ИИ – деньги

Андрей Муратов

ИИ – деньги

Содержание

Как читать эту книгу – короткие правила и как извлекать максимум пользы Слово автора – зачем эта книга и какой результат вы получите

Часть I. Картина мира

1. Короткая история длинной идеи – от мечты о «мыслящей машине» до современных моделей

2. Кто лидеры и почему – США, Китай, Европа; где мозги, где деньги, где правила

3. Ближайшие 3–5 лет простыми словами – что ждёт бизнес и на что делать ставку

Часть II. Главный инструмент

4. Метод R.A.T.E. – Result → Action → Tools → Evidence

5. Три быстрых внедрения за 72 часа – лид-магнит, «1 идея → 10 форматов», переговорный навигатор

6. Дашборд и метрики – что считать ежедневно, еженедельно и ежемесячно

Часть III. Практика по функциям

7. Продажи с ИИ – скрипты, возражения, follow-up, автописьма

8. Маркетинг без рутины – лендинги, рилсы, посты из одного «ядра смысла»

9. Операции и финансы – отчёты, сводки, контроль расходов, сверки

10. Подбор и обучение – тесты, онбординг, база знаний

Часть IV. Переговоры и управление

11. Переговоры с подсказками ИИ – подготовка, симуляция оппонента, карта возражений

12. Решения и риски – как не обмануться в метриках

13. Лидерство и этика – как объяснять ИИ клиентам и команде

Часть V. Право и безопасность

14. Авторские права и данные – минимально нужное

15. Регуляции «по-простому» – что важно бизнесу уже сейчас

16. Безопасность процесса – доступы, логи,

проверка конфиденциальности

Часть VI. Экосистемы и инфраструктура

17. США – модели, игроки, деньги

18. Китай – темпы и ограничения

19. Европа и остальной мир – фокусы и возможности

20. Российский стек – как собирать решения локально

Часть VII. Ваш план

21. Маленькие модели, агенты, дешёвый инференс – что это даёт именно вам

22. План на 30 дней – лестница зрелости из 5 ступеней

23. Антикризисный набор – как быстро откатить неудачную гипотезу

Раздел VIII. Бонусные главы и практикум

24. Пятьдесят способов заработка на нейросетях без вложений

25. Профессии под давлением ИИ – три горизонта автоматизации

26. Новые профессии и роли – кто зарабатывает на ИИ уже завтра

27. Будущее человека и бизнеса с ИИ – трезвые сценарии

28. Автопромпт: как сделать так, чтобы GPT-5 сам писал промпты за пользователя

29. Пять платформ будущего – ИИ-идеи масштаба Facebook/Google/Telegram

30. Голоса индустрии – краткие прогнозы лидеров и где они могут ошибиться

31. Фабрика знаний – как построить корпоративную базу, которая реально работает

Терминология (короткий глоссарий книги)

Источники информации

Обратная связь

Благодарности

Об авторе

Слово автора

Эта книга родилась из усталости. Слишком много магии вокруг ИИ и слишком мало выручки. Слишком много «вау-демо» и слишком мало повторяемых шагов, которые любой может сделать сегодня вечером, а завтра увидеть цифры, пусть маленькие, но честные.

Представьте стажёра, который не устает, не спорит и помнит каждую задачу. Он за час распакует идею в десять форматов контента, за минуту превратит заметки со встречи в ясный план, а ночью соберёт отчёт, который обычно откусывает ваш выходной. Этот стажёр – модель. Проблема не в том, «насколько она умна», а в том, что мы ставим ей человеческие задачи и ждём чудес. Ей нужны процедуры, а не вдохновение. В этой книге и есть набор таких процедур.

Зачем это вам

Бизнес не измеряется грандиозностью презентаций. Он измеряется простыми вещами: заявками, встречами, сделками, повторными покупками и чистой прибылью. ИИ способен влиять на каждый пункт, если формулировать задачи в правильной последовательности. Поэтому мы будем говорить «на деньги», а не «на вау». Каждая глава заканчивается маленькой победой и минимальным набором чисел, который доказывает, что победа – настоящая.

Что вы получите за 72 часа

– Переговорный навигатор: после каждой встречи – короткий, уважительный конспект: проблема, ценность, риски, следующий шаг с датой и ответственными. Ваши сделки перестанут «растворяться».

– Поток тёплых лидов через «магнит-диагностику»: вместо «подпишитесь на нас» вы дадите людям 3-минутную самопроверку их боли и персональные рекомендации. – Контент-конвейер «1 идея → 10 форматов»: один смысл – много носителей; без выгорания, -без переливания из пустого в порожнее.

Эти три вещи можно внедрить даже в одиночку. Если у вас есть команда – сделаете быстрее. Если нет – вы справитесь с самим собой.

Что вы получите за 30 дней

– Систему маленьких экспериментов: неделя на проверку каждой гипотезы, ноль драмы, только факты. Понятный дашборд: где рождаются заявки, где они умирают и сколько денег течёт от входа до оплаты. – Привычку формулировать задачи модели по схеме R.A.T.E.: Result → Action → Tools → Evidence. Сначала результат, потом шаги, потом инструмент, потом доказательства.

Кому пригодится

Предпринимателям, маркетологам, продюсерам проектов, руководителям отделов и всем, кто одновременно держит в руках и продажи, и контент, и операции. Студент или школьник? Тем более. Здесь не требуется код. Нужны внимание, дисциплина и честность с цифрами.

Кому не пригодится

Тем, кто ищет оправдание ничего не делать. Тем, кто предпочитает «поговорить о будущем» вместо того, чтобы навести порядок в текущей воронке. Тем, кто хочет «секретную кнопку». Здесь её нет.

История, из которой всё ясно:

Небольшая пекарня на спальном районе. Владелец устал от пустого инстаграма и случайных покупателей. Мы начали с «магнита-диагностики»: «Пять признаков, что вы покупаете черствый хлеб». Модель за пять минут написала чек-лист и три персональные рекомендации для каждого «нет». Пост в локальном сообществе привёл людей на форму, форма – к личной переписке, переписка – к дегустации. Через неделю появились предзаказы батона «к двенадцати». Сложной нейросети? Нет. Процедуры? Да. Дисциплины? Да. Деньги – из дисциплины.

Другой случай: SMM-фрилансер тратил дни на «придумать и написать». Мы взяли одну сильную мысль в неделю, упаковали её в десять форматов, сурово ограничили время на каждый черновик (10–15 минут), всё прогоняли через модель, а человек только редактировал. В две недели он собрал портфель кейсов и поднял чеки. Опять – никакой магии. Режим и проверяемые шаги.

О чём эта книга точно не будет

– Не будет техно-мистики и мантры «ИИ заменит всех».

– Не будет длинных лекций о «сущности интеллекта». – Не будет словесного фейерверка и «инсайтов ради инсайтов».

Будет дисциплина, короткие процедуры, внятные примеры и честные метрики. Мы чаще скажем «удали» и «сократи», чем «добавь».

Ваши правила игры

Никаких чудес. Если гипотеза не дала цифр за неделю – не спорим с реальностью.

Одна метрика на одну задачу. Нельзя «улучшить всё» сразу.

Скорость – важнее перфекционизма. Черновик 0.7 сегодня лучше идеала никогда.

Дисциплина безопасности. Не сливаете конфиденциальные данные в публичные сервисы. Точка.

Почему здесь «человеческий» язык

Слова, которые не понимает читатель, это плохой инструмент. Научный жаргон не делает вас умнее, он делает мост длиннее. Здесь каждый термин переводится на бытовой язык. Если встретите непонятное слово, либо я объясню его сразу, либо это слово здесь лишнее.

Как я предлагаю вам читать

По-настоящему эта книга «работает», когда вы читаете и делаете одновременно. Поэтому у каждой практической главы короткий чек-лист действий и одна метрика. Выполните – идите дальше. Пропустили, не ругайте себя, вернитесь вечером. Каждая маленькая победа накапливается. Мы строим не великие планы, а короткие выигрыши, из которых вырастает система.

Мини-договор

Я обещаю говорить просто и по делу, без уклонов в магию и без обещаний «миллионы за ночь». Вы обещаете делать маленькие шаги и измерять их. Если хотя бы в одной главе у вас не получится – напомню: значит, гипотеза плохая, а не вы. Мы сменим гипотезу и попробуем снова. Это и есть взрослый способ работать с ИИ.

Пора начинать. Дальше короткая история о том, как люди вообще дошли до идеи «научить железо думать», кто сегодня лидеры и почему это имеет значение для вашего кошелька уже сейчас. Потом метод R.A.T.E. И сразу три внедрения за 72 часа, которые легко выдержит ваша обычная неделя.

Как читать эту книгу

Можно прочитать за выходные и забыть. Можно прочитать за месяц и изменить бизнес-ритм. Ниже второй вариант: практичный, без героизма, с запасом на «жизнь случается».

Маршрут №1: Быстрый (7 дней)

День 1. Пролог, главы 1–3 (картина мира). Цель понять, зачем это вам, без философии.

День 2. Глава 4 (R.A.T.E.) и первая мини-практика: сформулировать один результат недели.

Дни 3–4. Глава 5 (три внедрения) сделайте хотя бы два: магнит-диагностика и переговорный навигатор.

День 5. Глава 6 (дашборд): заведите простой файл с тремя графами: заявки, встречи, оплаты.

Дни .6–7 Выберите одну главу из блока «Продажи/Маркетинг/Операции» (7–9) и доведите до результата

К концу недели у вас появится измеримый эффект, пусть скромный. Вы почувствуете, что это не «про когда-нибудь».

Маршрут №2: Глубокий (30 дней)

Мы идём по 20-минутным спринтам: читать 20 минут, делать 20 минут, фиксировать 5 минут. Повторить два-три раза в день.

Неделя 1. Картина мира (1–3), R.A.T.E. (4), два быстрых внедрения (из 5), старт дашборда (6). Неделя 2. Продажи (7) и Маркетинг (8). Одно улучшение на функцию. Неделя 3. Операции и финансы (9) + Подбор/обучение (10). Навести порядок – это тоже деньги.

Неделя 4. Переговоры и управление (11–13), Право/безопасность (14–16), завершаем план на 30 дней (22) и ставим рутину на рельсы

Как вести заметки (минимальная канбан-доска)

Три колонки: Идеи – Тест – Работает.

«Работает» – только то, что доказало ценность. Всё остальное – в архив без сожалений. В «Идеи» записывайте только то, что может повлиять на деньги в ближайшие две недели. «Тест» – не больше трёх задач. Каждая с одной метрикой и дедлайном на 7 дней.

Как формулировать задачи модели (без боли)

Всегда отвечайте себе на четыре вопроса (R.A.T.E.):

Result: что считается успехом и в каком виде (например, «10 заявок с формой» или «письмо-резюме на 150 слов»).

Action: какие шаги человека и машины (кто делает, когда, чем заканчивается).

Tools: какими инструментами пользуемся (модель, сервис, заготовка).

Evidence: как поймём, что получилось (метрика, контрольная дата, место фиксации).

Записывайте этот блок прямо перед каждым обращением к модели. Этим вы экономите себе часы объяснений и литры кофе.

Маленький приборный щиток

Ежедневно: сколько новых лидов, сколько касаний (звонки/переписка), сколько контента выпущено.

Еженедельно: конверсия лид – встреча, встреча – КП, КП – предоплата.

Ежемесячно: выручка, валовая маржа, затраты на привлечение, повторные покупки.

Цифры не для отчёта начальнику. Они для вас – чтобы отделять шум от сигнала.

Что делать, если «не идёт»

– Сократите задачу. Не «настроить автоворонку», а «сделать лид-магнит и проверить на 50 показах».

– Отключите перфекционизм. Сначала черновик 0.7, потом доводка.

– Поменяйте метрику. Возможно, вы меряете не то: «охваты» вместо «заявок», «лайки» вместо «созвонов».

– Проверьте язык запроса к модели. Чаще всего проблема в постановке задачи, а не в «глупости» ИИ.

Назначьте «временную смерть» гипотезы. Семь дней без результата – в архив.

Ловушки, в которые падают все

Экономия на безопасности. Дешёвые привычки обходятся дороже. Не сливайте клиентские данные в публичные формы и не копируйте конфиденциальное в неизвестные сервисы. Смешивание задач. «Сделай красиво и продающе и соблюдай бренд-тон» – это три задачи, а не одна. Переобещание в переговорах. ИИ ускоряет работу, но не отменяет реальность. Обещайте только то, что можете вручную выполнить без модели.

Сбор «волшебных промптов». Универсальных нет. Есть ясная формулировка задач под вашу цель.

Как читать, если вы руководитель

Давайте людям главы как задания-«миссии». Каждой миссии – один KPI. Раз в неделю короткий разбор: что сделали, что сломалось, что оставляем в системе. Книга превращается в общий язык команды: все знают, что значит «сделать R.A.T.E.» и «переговорный навигатор».

Как читать, если вы один

Режим «два спринта в день». Утро 20 минут чтения и 20 минут внедрения. Вечер – фиксация цифр и лёгкая шлифовка. Через десять дней вы увидите, что «самый занятый человек» всегда оправдание. Самый занятый человек тот, кто делает маленькие вещи быстро и постоянно.

Как эта книга устроена внутри (и почему так)

Часть I даёт контекст и снимает упрямые мифы. Без контекста вы будете копировать чьи-то чужие «вау», которые вам не подходят.

Часть VI–VII – экосистемы, тренды и ваш план. Чтобы не строить мост в никуда.

Часть II – ваш инструмент R.A.T.E. и три быстрых внедрения. Это мышцы и кислород.

Часть III – маршруты по функциям бизнеса. Здесь вы выбираете, что болит больше.

Часть IV–V – переговоры, лидерство, право и безопасность. Нудно, зато спасает.

Небольшие «анти-обещания»

Не обещаю «миллионы за ночь» и «секретные кнопки». Обещаю, что за неделю вы почувствуете реальный сдвиг, а за месяц – увидите структуру, в которой есть место и творчеству, и дисциплине. Обещаю, что слова будут человеческими, а шаги – выполнимыми.

Финишное слово перед стартом

Оставьте ожидание чуда у двери. Возьмите карандаш, тетрадь и таймер. Откройте следующую страницу. Мы начнём с короткой истории – не ради музейного интереса, а чтобы понять, почему сегодня обычный предприниматель может позволить себе инструменты, о которых десять лет назад мечтали гиганты. Через несколько страниц вы уже будете считать свои первые «ИИ-деньги». По-настоящему.

Часть I. Картина мира

Глава 1. Короткая история длинной идеи – от мечты о «мыслящей машине» до современных моделей

Представьте обычный рабочий день. На столе ноутбук, в телефоне голосовой помощник, в почте письма, которые хочется разобрать сами собой. Мечта передать машине часть умственной работы не нова: люди веками пытались снять с себя не только физический труд, но и «мысленную рутину». Эта глава короткая, понятная прогулка по главным вехам. Без музейной пыли и со смыслом для бизнеса.

От механических чудес к идее «мыслящего алгоритма»

Ещё до компьютеров люди строили автоматы – механических «артистов», которые умели писать пером или играть на флейте. Красиво, но не умно. Прорыв случился, когда появилась идея программы – набора пошаговых инструкций, которые машина выполняет без фантазии, но без ошибок. В XIX веке Ада Лавлейс глянула на проект аналитической машины Бэббиджа и заметила главное: если описать шаги правильно, машина сможет работать не только с числами, но и с узорами, музыкой – любыми символами. Тогда родилось «возражение Лавлейс»: мол, машина не «придумывает», она лишь исполняет. Спор жив до сих пор, мы к нему ещё вернёмся.

Тьюринг: важен не «душевный статус» машины, а результат

В 1950 году Алан Тьюринг предложил честный тест: не спорить, «думает» ли машина, а посмотреть, можем ли мы отличить её ответы от человеческих в переписке. Если отличить трудно – для практики спор закрыт. Это была смена оптики: вместо философии – проверяемая поведенческая метрика. Для бизнеса эта мысль бесценна: если инструмент даёт нужный результат в срок и по цене он полезен, даже если внутри не «как у людей».

Дартмут, 1956: ИИ получает имя

Летом 1956-го несколько смелых исследователей (Маккарти, Минский, Шеннон и др.) формулируют программу: «существенные аспекты интеллекта можно описать так точно, что машинам можно заставить их имитировать». Старт дан. Дальше – волны надежды и разочарований: подъёмы и «зимы ИИ», когда ожидания перегревались, а результаты не успевали.

Две дороги: символы и статистика

С первых лет ИИ шёл по двум тропам:

Символьный ИИ: интеллект как набор правил «если–то». Логика, экспертные системы, манипуляция символами. Примерно так работают юридические чек-листы: «Если договор B2B и сумма такая-то – добавь пункт о…».

Статистический ИИ: интеллект как обучение на примерах. Не выписываем правила руками, а показываем машине много примеров «вход – правильный выход», чтобы она приблизила закономерность.

Обе тропы по-своему здорово помогают. Символьный подход прозрачен («почему так решил?» видно), но хрупок: жизнь слишком богата для правил. Статистический гибок и мощен, но иногда отвечает уверенно и… неверно. Мы называем это галлюцинациями – красивое слово для «ошибся, но звучал уверенно».

Первая «зима»: разочарование в ранних нейросетях

В 1957-м появляется перцептрон – простейшая нейросеть. Её быстро прославили, а затем так же быстро «поставили на место»: оказалось, сеть не умеет решать даже простую задачу «исключающее ИЛИ». Финансирование тает, наступает первая «зима». Урок: мощность модели и данные решают. Слабые сети на малых данных чудес не делают.

Короткий рассвет экспертных систем и вторая «зима»

В 80-е выстрелили экспертные системы – большие наборы правил для конкретных доменов (настройка оборудования, диагностика и т. п.). Это работало до тех пор, пока мир не менялся слишком часто. Поддержка правил оказалась дорогой, перенос знаний – трудным. К концу десятилетия новая «зима». Урок: масштабируемость знаний важнее одиночных трюков.

90-е: статистическое обучение выходит вперёд

Компьютеры дешевеют, данных становится больше. В игру входят методы машинного обучения: деревья решений, SVM, наивные байесовские классификаторы, скрытые марковские модели. Машины начинают лучше распознавать речь, сортировать письма по спаму, предсказывать риски. Это первый массовый ИИ-практик: не волшебство, а ощутимая польза.

Глубокие сети: когда «глубина» и данные сделали разницу

Идею многослойных нейросетей знали давно, но им не хватало трёх вещей: вычислительной мощности, данных и хороших приёмов обучения. Постепенно всё пришло. В 2012 году глубокая сеть резко улучшила точность распознавания изображений в знаменитом соревновании ImageNet – и мир понял: нейросети умеют видеть. Следом улучшилась речь, перевод, рекомендации. Урок: когда модель достаточно мощна, а данных и вычислений много, «качественный скачок» реален.

Трансформеры: научить машину держать контекст

В 2017 году появляется архитектура трансформеров. Важная фишка – механизм «внимания»: модель смотрит на вход как на текст, где каждое слово может быть важно в зависимости от контекста. Машину перестали заставлять «читать по порядку», она научилась находить смысловые связи дальнего действия. Это открыло ящик Пандоры хороших возможностей: большие языковые модели стали гораздо лучше понимать запросы и продолжать тексты.

Если объяснить школьнику: трансформер – это как читатель, который каждый раз, встречая слово, оглядывается на весь абзац: «Ага, здесь «банк» это берег реки, а не финансы, значит дальше смыслы про природу, не про кредиты».

Большие языковые модели: предсказание как мастер-навык

Языковая модель учится на простом упражнении: угадай следующее слово. Звучит скромно, но из миллиардов примеров вырастает навык продолжать мысли. Дальше мы «довоспитываем» модель на человеческой обратной связи: показываем, какие ответы полезнее и безопаснее. Отсюда диалоговые ассистенты, которые не просто «выдают текст», а стараются вести разговор и помогать.

Важно понимать: модель не «знает», как человек. Она обобщает статистику языка и примеров. Она не «думает», она предсказывает. Но при грамотной постановке задач это предсказание превращается в полезный инструмент.

От «демо» к делу: инструменты вокруг модели

Чтобы превратить модель в работающую систему, добавили «обвязку»:

– Поиск по своим материалам (RAG): модель отвечает не «из головы», а на основе вашей базы документов.

– Инструменты и плагины: модель может вызывать «калькулятор», CRM или календарь.

– Агенты: создаём сценарии в несколько шагов – поставить задачу, получить данные, сгенерировать письмо, записать в систему.

Это уже близко к реальной пользе: не «болтливый друг», а офисный стажёр, который умеет спросить, уточнить и внести запись туда, где надо.

Что умеют современные модели – и чего пока нет

Умеют хорошо:

– помогать в креативе (варианты формулировок, сценарии, черновики). У – работать с текстом (письма, описания, резюме переговоров), – классифицировать (жалоба/вопрос/заявка), – анализировать структуру (таблицы, отчёты, простые выводы), – в задачах, где важны реальные «земные» ограничения (сроки поставки, регулярность), если их явно не прописать.

Спотыкаются: – в строгой арифметике и длинных логических цепочках без опоры на инструменты, – в достоверности фактов без доступа к вашей базе,

– в задачах, где важны реальные «земные» ограничения (сроки поставки, регуляции), если их явно не прописать.

Вывод практический: соединяйте модель с вашими данными и инструментами, и она становится полезной частью процесса. Оставьте её без контекста – получите красивый текст без гарантий.

Уроки полутора веков мечты

Определяйте успех по результату, а не по магии. Тьюринг был прав: не спорьте об «уме», меряйте пользу.

Данные и качество постановки задачи решают. Плохой запрос к модели, как плохое ТЗ: что положишь, то и получишь.

Масштаб важен, но не абсолют. Большие модели впечатляют, «маленькие» экономят деньги и отлично решают узкие задачи.

Инженерия важнее чудес. Когда вокруг модели выстроен процесс (данные, права доступа, проверка), она окупается.

Почему это важно вам – прямо сейчас

Ещё десять лет назад такие инструменты были уделом корпораций с командами исследователей. Сегодня – доступ к ним есть у малого бизнеса и даже у школьника: открой сервис, сформулируй цель, дай примеры, проверь результат. Это момент, когда «умный софт» перестал быть роскошью и стал обиходом. Тот, кто научится ставить задачу и проверять метрику, будет выигрывать просто потому, что быстрее делает больше итераций.

Мини-глоссарий на одной странице

Модель – программа, научившаяся на примерах выдавать полезный ответ.

Обучение – процесс подгонки внутренних параметров, чтобы ошибки уменьшались.

Инференс – когда уже обученная модель отвечает на ваши запросы.

Параметр – «винтик» модели; у больших моделей их миллиарды.

Галлюцинация – уверенный, но неверный ответ. Лечится контекстом и проверкой.