Предприниматели, пост для вас

Два месяца назад я написал о том, что нужно перестать париться насчёт ИИ. Судя по реакциям, большинству откликнулось.

Собрал вам ещё четыре поинта, которые стоит понять, чтобы ИИ приносил деньги, а не тревогу.

—

01
Даже гиганты стали экономить

Пока все ещё почти из каждого утюга доносится «беги, автоматизируй, опоздаешь», крупнейшие компании в Штатах уже упёрлись в бюджеты.

Amazon и Meta прикрыли внутренние рейтинги по использованию ИИ — сотрудники начали накручивать токены ради красивой цифры в таблице, а платить за это пустое жжёние приходилось компании. Microsoft раздал разработчикам лицензии на Claude Code и в конце июня отозвал: на одного инженера набегало до $2000 в месяц.

В июле расходы на токены по рынку впервые пошли вниз — минус 20% от майского пика. Даже термин появился обратный: не tokenmaxxing, а tokenminimizing 😄

Это к тому, что гонка не такая выигранная, как кажется изнутри пузыря. Никто ещё не улетел в будущее без вас :)

02
Начинайте там, где работа не требует глубокой экспертизы, опыта и чуйки

ИИ силён там, где всё сводится к тексту: договоры, звонки, переписки, отчёты, поддержка, документы. Юристы, например, до 60% времени тратят на поиск и анализ информации — это чистый текст, родная гавань для ИИ.

03
Продукт больше не преимущество. Аудитория — да

Раньше выигрывал тот, у кого классный продукт. Сейчас навайбкодить рабочий SaaS за пару недель может кто угодно. А значит, и любая компания, которую вы считали заказчиком, сможет собрать себе то же самое — быстрее и надёжнее, потому что у неё своя IT-команда.

Продавать теперь нужно не продукт, а результат. Поэтому самое время обзаводиться аудиторией, и личной, и бренда.

Вот тут я писал даже пост об этом.

04
С чего начать прямо сейчас

Где именно у вас утекают деньги и где ИИ окупится, а где прожжёт бюджет, видно только на ваших процессах.

Как раз это и разберём на эфире — завтра в 17:00 по мск — на живых кейсах в российских компаниях.

На вебинаре буду я, Кирилл Гурбанов , ваш покорный слуга, и Эдуард Эпштейн, ex Head of Growth & AI-development в Sports.ru, эксперт в sfer.ai.

Регистрация в боте @kgrbnv_bot

Записи не будет, так что лучше приходите онлайн

Сходил на интервью к Кате Лапшиной вместе с Сашей Горным. Получился большой честный разговор про то, что на самом деле происходит с AI.

Посмотреть полную версию можно тут. Cобрал и вам сюда главные тезисы.

Проникновение AI в бизнес пока низкое — даже в Штатах

Есть даже статистика, что порядка 7% крупных компаний в США дошли до раскатки AI-автоматизации на масштаб компании. Все остальные находятся на этапах ранних пилотов.

И моя любимая прошлогодняя аналитика: 95% внедрений AI с точки зрения возврата на инвестиции неуспешны. Только 5% имели экономический смысл.

Не ставьте себе задачу «внедрить AI»

Это самый большой миф — делать то, что кажется прикольным.

Считать эффект надо до старта: либо через экономию, либо через новые деньги, которые появляются за счёт роста маржи и конверсий.

В sfer.ai мы отбиваем две трети запросов ещё на входе. К нам приходят с идеей «давайте автоматизируем юротдел из двух человек», считаем — автоматизация стоит 5 млн, экономит всего 1 млн. Вот вам и разрыв в пять раз 😬

Пробовать нужно через пилоты

Я бы остерегался больших стратегий в стиле McKinsey (при всей моей любви к ним), которые займут полгода, а потом ещё три года на внедрение. Лучше найти одну болевую точку, дёшево и сердито что-то проверить — и переходить к следующей.

А искать эффект надо там, где много людей делают повторяемую рутину, легко описываемую инструкциями.

Что нельзя отдавать AI

Всё, что требует опыта и принятия решений — стратегия и крупные сделки — пока за человеком. Плюс креатив и вкусовщина: какой tone of voice должен быть у бренда, как он должен позиционироваться — это AI не подскажет, вы сами выберете, нравится вам или нет.

А вот рутина без интеллектуального вовлечения — проверка документов, юридическая текучка, когда одни и те же допники подписываешь тысячами и меняются только названия компаний — автоматизируется на ура. Но с правильным контекстом, кучей гайдов и проверкой результата.

Весь этот банкет пока за счёт инвесторов

Для бизнеса AI уже экономически обоснован, но все компании-производители моделей в себестоимости тратят больше, чем получают с нас. Поэтому они бесконечно поднимают инвестиции.

В какой-то момент этот праздник жизни, вероятнее всего, закончится. Первые звоночки уже есть — крупные компании отзывают деньги из AI, пишут, что на токены тратят больше, чем на сотрудников. Uber, например, сжёг годовой бюджет на AI за 4 месяца.

Не складывайте яйца в одну корзину

Круто построить все процессы на одной модели, но завтра она заблокирует аккаунт или поднимет цену — и всё сразу рушится.

Поэтому система должна быть сбалансированная: где-то дорогие проприетарные модели, а где-то свои, локальные. Берёте open-source модель, какой-нибудь Qwen, разворачиваете на своих серверах — и с этого момента вообще не контактируете с производителем.

Главная возможность — можно больше не заниматься скучной фигнёй

Мы как руководители и специалисты трансформируемся в оркестраторов — только уже не сотрудников, а агентов.

По сути каждый станет менеджером в своей работе. Занимались всю жизнь бухгалтерией и перекладыванием бумажек — научитесь отвечать за эту функцию, но делать её будешь не руками, а настроенными системами.

Я сам теперь с удовольствием занимаюсь финансами. До этого было скучно и сложно организовать, а сейчас можно самому себе всё построить и во всём разбираться. Оно становится проще и прикольнее :)

AI-трансформация — это не красивый PDF

Недостаточно просто сделать красивую презентацию и в ней рассказать, что теперь вы AI-first компания. Нужно добиться того, чтобы каждый сотрудник стал на «ты» с этими инструментами. Только тогда всё заработает.

Любые изменения нельзя оставлять в вакууме — вакуум сразу заполняется самыми страшными теориями. Поэтому важно коммуницировать и привлекать людей к участию на ранних стадиях, чтобы они попробовали, кайфанули и сами нашли, как оптимизировать свою работу.

Когда я запускал sfer.ai, рядом был один человек, который очень помог

Это Лена Черникова. Удивительный и прекрасный человек. У Лены своя компания InForce — больше 10 лет занимаются корпоративной культурой и командами. Плюс она кандидат наук и автор своей методологии для развития лидеров и команд.

Лена была мне как старший товарищ и ментор: объясняла, как вообще устроен такой бизнес, как делать B2B-продажи с высоким чеком в России. А потом они стали нашим клиентом, начали рекомендовать нас своим — и теперь мы ещё и партнёры :)

Ещё у Лены просто какая-то невероятная команда. Не помню, когда последний раз видел настолько дружный коллектив с такими живыми ценностями. Каждый созвон с ребятами — прям праздник, без преувеличения.

И это не случайность — Лена так команды и строит. А в своём канале рассказывает, как именно — про лидерство, про работу с командами, про то, как растить людей по-человечески. Плюс кидает всякие инструменты «покопаться в себе» и бизнес-заметки из практики. И про личное пишет, не только про работу.

—

Накидаю пару постов, которые могут зайти менеджерам разного калибра:

Недохваленные команды — как сильные руководители всё время недооценивают похвалу. Звучит банально, а на деле один из самых точных управленческих инструментов.

Масштаб мышления лидера — про то, что задачи бОльшего масштаба требуют другого мышления, и как его в себе растить. Прям актуально, когда упираешься в свой потолок.

Новый переходный возраст — как планировать жизнь и карьеру вдолгую, когда работать нам теперь лет 60. Мысль, которая многих из нас в районе 40 догоняет 😅

—

Короче, искренне рекомендую. Подписывайтесь!

В последнее время дико кайфую от общения с предпринимателями

Яркое отличие, которое я вижу после своей корпоративно-наёмной жизни, — это качество моего нетворка. В найме ты варишься в основном среди своих — коллеги, пиры, начальство, подчиненные. Гораздо реже общаешься с людьми из других компаний.

Сейчас я сам в роли предпринимателя, и работаю в б2б, где мои клиенты — почти всегда основатели, акционеры, гендиры среднего и крупного бизнеса.

И, как оказалось, это люди с абсолютно другим майндсетом. Те, кто делает что-то самостоятельно, реально мыслят иначе.

Очень любопытно и классно общаться с такими людьми!

—

Еще одно занятное наблюдение.

Сейчас я стал гораздо больше общаться с неайтишниками (почти вся моя корпоративная и стартаперская карьера всегда была около IT).

И это тоже для меня абсолютно новый и удивительный мир людей, которые делают что-то осязаемое.

Вот познакомился с человеком, у него выручка больше миллиарда рублей.

Я: чем занимаетесь?
Он: фотоловушками

Мне даже пришлось переспросить, что это такое ))

Оказалось — те штуки, которые фотографируют тебя на аттракционах.

Все российские парки, аквапарки и развлекательные центры — это их клиенты. И вообще это отдельный большой бизнес, они занимаются дистрибуцией и даже производством.

Или вот еще один знакомый говорит, что они делают пожарную технику — датчики, сигнализации, детекторы и тд.

Охренеть! Это вообще что-то не из моего мира.

Или кто-то делает фиттинги для труб. Целый завод, огромная выручка. Но я даже не до конца понимаю, что такое фиттинги ))

Очень ново это всё. Какие у этих людей проблемы, какие подходы, как они между собой общаются. Самое заметное, например: они не говорят «давайте поставим созвон через две недели» — они просто ЗВОНЯТ и решают вопросы на месте 😅

—

Не ожидал, конечно, что одним из самых прикольных бенефитов собственного б2б-бизнеса будет такое классное расширение нетворка.

У меня есть друг Саша. Венчурный инвестор, у него свой фонд — вкладывается в B2B AI-стартапы в Штатах вместе с Sequoia, a16z, Google Ventures и другими монстрами топовыми фондами.

Помню, как-то встретились на ужин, так я часа полтора мучал его расспросами: как вообще устроен венчурный фонд, как там принимают решения, на что смотрят. Короче, узнал кучу всего за один вечер )))

А теперь он про всё это пишет в канале. Причём просто и понятно для каждого.

—

Пара постов, которые мне особенно понравились:

Кто станет следующей компанией за $1 трлн. Вопрос, который сейчас буквально сидит в голове любого фаундера в AI: что будет с продуктом, когда следующий Клод просто сделает его одной из своих фич?

У Саши есть конкретный ответ с разбором статьи Sequoia, картой рынков и цифрами — кому и что продавать, чтобы не схлопнуться.

Как они инвестировали в стартап дочки Билла Гейтса. Как это было или как важно не сдаваться :)

—

В общем, если вам интересны стартапы, инвестиции и вот это всё — подписывайтесь. Саша классно объясняет, как этот мир работает изнутри.

SpaceX покупает Cursor

Недавно в одном из чатов ИИ-нтузиастов обсуждали, как быстро меняется мода в AI:

- с Курсора, по сути, началось агентное программирование, его массовый adoption

- потом появился Клод Код
- еще недавно все сидели на Клод Коде в Терминале

- сейчас тренд обратно в нативную аппку
или, например
- с Клод Кода многие мои друзья продвинутые уехали на Кодекс…

ну и вот, пожалуйста, кажется, скоро в моду снова вернется Cursor

SpaceX объявил о покупке компании :))

🔗 TechCrunch

Так и живем

Кто ответит за то, что наврал ИИ?

Увидел интересное. На днях вышла новость, которая на первый взгляд выглядит как очередное европейское «давайте накажем американский биг-тех». Но нет.

Суд в Германии постановил, что Google отвечает за то, что говорят его AI Overviews — те самые сгенерированные ИИ ответы, которые теперь висят над поисковой выдачей.

—

История такая. Два бизнеса засудили Google за то, что AI Overviews описал их как мошенников. А они ими не были.

Суд отметил, что ИИ выдумал утверждения, которых вообще не было на сайтах-источниках. Дословно из решения: «Это уникальные заявления, придуманные ИИ-инструментом Google», за которые Google обязан нести ответственность.

Почему это важно с юридической точки зрения?

Десятилетиями биг-тех в США прикрывался Section 230: платформа не отвечает за контент, который на ней появляется. Похожая логика работает и в Германии — суд прямо это признал: «Для обычных поисковиков суды обычно считают, что операторы не обязаны проверять каждую ссылку заранее».

Логично: поисковик просто показывает ссылки, он не автор.

Но AI Overview — это не ссылки. Как сказано в решении, он «сплетает информацию в совершенно новые текстовые утверждения». То есть ИИ становится автором. А автор уже отвечает за то, что написал.

Google защищался: мол, пользователи всегда могут перепроверить ответ по ссылкам, на которые он опирается.

И вот ответ суда:

«Если юридически считать AI Overview совершенно ненадёжным текстом, который в любом случае требует проверки каждой ссылки, то вся фича теряет свой смысл».

—

Раньше это была наша с вами проблема — «перепроверяйте всё важное». Теперь это становится проблемой на миллиарды долларов: кто несёт ответственность за дорогостоящие ошибки ИИ-моделей? Тот, кто сделал модель? Тот, кто её встроил в продукт? Или мы сами, потому что «надо было проверить»?

Решение пока предварительное. Но вопрос — абсолютно нерешённый. И от того, как на него ответят суды по всему миру, будет зависеть, в каком виде ИИ вообще встроят в продукты, которыми мы пользуемся каждый день.

—

А вы как считаете — кто должен отвечать, когда ИИ уверенно наврал?

🐳 — компания, которая его сделала
❤️ — пользователь, который не перепроверил
🌚 — сам ИИ )))

Давайте обсудим в комментариях

Я стал совсем плохим другом

[личный уязвимый пост]

В прошлом году я писал пост о том, что стал плохим другом. Спустя время всё, кажется, усугубилось ещё сильнее.

Меня всё реже зовут куда-то. Свадьбы проходят без нас, дни рождения тоже, на тусовки не приглашают, на домашние посиделки тоже.

Плюс за последнее время так вышло, что пара близких друзей дала мне фидбек, что со мной хер встретишься, что я оч занятой, что я как будто потерял интерес.

И это очень любопытная история. Конечно, когда я это услышал, я расстроился, и даже было обидно. Но потом понял, что люди действительно могут считывать нечто подобное, даже если на самом деле это не является истинной причиной.

С годами жизнь часто разводит друзей, даже близких, по разным путям. Так бывает. Но я не чувствую в себе какого-то разделения друзей на «лучше» и «хуже» меня (то, что понимается под «потерял интерес»). Безусловно, в моей жизни такое есть и встречается, но насколько я могу доверять своим чувствам, в дружбе этого нет.

В общем и целом, видимо, я попал в достаточно глубокий кризис дружбы и тёплых личных отношений. В последние несколько недель очень много об этом думаю и копаюсь в причинах.

—

Есть ряд объективных факторов, которые меняют картинку близких контактов:

01
Я в классных и гармоничных отношениях. Прекрасно себя чувствую со своей уже невестой Машей, много времени проводим вместе. Плюс часто легче остаться дома, чем идти куда-то на светский выход.

02
Я уже три года не пью никакой алкоголь, и на этой почве происходят две вещи:

• пьющие компашки перестали нас с Машей (она тоже не пьёт) звать, потому что непьющий человек в пьющей компании выглядит занудой

• мне самому перестало хотеться ходить на всякие тусовки, как раньше, потому что оказалось, что одной из важных причин туда ходить для меня был тот факт, что это хороший социальный повод пропустить бокальчик вина

03
Случился переезд. Я уже больше трёх лет живу по сути на два дома, друзья тоже разъехались кто куда, и качество и частота общения сильно упали.

04
У меня тектонический сдвиг в рабочем плане. После многолетней работы в найме я впервые в жизни делаю собственный бизнес без зарплаты и начальников. 90% фокуса моей жизни сейчас в sfer.ai и в организации заработка, потому что достаточного капитала или пассивного дохода у меня нет.

Каждый вечер после работы, включая выходные, я чаще всего супер уставший, и у меня не остаётся энергии на социализацию.

—

Но есть и субъективные причины.

Я действительно часто выбираю вместо встретиться с друзьями — отдохнуть и побыть одному. Вместо кому-то написать и спросить как дела — потупить или порешать рабочие вопросы.

У меня такой бардак в мессенджерах — куча непрочитанных, куча обязательств, ожиданий, вопросов, требующих вмешательства, — что я перестал вывозить что-то ещё.

И мне это всё грустно. Я хочу быть другом, люблю своих друзей, но при этом как будто то ли разучился в этот «навык», то ли просто сейчас такой период.

В жизни всегда всё так происходит, волнами. То хорошо, то плохо. То кризис, то подъём. Сейчас очевидно у меня кризис дружеских и личных отношений.

И как я смеюсь с парнями — результатом будет одно из двух: либо всё станет зашибись, либо мы окончательно перестанем общаться :))

Короче, с сегодняшнего дня иду к новому терапевту, и вопрос дружбы уже запланирован как первая тема.

ИИ у всех будет одинаковым

Я писал, что никакого «интеллекта» в LLM нет — это вероятностные машины, которые предсказывают следующее слово.

Так вот. ИИ становится демократизированным. Уже скоро (а может и сейчас уже) у всех будет примерно одинаковый доступ к одной и той же мощи: те же модели, те же агенты, те же инструменты.

И это значит, что ИИ как таковой перестанет быть преимуществом. У всех есть электричество — никто не хвастается тем, что у него лампочка работает.

ИИ всех нас выровняет интеллектуально. И что останется?

Ровно всё то, что ИИ у вас не отнимет, не воспроизведёт и не скопирует. Умение налаживать связи, доверие и credibility, ответственность, навыки продаж, доступ к ресурсам, лидерские качества и способность вести людей за собой.

Вот это и будет валютой.

—

Получается парадокс: чем больше ИИ — тем социальнее становимся мы.

Потому что у всех инструментов одинаковая мощность, отличить себя можно будет только тем, что в инструмент не помещается. Пока.

А чем вы планируете отличаться?

Prediction Markets — голосование деньгами

Друзья, отойду чуть в сторону от AI — расскажу про одну штуку, она меня давно занимает. Феномен, который последние пару лет набирает обороты — рынки предсказаний типа Polymarket и Kalshi.

—

Что это вообще такое?

Это площадки, на которых вы можете поставить деньги на исход любого будущего события. Выйдет ли GTA 6 в этом году? Будет ли Fed снижать ставку до конца квартала? Победит ли Трамп на выборах? Когда выйдет GPT-6? Кого изберут папой Римским? На всё это есть рынок, на котором торгуют контрактами «да» и «нет».

Цена контракта = вероятность события по мнению рынка. Если «GTA 6 выйдет в 2026» торгуется по 12 центов — толпа считает шансы 12%.

И вот тут начинается интересное.

—

Почему это вдруг стало популярно?

В мире, где каждый эксперт в Твиттере с уверенностью прогнозирует чёрти что бесплатно, prediction markets оказались самым честным источником вероятностей.

Когда ты пишешь твит — тебе ничего не стоит ошибиться. Когда ты ставишь $500 на исход — внезапно начинаешь думать гораздо тщательнее. В этом и магия.

Социальный эффект: люди, которые голосуют деньгами, гораздо сдержаннее в оценках, чем те, кто голосует языком. Уверенный прогнозист из того же Телеграма, кричащий «100% случится X!» — на рынке поставит максимум 60%. Потому что под угрозой свои деньги.

Получается такая коллективная мудрость, профильтрованная через личный кошелёк каждого участника.

—

Как это работает технически?

Покупаете контракт «да» по текущей цене. Событие случилось — каждый ваш контракт превращается в $1. Не случилось — в $0.

Купили за 12 центов, событие случилось → заработали 88 центов с контракта (7x). Не случилось → потеряли 12 центов.

Polymarket работает на крипте (USDC), Kalshi — в долларах через регулируемую американскую биржу.

—

Личный опыт

Я сделал ровно одну ставку. На Polymarket, на пару «GTA 6 выйдет раньше, чем биткоин дойдёт до $1M». Поставил небольшую сумму на «GTA 6 первее».

Как закончится — пока непонятно. С вас лайк, если интересно узнать ))

—

Такие дела.

А вы пробовали ставить на Polymarket или Kalshi?

Перестаньте париться насчет ИИ

Вокруг AI оооооочень много хайпа, и очень велик соблазн ему поддаться: бежать, не успевать, паниковать, что отстал. Я сам долго в этом сидел, да и продолжаю местами.

Каждый раз, когда читал свой набор Telegram-каналов, появлялась тревога, как будто я опоздал на последний поезд в будущее. Вот, все вокруг умнее меня, все уже в Курсоре пишут продакшен-код, а я только промпты составляю в ChatGPT.

В какой-то момент я сформулировал для себя несколько тезисов, после которых отпустило.

—

01
Не сравнивайте себя с пузырём энтузиастов

Внутри пузыря кажется, что весь мир прогрессивный — все на Клод Коде и Paperclip управляют армиями агентов, снимают полный метр в Higgsfield, пилят единорогов в одно лицо, и ты единственный неудачник, который этого не делает.

Это иллюзия.

Я сижу в нескольких ИИ-чатах. Ну сколько среди, например, русскоязычного коммьюнити прям ИИ-энтузиастов? Ну тысяча человек, ну, может быть, три тысячи?

Все остальные — на очень низком уровне. Я это вижу по командам клиентов, по аудитории на воркшопах, по запросам в личке. Реальное проникновение ИИ остаётся низким.

02
Отпишитесь от каналов, вызывающих тревогу

Есть каналы, которые работают на драме: «ОТКАЖИСЬ от прошлой жизни СЕЙЧАС, иначе ОТСТАНЕШЬ навсегда!». Они подсаживают на тревожный дофамин и постоянно подбрасывают ощущение, что мир уходит без тебя.

Я от таких просто отписался. Стало легче.

И что важно — ничего ценного я при этом не потерял. Всё по-настоящему важное всё равно долетает. Через друзей, через рабочие чаты, через каналы, которым я доверяю.

Тревога — это не полезный сигнал.

03
Постройте воронку экспериментов

Достаточно следить за обновлениями нескольких основных моделей и сервисов: OpenAI, Anthropic, Google, Cursor, xAI. Вышло обновление → попробовал → пошёл работать дальше. Всё.

Этого хватит, чтобы быть в курсе всего по-настоящему важного.

Не надо подписываться на 20 «суперкрутых TG-каналов про ИИ». Они засоряют поток и кормят FOMO. Один-два хороших — достаточно (например, мой @ailetter).

04
Пробуйте новое, но в своём темпе

Привычка пробовать новое — это сейчас правда важно. Но она должна идти из любопытства «интересно, как это применить к моей работе и жизни». Тревога «иначе отстану» — мотиватор так себе.

В своём темпе.

Я сам, кстати, не из первой волны. В Курсор пришёл через 2 месяца после того, как все вокруг туда ломанулись. И ничего, нагнал быстро.

—

И последнее. ИИ необязательно должен становиться смыслом жизни.

Да, он открывает практически бесконечные возможности. Да, он способен умножить каждого из нас на 5, на 10.

Но это не значит, что нужно бросить всё и заниматься только ИИ. Это просто мощный инструмент. Не больше и не меньше.

Дышите глубже))

Три вида эффекта от AI в бизнесе

Друзья, расскажу про одну штуку, которая мне самому в голове всё по полочкам разложила. Есть один фреймворк, который я подсмотрел в Сколково на одной из программ. С тех пор используем его в sfer.ai каждый раз, когда садимся с клиентом считать, что ему вообще даст интеграция AI в бизнес. Делюсь, пользуйтесь.

—

Есть три понятных эффекта от внедрения AI: less money — more money — new money. Тратим меньше → зарабатываем больше на том же → зарабатываем там, где раньше вообще не зарабатывали. Идём по порядку.

—

1. Less money — сокращение издержек в существующих процессах.

Что входит: автоматизация саппорта (до 80% обращений закрываем без человека), оперейшнс и бэк-офис («перекладывание бумажек»), легал-помощники для юристов, разработка. Всё это Judgment Light — то, что легко описывается правилами и не требует постоянного вовлечения человека. Короче, всё то, что у каждого второго бизнеса уже болит.

Бомбический кейс: одна большая компания (не могу назвать, но она у вас точно на слуху) год гоняла AI-пилоты по всем подразделениям. Самый эффективный пилот стоил 1 млн в разработке и сэкономил пару десятков миллионов в год. 20-кратный ROI. Без роботов с лазерами, без блокчейна — просто заменили рутину.

Я этим исследованием MIT в канале уже всех замучил (простите, кто читает мой канал давно), но цифра важная: 95% генеративных AI-пилотов в компаниях признаны неуспешными. Только 5 из 100 вернули вложения. Жесть. Спойлер: большинство этих успешных — как раз про less money: точечная автоматизация без попыток ИИ-фицировать всё на свете.

Маленькая оговорка: исследование от августа 2025-го, с тех пор ситуация могла поменяться. Но лучшего публично пока не выкатили.

2. More money

Это про то, чтобы на той же клиентской базе зарабатывать больше. Рекомендательные системы, next best offer, программы лояльности (Яндекс Плюс — классический пример), кастомизация продукта под клиента, сокращение time to market.

Простой пример — супервизия продаж. Раньше руководитель отдела отслушивал 1-2% звонков менеджеров. Сейчас AI-агент слушает 100% разговоров, сразу даёт менеджеру обратную связь по каждому звонку, а руководителю — картину сверху: какие клиенты что просят, где менеджеры пробуксовывают, что нужно дотянуть. Конверсия растёт, средний чек растёт. База та же, продукт тот же — а денег больше.

3. New money

А вот это моё любимое. Это когда AI становится частью продукта, и вы начинаете зарабатывать там, где раньше вообще не зарабатывали. Предельная форма — нецифровая компания превращается в цифровую платформу для других игроков рынка.

Прикольный кейс: логистическая компания сначала сделала цифровые накладные для своих водителей — это типичный less money. А потом превратила эту систему в продукт для внешних клиентов — и пришла к new money. Начала зарабатывать там, где раньше не зарабатывала в принципе.

Сюда же — продажа собственных данных, AI-нативные сервисы, монетизация моделей и датасетов.

—

Большинство компаний сегодня застряли в less money. Это окей — там самый быстрый ROI и самые понятные кейсы. Но настоящий отрыв возникает дальше: McKinsey показывает, что только 6% компаний — настоящие AI-хайперформеры. И они в 3 раза чаще остальных перестраивают процессы под AI, а не просто докручивают старые. Разрыв уже виден.

Поэтому, когда смотрите на свой бизнес через AI-призму, не останавливайтесь на «сэкономили 5 часов в неделю на сотрудника». Подумайте про more money: где у вас та же клиентская база может приносить больше? Какие точки конверсии проседают? Где средний чек можно поднять? Какие циклы можно ускорить с AI?

Stripe нанимает людей, чтобы автоматизировать работу остальных. И готов платить за это сотни тысяч долларов в год.

Должность называется Forward Deployed AI Accelerator.

Что человек будет делать: внутри маркетингового отдела (~20 маркетологов) строить под каждого сотрудника кастомные AI-агенты и инструменты, обучать ими пользоваться, добиваться того, чтобы маркетолог дальше работал с этим самостоятельно.

—

О чем мне это говорит:

1. Stripe ставит на то, что AI — это не «иногда инструмент», а дефолтный режим работы. Не «вот тебе подписка на ChatGPT/Claude, разбирайся», а «вот тебе человек внутри команды, который пересоберёт твои процессы под AI».

2. Они прямо признают: большинство сотрудников сами себя не переучат. Курсы, гайды, корпоративные лицензии — не работают. Нужен кто-то рядом, кто сядет и перестроит конкретно твою работу.

3. Маркетинг — первый отдел, на котором Stripe это пробует. Не разработка, не продажи, не операции. И это логично: маркетинг даёт те самые more money за наименьшие инвестиции — о трех эффектах AI я расскажу в следующем посте.

—

Короче, Stripe здесь не первый.

В начале года forward-deployed engineer был нишевым концептом у Palantir. На этой неделе Anthropic объединились с Blackstone, чтобы запустить предприятие на $1,5 млрд (писал в прошлом посте). А теперь Stripe делает эту роль штатной. Капец, как быстро это всё разворачивается.

Как думаете, через год такие AI-проводники будут в каждой компании?

—

Если вы сами умеете помогать компаниям становиться AI-Native — пишите мне в ЛС @kgurbanov. Мы в sfer.ai постоянно в поиске таких экспертов.

Anthropic строит AI-аналог McKinsey

Anthropic объединилась с Blackstone, Hellman & Friedman и Goldman Sachs, чтобы запустить совместное предприятие на $1,5 млрд. Названия пока нет, но цель — взять на себя внедрение AI в средний и крупный бизнес.

Прямо сейчас параллельно ту же тему пилит OpenAI — у них совместное предприятие с TPG, Brookfield и Bain Capital, объём $4 млрд, оценка $10 млрд. Внутри проект уже называют DeployCo.

Короче, на наших глазах рождается целая новая индустрия — AI-нативный консалтинг. Смесь классического консалтинга, аутсорсинга и SaaS.

Я последние полгода всем говорю: «Хочу построить McKinsey в сфере AI». А мне раз за разом: «Кирилл, ну нет такой темы». И вот здрасьте, пажалста ))

—

Почему это важно:

1. Победа в AI достанется не тем, у кого лучшая модель, а тем, кто реально умеет её внедрять. Главная боль рынка сейчас — gap между «модель в проде» и «модель приносит деньги». Провал почти всегда не в технологии, а во внедрении: процессы кривые, данные дырявые, культура не готова.

Anthropic не пытается продать вам модель. Они пытаются продать вам внедрение. Их инженеры будут embedded внутри клиента. Эта формула бьёт чистый SaaS, потому что закрывает именно то, что у компаний болит.

2. Главный актив новой компании — не технология, а дистрибуция через PE-портфели. Blackstone, Hellman & Friedman, Apollo, GIC, Sequoia, General Atlantic. У этих ребят сотни портфельных компаний на балансах, готовая клиентская воронка. Когда Big 3 ходят и продают каждому клиенту вручную, эти ребята выкупают себе рынок через инвестиционные структуры.

—

Если вы экс-консультант Big 3 — давайте пообщаемся. ЛС: @kgurbanov

Я вам не рассказывал, но мы с парнями — Ромой Кумаром и Сашей Соловьевым — сделали мощнейшую программу по AI с нуля до эксперта.

Первый поток уже закончился, было 100+ участников. Сейчас закрываем набор на второй. Про прошлый не успел рассказать — в этот раз исправляюсь ))

—

Идея у нас была простая: мы хотели cобрать классную программу, которая подготовит человека к будущему с помощью AI и сделает из него — простите за громкое слово — сверхчеловека.

Все вместе прошлись по нашему многолетнему опыту, определили навыки и дисциплины, которые считаем критически важными для такого человека — от промптинга и агентов до вайб-кодинга и AI-маркетинга. Ну и собрали всё в один интенсивный курс.

Программа называется AI Superpowers. Идёт 3 месяца месяца — 28 занятий в Zoom по 2 часа. Не записанный курс, все в лайве.

Что внутри:

· AI-first база
Как думают нейросети, эффективный промптинг, настройка LLM под себя. AI для сложных задач: анализ данных, графики, отчёты, презентации. Плюс — фреймворк, с какой автоматизации в бизнесе начать, чтобы не распылиться по 50 направлениям сразу.

· Агентские системы
Когда вообще нужны агенты, а когда — нет. Подключаем базы данных. Собираем своих агентов под календарь, саммаризатор, таск-трекер.

· Вайб-кодинг
Обзор стека (OpenClaw, Bolt.new, v0, Lovable, Cursor, Claude Code и аналоги). Глубокое погружение в Cursor: настройка, правила, MCP-серверы, агенты, терминал. Лендинги, ТГ-боты, мобильные экраны, сайты с бэкендом и реальный деплой для пользователей.
Финальная сборка модуля — построение личной операционной системы на Claude Code: анализ звонков, отчёты, визуализация данных, управление командой в одном окне (то самое, про что я регулярно пишу в блоге).

· AI-маркетинг
Анализ рынка и конкурентов через AI с готовыми фреймворками. Фабрика креативов на данных. Фабрика контента с автоматическим трендвотчингом и генерацией сценариев виральных видео. Cold outreach с высокой конверсией. Единый дашборд с AI-анализом всех рекламных кампаний.

· Бонус-трек. AI-майндсет
ИИ для саморазвития: обучение, привычки, рефлексия. Как потреблять информацию, принимать решения и строить карьеру в эпоху AI.

К программе мы привлекли команду экспертов-практиков:

· Роман Кумар-Виас (ex- Qlean, Qmarketing, QAcademy, Refocus. Построил самую большую школу по маркетингу в СНГ и потом самый быстрорастущий Edtech в мире)

· Эдуард Эпштейн (уже более 7 лет на рынке медиа, IT и digital-маркетинга. Последние 1,5 года занимается AI-трансформацией бизнеса. Обучил 500+ сотрудников vibe-coding и AI-инструментам)

· Артем Фролов (ex-Product Manager в T-Банке, 2+ года делает AI-агентов)

· Всеволод Устинов (основатель Elly Analytics — первый в мире vibemarketing тул для перфоманс-маркетологов)

· Николай Кожемякин (10+ лет в B2B-маркетинге и международном бизнесе. Эксперт по холодному аутричу и контент-маркетингу в B2B)

· ну и я сам – Кирилл Гурбанов (фаундер sfer.ai, практик с 9-летним опытом на топ-позициях в крупнейших компаниях России)

Берём еще пару человек индивидуально и одну команду — на этом всё. Программа стартует уже на этой неделе. Темп плотный. Если готовы к 3 месяцам AI в вашей жизни — заполняйте форму на сайте.

Скиллы для Claude Code: что реально стоит поставить

Для тех, кто ещё не разобрался: скилл в Claude Code — это markdown-файл (.md) с инструкцией для агента как думать и действовать в конкретной задаче. Не нужно каждый раз объяснять в промте — он подхватывает задачу сам. Один файл превращает Claude в дизайнера, другой — в SEO-шника, третий — в финансового аналитика. Правильно собранный набор — и у тебя по сути целая команда, которая работает по твоим правилам.

Если бы я собирал стек с нуля — взял бы вот это:

1. Superpowers — превращает Claude из хаотичного джуна во вдумчивого синьора

Топ-команды:
• /brainstorm (агент сначала задаёт вопросы, потом делает)
• /write-plan (показывает план до реализации, можно всё поправить)
• /execute-plan (параллельно запускает несколько агентов и проверяет результат в конце)

150к звёзд на GitHub. Подрубайте в самую первую очередь!

2. Get Shit Done — навык, который решает проблему деградации агента по мере заполнения контекста. Разбивает проект на три изолированные фазы: план, выполнение, ревью. Каждый агент стартует с чистым контекстом и передаёт состояние следующему через файлы.

3. Frontend-design — до написания кода заставляет агента принять чёткое дизайн-решение и держаться его. Перестаёте получать слоповые AI-сайты. Ставьте сразу после Superpowers, если делаю что-то визуальное — сайт или приложение.

4. Marketing Skills — пак из CRO, копирайтинга, SEO и аналитики. Один раз настраиваете под себя — и больше не объясняете агенту каждый раз, кто ваша аудитория и по каким пунктам надо собирать аналитику.

5. Claude SEO — для тех, кто делает SEO руками. 19 суб-скиллов и 12 суб-агентов: технический SEO, E-E-A-T анализ, schema-разметка, исследование ключей, аудит конкурентов, бэклинки, локальный SEO, Google API и отчёты в PDF и Excel.

6. Composio — MCP-интеграция, которая дает Claude доступ к Gmail, Slack, GitHub, Notion, Telegram, Figma и ещё 500+ приложениям. Управляет авторизацией и выполняет действия напрямую, автоматизирует воркфлоу через несколько инструментов сразу.

7. Deep Research — инструмент для ресерча с источниками. 8-фазный пайплайн с оценкой достоверности источников. Хорошо работает для анализа рынка и подготовки к запуску.

8. Code Simplifier — официальный плагин от Anthropic, которым команда Claude Code чистит собственный код. Сканирует проект, убирает мусор, снижает расход токенов.

9. Superflow — проектирование сложных задач. Позволяет делать сложные задачи при помощи проджект флоу.

10. Blog Post Writer Skill — написание постов в Телеграм канал вашим голосом. Работает так: выгружаете архив канала в CSV, кладёте его рядом, и говорите агенту — «напиши пост в моём стиле про вот это». Агент сам прочитает архив, поймёт ритм, лексику и любимые приёмы, и выдаст черновик так, будто это писали вы.

—

Важное: больше скиллов ≠ лучше. Не надо врубать сразу 50 скиллов — агент начинает путаться в инструкциях и деградирует. Собирайте маленький стек под ваши повторяющиеся процессы. Готовые скиллы ищите на SkillHub — там 7000+ с one-click install, или прямо в маркетплейсе внутри Claude Code. Но лучший скилл — тот, что напишете сами под свой процесс ))

Помните, как в 90-х к компьютерным журналам и книгам прикладывали CD-диски? Купил книгу про дизайн — на диске пачка шрифтов и шаблонов. Купил журнал — на диске демки игр и софт.

Так вот, со скиллами для AI будет то же самое, только в сто раз мощнее.

Вы покупаете книгу про продуктовый менеджмент, где автор раскладывает Jobs To Be Done (привет Ване Замесину). А вместе с книгой — библиотека скиллов и хуков для Claude Code, которые уже умеют делать дискавери, формулировать гипотезы, проектировать интервью. Ставите их к себе в сетап, выдаёте задачу — и она работает с использованием нового подхода целиком. Сразу, без месяцев впитывания.

Вместе с книгой про копирайтинг — пачка агентов, которые пишут тексты в нужной парадигме. Вместе с курсом по финансам — скиллы, считающие модели вашего бизнеса в нужной методологии.

То есть вы за один заход прокачиваете и собственный навык, и навык для своих агентов. И сразу пускаете в работу.

—

Это не футурология. Это происходит прямо сейчас. Это Claude's Matrix moment. То самое «I know kung fu», только не в кино, а у вас в агенте.

Сегодня в открытых маркетплейсах уже тысячи скиллов. Через год будет 100 тысяч. Через три — каждая нормальная книга и каждый нормальный курс будут идти со своим набором.

А лет через 10, когда Neuralink дозреет, мы начнём грузить эти скиллы прямо в голову. Так и будет работать Second Brain — твой персональный AI-помощник, вшитый в мысли.

Потому что нынешний способ обучения — выделять часы, недели, годы на освоение каждого нового навыка — слишком медленный для той скорости, с которой меняется мир.

Что думаете?

Как понять, какой процесс автоматизировать первым?

Есть простой фреймворк, которым мы пользуемся в sfer.ai при первом заходе на поиск низковисящих фруктов в компаних, которые приходят к нам за ИИ-оптимизацией.

Четыре критерия:

1. Judgement Light задачи

Если задача легко описывается правилами, гайдами, инструкцией — это сигнал. Обработка заявок, классификация, ежедневные отчёты — да. Продажи b2b с высоким чеком — нет.

2. Повторяемость

Задача выполняется часто, предсказуемо и по одному и тому же сценарию — например, ежедневные отчёты или модерация.

3. Масштаб

Автоматизировать функцию, которой занимается один человек два часа в день, экономически почти бессмысленно — разработка выйдет дороже, чем экономия освобождённого времени. А вот если 100 человек тратят на это по 2 часа ежедневно — это уже другой вопрос. Чем больше людей вовлечено в одну задачу, тем выше потенциальный эффект.

4. Большая дополнительная ценность от освобожденных ресурсов

Если вы автоматизируете работу дорогостоящих сотрудников (разработчиков, юристов, аналитиков) — освободившееся время конвертируется в реальный бизнес-эффект, т.к. эти люди тратят его на другие полезные для бизнеса вещи. Разработчик, которому не надо тратить кучу времени на написание документации или автотестов, может приносить больше ценности клиентам.

—

Что можно добавить к этому списку?