Все хотят заработать на ИИ

Есть ещё один полезный сдвиг: перестать считать использование ИИ отдельной услугой там, где клиент ожидает его по умолчанию.

Если бухгалтер использует электронные таблицы, он не выставляет отдельный счёт за «использование Excel». Если дизайнер использует графический редактор, это часть производства. Со временем многие формы ИИ станут таким же внутренним инструментом.

Это не уменьшит их ценность. Просто ценность будет отражаться в скорости, цене и качестве услуги, а не в отдельной строке «AI».

Именно поэтому долгосрочно сильнее не тот, кто громче подчёркивает использование технологии, а тот, кто способен сделать её незаметной для клиента.

Клиенту не нужно восхищаться вашим процессом. Ему нужен хороший результат.

Есть ещё одна важная причина отделять ИИ от продукта: это помогает правильно строить отношения с клиентом.

Если вы продаёте технологию, клиент начинает обсуждать технологию. Какую модель используете? Почему не другую? Можно ли подключить дешевле? А что будет, если поставщик изменит тариф? Почему мы не можем сделать то же сами?

Если вы продаёте решение, технические вопросы остаются, но находятся на своём месте.

Клиент спрашивает: насколько надёжно работает процесс? Сколько времени мы сэкономим? Какие данные нужны? Как быстро внедрить? Что происходит при ошибке?

Это намного здоровее.

Конечно, нельзя скрывать важные технические ограничения. В некоторых проектах клиенту критично знать, где обрабатываются данные, какие модели используются, как устроена безопасность. Но это не значит, что технология должна быть центром ценностного предложения.

Хороший пример — облачные вычисления. Огромное количество современных сервисов работают в облаке, но покупатель бухгалтерской программы не выбирает её потому, что «внутри облако». Он выбирает функции, надёжность, цену, интеграции. Облако — средство.

ИИ будет двигаться в ту же сторону. На зрелом рынке фраза «у нас AI» перестаёт быть преимуществом и становится технической характеристикой.

Это полезно и для создателя, потому что освобождает от зависимости от одной модели. Если продуктовая ценность хорошо определена, можно менять поставщика, комбинировать модели, использовать локальные решения, улучшать архитектуру. Клиенту всё равно, пока результат становится лучше.

Так возникает технологическая гибкость.

Компания, чей бренд построен вокруг одной конкретной модели, рискует вместе с ней. Компания, чей бренд построен вокруг результата, может менять двигатель.

Это особенно важно на рынке, где модели быстро догоняют друг друга по качеству. Сегодня одна сильнее в коде, другая — в длинном контексте, третья — в мультимодальности. Через год баланс может измениться.

Позиционирование вокруг клиента переживает такие перестановки лучше.

Глава 4. Когда хороший инструмент доступен всем

Любая новая технология проходит короткий период, когда само владение ею создаёт преимущество. Потом технология распространяется, и преимущество переезжает выше по цепочке.

Когда персональные компьютеры были редкостью, умение работать с ними выделяло человека. Когда офисные программы стали стандартом, способность открыть таблицу перестала быть конкурентным преимуществом. Когда поисковики только входили в повседневность, быстрый доступ к информации выглядел почти сверхспособностью. Сегодня фраза «умею искать в интернете» в резюме будет звучать странно.

С генеративным ИИ нормализация идёт особенно быстро.

В 2024 году совместный Work Trend Index Microsoft и LinkedIn сообщал, что три четверти опрошенных работников умственного труда уже используют ИИ в работе. Методология и география этого исследования имеют ограничения, и цифру не стоит переносить на всё население. Но направление очевидно. Stanford AI Index фиксировал резкий рост корпоративного использования ИИ, а к 2026 году сообщал, что среди опрошенных организаций использование стало почти повсеместным. NBER в 2026 году описывал реальное использование генеративного ИИ как «широкое, но неглубокое»: технология встречается в множестве профессий и задач, хотя внутри конкретной работы далеко не все сотрудники применяют её одинаково.

Это состояние перехода. И именно в переходе проще всего переоценить долгосрочную ценность базового навыка.

Допустим, в 2023 году вы научились хорошо работать с языковой моделью. Умели формулировать запросы, разбивать задачу, проверять результат, задавать контекст. В окружении, где большинство только экспериментировало, это могло давать заметное преимущество. Но затем интерфейсы упростились, модели стали лучше понимать обычный язык, появились готовые шаблоны, встроенные агенты, автоматические режимы. Часть вашего преимущества стала функцией продукта.

Это нормальная судьба многих технических навыков.

Когда технология сложная, рынок платит за умение обращаться с ней. Когда технология становится удобной, рынок начинает платить за то, что вы делаете с её помощью.

Поэтому идея «стану профессиональным промпт-инженером», понимаемая как умение писать красивые инструкции для универсального чат-бота, изначально была уязвима. Некоторые задачи действительно требуют глубокого проектирования взаимодействия с моделями, оценки качества, работы с контекстом, данными и системами. Но базовое умение написать запрос естественно превращается в повседневную грамотность.

Это не означает, что навык исчезает. Он растворяется внутри более крупной компетенции.

Хороший аналитик использует ИИ как часть анализа. Хороший маркетолог — как часть исследования и производства. Хороший разработчик — как часть разработки. Хороший консультант — как часть подготовки и проверки гипотез. Навык остаётся, но перестаёт быть отдельным товаром.