Маленький бизнес с большими возможностями

Если бы Вы автоматизировали всё заранее, Вы бы автоматизировали неправильный продукт.

Технология снижает цену эксперимента

В этом месте появляется ещё одно преимущество бизнеса одного человека: ему дешевле ошибаться небольшими ставками.

Раньше тест новой услуги мог требовать дизайнера, сайта, рекламного бюджета, аналитики и нескольких недель подготовки. Сейчас минимальное предложение можно собрать гораздо быстрее. Не обязательно потому, что ИИ «сделает сайт». Главная экономия — в подготовительной работе. Вы можете быстрее изучить отрасль, собрать список потенциальных клиентов, разобраться в терминологии, сравнить альтернативы, подготовить интервью, проанализировать ответы и переписать предложение.

Это сокращает цикл: гипотеза → контакт с рынком → данные → решение.

Чем короче цикл, тем меньше денег Вы сжигаете на красивую ошибку.

Поэтому главный показатель раннего проекта — не количество созданного. Хороший показатель — скорость, с которой Вы превращаете неопределённость в проверенное знание.

Вы не знаете, болит ли проблема? Поговорите с десятью потенциальными клиентами.

Не знаете, готовы ли платить? Предложите конкретную цену.

Не знаете, какой формат нужен? Продайте ручную версию двум клиентам.

Не знаете, стоит ли автоматизировать? Посчитайте, какая операция съедает больше всего времени на уже проданной услуге.

ИИ делает каждый из этих экспериментов дешевле, но не отменяет необходимость контакта с реальностью.

Новая единица масштаба — не сотрудник, а функция

Традиционно рост бизнеса описывают через штат: сначала Вы один, потом берёте помощника, продавца, маркетолога. Но для маленькой компании полезнее мыслить функциями.

Есть функция исследования рынка. Функция поиска клиентов. Функция подготовки предложения. Функция выполнения заказа. Функция контроля качества. Функция выставления счетов. Функция поддержки.

Каждая функция может выполняться по-разному:

• полностью человеком;

• человеком с ИИ;

•

автоматическим программным процессом с выборочной проверкой;

• внешним специалистом;

• сотрудником внутри компании.

Вопрос не «кого нанять?», а «какой способ выполнения этой функции сейчас экономически разумнее?»

На старте один человек может закрывать много функций, потому что подготовительную часть берут на себя инструменты. При росте часть функций перейдёт сотрудникам. Другие останутся автоматизированными. Третьи выгоднее будет отдать внешнему эксперту. Такая компания может никогда не стать большой по числу людей и при этом стать довольно крупной по выручке.

Однако есть граница, которую нельзя забывать. Инструменты уменьшают стоимость информации, но не отменяют стоимость доверия, ответственности и решений. Они ускоряют подготовку, но не гарантируют правильного выбора. И чем дороже ошибка, тем больше человеческого контроля нужно возвращать в процесс.

В следующей главе мы разложим работу бизнеса на задачи и построим практическую карту: что разумно отдавать ИИ уже сейчас, что можно передавать только под проверку и какие участки лучше вообще не превращать в эксперимент.

Глава 2. Карта работы: что отдавать ИИ, что оставлять себе

Самая дорогая ошибка в работе с ИИ — начинать с вопроса «что умеет эта модель?». Он почти всегда уводит в демонстрацию возможностей. Модель умеет писать, суммировать, классифицировать, анализировать изображения, работать с таблицами, искать информацию, программировать, управлять инструментами. Список впечатляет и мало помогает предпринимателю.

Полезнее начать с обратной стороны: из каких задач состоит Ваш бизнес и что происходит, если каждая из них выполнена плохо?

Две операции могут занимать одинаковые двадцать минут, но иметь совершенно разную цену ошибки. Неправильная сводка ста отзывов неприятна; неверный расчёт налога или юридическое заключение может стоить гораздо дороже. Поэтому решение о передаче работы ИИ должно учитывать не только экономию времени, но и риск.

Четыре типа задач

Для практики достаточно простой классификации.

Первый тип — объёмные, проверяемые задачи. Это идеальная территория для ИИ. Нужно сгруппировать тысячу отзывов по темам, выделить дубли, сравнить характеристики пятидесяти конкурентов, привести документы к единой структуре, найти изменения между двумя версиями текста. Здесь модель снимает механическую нагрузку, а результат можно проверить выборкой или правилом.

Второй тип — творческие и исследовательские задачи с человеком в контуре. Формулировка предложения, поиск альтернативных гипотез, подготовка вопросов к интервью, критика плана, поиск слабых мест в презентации. ИИ здесь полезен как расширитель вариантов, но не как источник окончательного решения.

Третий тип — задачи высокой ответственности. Юридические выводы, медицинские рекомендации, крупные финансовые решения, безопасность, кадровые увольнения, публичные обвинения, договорные обязательства. Здесь ИИ может помогать собирать информацию, составлять список вопросов, сравнивать документы, но финальная оценка должна принадлежать квалифицированному человеку. Чем выше цена ошибки, тем меньше автономии.

Четвёртый тип — человеческие задачи. Переговоры, доверие, конфликт, мотивация, эмпатия, сложный выбор при недостатке данных, понимание скрытого контекста отношений. Технология может помочь подготовиться, но сама встреча и ответственность остаются у человека.

Эта классификация важнее любого списка сервисов. Модели будут меняться. Граница между типами тоже будет двигаться. Но сам принцип останется: Вы оцениваете проверяемость, цену ошибки и необходимость человеческого контекста.

«Рваная граница» в реальном бизнесе

Исследование Harvard Business School и BCG полезно не столько цифрами роста производительности, сколько предупреждением. У ИИ нет ровной шкалы «простое — делает хорошо, сложное — плохо». Иногда модель легко справляется с задачей, которая кажется профессиональной, а затем ошибается в соседней, почти похожей.

Например, она может отлично привести к единому формату 200 карточек товаров и одновременно неверно интерпретировать, почему клиенты возвращают конкретный товар. Может быстро найти различия в договорах и при этом сделать рискованный юридический вывод. Может написать убедительное коммерческое письмо на основе фактов, но выдумать один из этих фактов, если он не был передан явно.

Поэтому предпринимателю нужна не вера в «умную модель», а режим контроля.

У любой повторяющейся операции полезно зафиксировать пять вещей:

Откуда берутся исходные данные.

Что именно должна сделать модель.

Какие ошибки наиболее опасны.

Как проверяется результат.

Кто принимает окончательное решение.

Если на четвёртый пункт Вы не можете ответить, автоматизировать задачу рано.

Проверка должна быть частью процесса, а не настроением

Люди часто говорят: «Я всё проверяю». На практике это означает, что иногда человек перечитывает ответ и смотрит, «похож ли он на правду». Для бизнеса этого мало.

Хорошая проверка зависит от типа результата.

Если модель извлекает данные из документов, можно взять случайную выборку из 20 записей и сверить с оригиналом. Если классифицирует отзывы, проверить несколько примеров из каждой категории и отдельно изучить «неуверенные» случаи. Если готовит исследование, требовать ссылки на первичные источники и проверять ключевые цифры. Если сравнивает варианты, отдельно попросить перечислить, какие факты отсутствуют для уверенного вывода.

Надёжность повышается, когда Вы превращаете проверку из привычки в процедуру.

Допустим, Вы делаете платный мониторинг конкурентов. Плохой процесс выглядит так: модель ищет новости, делает сводку, Вы бегло просматриваете и отправляете клиенту.

Лучший процесс:

•

список конкретных источников задан заранее;

•

новые данные сохраняются отдельно от анализа;

•

каждое важное утверждение связано с источником;

•

модель помечает, что является фактом, а что интерпретацией;

•

изменения, влияющие на деньги клиента, проверяются вручную;

•

непроверенные выводы не попадают в клиентскую версию.

Разница между этими двумя подходами — и есть разница между «поиграться с ИИ» и построить производственный процесс.

Не просите модель быть экспертом там, где у неё нет данных

Один из самых устойчивых плохих шаблонов звучит так: «Ты лучший маркетолог мира. Проанализируй мой бизнес и скажи, что делать».

Роль сама по себе почти ничего не даёт. Если у модели нет продаж, отзывов, конкурентов, данных о клиентах, истории рекламных кампаний и ограничений бизнеса, она будет заполнять пустоты общими знаниями. Чем лучше модель пишет, тем опаснее результат: банальность начинает звучать как экспертное заключение.

Хороший запрос начинается с материалов.

Шаблон 1. Анализ с запретом на догадки

«Ниже я передам данные о [процессе/рынке/клиентах]. Используй только эти данные и явно отмечай, если для вывода информации недостаточно. Задача: [конкретная задача]. Раздели результат на: 1) факты, прямо подтверждённые данными; 2) вероятные гипотезы; 3) вопросы, без ответа на которые нельзя принимать решение. Для каждого существенного вывода укажи, на каких данных он основан. Не заполняй пробелы предположениями».

Этот шаблон полезен не потому, что «заставляет ИИ не галлюцинировать» — гарантии нет. Он дисциплинирует процесс и Вас самого.

Передавайте не должность, а кусок процесса

Фраза «ИИ будет заниматься маркетингом» ничего не значит. Маркетинг содержит десятки разных задач: исследование аудитории, позиционирование, план экспериментов, подготовка материалов, анализ рекламы, интервью, расчёт экономики, работа с партнёрами.

Некоторые из них хорошо ускоряются. Некоторые почти не меняются.

Возьмём продажи. Модель может:

•

собрать открытые сведения о потенциальном клиенте;

• классифицировать компании по признакам;

•

подготовить персональный список гипотез о проблемах;

• помочь сформулировать вопросы;

• разобрать стенограмму разговора;

• выделить возражения;

• напомнить о договорённостях.

Но если Вы продаёте дорогую B2B-услугу, доверие к Вам не возникает от того, что автоматизация идеально составила follow-up. Клиент покупает уверенность, что Вы понимаете его ситуацию и будете отвечать за результат.

Поэтому лучше мыслить цепочкой. Не «ИИ-продавец», а:

исследование клиента → подготовка → разговор человеком → фиксация → анализ разговора → следующий шаг.

Здесь ИИ может быть силён на первом, втором, четвёртом и пятом этапах. Третий и окончательное решение — человеческие.

Выберите работу, которую Вы ненавидите, но делаете часто

Есть практичный способ найти первые точки применения ИИ: неделю записывать повторяющиеся задачи, которые отнимают время и не требуют Вашей уникальной экспертизы.

Не нужно строить карту компании на 80 процессов. Запишите десять раздражающих повторов.

Например:

•

каждое утро проверяю пять сайтов конкурентов;

•

переношу данные из заявок в таблицу;

•

перечитываю длинные письма и вынимаю задачи;

•

готовлю одинаковые справки перед встречами;

•

свожу отзывы из четырёх каналов;

• сравниваю коммерческие предложения поставщиков;

•

вручную ищу старые решения в переписке.

Затем для каждой задачи задайте четыре вопроса: сколько времени уходит, как часто повторяется, что случится при ошибке, можно ли проверить результат за минуту.

Самые привлекательные кандидаты — частые, утомительные, с низкой ценой ошибки и простой проверкой.

Не начинайте с самой «умной» задачи. Начинайте с самой дешёвой ошибки.

ИИ как второй взгляд, а не только исполнитель

Есть ещё один тип использования, который недооценивают: модель можно применять для оспаривания собственного решения.

Предприниматель часто работает один и быстро попадает в информационный пузырь. Он придумал идею, сам нашёл подтверждения, сам составил план, сам решил, что клиенты «точно поймут ценность». В команде сильный коллега может возразить. В одиночном бизнесе сопротивления меньше.

ИИ может частично создать это сопротивление — не потому, что он мудрее, а потому, что дешёво генерирует альтернативные версии.

Шаблон 2. Предварительное опровержение

«Я собираюсь принять решение: [описание]. Ниже факты и ограничения. Не пытайся поддержать моё решение. Найди пять наиболее вероятных причин, по которым оно окажется ошибочным. Для каждой укажи: какой факт должен быть правдой, чтобы риск реализовался; как это проверить до вложения денег; какой более дешёвый вариант эксперимента существует. В конце перечисли, какие данные могли бы изменить твою критику».

Такой запрос не принимает решение вместо Вас. Он заставляет Вас увидеть слабые места до того, как за них заплатит рынок.

Когда ИИ лучше не использовать вообще

Иногда инструмент создаёт больше риска, чем экономии.

Не отправляйте в публичные сервисы конфиденциальные документы, персональные данные, пароли, коммерческие секреты и другую чувствительную информацию, если Вы не понимаете правила хранения и обработки данных конкретного продукта. OWASP отдельно относит раскрытие чувствительной информации к ключевым рискам приложений на больших языковых моделях. Для предпринимателя это не вопрос кибербезопасности «для айтишников», а обычная гигиена.

Не позволяйте модели автоматически совершать необратимые действия только потому, что технически это возможно. Удалить данные, перевести деньги, подписать документ, отправить массовое письмо клиентам — операции другого класса, чем подготовить черновик.

Не используйте ИИ как единственный источник актуальных юридических, налоговых, финансовых или медицинских фактов. Он может помочь найти и структурировать, но важные нормы проверяются по официальным источникам и у профильных специалистов.

И ещё одно: не используйте ИИ, если проверка ответа занимает столько же времени, сколько самостоятельное выполнение. Иногда это случается с очень узкими задачами, где Вы эксперт, а модель знает контекст хуже. Там традиционный способ может быть быстрее.

Контроль не должен съесть экономию

Слишком жёсткий контроль тоже способен убить выгоду. Если после каждой автоматически классифицированной записи Вы вручную перепроверяете всё, автоматизации нет.

Поэтому полезна выборочная проверка плюс контроль исключений.

Например, система классифицирует 1000 обращений. Вы не читаете каждое. Вы проверяете случайные 5–10% записей, отдельно все случаи с низкой уверенностью, новые категории и сообщения, связанные с дорогими клиентами. Если точность падает, процесс останавливается и правила корректируются.

В простом бизнесе это можно делать без сложной машинной инфраструктуры. Важна логика: не доверять слепо, но и не превращать проверку в повторную ручную работу.

Карта задачи на одной странице

Перед тем как внедрять ИИ в любой важный процесс, заполните короткую карточку:

Задача: что происходит сейчас.

Вход: какие данные нужны.

Результат: какой конкретный выход считается полезным.

Цена ошибки: низкая / средняя / высокая.

Проверка: как убедиться, что результат приемлем.

Человеческое решение: кто и что утверждает.

Экономия: сколько времени или денег должно быть сэкономлено.

Стоп-сигнал: при каком типе ошибки процесс возвращается человеку.

Эта карточка скучнее, чем ролик про «десять AI-агентов». Зато она помогает зарабатывать.

Следующая глава будет посвящена тому, что нельзя делегировать ни модели, ни сотруднику: выбору проблемы, за которую рынок действительно готов платить.

Глава 3. Проблема важнее идеи: за что люди и компании действительно платят

Большинство начинающих предпринимателей ищет идеи. Это естественно и почти всегда преждевременно.

Идея звучит приятно: сервис, приложение, подписка, платформа, агентство. Проблема звучит грязнее: бухгалтер каждый понедельник тратит два часа на сверку, снабженец не замечает выгодные закупки, владелец сети не понимает причины падения рейтинга, продавец теряет половину дня на поиск информации о клиентах.

Деньги живут во второй группе.

ИИ сделал производство многих цифровых продуктов дешевле. Из-за этого идея сама по себе стала стоить ещё меньше. Если один человек способен быстро собрать прототип, то это могут сделать и другие. Защитой становится не «мы используем ИИ», а более глубокое понимание конкретной боли, данных и рабочего процесса клиента.

Четыре признака платёжеспособной проблемы

Не всякая неудобная задача превращается в рынок. Хорошая проблема обычно обладает несколькими свойствами.

Она повторяется. Одноразовая боль может дать разовую услугу, но плохо подходит для подписки или продукта. Если проблема возникает каждую неделю, месяц, сделку или нового клиента, появляется повторяемая ценность.

Она имеет цену. Цена может быть прямой: потерянные деньги, штраф, лишние расходы. Или косвенной: часы дорогого сотрудника, задержка сделки, риск ошибки, недополученные заявки. Чем легче перевести проблему в деньги, тем проще продать решение.

Её замечают. Можно найти объективно большую потерю, которую клиент не считает проблемой. Продажа тогда будет тяжёлой: сначала придётся убедить человека, что у него болит, а потом — что Вы лечите.

У решения есть бюджетный владелец. Кто конкретно может заплатить? Собственник? Директор по продажам? Руководитель отдела закупок? Частное лицо? Если Вы не понимаете, чей это бюджет, рынок остаётся абстракцией.

Хороший бизнес часто начинается с фразы клиента: «Мы сейчас делаем это вот так, это неудобно, но другого варианта нет».

Ищите следы расходов, а не жалобы в интернете

Популярный совет — читать форумы и искать, на что люди жалуются. Это полезно, но шумно. Люди жалуются на многое, за что не готовы заплатить ни рубля.

Сильнее смотреть на уже существующие расходы и обходные решения.

Если компания держит сотрудника, который половину недели собирает отчёты, проблема имеет бюджет. Если покупает три сервиса и вручную переносит данные между ними — тоже. Если раз в квартал заказывает исследование у агентства — уже платит за информацию. Если менеджеры ведут гигантскую таблицу, которую все ненавидят, но не могут отменить, там существует обязательная работа.

Это называется «конкурент» в широком смысле. Ваш конкурент — не только другой сервис. Им может быть Excel, секретарь, привычка руководителя, еженедельное совещание, подрядчик или ручная рутина.

Иногда лучший признак рынка — не количество похожих стартапов, а количество людей, которые уже неуклюже решают проблему сами.

B

2

B

особенно удобен для бизнеса одного человека

Книга не ограничивается B2B, но многие модели «один человек + ИИ» особенно естественно работают на корпоративном рынке.

Причина проста: компания может платить за небольшое улучшение заметно больше, чем частный пользователь. Если Ваш сервис экономит руководителю отдела десять часов в месяц, помогает находить один дополнительный контракт или снижает риск пропустить важное изменение, цена в 20–50 тысяч рублей может быть рациональной. Частному пользователю ту же сумму объяснить гораздо сложнее.

Кроме того, B2B позволяет начать вручную. Первым пяти клиентам не нужен идеальный личный кабинет. Им нужен результат.

Но у B2B есть обратная сторона: длиннее продажи, выше требования к доверию, безопасности и точности. Поэтому выбирать его только из-за высоких чеков не стоит.

Как искать проблемы системно

Вместо мозгового штурма «100 бизнес-идей» соберите карту одной отрасли.

Выберите область, где у Вас есть хотя бы минимальный доступ к людям или знаниям. Это может быть логистика, стоматологии, строительство, онлайн-торговля, производство мебели, агентства недвижимости, бухгалтерские услуги, школы, импорт, автосервисы.

Дальше изучайте не продукты, а рабочий день.

Кто принимает решения? Какие отчёты получает? Что проверяет ежедневно? Где использует таблицы? Что пересылает в мессенджерах? Что ищет в интернете? Какие документы сравнивает? Где ждёт согласования? Что делается вручную, потому что «так всегда было»? За какие внешние услуги уже платит?

Потом ищите участки, где есть много информации и мало смысла.

Например, директор сети кофеен получает отзывы с карт, агрегаторов и социальных сетей. Информация есть, но она распределена. Если каждый управляющий читает её по-своему, проблема не в недостатке отзывов. Проблема — в отсутствии стандартизированного сигнала: где выросли жалобы на скорость, в каком филиале повторяется проблема с чистотой, какой продукт чаще упоминают негативно.

ИИ хорошо работает именно в таких «информационных пробках».

Пять семейств проблем, где ИИ особенно полезен

1. Слишком много информации

Клиент получает больше данных, чем способен обработать: тендеры, новости, изменения цен, отзывы, запросы, документы, нормативные изменения. Он платит за фильтрацию и приоритизацию.

2. Информация разбросана

Нужные сведения есть, но в разных источниках. Ценность создаётся сбором, нормализацией и удобным сравнением.

3. Решение принимается слишком медленно

Люди собирают данные, готовят справки, ждут. Если Вы ускоряете подготовку решения без потери качества, это можно монетизировать.

4. Ошибки повторяются

В обращениях клиентов, заявках, документах, ценах, описаниях регулярно встречаются одни и те же ошибки. Система обнаружения и проверки может сэкономить деньги.

5. Эксперт тратит время не на экспертизу

Юрист вручную сортирует документы. Консультант переписывает заметки. Риелтор ищет информацию по объектам. Врач — нет, медицинские процессы требуют отдельной осторожности, но общий принцип понятен: дорогой специалист часто занят дешёвой подготовительной работой. Бизнес может продавать не замену эксперта, а увеличение его пропускной способности.

Интервью: не спрашивайте, купят ли у Вас

Опрос «Вы бы пользовались сервисом, который...» почти бесполезен. Люди вежливы и плохо предсказывают собственное поведение.

Гораздо лучше обсуждать прошлое.

«Когда Вы последний раз делали это?»

«Сколько времени заняло?»

«Кто участвовал?»

«Что произошло, если задача была выполнена поздно?»

«Какие инструменты используете сейчас?»

«Платите ли кому-то за эту работу?»

«Что уже пытались изменить?»

«Почему не получилось?»

Эти вопросы дают факты. Фраза «да, звучит интересно» — почти ничего.

Шаблон 3. Подготовка интервью без наведения

«Я изучаю процесс [название] у [тип клиента]. Составь 12 вопросов интервью, которые выясняют реальное прошлое поведение, расходы, частоту проблемы, текущие обходные решения и последствия ошибок. Не спрашивай “хотели бы Вы”, “нравится ли идея”, “сколько готовы платить” до того, как выяснен текущий способ решения. Отметь вопросы, которые могут подтолкнуть респондента к желаемому ответу, и перепиши их нейтрально».

ИИ здесь помогает подготовиться, но разговор нужен с людьми.

Сколько интервью достаточно

Нет магического числа. Для узкой B2B-ниши десять разговоров с правильными людьми часто дают больше, чем тысяча ответов случайной аудитории. Если после восьми интервью Вы слышите восемь разных проблем, сегмент, вероятно, определён слишком широко. Если в шести из десяти разговоров повторяется одна и та же дорогая рутина, это сигнал.