing all three.

1. Ownership
Someone has to be accountable when the AI gets it wrong.
Not the vendor. A named person. With real authority.

2. Measurement
You need to know if it's working before you can prove it's worth keeping.
"It seems useful" is not a result.

3. Governance
Who decides when something needs to change?
Who can stop it if it causes harm?
If no one knows, the system is already a risk.
No tool on this chart delivers real value without these three in place.

The good news

This isn't a technology problem. It's a decision problem.
Start with one conversation this week.
Put these three questions on the agenda:
Who owns it
How we measure it
Who decides when it stops.

One hour. The right people in the room.
That conversation is worth more than any tool on this chart.

💾 Save this. It's the step most AI investments skip entirely.

Infographic Credit: Sivasankar Natarajan, give him a follow

https://tinyurl.com/3bacy6x7

100 AI Prompt & Tips for Finance Professionals

 

Nicolas Boucher Online

Most people write prompts the same way they write Google searches.

A few keywords. Maybe a sentence. Then frustration when the output is vague.

The truth is, the quality of your AI output is almost entirely determined by the quality of your input. And there are frameworks — tested, structured, repeatable — that change everything.

I have compiled 100 prompts and tips across four categories. These cover the frameworks I use in my own work, the data prompting techniques that save hours, the hacks that most finance pros never discover, and the finance-specific workflows that turn AI into a permanent part of your close process.

Read them in order or jump to what matters for you right now.

A framework is not a template. It is a thinking structure.

When you give Claude a framework, you are not just formatting your prompt. You are telling it how to think about your problem. The output quality jumps immediately.

The one I use most — and the one I teach first in every training — is CSI+FBI. It gives your AI the context, the task, and the expected output all in one prompt. But there are 24 others here, and the right one depends on what you are trying to do.

Start With CSI+FBI

Most finance prompts fail because they are too vague. "Analyze this file" is not a prompt. It is a hope.

CSI+FBI forces you to give your AI everything it needs upfront:

→ C: Context — who you are, what this is for

→ S: Specific — exactly what you need, with numbers and constraints

→ I: Instruction — the actual task, step by step

→ F: Format — how the output should look

→ B: Blueprint — an example of a good output

→ I: Identity — the persona Claude should adopt

When to Use the Other Frameworks

Not every prompt needs CSI+FBI. Here is a quick guide to choosing:

AIDA (Attention, Interest, Desire, Action) — Use when writing stakeholder communications, board memos, or investor updates that need to move someone to act.

RISEN (Role, Instructions, Steps, End Goal, Narrowing) — Use for complex multi-step tasks where you need Claude to follow a precise sequence.

SNAKE (for Python code) — Specify file type, Notebook environment, Action needed, Key data columns, Structure of output. Use every time you ask Claude to write automation code.

SMART — Use when setting AI tasks that need measurable outputs. Forces precision on scope and deadline.

Top 25 Data Prompt Tips

Data prompting is where most finance professionals have the biggest untapped opportunity.

They already have the data. They just do not know how to ask for what they need.

These 25 tips cover everything from generating Excel formulas on demand to detecting anomalies in a dataset to building a full financial dashboard outline — all from a well-structured prompt.

The Rule That Changes Data Prompting

Before you paste any data into your AI tool, do three things:

→ 1: Tell your AI what the data represents — what each column means, what the time period covers

→ 2: Tell your AI what you want to do with it — summarise, analyse, flag, forecast

→ 3: Tell your AI what format you want the output in — table, bullet points, Python code, Excel formula

Without these three, you get a generic response. With them — whether you are using Claude, ChatGPT, Gemini, or Copilot — you get analysis you can put in front of the board.

Top 25 Prompt Hacks

Frameworks get you started. Hacks make you dangerous

These 25 techniques are the difference between using Claude as a search engine and using it as a thinking partner. Most finance professionals never discover them because they are not obvious — they come from experimentation.

The one I use every single day: chain-of-thought reasoning. Telling Claude to think step-by-step before giving an answer dramatically improves accuracy on complex financial questions.

The Three Hacks That Change Everything

1. Chain-of-thought reasoning. Add “Think step-by-step” to any complex prompt. Claude will reason through the problem before giving you the answer. For financial analysis, this catches errors that instant responses miss.

2. Chunking. Never give Claude a 50-page report and ask for a summary. Break it into sections. Process each one. Then ask for a synthesis at the end. You get more accurate output and a cleaner audit trail.

3. Socratic questioning. Ask Claude “What would make this forecast wrong?” or “What assumptions is this analysis relying on?” The answers are often more valuable than the original output.

Top 25 Finance-Process Tips

This is where the rubber meets the road.

The first three sections gave you frameworks and techniques. This section gives you the actual workflows — specific prompts for specific finance tasks that you can copy, adapt, and use this week.

Every tip here is a real use case. Board pack prep. Variance commentary. Dunning letters. Closing checklists. Runway calculations. These are the tasks that eat your week, and every one of them can be accelerated with the right prompt.

📌 The one rule that matters most: You cannot hide behind AI. The output is your responsibility. Your name is on it. Your credibility is on the line. That does not change just because a machine helped you write it. But with the right prompts, AI makes you faster and more accurate than any analyst working manually.

The One Thing to Remember

Most finance professionals are using about 10 prompts out of 100.

That gap is not a technology problem. It is a knowledge problem.

Pick one section this week. Try three prompts you have never used. See what happens to your close time, your reporting speed, or the quality of your variance commentary.

That is how you become an AI Finance Pro.

Not by knowing all 100 prompts.

By actually using them.

https://tinyurl.com/y857yvcc