Зачем Google делится своими промптами? (Спойлер: не из доброты)
Весной 2025 года Google тихо выложил в открытый доступ пакет промптов для работы с ESG-данными. Не анонсировал, не пиарил. Просто появился репозиторий. Это не благотворительность. Это стратегический ход: приучить корпоративный мир к своим инструментам — Gemini и NotebookLM. Сделать их стандартом де-факто для sustainability-отчетности. И это работает.
Эти промпты — не абстрактные примеры. Это реальные рабочие скрипты, которые Google использует или тестировал внутри для анализа собственных ESG-метрик. Они заточены под конкретные задачи: из сырых данных получить структурированный отчет, который пройдет аудит.
Что внутри? Разбираем кейсы
Пакет разбит на три логических блока. Каждый решает конкретную боль.
1 Анализ и структурирование сырых данных
Самая грязная работа. У вас есть таблицы с потреблением энергии по филиалам, отчеты от подрядчиков по утилизации, опросы сотрудников в разных форматах. Нейросеть должна это все съесть, понять и выплюнуть единую структурированную таблицу. Google предлагает промпт, который заставляет модель играть роль "аналитика данных по устойчивому развитию". Ключевой трюк — явное указание на стандарты (GRI, SASB, TCFD) и требование выделять метрики, риски и возможности.
# Пример структуры промпта для анализа данных
роль = "Ты — старший аналитик данных в области устойчивого развития (ESG) с 10-летним опытом."
задача = "Проанализируй предоставленные сырые данные по энергопотреблению и выбросам CO2 за 2024 год."
контекст = "Данные собраны из разных источников: счета от энергокомпаний, отчеты заводов, логи транспортных средств. Форматы различаются."
инструкция = "1. Извлеки все числовые метрики, относящиеся к Scope 1, 2 и 3. 2. Приведи их к единым единицам измерения (кВт·ч, тонны CO2-экв.). 3. Сгруппируй данные по кварталам и источникам. 4. Выяви аномалии и потенциальные ошибки в данных. 5. Представь результат в виде четкой таблицы с колонками: Период, Источник, Потребление (кВт·ч), Выбросы (т CO2-экв.), Примечание."
ограничение = "Не придумывай данные. Если чего-то не хватает — укажи 'Нет данных' и предложи, как эту информацию можно получить."
2 Генерация нарратива для отчетов
Цифры есть. Теперь нужно написать текст для отчета акционерам или регулятору. Здесь Google применяет двухэтапный подход. Сначала модель получает структурированные данные и генерирует "сырой" черновик. Вторым промптом этот черновик редактируется под конкретный стиль — например, под официальный тон годового отчета или под брошюру для сотрудников. В плейбуке от Google этот процесс разжеван по шагам.
# Промпт для генерации раздела отчета
Ты — главный специалист по коммуникациям в области ESG.
На основе предоставленной таблицы с метриками за 2024 год напиши раздел "Экологическая эффективность" для годового отчета компании.
Тон: профессиональный, уверенный, ориентированный на прогресс. Избегай излишнего оптимизма там, где есть проблемы.
Структура:
1. Краткий обзор ключевых достижений (с цифрами).
2. Анализ основных тенденций (что улучшилось, что ухудшилось и почему).
3. Объяснение значимых отклонений от плана.
4. Связь с долгосрочными целями компании (например, Net Zero к 2030).
Используй данные только из таблицы. Не добавляй внешние факты.
Объем: 300-400 слов.
3 Визуализация и создание презентаций
Самый интересный блок. Промпты здесь заточены под создание описаний для графиков, диаграмм и даже подсказок для дизайнеров. Например: "На основе данных о динамике выбросов Scope 2 за 5 лет предложи 3 типа наиболее наглядных визуализаций. Для каждой опиди: 1) тип графика, 2) какие именно данные отобразить, 3) ключевой инсайт, который должна показать эта визуализация". Это не генерация картинок (пока), а создание точного ТЗ для людей или других AI-инструментов. Подробнее о таких лайфхаках — в подборке "40 лайфхаков Google AI 2025".
Главный секрет: система ролей и контекста
Если выкинуть все детали, останется костяк, который Google копирует у секретного шаблона OpenAI. Это формула Роль + Цель + Контекст + Ограничения.
| Элемент | Что писать | Пример из ESG-промпта |
|---|---|---|
| Роль | Эксперт с конкретной специализацией | "Аудитор отчетности по стандарту GRI" |
| Цель | Четкое, измеримое действие | "Выяви расхождения между заявленными целями и фактическими метриками" |
| Контекст | Фон, данные, источники | "Вот таблица с данными за 2023-2024 и текст наших публичных обязательств" |
| Ограничения | Что делать нельзя, формат вывода | "Не предлагай новых целей. Результат — таблица с двумя колонками: Обязательство и Статус (выполнено/отстаем)" |
Без этой структуры промпт превращается в "сделай что-нибудь красивое про ESG". Результат будет бесполезным.
Как использовать эти шаблоны на практике?
Скачали шаблоны. Что дальше? Не копируйте слепо. Адаптируйте.
- Заточите под свои данные. Замените общие примеры ("энергопотребление, выбросы") на ваши реальные метрики. Если вы работаете в IT, ваши ключевые ESG-риски — не выбросы с заводов, а энергия дата-центров и углеродный след облачных сервисов. Промпт должен это отражать.
- Интегрируйте в рабочий процесс. Эти промпты — не разовая игрушка. Их нужно встроить в пайплайн подготовки отчета. Например, первый промпт (анализ данных) запускается автоматически при загрузке новых CSV-файлов из филиалов. Результат падает в Google Sheets. Второй промпт (генерация текста) берет данные из этой таблицы и создает черновик в Docs. Как это сделать технически? Смотрите про утечку рабочих промптов Google.
- Тестируйте на исторических данных. Прежде чем доверять модели отчет за 2024 год, дайте ей данные за 2023-й. Сравните ее вывод с тем отчетом, который делали вручную. Найдите, где модель ошибается или упускает nuance. Доработайте промпт.
Внимание: модель не заменяет эксперта. Она заменяет стажера, который перелопачивает тонны таблиц и пишет первые черновики. Финальное решение, интерпретацию сложных отклонений, коммуникацию с аудиторами — оставляйте за людьми. Промпт лишь ускоряет подготовительную работу на 60-80%.
А что с NotebookLM?
Половина промптов в пакете Google заточена под Gemini. Вторая — под NotebookLM. Это не случайно. NotebookLM — это их козырь для работы с документами. Вы загружаете туда свои PDF с отчетами, стандарты GRI, внутренние политики. И потом можете задавать вопросы в контексте этой библиотеки: "Сопоставь наши данные по водопотреблению с требованиями стандарта SASB для нашей индустрии". Промпты для NotebookLM часто начинаются с инструкции "Используй загруженные источники как основу для ответа...". Это мощно, потому что модель не выдумывает, а ссылается на конкретные документы.
Что будет дальше?
Google уже не первый год скупает энергосети и строит дата-центры на чистой энергии. Их собственный ESG-отчет — это и PR, и необходимость. Автоматизация его подготовки с помощью AI — логичный шаг. Выложив промпты, они убивают двух зайцев: популяризируют свои AI-инструменты и собирают обратную связь от тысяч компаний, которые будут эти промпты дорабатывать.
Через год-два мы увидим, как эти шаблоны станут основой для коммерческих SaaS-продуктов от консалтинговых агентств. Кто-то уже сейчас берет эти промпты, немного меняет, упаковывает в красивый интерфейс и продает как "AI-решение для ESG-отчетности". Ирония в том, что исходники были бесплатными.
Мой совет: не ждите. Берите эти шаблоны, разбирайте их, ломайте, пересобирайте под свои нужды. Пока другие читают новости про Gemini 3 и Nano Banana Pro, вы можете уже автоматизировать самый нудный кусок своей работы. Просто скопируйте структуру, подставьте свои данные и запустите. Первые результаты будут кривыми. Но через 5-10 итераций вы получите своего "цифрового стажера по ESG", который работает 24/7 и не просит премию.