Мир, в котором мы жили, где человеческий труд был мерилом ценности, растворяется на глазах. Мы наблюдаем не просто эволюцию, а настоящую революцию, где искусственный интеллект берет на себя рутину, которую человек, будем честны, всегда выполнял посредственно, медленно и с большим трудом.
Сегодня ИИ уже делает бизнес лучше, чем большинство людей, потому что он тиражируем, масштабируем и лишен нашей биологической лени.
В основе всего лежит простая, но фундаментальная мысль: ИИ — это инструмент, который экономит время на определенном типе задач. Это не мозг, а большая языковая модель (LLM), которая по сути является улучшенным автозаполнением, генерирующим ответы по параметрам в языке.
Главный экономический сдвиг — это обнуление стоимости создания кода. Коллеги по цеху давно пришли к консенсусу: код, сгенерированный нейронкой, стоит примерно ноль рублей ноль копеек.
Если раньше создание одноразового скрипта или небольшого прототипа требовало дня работы, отладки и сохранения в архиве "на всякий случай", то сейчас достаточно ввести запрос, и нейронка выдаст скрипт (как правило, с первого раза). Это позволяет освободить голову от рутинного запоминания и сосредоточиться на более важных вещах.
Увеличение эффективности, которое дает ИИ, приводит к сокращению издержек и повышению конкурентоспособности. Предприниматели, которые не могут найти инвестора, могут использовать ИИ, чтобы зарабатывать самим, минуя другие сложные варианты.
ИИ лучше человека справляется с любой задачей, которая сводится к работе с текстом, а это практически вся интеллектуальная деятельность.
1. Продажи и аутрич: LLM идеально подходит для автоматизации продаж, так как его задача — синхронизировать знания между двумя сущностями, встроив свое предложение в картину мира клиента как нечто полезное.
- Настройка инфраструктуры. Чтобы проводить аутрич (холодные рассылки) эффективно, нужно постоянно мониторить политики крупных почтовых провайдеров, чтобы почта не отлетала. ИИ позволяет создавать систему, которая автоматически настраивает правила отправки, защищая пользователя от идиотизма, связанного с отправкой слишком большого числа писем.
- Генерация лидов. ИИ может автоматизировать лидген-процессы практически на 90%. Компании, которые раньше тратили недели на ручной перебор контактов, теперь могут получить стабильный поток дешевых лидов, что уже доказано на практике.
- Гибкость текста. LLM способен генерировать два совершенно разных письма для двух одинаковых на первый взгляд бизнесов, учитывая проясняющиеся в процессе изучения нюансы.
2. Разработка и прототипирование: Вайбкодинг (создание кода с помощью ИИ) позволяет быстро создавать MVP (минимально жизнеспособный продукт) из "гов#а и палок".
- Мгновенное тестирование гипотез. Создание лендинга или несложного сайта, который раньше требовал дней работы, теперь собирается за "кофейный перерыв". Это дает возможность быстро проверить спрос, не вкладывая огромные ресурсы.
- Работа с рутиной в IT. ИИ легко заменяет типовых джунов на Python, а также справляется с конфигами Docker и базовыми скриптами.
- Качество и чистка кода. LLM можно использовать как "скальпель", давая ему атомарные куски кода. После написания большой фичи ИИ можно попросить почистить код и провести рефакторинг: удалить неиспользуемые переменные, упростить код, устранить дубли.
Несмотря на автоматизацию, человек не становится ненужным, а переходит на роль архитектора и контролера. ИИ уничтожает рутинных исполнителей, но рождает новые, более высокоуровневые профессии.
1. LLM-инженер и архитектор контекста. Появилась новая профессия LLM-инженера, который должен управлять моделью, чтобы она не "галлюцинировала". Чтобы получить хороший результат, нужно уметь формулировать конкретное техническое задание (ТЗ), уметь выстраивать наблюдаемое (observed state) и желаемое (desired state) состояния.
Самые эффективные подходы включают:
- Декомпозиция: Разбивать задачу на мелкие, атомарные части, чтобы LLM мог их выполнять, не теряя контекст.
- Многошаговый режим: Использование ИИ в многошаговом режиме для разработки, где он хорошо справляется с дебаггингом по скриншотам.
- Проверка и верификация: После того как LLM написал код, его необходимо проверить, проревьюировать и провалидировать другими методами.
2. Управление ресурсами. LLM-инженеры должны также разбираться в архитектуре и понимать, как избежать создания технического долга. Например, в вайбкодинге код неизбежно запутывается, поэтому нужно сразу закладывать модульную архитектуру.
3. Носители контекста. Самое ценное, что остается у человека, — это глубокое знание домена и контекста бизнеса. Кодеры — это носители знаний о бизнесе, и без них фичи не пилятся и баги не фиксятся. Если у тебя нет понимания юнит-экономики и болевых точек клиента, даже идеальный текст, сгенерированный ИИ, не будет продающим.
ИИ — это не замена, а мультипликатор. Если ты продаешь "хрень", то увеличение эффективности в тысячи раз лишь быстрее доставит эту "хрень" на рынок, но не сделает ее нужной.
Нам нужно принять новую реальность и понять: LLM позволяет нам заниматься более сложными вещами. Если у человека есть мысль, которую он раньше не мог реализовать из-за сложности кодинга, теперь он может воплотить любую идею в интерфейсах и автоматизациях.
Единственный способ оставаться актуальным — это преодолеть собственный страх и ревность. Нам нужен здоровый пофигизм — способность убрать отвлекающий фактор и лжеконцепции из головы, оставив лишь тот голос, что ведет к светлому будущему и достижению результата.