Представьте senior-разработчика, который уже стабильно закрывает сложные задачи и получает верх рынка. Он берёт ИИ и начинает применять его к тому, что и так умеет: быстрее писать типовой код, находить ошибки и готовить черновики рефакторинга. Быстрее пишет, чище рефакторит, аккуратнее раскладывает точки с запятой по текстовым файлам.
Принесёт ли ему это заметно больше денег? Да нихуя. Он уже в топе рынка, и заказчик редко платит отдельно за разницу между «очень хорошо» и «ещё на 5% лучше».
И вот с этой мысли, которую мне вовремя вбросили, у меня за год сложился практический вывод про ИИ, который у меня сработал. Просто в ноги кланяюсь тем, кто её подкинул.
Почему ИИ в сильной зоне даёт слабый денежный эффект
Человек годами вкладывается туда, где он силён — потому что там комфортно, там его хвалят и там понятно, что делать. ИИ он инстинктивно тащит в ту же сторону: усилить то, что и так работает.
Проблема в том, что после определённого уровня каждый следующий прирост навыка всё хуже конвертируется в деньги. Вы вышли на плато. Каждый следующий процент мастерства даётся всё дороже, а стоит всё меньше. Рынок за него не доплачивает, потому что таких, как вы, наверху и без того хватает, и разницу между вами и соседом по топу заказчик не различает.
Здесь прячется цена. Пока топовый инженер полирует свой навык до блеска, мощный инструмент расходуется на задачу, где потолок и так почти достигнут. ИИ используют там, где ограничение уже не в скорости работы, а в спросе и дифференциации.
Две зоны: где вы в топе и где у вас нет рабочего навыка
Чтобы понять, где эффект от ИИ будет выше, разложим на две зоны.
Первая — то, в чём вы эксперт. Здесь у вас 25 лет опыта, опыт реальных запусков, аварий, архитектурных решений и последствий этих решений. Здесь вы на плато: ИИ может помочь, но денежный эффект часто меньше, чем ожидается.
Вторая — то, где у вас нет рабочего навыка. Для программиста это обычно всё, что вокруг самого кода: анализ рынка, продуктовое позиционирование, маркетинг, формирование характеристик целевой аудитории и фокус-групп, дизайн собственного продукта, продвижение, построение воронок, отслеживание целей, конверсий, ARPU и LTV. Слова знакомые, но руками вы это не делали ни разу.
Здесь кривая отдачи не горизонтальная, а почти вертикальная. Вы стартуете с нуля, а первый рабочий результат в новой зоне может дать непропорционально большой эффект, потому что раньше результата не было вовсе.
Разверните инструмент на 180 градусов
Отсюда следует практический ход. Возьмите того же программиста и используйте ИИ для задач, которые раньше блокировали запуск продукта: исследование рынка, позиционирование, первые тексты, метрики.
Пусть он натравит его на анализ рынка, на котором сидит. На позиционирование своего продукта. На то, чтобы нащупать целевую аудиторию и собрать хотя бы подобие фокус-группы. На дизайн. На продвижение. На воронку и на метрики, которые он раньше видел только в чужих дашбордах — конверсии, ARPU, LTV.
Раньше вход в каждую из этих областей стоил ему либо найма человека, либо месяцев самостоятельного барахтанья. Теперь вход требует нескольких итераций: сформулировать задачу, проверить выводы на данных, поправить гипотезу и повторить.
Как это вывозит человек без профильной квалификации
Разберём механику, потому что тут обычно и начинаются возражения.
Умный человек, попавший в незнакомую область с ИИ, действует не как самозванец, а как системщик. Сначала он подбирает готовые скилы — фреймворки, чеклисты, отраслевые модели, которые в этой сфере давно придуманы, но он их просто не знал. ИИ может дать карту терминов, типовых фреймворков и последовательность первых действий: разбивает область на блоки — аудитория, проблема, канал, оффер, метрика, эксперимент, называет вещи их правильными именами, подсказывает, с чего начинают профессионалы.
А дальше подключается то, что у опытного инженера уже есть и никуда не делось при смене темы — системное мышление. Умение разбить задачу на части, увидеть причинно-следственные связи, отличить сигнал от шума, достроить недостающее по аналогии. Это переносится из кода в маркетинг почти без потерь, потому что это не про код — это про то, как устроено мышление о сложных системах.
Готовый скил задаёт каркас. Дальше вы проверяете гипотезы, связываете метрики с действиями и просите ИИ закрывать пробелы в терминологии и вариантах решений. И человек может собрать первую грубую воронку: источник трафика, лендинг, заявку, оплату и базовые метрики.
«Да это же криво и неэффективно»
Здесь честно про изнанку. Местами получится криво-косо. На взгляд предметного эксперта — маркетолога с профильным опытом — многое будет сделано неэффективно, не по канону, с наивными ошибками, над которыми он поморщится.
Это приемлемо, если результат сравнивается не с агентством, а с прежним отсутствием процесса. Сравнивать надо не с эталоном профессионала, а с тем, что было у вас в этой зоне вчера — то есть с нулём. Простая воронка с первыми заявками полезнее, чем отложенный идеальный проект без запусков. Наивное позиционирование, которое хоть кого-то цепляет, бьёт молчание.
Эксперт, конечно, сделает лучше. Но эксперт стоит денег и времени, а вы прямо сейчас, в одиночку, с одним инструментом закрываете зону, которая раньше была для вас глухой стеной. Переход от отсутствия канала к первым продажам может быть важнее, чем небольшая оптимизация уже сильного навыка. Разница между «хорошо» и «отлично» в вашей сильной зоне — это доли процента.
Где эффект на самом деле заметнее
Часто самый заметный денежный эффект от ИИ появляется в смежных зонах, которые раньше вообще не были закрыты: не в полировке сильного навыка, а в запуске отсутствующего процесса.
У меня это сработало так. Двадцать пять с лишним лет я работаю инженером больше 25 лет и продаю именно инженерную экспертизу. И всё равно самый заметный эффект за этот год получил не от ускорения кодинга, а от запуска маркетингового процесса. Я, инженер, а не маркетолог, собрал систему, которая помогает искать рыночные ниши, формулировать гипотезы и готовить контент, — nextmoveengine.com — и контентный процесс: идея, черновик, редактура, публикация. Не потому что вдруг стал маркетологом. А потому что взял готовые маркетинговые фреймворки, проверял их на своём продукте и дорабатывал как инженерную систему. Eat your own cooking: я не продаю подход, который не проверил на себе.
Как применить это у себя
Практический вывод такой.
Перестаньте по умолчанию тащить ИИ в свою сильную зону. Это первый и самый естественный порыв — и самый бесполезный по деньгам. Вместо этого выпишите те области вокруг вашего продукта или вас самого, куда вы годами боялись сунуться, потому что «это не моё»: продажи, маркетинг, позиционирование, аналитика, дизайн, финансовая модель. Там может быть процесс, отсутствие которого сейчас ограничивает доход.
Выберите одну область на ближайшие две недели, например позиционирование или первые продажи. Не нанимайте пока никого, не идите на курсы. Попросите ИИ составить карту области: ключевые понятия, типовые ошибки, первые 5 действий, метрики проверки. Соберите с ним первый черновик процесса и проверьте его на реальных пользователях или данных. Дальше включите то самое системное мышление, которым вы пользуетесь каждый день в своей работе. Первый вариант будет слабым, но его нужно оценивать по факту появления заявок, разговоров с клиентами или измеримых сигналов.
И перестаньте мерить успех тем, стали ли вы быстрее писать типовой код, находить ошибки и готовить черновики рефакторинга.
Да щаз
Когда коллега скажет выкинуть весь этот маркетинг из головы и продолжать «лучше кодить» — мол, какие ещё продукты, воронки и целевые аудитории, давай-ка лучше зарабатывай на том, что знаешь, где в текстовых файлах расставлять точки с запятой, —
вспомните, что самый большой прирост может дать именно закрытие слепой зоны.
Да щаз мы это выкинем. Сказать, куда он вас с таким советом пошлёт?