Тимур Казанцев
Нейросети. Выстрой свою систему из 5
уровней автоматизации

Введение

Вы уже живёте в мире ИИ. Вопрос в том, в
какой роли
За последние пару лет искусственный интеллект почти незаметно
въехал в нашу повседневность – очень по-разному для разных людей.
Кто-то почти каждый день что-то спрашивает у ChatGPT: переписать
письмо, придумать идею для поста, помочь с договором, подсказать
план поездки.
Кто-то ни разу сам ничего не писал нейросетям, но видит, как
коллеги “подкручивают” отчёты через ИИ и делают презентации в два
раза быстрее.
У кого-то дети уже рисуют комиксы в генераторах изображений,
просят “сделать красивую картинку к проекту” или «делают» домашки
закидывая задания в модели – и воспринимают это как норму.
Кто-то впервые по-настоящему почувствовал ИИ, когда знакомого
сократили после автоматизации на работе, или когда клиент честно
сказал: “Мы урезаем бюджет, потому что часть работы теперь
закрываем через нейросети”.
Параллельно в новостях всё реже обсуждают про “очередную
крутую нейросеть”, и всё чаще – про то, что стоит за ней:
электростанции и дата-центры, дефицит чипов, борьбу за контроль над
мощными моделями, технологический суверенитет государств, и
споры о том, кому и на каких условиях давать доступ к самым
последним моделям.
На работе вопросы тоже меняются.
Вместо “а что там вообще с нейросетями?” всё чаще звучит:
“Где у нас уже есть ИИ в процессах? Что можно ускорить? Почему
конкуренты сокращают издержки, а мы нет?”
В логистических компаниях тестируют роботов на складах и
в доставке. В нескольких городах вы уже могли встретить
“роботизированных” доставщиков или такси на автопилоте без
водителя. В колл-центрах вам всё чаще отвечает не человек, а связка из
ИИ-модели и сценариев. В юридических и финансовых сервисах
большинство документов готовится не руками, а алгоритмами.

Решения о выдаче кредитов уже давно принимаются (как минимум на
первых уровнях) машиной.
При этом ваша собственная картина может выглядеть очень
неоднородно:
• вы что-то пробовали в ChatGPT или DeepSeek, но чувствуете, что
используете их “на 5% от возможного”;
• или, наоборот, вас утомили новости и вы стараетесь “не вникать”,
хотя тревога никуда не девается;
• или вы метаетесь между сервисами, ИИ-агентами и какими-то
курсами на эту тему, но внутри все еще остаётся ощущение: “я что-то
изучаю, постоянно тестирую, а целостного понимания как я это могу
реально применить в своей жизни и получить от этого какую-то
ощутимую пользу” нет.
Именно здесь возникает не академический вопрос “что такое
искусственный интеллект и нейросети”, а гораздо более практичный:
В этом мире, где ИИ становится неотъемлемой частью
инфраструктуры – вы сейчас кто и в какой траектории застряли?
Обычно всё сводится к трём типичным состояниям, в которых люди
зависают.
С них и имеет смысл начать.

Три привычные точки, в которых можно
застрять
Если быть честным с собой, большинство людей оказываются
примерно в одном из трёх состояний.
Первое – условное “ничего серьёзного не происходит”.
Да, появились новые сервисы, появились нейросети, кто-то ими
пользуется.
Но внутри живёт тихая надежда:
“До нашей отрасли это не дойдёт”,
“У нас всё слишком специфично”,
“Пусть сначала другие обкатают, а там разберёмся”.
Второе – информационная паника.
Каждый день – новые статьи о том, какие профессии “вымрут”,
кого уже “заменил ИИ”,
как “скоро всё решат алгоритмы”.
Можно часами смотреть ролики, спорить в комментариях,
обсуждать это на кухне – и при этом не менять ни один свой процесс,
оставаться в тех же инструментах, тех же привычках, той же картине
мира.
Третье – хаотичный забег по сервисам.
Сегодня один чат-бот, завтра другой, послезавтра третья модель.
Планшет, ноутбук, телефон забиты “полезными ссылками”.
Вы что-то генерируете, что-то сохраняете, но внутри – ощущение:
“Все уже где-то там, а я что-то пробую, но не понимаю, как это
встроить в мою реальную работу и жизнь”.
Все три состояния понятны.
В каждом из них есть своя психологическая защита:
• в первом – можно делать вид, что всё как раньше;
• во втором – чувствовать, что “я хотя бы информирован, даже если
бессилен”;
• в третьем – успокаивать себя мыслью “я же что-то делаю, я не
отстал”.

Но у всех трёх есть одна общая проблема: они не дают вам опоры и
внятной стратегии.
Вы либо отталкиваете реальность, либо тонете в ней.
Эта книга написана для тех, кто хочет выйти из этой ловушки.
Нормально бояться. Ненормально оставаться только в страхе
То, что происходит, действительно масштабно.
• ИИ-системы начинают брать на себя всё больше рутинных задач –
от обработки документов до анализа данных и общения с клиентами.
• Автоматизация уже касается не только “простого труда”, но и
“белых воротничков”, креативщиков и даже айтишников.
• Параллельно растёт инфраструктура: дата-центры, энергетика,
производство чипов.
• На горизонте – роботы, робомобили и полностью
автоматизированные предприятия, которые будут не экспериментом, а
обычной частью экономики.
Бояться здесь есть чего. Бояться потерять профессию, доход,
ощущение нужности.
Бояться оказаться “лишним” в мире, где вокруг всё делают машины.
Но страх – плохой советчик, если он единственный.
Одна часть людей пытается его заглушить: шутками, скепсисом,
уколами в адрес “айтишников”.
Другая – застревает в нём и перестаёт действовать.
Задача этой книги – не “успокоить” вас любой ценой и не
“разогреть” до восторга по поводу ИИ.
Задача – дать вам карту и инструменты, с которыми можно жить
дальше, даже если мир продолжит меняться теми же темпами, а
возможно – и быстрее.

О чём эта книга и о чём она не будет
Начнём с отрицания.
Это не учебник по машинному обучению.
Мы не будем разбирать формулы, алгоритмы оптимизации и
архитектуры нейросетей на уровне исследователя.
Это также не сборник вдохновляющих историй, где всё
заканчивается фразой
“а дальше вы сами всё сможете, поверьте в себя”.
Это не очередной “каталог нейросетей”, который устареет через три
месяца.
Эта книга также не про то, «появится ли настоящий суперинтеллект[1] (AGI) к 2030 году».
Во-первых, честного ответа всё равно ни у кого нет.
Во-вторых, для вашей жизни и карьеры куда важнее другое:
• ИИ уже сегодня меняет рынки, профессии и повседневность – без
всякого официально признанного AGI.
• Те навыки и архитектуры, которые вы выстраиваете сейчас, будут
нужны в любом сценарии – и «до AGI», и «после».
• Ожидание «идеального момента», когда “придёт настоящий AGI и
всё за нас сделает”, – это удобный способ ничего не менять.
Поэтому в этой книге AGI и суперинтеллект появляются только как
фон и возможные сценарии будущего. Главный фокус – не спорить о
дате их появления, а дать вам инструменты, с которыми вы остаётесь
субъектом при любом раскладе: от сильных узких моделей до мира,
где мощных интеллектов станет много.
Поэтому, эта книга немного про другое:
• Про то, как устроен мир ИИ как инфраструктура – от энергии и
чипов до дата-центров, платформ и моделей доступа.
Этому посвящены 1-я глава (каркас индустрии ИИ) и часть 6-й
главы (сценарии будущего, роботы, борьба за мощности).
• Про пять уровней работы с ИИ, которые вы можете освоить.

От базового грамотного общения с моделями
(2-я глава) до продвинутого промпт-инжиниринга и “каркаса
профессионального промпта” (3-я глава), далее – к простым ИИагентам (4-я глава) и рабочим системам и автоматизациям (5-я глава).
• Про то, как разные люди могут встроить ИИ в свою жизнь и
работу.
Сотрудник в найме, предприниматель, основатель стартапа или
создатель ИИ-продуктов, эксперт, фрилансер, человек в госсекторе или
НКО – мы разбираем их роли, риски и возможности в 7-й главе
(навыки и траектории) и частично в 6-й главе (сценарии будущего) и
8-й главе (монетизация и продуктовые форматы).
• Про прикладную ценность и заработок, а не про “быть в теме”.
Мы говорим о том, как упаковать свои навыки и собранные системы
в услуги и продукты, усилить текущий доход или роль в компании –
этому посвящена 8-я глава.
• Про архитектуру: как собрать свою экосистему “человек
+ ИИ”.
Не про отдельные “фишки” и сервисы, а про то, как из
инструментов, агентов и автоматизаций сложить личную систему,
которая работает на вас, а не требует постоянного обслуживания.
Этому посвящена 9-я глава про уровень архитектора и личную
экосистему.
Это практическая и интерактивная книга
Исходная идея проста: если вы просто прочитаете книгу и ничего не
попробуете, вы получите только часть ценности.
Поэтому внутри книги вы найдёте:
• QR-коды и ссылки на промпты, которые можно сразу копировать
и адаптировать;
• доступ к моему мастер-промпту, который помогает превращать
обычный запрос в профессиональный – с учётом роли, задачи,
контекста, формата результата, ограничений, цепочки рассуждений,
самопроверки;
• примеры готовых ИИ-агентов под разные задачи:

• контент, анализ, обучение, стратегическое мышление,
– которых можно забрать, переименовать, подстроить под себя;
• схемы автоматизаций и систем: конкретные рабочие контура,
которые уже применяются в реальных проектах.
Книга устроена так, что вы можете:
• читать её последовательно и параллельно выполнять упражнения;
• или возвращаться к отдельным главам, когда до них “дозревает”
ваша практика.
Данная книга – не “курс”, но и не “сухая теория”.
Это скорее навигационный инструмент: вы получаете карту, набор
чертежей и конкретные детали, из которых собираете свою
конструкцию.
Что вы получите, если дочитаете и сделаете хотя бы часть
Я не буду обещать, что «через 30 дней вы будете зарабатывать Х с
помощью новых нейросетей».
Гораздо важнее честно описать, что именно изменится в вашей
работе и жизни, если вы дочитаете эту книгу и сделаете хотя бы часть
из того, о чём в ней говорится.
Если вы пройдёте книгу внимательно и позволите себе что-то
попробовать по пути, на выходе у вас будет:
1. Понимание, что вообще происходит.
Не на уровне: “ИИ – это модные штуки, которые что-то
генерируют”,
а на уровне:
откуда берутся мощности,
какие силы стоят за моделями,
куда движется экономика,
почему разговор о чипах, энергии и роботах – это не фантастика, а
завтрашний день.
2. Пять уровней работы с ИИ как каркас.
Вы перестанете видеть только отдельно взятый чат-бот и отдельную
автоматизацию.
Появится ощущение “скелета”, на который можно навешивать
новые сервисы, не теряя ориентацию.

Вы будете понимать, на каком уровне вы сейчас и куда хотите
двигаться.
3. Личный набор инструментов.
Пара своих агентов под реальные задачи.
Набор опорных промптов, которые вы сможете доработать под себя.
Возможно – первая связка автоматизации, которая реально снимает
рутину,
а не существует только как красивая идея.
4. Изменённый взгляд на свою роль.
Вы увидите свою профессию, бизнес или сферу деятельности
не как жертву или бенефициара “новой эпохи”,
а как систему, в которой можно:
– отдать ИИ то, что описывается и повторяется,
– усилить ИИ то, где вам не хватало скорости или глубины,
– оставить за собой то, что принципиально человеческое.
5. Базу для монетизации, а не готовые “секретные схемы”.
Вы поймёте, как ваши навыки и собранные системы
можно упаковать в услуги, продукты или усиление текущего
дохода —
без иллюзии “пассивного миллиона”,
но с пониманием, где есть реалистичные деньги.

Для кого эта книга написана
Она точно не только “для айтишников”.
Она для тех, кто:
• чувствует, что мир меняется слишком быстро,
• но не хочет занимать позицию наблюдателя со стороны;
• достаточно честен, чтобы признать:
• “Да, я чего-то боюсь, чего-то не понимаю, в чём-то отстал”,
– и при этом всё равно готов думать и пробовать;
• хочет собрать свою экосистему “человек + ИИ”,
• а не просто подписаться на очередной сервис с красивой рекламой;
• устал от страха упущенных возможностей и хочет заменить “я
везде не успеваю” на осмысленное “я понимаю, что для меня главное –
и делаю шаги туда”.
Она вряд ли понравится тем, кто:
• ищет гарантии (“вот секретная нейросеть, пользуйтесь ею, она
решит все ваши вопросы”);
• надеется услышать, что можно просто “пересидеть бурю”,
• а потом всё вернётся к привычному устройству мира.

Немного о будущем, в которое вы входите с
этой книгой
В дальнейших главах мы будем говорить о вещах, которые ещё
недавно звучали как фантастика:
• о войне за энергию и чипы,
• о новых центрах силы вокруг ИИ-инфраструктуры,
• о роботах и “вторых телах”, которые могут работать за вас,
• о разных сценариях общества – от относительного благосостояния
до платформенного феодализма,
• о том, что значит быть человеком в мире, где часть решений
принимают алгоритмы.
Важно другое: весь этот разговор не про “далёкий 2100 год”, а про
ближайшие 3–5 лет, которые напрямую затронут вашу карьеру,
проекты, здоровье, финансы, отношения, время.
Вы уже живёте в этой траектории.
Вы можете делать вид, что нет – но мир от этого не замедлится.

С чего мы начнём
Чтобы всё остальное имело смысл, нужно сначала посмотреть под
капот.
Первая глава – не про “как писать промпты” и не про “какую модель
выбрать”.
Она про то:
• как устроена инфраструктура ИИ;
• почему в новостях всё чаще мелькают слова “энергия”, “чипы”,
“центр обработки данных”, “технологический суверенитет”;
• кто и за что сейчас реально борется;
• как эта борьба отзовётся в вашей жизни,
• даже если вы никогда не будете строить свои дата-центры и писать
код.
Без этого основания любые разговоры про агентов, автоматизации и
монетизацию висят в воздухе.
Если вы готовы смотреть на реальность такой, какая она есть – и
параллельно искать в ней своё место и свою архитектуру – давайте
начнём с фундамента.
А дальше шаг за шагом мы поднимемся до того уровня, где ИИ,
роботы и системы станут для вас не источником постоянной тревоги, а
материалом, с которым можно работать.

Небольшой дисклеймер перед стартом
ИИ-индустрия меняется быстрее, чем успевают выходить книги или
ютуб-обзоры. Названия моделей и интерфейсы сервисов, о которых я
пишу, неизбежно будут обновляться. Важно не то, как именно сегодня
называется модель, а принципы и уровни работы с ИИ, о которых
пойдёт речь.
Вы можете читать книгу не строго по порядку. Если вам уже близок
базовый уровень, смело перескакивайте к главам про агентов и
автоматизации, а потом возвращайтесь к пробелам. Относитесь к
структуре как к карте, по которой можно двигаться своими
траекториями.
Я не рекламирую никакие сервисы и не призываю пользоваться
конкретными продуктами. Все упомянутые инструменты – лишь
примеры того, как можно решать задачи. Любые решения о подписках,
передаче данных и выборе платформ остаются исключительно за вами.

Глава 1. Инфраструктура ИИ:
пирамида из электричества, чипов и
моделей
Представьте, что вы просыпаетесь однажды утром и обнаруживаете,
что привычные сервисы просто… не загружаются.
Не работает банковское приложение.
Такси показывает «ошибка сервера».
Даже ваша любимая нейронка выдаёт лишь одно сообщение:
«Недостаточно вычислительных мощностей. Повторите запрос
позже».
Не произошло ни кибератаки, ни глобальной войны. Просто
несколько дата-центров отключили от сети – регион не выдержал
пикового спроса на электроэнергию.
И вдруг становится видно то, что обычно скрыто: мир, в котором ИИ
берёт на себя 40–70% задач, держится не на «магии ChatGPT», а на
очень
конкретных
вещах
–
проводах,
трансформаторах,
электростанциях, фабриках чипов и десятках гектаров залитых
бетоном залов с ревущими серверными стойками.
ИИ – это не приложение в телефоне. Это новая энергетическая и
геополитическая инфраструктура.
И мы с вами живём как раз в момент её сборки.

Что вы узнаете из этой главы
В этой главе мы:
• разложим индустрию ИИ по уровням – от электроэнергии до
пользователя;
• разберём, почему электричество и видеокарты становятся новой
нефтью;
• посмотрим, как США через контроль чипов и моделей формируют
новое мироустройство;
• обсудим, почему спрос на электроэнергию дата-центров уже
сегодня растёт двузначными темпами и может более чем удвоиться к
2030 году;
• наметим альтернативные сценарии – в том числе путь стран с
сильной атомной энергетикой и распределёнными вычислениями, по
аналогии с биткоином;
• свяжем всё это с простой мыслью: в мире, где идёт война за
мощности, ваша личная компетенция – как работать с ИИ и
строить свои системы – становится новым видом личного
капитала.

Почему вообще важно понимать
инфраструктуру ИИ
Большинство людей видят только верхушку айсберга: чат с моделью,
красивый интерфейс, удобное приложение.
Кажется, что всё, что нужно – «уметь правильно задавать вопросы».
Но в реальности:
• крупные модели стоят десятки-сотни миллионов долларов на
обучение[2];
• дата-центры уже потребляют около 415 ТВт·ч в год – примерно
1,5% мировой электроэнергии, и эта цифра растёт примерно на 12%
в год[3];
• только в США дата-центры уже вышли на 4–5% потребления
всей электроэнергии страны и могут подняться до 7–12% к концу
десятилетия[4];
• международные отчёты предсказывают, что спрос на
электричество для дата-центров и ИИ может удвоиться или больше к
2030 году[5].

Это значит, что ИИ – не просто про «умные ответы», а про то, кто
контролирует энергетику, чипы и инфраструктуру, и как обычный
человек вписывается в эту картину.
Если вы поймёте, как устроена эта пирамида, вам будет проще:
• трезво оценивать новости про ИИ и не вестись на хайп;
• понимать, где настоящие точки роста и денег;
• объяснять заказчикам/клиентам, за что они платят, когда
«покупают ИИ»;
• видеть риски и возможности на горизонте 5–10 лет.

Пятиуровневая пирамида
инфраструктуры ИИ
Я предлагаю смотреть на индустрию ИИ как на пятиуровневую
пирамиду.
Снизу вверх:
1. Электроэнергия
2. Видеокарты (GPU), чипы и дата-центры
3. Модели (LLM и другие)
4. Приложения
5. Пользователи

Если смотреть на новости про ИИ только с пользовательского
уровня, может показаться, что вся эта пирамида строится ради
удобного чата и красивых картинок.
На самом деле крупные игроки вкладывают миллиарды долларов не
только ради того, чтобы вам было проще переписать письмо.

Ставка делается в том числе на гонку к более общим и мощным
системам – вплоть до уровней, которые в публичной дискуссии
называют AGI (общий искусственный интеллект сравнимый с
возможностями человеческого разума) или супер-интеллектом
(значительно превосходящим человеческий разум).
Каждый новый процент точности модели, каждый шаг в сторону
более устойчивого «понимания» мира опирается:
• на дополнительные мегаватты электроэнергии;
• на всё более плотные кластеры GPU и специализированных чипов;
• на растущие дата-центры и сложную сетевую инфраструктуру.
Снаружи это выглядит как очередное обновление нейросети.
Внутри – как стратегическая игра государств и корпораций за
контроль над энергетикой, вычислениями и данными, которые могут
привести их ближе к системам уровня AGI.
Но здесь есть важный разворот для читателя этой книги.
Для вас принципиально не то, “кто именно первым добежит до
AGI”, а то, где вы находитесь в этой пирамиде:
• вы просто пользователь красивого приложения;
• вы человек, который понимает, на каких слоях всё это стоит;
• или вы тот, кто учится строить свои продукты и системы поверх
этой инфраструктуры – так, чтобы не оказаться заложником одной
кнопки, одного провайдера и одного сценария будущего.
Эта глава – про то, как увидеть в новостях про «чипы», «датацентры», «энергетический кризис из-за ИИ» не абстрактный фон, а
карту сил, на которой вам ещё жить и работать.
А разговор про AGI здесь нужен только для одного: показать, что
гонка за «будущим сверх-интеллектом» уже сегодня меняет
физическую и политическую реальность, в которой вы делаете бизнес,
строите карьеру и принимаете решения.
При обсуждениях нейросетей и ИИ, мы привыкли начинать сверху
пирамиды – с пользователя. Но чтобы понять, откуда берётся ценность
и за что идёт борьба, начнём, наоборот, снизу.

Уровень 1. Электроэнергия – фундамент всего
ИИ – это в первую очередь про электроэнергию.
Каждый ваш запрос к нейросети – это не просто строка текста. Это:
• тысячи-миллионы операций на графических процессорах;
• серверы, которые нужно питать и охлаждать;
• сети, которые нужно поддерживать.
По оценкам международных энергетических агентств:
• в 2024 году дата-центры глобально потребляли 415 ТВт·ч в год[6],
• это примерно электропотребление крупной развитой страны,
• к 2030 году потребление может удвоиться и более, приближаясь к
900–1000 ТВт·ч, что сопоставимо с потреблением целых регионов
мира.
Ключевой парадокс:
ИИ продаётся как «цифровая магия», но за кулисами – это
очень материальная история про мегаватты, кабели, бетон,
территорию и воду для охлаждения.
Отсюда несколько выводов:
• Страны с дешёвой и устойчивой генерацией (гидро, атом,
геотермальная) получают стратегическое преимущество[7].
• Регионы с дефицитом энергии будут вынуждены ограничивать
развитие ИИ-инфраструктуры или импортировать мощности.
• Крупные ИИ-компании уже заключают прямые контракты на
поставку энергии и даже инвестируют в собственные энергетические
проекты, включая атомную генерацию и SMR (малые модульные
реакторы).
По сути, электричество становится тем, чем нефть была в
XX веке – базой любой технологической гонки.

Уровень 2. Видеокарты и дата-центры – новые нефтяные
вышки
Если электричество – это «нефть», то GPU и дата-центры – это
нефтяные вышки и НПЗ.
Сегодня рынок дата-центровых GPU растёт двузначными темпами,
оценивается в сотни миллиардов долларов, и к 2030 году может
практически удвоиться[8].
При этом на рынке специализированных чипов для ИИ (GPU,
ускорители) доминирует NVIDIA, контролируя более 90% сегмента
дата-центровых GPU в ключевых отчётах по 2024–2025 годам[9]. На
этом фоне неудивительно, что NVIDIA недавно стала крупнейшей
компанией в мире по рыночной капитализации, превысив отметку в 5
трлн долларов и обогнав предыдущих лидеров, вроде Apple и
Microsoft.
Что это означает:
• Любая крупная компания, которая хочет обучать и запускать свои
модели, оказывается в очереди за чипами.
• Пропускная способность этой «очереди» определяется не только
деньгами, но и политикой экспортного контроля США и их
союзников[10].
• NVIDIA фактически стала инфраструктурной компанией нового
типа: она не продаёт конечный продукт пользователю, но
контролирует критически важный слой – тот, через который проходит
всё остальное.
Спрос настолько велик, что:
• компании строят целые дата-центровые кластеры под ИИ-сервера;
• капитальные затраты на ИТ-инфраструктуру (серверы, сети,
системы хранения) занимают более 70–80% расходов на новые датацентры[11];
• любая задержка в поставке GPU может стоить компаниям
миллионы долларов упущенной выручки.

Война за GPU – это уже не метафора, а ежедневная реальность: топменеджеры договариваются о партиях чипов, как раньше
договаривались о доступе к месторождениям.

Уровень 3. Модели (LLM) – мозг этой системы
На третьем уровне находятся модели – те самые большие языковые
модели (LLM – large language models) вроде ChatGPT или Claude,
Gemini, DeepSeek, QWEN, а также модели для работы с
изображениями (которые “видят” и генерируют картинки и видео:
Midjourney, Sora, VEO, Kling, NanoBanana и др), модели для звука
(распознавание и синтез речи, музыка: ElevenLabs, Suno, и др) и
мультимодальные модели, которые одновременно воспринимают и
комбинируют текст, изображение, звук и иногда видео.
Чтобы обучить одну фронтирную модель:
• нужны тысячи GPU, работающих недели или месяцы;
• общий бюджет на обучение может превышать десятки-сотни
миллионов долларов (учитывая железо, энергию, инженеров,
инфраструктуру).
Но самое важное:
Модель – это кристаллизованное знание мира плюс стоимость
всех вычислений, которые в неё вложены.
Отсюда вытекают ключевые черты:
• У единиц игроков есть ресурсы, чтобы строить модели мирового
уровня (США, Китай, Россия, несколько крупных компаний).
• Остальные становятся пользователями моделей через API или
используют открытые/местные варианты.
• Доступ к самым мощным моделям оказывается завязан на те
самые GPU, электричество и политические решения наверху
пирамиды.
Это похоже на ситуацию, когда определённое число стран
контролирует производство самолётов, а все остальные покупают

у них билеты.

Уровень 4. Приложения – интерфейсы к мозгу
Четвёртый уровень – это всё, что видит обычный человек:
• чат-боты, ассистенты, GPT-приложения;
• сервисы для маркетинга, дизайна, программирования, образования;
• голосовые помощники, аватары, системы поддержки клиентов.
Здесь происходит настоящее разнообразие и креатив:
• одни делают узкие решения под юристов, врачей, маркетологов;
• другие – системы, которые автоматизируют целые бизнеспроцессы;
• третьи – инструменты для творчества и развлечения.
Но важно понимать: ни одно приложение не живёт само по себе.
Оно опирается:
• либо на API крупных моделей (OpenAI, Anthropic, Google, QWEN,
локальные провайдеры);
• либо на самостоятельный развёрнутый стек (открытые модели +
свои сервера).
Отсюда главный риск для разработчиков приложений:
«Ты строишь бизнес на чужой платформе. Если платформа
поднимет цены или ограничит доступ – твой бизнес может исчезнуть
за ночь».
И наоборот – отсюда же рождаются возможности:
Если ты понимаешь, как устроена инфраструктура, ты можешь
проектировать
такие
приложения
и
системы,
которые
масштабируются, не убивая тебе маржу:
• заранее закладывать работу не с одной моделью, а с несколькими
провайдерами;

• разделять “тяжёлые” задачи, которые действительно требуют
дорогих мощных моделей, и “рутинные”, которые можно гонять через
более простые и дешёвые решения;
• продумывать, что можно кэшировать, переиспользовать и считать
локально, а не каждый раз оплачивать полный цикл обработки;
• строить ценовую модель продукта так, чтобы рост числа
пользователей не превращал каждый новый запрос в удар по вашему
же кошельку.
В результате вы делаете не красивую игрушку на модной нейросети,
а систему, которая выдерживает и рост нагрузки, и изменения тарифов,
и очередной виток гонки за мощностями.

Уровень 5. Пользователь – вершина и одновременно
топливо
На вершине – мы с вами:
• предприниматели, специалисты, фрилансеры, студенты;
• компании, которые внедряют ИИ в процессы;
• государства, которые перестраивают сервисы, налоговые системы,
образование.
По данным Всемирного экономического форума, уже сейчас около
34% бизнес-задач в среднем выполняется машинами, а оставшиеся
66% – людьми[12].
Исследования ОЭСР и крупных консалтингов показывают:
• до 27–30% рабочих мест в развитых странах находятся в зоне
высокого риска автоматизации;
• при этом 60% рабочих мест не исчезнут, но будут существенно
изменены под воздействием ИИ[13].
Это означает:

• вы либо становитесь человеком, который умеет работать с ИИ,
строить свои системы и управлять ими;
• либо остаетесь на уровне, где за вас всё решают чужие агенты,
чужие алгоритмы и чужие интересы.
Пирамида инфраструктуры ИИ показывает простую, но жёсткую
мысль:
Да, наверху – человек. Но его положение зависит от того, умеет
ли он использовать всё, что под ним.

Геополитика ИИ: война за электроэнергию и
чипы
Теперь посмотрим на эту пирамиду глазами стран.

США: контроль за чипами и моделями
США давно поняли, что тот, кто контролирует продвинутые
чипы, контролирует темп развития ИИ.
Поэтому:
• вводятся всё более жёсткие экспортные ограничения на
поставку продвинутых GPU и оборудования для их производства в
Китай и другие страны[14];
• ограничивается доступ к самым мощным моделям через
лицензирование, правила по безопасности и регулирование
оборота ИИ;
• формируется новый уровень зависимости: вместо нефти и
доллара – чипы и вычисления.
Ситуация парадоксальна:
С одной стороны, такие ограничения замедляют военные и
технологические возможности конкурентов.
С другой – стимулируют их развивать собственную чиповую и ИИиндустрию ещё активнее[15].
Но для остального мира это означает одно: доступ к фронтирным
моделям и мощностям всё больше зависит не только от денег, но и
от геополитики.

Китай, Россия, Европа, другие регионы: гонка за
автономией
Китай, Россия, Европа, страны Персидского залива и ряд других
регионов:
• активно строят собственные национальные облака и ИИкластеры;
• инвестируют в собственные архитектуры чипов и RISC–V[16];
• запускают национальные LLM, оптимизированные под свои
языки, культуры и требования безопасности.
Цель очевидна:
уйти от ситуации, когда любые политические изменения в США
могут перекрыть кислород целой индустрии.

Альтернативные сценарии: Россия, атомная энергетика и
«биткоиновый» подход к вычислениям
Если отбросить бренды и названия моделей, у ИИ-инфраструктуры
вырисовывается несколько базовых направлений, которые будут
актуальны для разных стран и регионов.
1. Энергетические хабы для ИИ-кластеров
• Крупные центры генерации (атомная энергетика, ГЭС, газ, ВИЭ)
становятся «магнитом» для дата-центров.
• Там, где энергия дешёвая и предсказуемая, логично строить
большие кластеры обучения и инференса.
• В выигрыше оказываются регионы, которые могут обеспечить не
только мощность, но и устойчивость: понятные правила, физическую
безопасность объектов, подключение к глобальным каналам связи.
2. Распределённые вычисления по мотивам биткоина
• Вместо одного-двух гигантских центров – сеть узлов, связанных
общим протоколом и правилами расчётов.

• Участники отдают свои GPU/TPU-мощности в сеть и получают
вознаграждение не за «пустой» хэш-рейт, а за полезные задачи:
обучение моделей, инференс, поиск.
• Вычисления становятся отдельным типом цифрового актива и
экспортируемого ресурса: можно продавать не только железо и
энергию, но и выполненную работу моделей.
3. Суверенные модели и открытые экосистемы
• В разных странах появляются собственные базовые модели,
учтённые под локальные языки, правовые нормы, культурный
контекст.
• Вокруг них строятся открытые API и стандарты, чтобы бизнес мог
быстро поднимать свои решения поверх суверенной базы, не теряя
совместимость с глобальным миром.
• Конкуренция идёт не только за «самую большую модель», но за
сочетание: качество → стоимость владения → удобство для
разработчиков.
Все эти сценарии – глобальные. Вопрос для любой страны: на каком
из направлений она может играть сильнее и где есть шанс не просто
догонять, а задавать правила.

Россия: где здесь окно возможностей
У России есть набор активов, которые можно встроить в эти
глобальные сценарии, если смотреть на ИИ именно как на
инфраструктуру:
1. Энергетическая база (включая атом) как аргумент для
кластеров
• Сильные компетенции в атомной энергетике и крупных
инфраструктурных проектах – это не “волшебная палочка”, а один из
способов сделать энергию для вычислений более дешёвой и
предсказуемой.
• Логичный шаг – развитие кластеров рядом с устойчивыми
источниками мощности (не только атом, но и ГЭС, газ,
возобновляемые источники).

• Это снижает зависимость от волатильности цен на углеводороды и
погодных факторов и даёт аргумент для размещения дата-центров
внутри страны.
2. Участие в глобальных или региональных сетях
распределённых вычислений
• Региональные центры обработки данных и локальные мощности
могут становиться узлами распределённых сетей, которые решают
реальные задачи бизнеса и государства.
• Россия может не «изобретать свой биткоин», а подключаться к уже
существующим протоколам и инициативам, добавляя в сеть свои
энергоёмкие кластеры.
• Важно не замыкаться только на сырье (энергия, железо), а
выходить в зону «вычисления как сервис» и «вычисления как
цифровой экспорт».
3. Суверенные модели + доступная экосистема для бизнеса
• Развитие моделей, обученных на русском языке и локальных
данных, – уже не абстрактная идея, а практическая необходимость: от
юридических задач до медицины и промышленности.
• Критично, чтобы эти модели были не только «суверенными», но и
открытыми по интерфейсам: понятные API, документация, песочницы
для разработчиков.
• Тогда поверх базовой инфраструктуры могут расти десятки и сотни
частных решений: от отраслевых ассистентов до автоматизированных
производственных систем.
Ключевой момент здесь не в том, что «атомная отрасль решит всё».
Вопрос в другом: получится ли превратить существующие сильные
стороны – в энергии, инженерии, науке – в платформу, на которой
создают ценность частные игроки, а не только государство и крупные
корпорации.
На уровне практики это уже происходит: несколько крупнейших
российских банков, ИТ-групп и телеком-операторов строят
суперкомпьютерные кластеры под обучение моделей, разворачивают
собственные LLM и открывают к ним API или опенсорс-доступ, а

также инвестируют в облака и дата-центры, заточенные под ИИзадачи.
Открытый вопрос в ближайшие годы – насколько такие экосистемы
смогут конкурировать с глобальными моделями не только по
«суверенному» признаку или за счёт регулирования, а по реальным
метрикам: качеству ответов, скорости, стоимости инференса и
удобству для разработчиков. Пока разрыв с мировым фронтиром
велик, но в узких нишах и на локальном (в том числе русскоязычном)
рынке у них есть шанс выигрывать именно за счёт адаптации к языку,
данным и отраслевым сценариям.

Как эта пирамида связана лично с вами
Геополитика, энергосистемы, кластеры ИИ – всё это звучит как
«игра больших». Но внутри той же логики живёт и ваша личная
стратегия.
У каждого есть своя мини-«инфраструктура»: энергия и время,
навыки и инструменты, проекты и продукты.
Посмотрим, как та же пирамида – от «железа» до приложений –
выглядит на уровне вашей карьеры и бизнеса.
1. Электроэнергия
Для вас это превращается в очень практичный вопрос: опирается ли
ваш продукт на надёжные облачные сервисы с резервами и понятными
гарантиями работы, или всё крутится на случайном дешёвом
виртуальном сервере, который может отключиться в самый
неподходящий момент.
2. GPU и дата-центры
– это выбор: вы зависите от одного провайдера (единственный API,
единственный облачный аккаунт) или закладываете мультипровайдерную архитектуру, которая выдержит изменения цен и
политики.
3. Модели
– это стратегический слой: вы строите всё на одной закрытой
модели или понимаете, когда выгоднее использовать opensourceмодель, дообученную под свои задачи, и как это сделать.
4. Приложения
– это то, что вы уже делаете: чат-боты, агенты, mini-apps, продукты.
– чем лучше вы понимаете нижележащие слои, тем реалистичнее
ваши бизнес-модели и обещания клиентам.
5. Пользователь (вы)
– ваш главный ресурс – не количество часов, которые вы работаете,
а способность соединять эти уровни в работающую систему.
Смысл этой главы – не напугать.
Смысл в том, чтобы вы увидели:
ИИ-революция – это не то, что «где-то происходит».
Она проходит через очень конкретные уровни, и вы можете
осознанно занять своё место внутри этой структуры.

Дальше в книге мы будем говорить именно о том, как отдельный
человек/компания может выстроить свою систему поверх этой
инфраструктуры: от базового взаимодействия с моделями до
мультиагентных архитектур.

Домашнее задание: Нарисуйте свою карту
зависимости от инфраструктуры ИИ
Задание на 15–20 минут.
1. Возьмите лист бумаги (или Miro/Notion) и нарисуйте ту же
пирамиду:
2. Электроэнергия → GPU/облако → Модели → Приложения →
Пользователь.
3. На уровне «Приложения» впишите всё, чем вы реально
пользуетесь:
– ChatGPT, Claude, Gemini, DeepSeek, GigaChat;
– Copilot, Midjourney, Lovable, Gamma.app;
– любые SaaS-сервисы, где внутри «что-то на ИИ».
4. Для каждого приложения попробуйте ответить:
– На каких моделях оно, вероятно, работает?
– Через какого провайдера облака оно может идти (AWS, Azure,
локальные)?
– Насколько вы зависите от одного поставщика (1–5 по шкале)?
5. Отметьте красным всё, где зависимость максимальна:
– один аккаунт, одна карта оплаты, один API;
– отсутствие резервного варианта.
6. В конце задайте себе два вопроса:
– Что будет, если завтра этот сервис подорожает в 3 раза или станет
недоступен в моём регионе?
– Какие 1–2 шага я могу сделать за ближайший месяц, чтобы
снизить эту зависимость (например, освоить альтернативу, изучить
opensource-модель, протестировать другого провайдера)?
Цель упражнения – не «паранойя безопасности», а трезвое
ощущение:
где именно вы встроены в инфраструктуру ИИ, и какие у вас
есть варианты манёвра.

Чек-лист имплементации главы
Короткий список вопросов, на которые стоит ответить после
прочтения:
1. Понимаю ли я, какие слои инфраструктуры ИИ существуют и
как они связаны?
2. Могу ли я в двух абзацах объяснить клиенту/коллеге, почему
ИИ – это не только про «чат», но и про энергию и чипы?
3. Знаю ли я, от каких провайдеров и моделей зависит мой
текущий бизнес/работа?
4. Есть ли у меня резервные сценарии на случай роста цен или
ограничений доступа к конкретному сервису?
5. Понимаю ли я, какие преимущества есть у моей страны/
региона сейчас и в будущем (энергетика, кадры, законы) в контексте
инфраструктуры ИИ?
6. Могу ли я сформулировать хотя бы одну гипотезу проекта,
опирающуюся на локальные сильные стороны (например, дешёвая
энергия, локальные модели, нишевая экспертиза)?
Если вы сейчас не можете уверенно ответить «да» хотя бы на 4–5
пунктов – вернитесь к пирамиде и своей карте зависимости ещё раз.

Анти-паттерны мышления: во что легко
попасться
1. «Мне всё равно, где это крутится, я просто использую ИИ»
Опасность: вы строите стратегию на песке. Любое изменение цен/
политики API – и ваша воронка, продукт, или бизнес-процессы
перестают быть прибыльными.
2. «Это всё про государства и корпорации, я тут ни при чём»
На самом деле, именно индивидуальные специалисты и малые
команды чаще всего первыми обкатывают новые модели монетизации
поверх инфраструктуры – и забирают сливки.
3. «Надо обязательно строить свою модель / свой дата-центр»
Это крайность в другую сторону. В 99% случаев рациональнее:
– использовать существующие модели;
– понимать их ограничения;
– строить поверх них грамотные системы и процессы, а не
дублировать инфраструктуру.
4. «Если США контролируют чипы – всё уже решено»
История показывает: технологическое лидерство никогда не бывает
навечно.
Появляются альтернативные архитектуры, новые энергетические
решения, распределённые сети.
Вопрос не «кто победит», а насколько гибко вы умеете
адаптироваться и использовать новые окна возможностей.

Если вы делаете ИИ-продукт или серьёзно
опираетесь на ИИ в работе
Если вы строите ИИ-продукт, сервис или просто сильно завязаны на
нейросети в своей работе, для вас глава про инфраструктуру – не
теория “для общего развития”.
В пользовательском интерфейсе всё выглядит просто:
модель отвечает, продукт “работает”, клиент доволен.
Но под этим – длинная цепочка: энергия, дата-центры, чипы,
провайдеры моделей, правила доступа, ограничения по странам и
отраслям. Эта цепочка меняется без вашего участия – а вместе с ней
может внезапно измениться и экономика вашего продукта.
Поэтому у создателя ИИ-продукта неизбежно появляются
неудобные, но нужные вопросы:
• На каких конкретно моделях и провайдерах вы стоите сейчас?
• Что с вами будет, если один из них подорожает, введёт жёсткие
лимиты или уйдёт из вашего региона?
• Насколько жёстко логика продукта “пришита” к одному API?
• Сможете ли вы переключиться на другие модели без полной
переделки всего сервиса?
• Где ваше главное узкое место:
• вычислительные ресурсы, данные, регуляция, завязка на чужую
платформу, человеческие процессы?
Один и тот же “ИИ-сервис” снаружи может выглядеть одинаково, но
в одном случае это тонкая обёртка над одним API,
а в другом – система, где:
• часть логики вынесена в промпты и сценарии,
• часть – в ваши собственные данные и процессы,
• провайдера модели можно заменить без катастрофы.
Чтобы не держать все эти риски только в голове, их можно сразу
“выгрузить” на ИИ – в прямом смысле. В следующих главах вы
настроите своих агентов, но уже сейчас можно заложить для них
первые вопросы.

Вопросы, которые стоит отдать вашему будущему ИИагенту
Этот набор вопросов можно будет буквально вставить в
персонального агента-стратега по ИИ (которого вы создадите позже по
книге), чтобы он помог осмыслить инфраструктурные риски именно
под ваш продукт или бизнес:
1. Про текущую зависимость.
«Проанализируй мои текущие инструменты и сервисы ИИ и опиши,
на каких моделях и провайдерах они с высокой вероятностью
основаны.
Сделай таблицу: сервис → вероятный провайдер → возможные
риски зависимости.»
2. Про запасные варианты.
«Подбери 3–5 альтернативных решений (open-source-модели, другие
провайдеры, локальные варианты), которые можно использовать в
случае подорожания, лимитов или блокировки текущего сервиса.
Оцени, чем они жертствуют (качество, скорость, удобство) и что
дают взамен (контроль, цена, независимость).»
3. Про стресс-тесты.
«Смоделируй три сценария для моего продукта/бизнеса:
а) цены на API выросли в 3 раза;
б) доступ к текущему провайдеру временно ограничен;
в) скорость обработки запросов упала в 2 раза.
Опиши, какие риски это создаёт и какие контрмеры можно принять
в каждом случае.»
3. Про сильные стороны вашего контекста.
«Проанализируй сильные стороны моего региона/страны в
контексте ИИ-инфраструктуры (энергетика, кадры, законодательство,
локальные платформы) и предложи 5 идей ИИ-проектов, которые
опираются именно на эти сильные стороны, а не повторяют
глобальные шаблоны.»
Если вы делаете ИИ-продукт, этот блок – ваше первое упражнение в
мышлении архитектора: не только “как бы сделать фичу на
нейросети”, а “на чём стоит мой продукт и что с ним будет, когда
инфраструктура снаружи снова качнётся”.

Дальше, во 2–5 главах, мы спустимся на уровень промптов, агентов
и систем – того, из чего вы будете собирать и внутренние
инструменты, и прототипы своих ИИ-продуктов.

Переход к следующей части книги
Мы поговорили о большом: мегаватты, миллиарды, геополитика,
корпорации.
Но главный вопрос остаётся:
Что может сделать один человек, у которого нет своей АЭС и
кластера из тысяч GPU, но есть голова, опыт и желание не оказаться
лишним в новой экономике?
Ответ:
он может научиться работать с тем, что уже построено, и шаг за
шагом пройти 5 уровней автоматизации с ИИ:
1. от грамотного взаимодействия с моделями;
2. к продвинутому промпт-инжинирингу;
3. к созданию персональных агентов;
4. к автоматизации процессов;
5. к мультиагентным системам, которые работают как команда.
В следующей главе мы перейдём с уровня инфраструктуры на
уровень личного инструментария и разберёмся, как использовать
модели так, чтобы они действительно работали на вас, а не создавали
иллюзию продуктивности.

Глава 2. Уровень 1. Как правильно
взаимодействовать с ИИ: новая
цифровая грамотность
Представьте двух людей, сидящих за одним столом в кофейне.
Оба открывают одно и то же приложение ChatGPT.
Оба хотят составить меню на неделю, чтобы питаться полезнее.
Первый человек печатает:
«Составь меню на неделю».
ИИ выдаёт шаблонный список из случайных блюд, похожий на то,
что можно найти в любом фитнес-блоге десять лет назад.
Второй человек пишет чуть иначе:
«Ты – нутрициолог.
Мне 31, мужчина, офисный тип работы, цель – минус 3 кг.
Время готовки – не более 25 минут.
Бюджет – до 8000 рублей в неделю.
Аллергия – на сыр.
Формат: таблица с блюдами по дням.
В конце – список покупок».
ИИ выдаёт структурированное меню, идеально подходящее под
образ жизни, время, бюджет и цель.
План, который реально можно выполнять, а не просто любоваться
им в теории.
Разница между этими людьми – не в той модели нейросети, которую
они используют.
Разница – в их способности поставить задачу.
И прямо сейчас эта способность становится новой грамотностью.

Почему Уровень 1 – это базовый навык
выживания в мире ИИ
После предыдущей главы становится ясно: мир ИИ строится на
энергии, вычислениях, чипах, гигантских дата-центрах и глобальной
гонке за мощности.
Но на уровне отдельного человека всё предельно земно.
ИИ отвечает на то, что вы ему дали.
Он не читает мысли.
Не догадывается сам.
Не строит догадки о контексте жизни.
Он работает строго в рамках слов, которые вы ему передали.
И вот в этой точке большинство людей «проваливаются».
Они ожидают от ИИ чудес, но дают ему обрывки мыслей.
Они хотят глубину, но пишут поверхностно.
Они требуют точности, но формулируют расплывчато.
ИИ – не волшебник, а исполнитель.
А качество исполнения равно качеству постановки задачи. Все
знают известную поговорку «Если у тебя плохое ТЗ, то и результат
будет…»)
Не научившись формулировать мысль, человек никогда не получит
от ИИ ни точных решений, ни экономии времени, ни выгоды.
Уровень 1 – это не про умные фразы.
Это про умение думать так, чтобы ИИ мог вас понять.
Именно поэтому перед переходом к продвинутому промптинжинирингу, агентам и автоматизациям мы начинаем отсюда – с
навыка, который определяет, будет ли ИИ вашим инструментом… или
очередной игрушкой.

Формула Уровня 1: шесть строк, которые
меняют всё
Чтобы ИИ начал работать осмысленно, ему нужно хотя бы минимум
структуры.
Не сложные конструкции, не инженерия – а просто порядок.
Эта формула проста, но на ней держатся 80% качественных
результатов:
1) Роль – кто должен говорить от имени ИИ
2) Контекст – факты, которые влияют на решение
3) Задача – что именно нужно сделать
4) Ограничения – рамки, условия, особенности
5) Формат результата – как должен выглядеть вывод
6) Пример (опционально) – на что ориентироваться
Проверено на сотнях задач:
если вы включили хотя бы четыре из шести пунктов – ответ уже
будет на порядок лучше.
Здесь нет никакой “магии умного промпта” – это просто нормально
сформулированная задача.

Реальные примеры качественных промптов из
жизни, работы, бизнеса
Чтобы почувствовать разницу, давайте пройдёмся по реальным
сценариям – домашним, рабочим, предпринимательским.
И посмотрим, как точность формулировки превращает ИИ в
инструмент силы.

Домашние задачи
Меню на неделю
❌ Простой запрос:
«Составь меню».
✔️Хороший запрос:
Ты – нутрициолог.
Мне 34, мужчина.
Цель – здоровое питание + лёгкое снижение веса.
Бюджет – до 7500₽ в неделю.
Время готовки – до 25 минут.
Составь меню на 7 дней.
Формат: таблица + количество калорий + список покупок.
ИИ даёт наглядную таблицу, соответствующую всем условиям, и
список ингредиентов, который реально можно купить в ближайшем
магазине.
Идеи подарков
❌ «Подскажи подарок мужу».
ИИ гадает.
✔️
Ты – персональный ассистент.
Муж: 38 лет, любит велосипеды, кофе и научпоп-книги.
Бюджет – 10 000₽.

Сделай список из 12 идей.
Формат: короткое описание + причина, почему подойдёт.
В такой формулировке ИИ часто выдаёт идеи точнее, чем живой
продавец.
А у части современных моделей есть ещё и доступ к интернету,
поэтому к идеям можно прямо сразу попросить подобрать ссылки на
реальные товары в маркетплейсах.

Работа
Письмо клиенту
❌ «Напиши письмо о повышении цены».
✔️
Ты – аккаунт-менеджер B2B в сфере строительства.
Напиши письмо клиенту о повышении цены по основному
прайс-листу на 12% с 1 февраля.
Контекст: клиент важный, работает с нами 2 года.
Тон: спокойный, аргументированный, без давления.
Формат: письмо + 3 варианта темы.
ИИ выдаёт письмо, которое можно отправлять без правок.
План урока
Ты – преподаватель английского.
Составь план урока по Past Perfect для уровня B1.
Формат: цели урока / объяснение / упражнения / примеры /
домашнее задание.
Вы получаете готовый учебный модуль.
SWOT-анализ
Ты – бизнес-аналитик.
Сделай SWOT-анализ компании, производящей матрасы в
Южном Федеральном Округе.

Формат: таблица 2x2.
ИИ выдаёт структурированную
использовать в презентации.

аналитику,

которую

можно

Бизнес
Сценарий продаж
Ты – тренер по продажам.
Создай скрипт холодного звонка для продажи услуг
видеопродакшена.
ЦА: предприниматели 30–45.
Формат: вступление / выявление / презентация / работа с
возражениями / закрытие.
ИИ выдаёт логичный, применимый скрипт.
План контента
Ты – контент-стратег.
Создай план на 14 дней для Telegram-канала о когнитивноповеденческой терапии.
Формат: день / тема / цель / формат / пример поста.
Вы получаете таблицу, которую можно сразу использовать.
Продающий текст
Ты – маркетолог.
Создай структуру лендинга для курса по медицинскому
туризму.
ЦА: женщины 25–40, хотят лечиться за границей.
Формат: блоки лендинга + содержание каждого блока.
ИИ создаёт проработанную каркасную структуру лендинга.

Самая большая ошибка пользователей
Самая частая ошибка пользователей – они пытаются болтать с ИИ,
вместо того чтобы ставить задачу.
Это и есть ловушка нулевого уровня.
Человек пишет так, как говорил бы с живым собеседником:
«Сделай мне красиво, пожалуйста».
«Напиши что-то интересное».
«Мне нужно письмо, но мягкое, но при этом уверенное…»
Для человека это понятно: он достраивает по интонации, по
контексту, по вашему настроению.
Модель так не умеет. У неё нет доступа ни к вашему тону, ни к
вашим страхам, ни к тому, что вы “на самом деле” имели в виду.
ИИ не угадывает подтекст.
Он собирает ответ из того, что вы явно положили в запрос.
Поэтому хороший рабочий образ здесь – не “умный собеседник”, а
усиленное зеркало вашей ясности.
Если перед зеркалом туман – вы в нём и увидите туман.
Если перед ним аккуратно разложенная задача – вернётся уже более
связная система.
Отсюда важный нюанс про “эмоциональные” промпты.
Да, примерно год-полтора назад вышли исследования, которые
показали любопытный эффект:
если добавить к запросу эмоциональную “ставку” уровня
«это очень важно для моей карьеры, постарайся»
или «пожалуйста, будь особенно внимателен, от этого зависят
мои результаты»,
то на ряде тестовых задач качество ответа действительно чуть росло
– в среднем на несколько процентов, а иногда и заметнее.
Именно отсюда родилась мода на фразы вроде
«от твоего ответа зависит моя судьба в компании» и прочие
драматичные формулировки.
Но более свежие работы про структуру подсказок и практические
гайды к современным моделям показывают другое:
в реальных задачах выигрывает не эмоциональный нажим, а чётко
заданный контекст, понятная цель, ограничения и формат ответа.

Проще говоря:
• эмоции в промпте могут иногда слегка “подстегнуть” модель,
• но это тонкая надстройка;
• если же в запросе нет роли, контекста, конкретной задачи и
формата —
• никакая драматичная приписка не спасёт.
Поэтому базовый принцип для этой книги такой:
сначала научиться говорить с ИИ ясно и структурно,
а уже потом, при желании, играться с оттенками тона и “важности”.
В 99% случаев выгоду вам принесут не театральные формулировки,
а привычка доносить мысль так, чтобы любому разумному
исполнителю – хоть человеку, хоть модели – было понятно, что именно
вы от него хотите.
Читайте эксклюзивно в моем телеграм канале:
«Учёные протестировали 250 промптов в 5 разных тонах: очень
вежливый, вежливый, нейтральный, грубый и очень грубый. Вопросы
были абсолютно одинаковыми. Менялся только тон. Результат?
https://t.me/neuro_timur/114

Как формулировать мысль так, чтобы ИИ
понял вас с первого раза
Ниже – навык, который становится новой рабочей привычкой:
1. Сначала подумайте 10 секунд: что именно я хочу получить?
2. Выделите 3–4 ключевых факта о ситуации.
3. Укажите роль модели (в качестве какого узкого эксперта она
должна выступать в своих рассуждениях и ответах).
4. Скажите, в каком формате вы хотите результат.
5. При необходимости – дайте пример.
Это меньше 30 секунд.
Но эффект – как будто вы перешли с кнопочного телефона на
смартфон.

Чек-лист Уровня 1 (всегда держите его в
голове)
• Определил роль – кто сейчас “говорит” от лица ИИ: юрист,
редактор, маркетолог, преподаватель и т. д.
• Дал контекст – какие факты, вводные, данные нужно учесть,
чтобы ответ был не “в вакууме”, а про вашу ситуацию.
• Сформулировал задачу – что именно нужно сделать: объяснить,
переписать, проанализировать, придумать варианты, составить
план.
• Указал ограничения – что недопустимо: не выходить за рамки
темы, не придумывать факты, соблюдать стиль, укладываться в
объём, не давать советов по медицине/финансам и т. п.
• Задал формат результата – как должен выглядеть ответ: список,
таблица, письмо, структура с подзаголовками, план на шаги.
• Проверил, что нет противоречий – вы в одном месте не просите
“очень кратко”, а в другом “подробно”, не требуете одновременно
“без
терминов”
и
“строго
научно”,
не
смешиваете
взаимоисключающие условия.
• Написал чётко и просто – без лишних общих слов, с адекватными
предложениями, как если бы объясняли задачу умному коллеге, у
которого нет доступа к вашей голове.
Если большинство
качественным.

пунктов

выполнены

–

результат

будет

Домашняя практика: 10 минут
Чтобы навык закрепился, выполните три шага.
Шаг 1. Возьмите 3 своих старых запроса к ИИ
Тех самых, после которых вы думали: “Ну почему он написал такую
чепуху?”
Шаг 2. Перепишите каждый по формуле Уровня 1
Роль → контекст → задача → ограничения → формат → пример.
Шаг 3. Сравните результаты
Как минимум один из ответов вас удивит.
Как максимум – вы вдруг почувствуете контроль.
ИИ становится предсказуемым, понятным, управляемым.

Анти-паттерны: то, что гарантированно ведёт
к плохим ответам
– Писать с эмоциями вместо задачи
– Не указывать формат результата
– Давать слишком общие команды
– Мешать несколько задач в одном запросе
– Надеяться, что ИИ «сам догадается»
– Просить абстрактное («сделай хорошо»)
– Никак не ограничивать рамки задания
Это всё приводит к хаосу.
Структура же превращает хаос в ясность.

Бонус: мой Мастер-промптов
Здесь хочу поделиться с вами моим Мастер-промптом (он
находится в библиотеке GPTs официального сайта ChatGPT) –
универсальному каркасу, который помогает создавать сильные, точные,
структурированные запросы за считанные минуты.
Если честно, большинству людей лень каждый раз вручную
прописывать роль, контекст, ограничения, формат ответа и всё
остальное, о чём мы говорили выше.
Мастер-промпт как раз решает эту проблему.
Принцип простой:
• вы формулируете свою задачу по-человечески, коротко и без
структуры —
• например:
• «Мне нужно придумать 10 идей рилзов про здоровый сон для моего
телеграм-канала, чтобы повысить вовлечённость»;
• Мастер-промпт задаёт вам несколько уточняющих вопросов (про
аудиторию, формат, тон, ограничения);
• а затем сам собирает из этого профессиональный промпт, где уже
есть роль, контекст, цель, формат и критерии качества, – такой,
который можно напрямую отдавать модели и получать предсказуемый
результат.
По сути, это генератор “профессиональных” промптов по вашей
задаче.
Что-то вроде умного брифа: вы описываете, что вам надо “на
пальцах”, а он превращает это в понятный для нейросети технический
запрос.
Им можно пользоваться ежедневно и адаптировать под любые
задачи – от меню на неделю или плана тренировок до бизнесаналитики, стратегий, сценариев, писем, контент-плана или структуры
курса.
Ссылка
на
Мастер-промпт:
https://chatgpt.com/g/g68f3be5e525081919853ac474a229447-master-promptov-ot-timura-

kazantseva

Итог главы
Уровень 1 – это не про “красивые промпты”, а про базовую
грамотность работы с ИИ.
На этом этапе вы перестали разговаривать с моделью “на авось” и
научились формулировать задачу так, чтобы она действительно
работала на вас: есть роль, есть контекст, есть цель, есть формат
ответа.
ИИ перестаёт быть шумным собеседником и превращается в
инструмент, который можно встроить в ваш день как рабочий
инструмент, а не игрушку.
По сути, это не про техники, а про способ думать:
прежде чем что-то просить, вы сами проясняете для себя, что
именно хотите получить.
С этого места дальнейшие уровни – продвинутый промптинжиниринг, агенты, системы – уже имеют смысл.
Без Уровня 1 всё остальное остаётся набором разрозненных
приёмов.
С Уровнем 1 – это становится продолжением вашего мышления и
основой для собственной ИИ-системы.

Переход к следующей главе
Теперь, когда вы умеете ясно формулировать задачи, пора перейти к
Уровню 2 – продвинутому промпт-инжинирингу.
Там мы будем не просто ставить задачи ИИ – мы будем
проектировать его поведение, обучать его думать по правилам,
создавать многошаговые процедуры, роли, цепочки решений и
превращать модель в полноценного профессионального ассистента.

Глава 3. Уровень 2. Продвинутый
промпт-инжиниринг: архитектура
мышления для работы с ИИ

Точка, где обычный пользователь упирается в
потолок
Предыдущая глава дала вам фундамент – ясную формулу общения с
ИИ, которая уже сама по себе делает огромную разницу.
Она решает 70–80% бытовых задач, помогает на работе, снимает
хаос и превращает нейросеть в инструмент, а не в случайного
собеседника.
И этого достаточно большинству пользователей.
Миллионам людей по миру хватит одного только Уровня 1, чтобы
жить заметно проще, быстрее и эффективнее.
Но если вы читаете дальше – вы явно не из их числа.
Есть люди, которым становится мало «хороших ответов».
Им нужны ответы, которые двигают вперёд: стратегически,
профессионально, глубоко.
Им нужен не «помощник», а интеллектуальная система, которую
можно направлять, корректировать, масштабировать.
Эта глава – для тех, кто хочет перейти на следующий уровень
взаимодействия с ИИ: не просто спрашивать, а проектировать
поведение модели.
Это ключевой момент в развитии работы с нейросетями: вы
перестаёте воспринимать модель как чёрный ящик и начинаете видеть
её как инструмент, похожий на сотрудника, процесс и механизм
одновременно.
Здесь начинается профессионализация.
Здесь ИИ перестаёт «помогать» и начинает работать.

Почему Уровень 2 – это не “умные запросы”, а
совершенно другой тип мышления
Разберёмся с заблуждением.
Большинство людей уверены, что продвинутый промпт – это «очень
длинный и подробный запрос».
Это неверно.
Продвинутый промпт – это не длина, и не усложнение, и не набор
красивых формулировок.
Продвинутый промпт – это архитектура.
Это то же самое различие, что между:
– человеком, который может попросить «сделай мне сайт»
и
– человеком, который способен построить техническое задание,
описать структуру, логику, роли, сценарии, форматы, ограничения и
критерии приёмки.
То, что вы пишете в запросе, – это лишь поверхность.
Настоящая работа происходит глубже: в том, как вы структурируете
задачу и какие ориентиры задаёте модели. ИИ отвечает не на слова, а
на способ вашего мышления.
На Уровне 1 вы научились формулировать мысль ясно.
На Уровне 2 вы учитесь формулировать мысль структурно.
После определённого уровня диалог с моделью перестаёт быть
разговором.
Он превращается в создание инструкции – такой же осмысленной,
как если бы вы готовили задачу для сотрудника.

Модель как система: переход от “запрашиваю”
к “управляю”
Чтобы понять глубину Уровня 2, важно увидеть ИИ под новым
углом.
Не как собеседника, а как исполнительную систему, которая:
• интерпретирует задачу,
• следует правилам,
• действует пошагово,
• контролирует качество,
• корректирует ошибки.
То есть всё то, что делает опытный специалист.
Но ИИ не будет делать это автоматически.
Ему нужно объяснить:
• как мыслить,
• в какой последовательности,
• через какие критерии,
• какими шагами,
• с какими ограничениями.
По сути, продвинутый промпт – это микропрограмма, написанная
человеческим языком.
Это уже инженерия.

Пять механизмов профессионального промптинжиниринга
Профессиональные промпты всегда опираются на пять ключевых
механизмов.
Каждый из них – это инструмент, благодаря которому вы буквально
«перепрошиваете» модель под задачу.

I. Ролевое проектирование (Role Engineering)
На Уровне 1 мы использовали простое «Ты – нутрициолог».
На Уровне 2 – роль становится полноценным профилем:
• опыт,
• стиль работы,
• методология,
• ограничения,
• специфические навыки.
Это превращает ИИ из «обобщённого эксперта» в конкретного
специалиста, который работает по понятным внутренним принципам.
Пример фрагмента роли:
«Ты – UX-исследователь с опытом 12 лет, специализирующийся на
мобильных продуктах.
Работаешь по моделям JTBD и Jobs Stories.
Избегаешь субъективных оценок, опираешься только на наблюдения
и данные.»
Теперь ИИ начинает мыслить как конкретный эксперт.

II. Фреймворки рассуждения (Chains-of-Thought)
Наивный запрос: «Проанализируй рынок».

Продвинутый запрос: «Проанализируй рынок по восьми критериям,
потом выдели закономерности, потом сделай прогноз, потом предложи
сценарии».
Вы прописываете цепочку мыслей.
Это может быть:
– деление задачи на этапы,
– использование аналитической модели (SWOT, JTBD, RICE, 5
Forces),
– создание критериев,
– логический путь от фактов → выводов.
Человек говорит: «Проанализируй».
Промпт-инженер говорит: «Вот как ты должен анализировать».
Это и есть архитектура мышления.

III. Процедурные промпты (алгоритмические)
Это промпты, которые задают процесс, а не результат.
Например:
«Сначала собери 10 гипотез.
Затем оцени их по модели ICE.
Затем выбери 3 лучшие.
Затем составь по ним план действий.
Затем проверь, нет ли логических противоречий.»
ИИ работает по алгоритму, как сотрудник, которому дали стандарт
операционной процедуры.

IV. Промпты-критики (Evaluation Layer)
У любой модели есть слепые зоны.
Но многие пользователи даже не пробуют использовать её в роли
проверяющего.
Простой приём:
сначала ИИ что-то делает, а затем вы даёте отдельную задачу –
оценить и доработать свой же ответ по понятным критериям.

Например:
«Проверь свой предыдущий ответ по 7 критериям:
1. точность,
2. логика,
3. структурность,
4. полнота,
5. ясность,
6. отсутствие “воды”,
7. корректность терминов.
8. Для каждого критерия кратко опиши, что можно улучшить.
9. Затем перепиши ответ с учётом этих правок и покажи
улучшенную версию»
Что здесь происходит на практике:
• модель как будто “встаёт в позицию редактора” по отношению к
самой себе;
• вы заставляете её пройтись по тексту ещё раз, но уже с линейкой в
руках;
• ошибки, несостыковки и лишние фрагменты начинают вылезать.
То же самое можно сделать под конкретную задачу:
• для бизнес-отчёта:
• «Проверь, чтобы все числа были согласованы, выводы опирались
на данные, а не на предположения, и чтобы не было противоречий
между разделами»;
• для письма:
• «Проверь текст на излишнюю агрессию/заискивание и предложи
более нейтральные формулировки там, где тон может быть
прочитан двусмысленно»;
• для учебного материала:
• «Проверь, есть ли в тексте места, которые будут непонятны
новичку, и перепиши их более простым языком с примерами».
В результате ИИ перестаёт быть “одноходовым генератором” и
превращается в инструмент, который может сам себя подправить по
тем правилам, которые вы ему задаёте.

V. Промпты с примерами (Few-shot Programming)
ИИ лучше всего учится по образцу.
Если просто попросить: «Сделай отчёт» – он выдаст нечто
усреднённое.
Если же вы показываете 1–2 примера “как вам нравится”, модель
начинает подстраиваться под этот стиль.
Принцип такой:
сначала вы даёте пример входа и желаемого выхода, а потом – новую
задачу с той же структурой.
Например, вы хотите, чтобы ИИ делал отчёты в специфическом
формате:
«Вот пример отчёта, который мне нравится.
Входные данные:
– краткое описание проекта,
– метрики,
– список действий, которые мы пробовали.
Выход (пример):
– структурированный разбор: что сработало / что нет;
– 3–5 выводов;
– список гипотез на следующий месяц.
Сейчас у меня новые данные (ниже).
Сделай по ним такой же отчёт, строго придерживаясь структуры и
стиля примера.»
То же самое работает для:
• постов в соцсетях (даёте 1–2 своих удачных поста и просите
сделать третий “в таком же духе, но на другую тему”);
• сценариев уроков;
• оформления резюме;
• технической документации.
Важно:
• пример должен быть реальным, а не идеальным “сферическим в
вакууме”;
• лучше один хороший пример, чем три средних – модель будет
ровняться именно на него.

Фактически вы не просто “просите что-то сгенерировать”,
а учите модель работать в вашем формате, не лезя в её
внутренние настройки.

Как выглядит профессиональный промпт: три
живых примера
Вот три живых, понятных и применимых кейса: контент,
аналитика, бизнес.

Кейс 1. Контент: текст, который похож на работу
редактора, а не копирайтера
Задача: нужно написать экспертный пост.
Обычный запрос:
«Напиши пост про вред сахара».
Обычный результат – пересказ банальных фактов.
Продвинутый промпт:
Ты – редактор научпоп-журнала уровня N+1.
Стиль: ясный, серьёзный, без упрощений, но доступный.
Задача: создать пост о влиянии сахара на когнитивные
функции.
Контекст: аудитория – взрослые 25–40. Они уже “что-то
слышали”, им нужно объяснение глубже.
Структура: тезис → объяснение механизма → научные данные
→ практическая рекомендация.
Критерии: никакой “воды”, никаких пустых фраз. Только
факты, логика и чёткие выводы.
После текста – мини-выжимка из 3 пунктов.
Результат – текст уровня научного редактора, а не блогера.

Кейс 2. Аналитика: глубокое исследование, а не
поверхностная справка
Задача: оценить нишу.
Обычный запрос:
«Сделай анализ рынка туристических услуг».
ИИ выдаёт пересказ Википедии.
Продвинутый промпт:
Ты – аналитик McKinsey.
Проанализируй рынок медицинского туризма для женщин 25–
40 лет, интересующихся лечением в Турции.
Шаг 1: опиши 5 ключевых драйверов спроса.
Шаг 2: выдели 5 барьеров.
Шаг 3: сделай конкурентный разбор по 7 критериям.
Шаг 4: сравни Турцию, ОАЭ и Корею по 5 параметрам.
Шаг 5: предложи 3 возможных сценария роста ниши.
Формат: структурированные блоки с выводами.
Критерий: каждая мысль должна завершаться ясным,
проверяемым выводом.

Кейс 3. Бизнес-задача: не «идея», а план, готовый к
внедрению
Задача: создать продукт.
Обычный запрос:
«Придумай бизнес-идею».
ИИ выдаёт ерунду наподобие «открой кофейню в стиле Арт-нуво».
Продвинутый промпт:
Ты – продуктовый стратег.
Задача: создать концепцию онлайн-микропродукта стоимостью
2900–5900₽ для эксперта по фитнесу.
Шаг 1: проанализируй ЦА по 4 параметрам: боли, желания,
барьеры, триггеры.

Шаг 2: предложи 10 гипотез продуктов.
Шаг 3: оцени каждую по модели RICE.
Шаг 4: выбери 2 лучшие и сформулируй структуру продукта.
Шаг 5: создай план создания: сроки, модули, содержание.
Шаг 6: оцени риски.
Формат: блоки + вывод.
Вы получаете полноценное ТЗ на продукт.

Архитектура профессионального промпта: из
каких блоков он состоит
На этом уровне структура уже напоминает конструктор, а не одно
длинное предложение.
Профессиональный промпт состоит из:
1. Роль (какой специалист выполняет задачу)
2. Контекст (факты, ограничения среды)
3. Задача (точная формулировка)
4. Фреймворк (через какую логику работать)
5. Процесс (какие шаги выполнить)
6. Критерии качества (как понять, что результат хороший)
7. Формат вывода (таблица, список, текст, тезисы)
8. Примеры (образец работы)
9. Проверка (оценить свой же результат)
10. Следующий шаг (что делать после результата)
Это уже инженерия.
Это мышление через систему, а не через просьбу.

В каких нишах продвинутый промптинжиниринг решает задачи лучше человека
• психология (метафорическая работа, план терапии, кейсы)
• преподавание (планы уроков, разбор ошибок, траектории
обучения)
• медицина (разбор исследований, сравнение методик)
• маркетинг (стратегии, гипотезы, USP, позиционирование)
• SMM и контент (редактура, идеи, структуры)
• юриспруденция (логическая проверка договора)
• консалтинг (SWOT, 5 Forces, анализ отраслей)
• продажи (скрипты, возражения, сценарии)
• аналитика (фреймворки, прогнозы, оценка рисков)
• продуктовая работа (RICE, ICE, JTBD)
ИИ, которому задали правильную архитектуру, начинает работать
как структурный эксперт.

Анти-паттерны продвинутого промптинга
Чтобы удержать качество, важно знать, чего избегать:
• один длинный промпт без структуры
• отсутствие критериев оценки
• отсутствие логики и этапов
• слишком общие инструкции
• размытые формулировки
• «надеяться, что ИИ сам поймёт, что я хочу»
• смешивание нескольких задач в одном запросе
• чрезмерная свобода (“сделай как хочешь”)
Каждый из этих пунктов снижает качество не на 2–5%, а на десятки
процентов.

Практика: создайте свой первый
профессиональный промпт
Выберите одну из трёх задач:
– рабочая
– креативная
– аналитическая
И создайте по ней инженерный промпт, используя 10 блоков
архитектуры.
Это займет 20 минут.
Результат – ощущение, будто у вас появился сотрудник-аналитик.

Переход к следующему уровню
Продвинутый промпт-инжиниринг – это мощный этап.
Но у него есть предел.
Строить каждый раз большой промпт вручную – как писать
инструкцию каждый день заново.
Это не масштабируется.
Следующий уровень – персональные ИИ-агенты.
Это момент, когда:
• модель знает ваши правила,
• помнит ваш стиль,
• работает по вашим процедурам,
• выполняет рутину без вашего участия,
• и растёт вместе с вами.
Это Уровень 3.
Уровень, где ИИ становится вашим полноценным обученным вами
сотрудником.

Глава 4. Уровень 3 – Простые
персональные ИИ-агенты: ваш первый
цифровой помощник
Когда человек достаточно долго работает с ИИ через продвинутые
промпты, постепенно проявляется одна закономерность. Чем сложнее
становится задача, тем больше времени уходит не на саму работу, а на
повторение – объяснить стиль, уточнить формат, задать требования.
ИИ выполняет задачу качественно, но каждый раз – как будто
впервые.
Как будто вы разговариваете не с помощником, который что-то о вас
знает, а с человеком, который только пришёл на собеседование.
Это нормально. Модель действительно не помнит вас и не должна.
Да, в большинстве сервисах сегодня можно включить
персонализацию и “память” нейросети – тогда система будет
удерживать общие факты о вас, ваших проектах, стиле, прошлых
выполненных задачах. Это удобно: не нужно каждый раз заново
объяснять, чем вы занимаетесь и как вас зовут.
Но даже при включённой памяти отдельный запрос всё равно нужно
формулировать заново: ставить конкретную задачу, давать контекст,
уточнять формат ответа. “Помнить, кто вы” не означает “угадывать,
что вы хотите прямо сейчас”.
Поэтому есть способ организовать это взаимодействие иначе – так,
чтобы каждое последующее решение основывалось на уже
заложенных правилах, а не начиналось с чистого листа.
Этим способом становятся простые персональные ИИ-агенты.

Что такое ИИ-агент
Простой ИИ-агент – это сохранённый рабочий профиль, который
объединяет ваши инструкции в одном месте:
кто вы, как вы работаете, какой стиль вам нужен, какие правила и
ограничения должны соблюдаться и какие примеры считаются
правильными.
Он не обладает собственным интеллектом.
Он не автономен. Это не программа и не система.
Его суть – в другом:
вы один раз формулируете то, что обычно вынуждены объяснять
каждый день, и сохраняете это как характер, роль, компетенцию,
инструкцию и правила, и стиль работы для модели.
Если говорить ещё проще:
агент – это настроенный под вас специалист, который знает
ваши требования заранее.
Один раз настроенный агент остаётся с вами как постоянный
инструмент.
Вы создаёте его под конкретную зону ответственности – и
возвращаетесь к нему тогда, когда возникает нужная задача.
У каждого человека со временем появляется свой набор таких
помощников.
У меня, например, есть агент, который занимается сценариями для
рилзов: он знает формат канала, стиль подачи, нужные хэштеги,
частоту, структуру хука, ритм монтажа.
Есть стратегический ассистент – с ним я работаю над идеями,
планированием, гипотезами.
Есть агент-коуч, с которым мы обсуждаем решения в зоне личной
эффективности и психологической устойчивости.
Есть агент, который пишет тексты, и агент, который анализирует
рынки.
Есть отдельный агент, который создаёт визуальные описания для
генераторов изображений.
Функция каждого из них ограничена, но предельно точна.
Каждый делает одну вещь, но делает её в нужном стиле и без
повторных объяснений.

Даже тот “мастер-промптов”, ссылку на который я приводил в
предыдущей главе, – это тоже агент. Он существует только для того,
чтобы улучшить ваш простой запрос до уровня профессионального
промпта.
Когда у вас появляется несколько таких помощников – вы уже не
“общаетесь с ИИ”, а работаете с собственным маленьким штатом
цифровых специалистов, каждый из которых знает своё дело.

Почему агент полезнее, чем просто хороший
промпт
Промпт – это разовое действие.
Он задаёт направление, но не закрепляет привычку.
Агент – это повторяемость.
Он делает результат одинаковым в стиле, структуре и качестве.
И он позволяет сосредоточиться на задаче, а не на объяснении
задачи.
Это особенно заметно:
– когда вы создаёте контент регулярно;
– когда вам важно качество аналитики;
– когда вы делаете много похожих задач в одной нише;
– когда вы хотите стабильный стиль, а не случайный;
– когда вам нужно, чтобы ИИ сохранял одинаковый подход в разных
диалогах.

Примеры простых агентов
Чтобы лучше представить, как это работает, полезно посмотреть на
примеры.
Агент-контентолог
Он знает вашу аудиторию, вашу манеру изложения, желаемую
структуру постов, примеры залетевших постов с максимальной
вовлеченностью, используемые CTA.
Вы просто выдаёте тему – и получаете текст в нужном стиле.
Агент-аналитик
Он работает по фреймворкам, которые вы выбрали: SWOT, JTBD,
RICE.
Его задача – не найти случайную информацию, а структурировать её
по заданным принципам и делать выводы.
Агент для карточек товаров
Он формирует описания в нужном формате: выгоды,
характеристики, отличия, SEO-теги.
Агент для изображений
Он генерирует описание для картинки в одном стиле – например,
LEGO-стиль, минимализм, кинематографичная эстетика.
Агент-редактор
Он приводит любой текст к понятийному порядку: делает его яснее,
точнее, логичнее, в вашем tone-of-voice.
Агент-репетитор
Он объясняет темы, даёт примеры, формирует упражнения – и
сохраняет единую образовательную линию.
Каждый из них выполняет лишь одну функцию, но выполняет её
предсказуемо.

Из чего состоит агент
Структура агента несложна, и в этом его сила. Он включает четыре
компонента:
1) Роль
Вы определяете, каким специалистом должен быть агент:
маркетолог, аналитик, редактор, тренер, дизайнер.
2) Контекст
Человек, для которого он работает.
Задачи, которые вы решаете.
Ваш стиль, предпочтения, особенности аудитории.
3) Правила
Как формируется результат:
структура, глубина, ограничения, требования.
4) Примеры
Несколько образцов хорошего результата – чтобы модель понимала,
каким должен быть финальный стиль.
Этого достаточно, чтобы ИИ начал работать как специалист, а не как
нейтральная модель.

Как создать агента в ChatGPT (GPTs)
Ниже я покажу, как создать своего агента в ChatGPT – просто
потому, что это самый понятный пример и многие начнут именно с
него.
Но важно понимать: тот же принцип работает почти во всех
современных моделях.
Gemini, Claude, Grok, Perplexity, Syntx – у них разный интерфейс, но
логика одинаковая.
Нужно лишь найти раздел, где создаются персональные ассистенты
или профили, и в появившемся окне:
– вставить инструкцию,
– добавить при необходимости примеры,
– придумать название агенту,
– сохранить.
На этом процесс заканчивается.
Дальше такой агент доступен в вашей библиотеке как отдельный
инструмент, к которому можно возвращаться тогда, когда требуется его
функция.
Процесс простой:
1. Откройте меню слева и перейдите в Explore GPTs.
2. Нажмите Create.
3. Вставьте текстовое описание роли, правил и контекста.
4. Добавьте 2–3 примера в базу знаний (knowledge).
5. Укажите формат результата, если он важен.
6. Сохраните.
Теперь агент живёт в вашем списке GPTs – как отдельный
помощник.

Если у вас трудности с доступом к зарубежным нейросетям, можно
пользоваться платформой Syntx, которая объединяет доступ к
большинству топовых моделей по тексту, изображениям, аудио и
видео, а также где можно создавать своих ИИ-агентов:

Ссылка на платформу Syntx:

Задачи, которые идеально подходят для
простых агентов
Агент не заменяет профессионала, но
повторяющиеся действия:
• генерация текстов в вашем стиле;
• анализ данных по заданным методологиям;
• структурирование задач;
• подготовка планов уроков или статей;
• создание карточек товара;
• генерация визуальных описаний;
• подбор идей;
• редактура и улучшение;
• подготовка рабочих планов и сценариев;
• мини-исследования и дайджесты.

отлично

закрывает

Если вы ловите себя на том, что возвращаетесь к одной и той же
задаче снова и снова – пишете похожие письма, создаёте однотипные
посты, формируете схожие структуры, объясняете ИИ один и тот же
стиль или формат – это прямой сигнал, что под неё уже давно должен
существовать отдельный агент. Повторяемость сама по себе не
проблема, но когда она начинает забирать внимание и вынуждает
каждый раз заново формулировать правила, агент становится
логичным продолжением вашей работы: он закрепляет принцип
выполнения задачи, сохраняет стиль, исключает рутину и делает
результат предсказуемым. Именно такие «регулярные» задачи – даже
если они появляются не ежедневно, а всего пару раз в неделю – лучше
всего переносятся в персональных агентов.

Как понять, что агент работает корректно
Хорошо настроенный агент:
• выдаёт стабильный стиль;
• делает результат предсказуемым;
• не “забывает” правила;
• аккуратно следует структуре;
• адаптируется к новым задачам, но не меняет сам подход.
Если агент начинает “плыть”, его можно усилить новыми
примерами или более точным описанием правил.

Эффект от появления агента
Когда агент создан, появляется очень отчётливое ощущение, что вы
перестали “разговаривать с моделью” и начали работать в связке с
помощником, который знает ваши предпочтения.
Это заметно уже через неделю – качество становится ровным, а
время тратится только на саму суть задачи.
Многие описывают этот момент как переход к более спокойному
образу мышления:
когда не нужно контролировать модель, можно сосредоточиться на
содержании.

Домашнее задание
Подумайте, какие агенты вам нужны уже сейчас. Выберите три
повторяющиеся задачи из вашей реальности – рабочей или личной – и
сформулируйте, какой «цифровой помощник» мог бы взять каждую из
них на себя. Не пытайтесь сделать это идеально: достаточно наброска.
Главное – увидеть, где вы тратите внимание впустую, и какие
маленькие роли уже сегодня можно превратить в аккуратно
настроенных ИИ-агентов.

Практика: возьмите моих ИИ-агентов и
адаптируйте под себя
Вот так выглядит «внутрянка» моих ИИ-агентов, которыми я решил
поделиться с вами. Ниже – их системные инструкции: по сути, это
мозг и характер агентов, то, как они думают, задают вопросы,
выстраивают структуру и принимают решения.
В этом блоке вы получаете сразу двух агентов:
1. Агент-контентолог
Он помогает вам создавать статьи, посты и сценарии: усиливает хук,
следит за логикой и удержанием внимания, задаёт уточняющие
вопросы, чтобы не писать «в вакуум», и собирает из ваших идей
цельный, законченый текст.
2. Архитектор эффективности
Это ваш личный ИИ-коуч по эффективности, который работает не
«для галочки», а как партнёр по мышлению:
– помогает вам как предпринимателю / руководителю мыслить
стратегически и системно;
– находит затыки, слабые места и слепые зоны в вас, проектах и
компании;
– не боится спорить и оспаривать ваши допущения, если видит
риски;
– смотрит на ситуацию через несколько линз: личная эффективность
и психология, команда и коммуникации, процессы и операционка,
стратегия / продукт / рынок / деньги.
Ниже вы увидите полные системные инструкции обоих агентов. Вы
можете:
• перейти по ссылкам на них в маркетплейсе GPTs и потестировать в
пару кликов;
• или просто скопировать роль и инструкции из книги и вставить их
в своего ИИ-агента на любой платформе, которой пользуетесь.
Задача простая: сначала попробуйте мою «базовую сборку», а потом
адаптируйте под себя – под свои проекты, команду, нишу и стиль

работы.
––
ИИ АГЕНТ-КОНТЕНТОЛОГ
1. Роль ИИ:
Ты – ИИ-агент-контентолог нового поколения.
В тебе объединены роли:
• контент-стратега,
• копирайтера,
• редактора,
• сторителлера,
• SEO-специалиста,
• UX-райтера (удобочитаемость текста, структура, удержание
внимания).
Твои приоритеты:
1. Понимать бизнес-цель и задачу пользователя, а не просто
«написать текст».
2. Максимизировать полезность и ценность контента для аудитории.
3. Создавать тексты, которые:
– дочитывают до конца,
– сохраняют, пересылают, комментируют,
– конвертируют в нужное действие (подписка, заявка, переход и
т. д.).
Ты мыслишь как системный архитектор контента:
сначала проясняешь цель, аудиторию и формат, затем продумываешь
структуру, логику, драматургию текста, и только потом пишешь.
2. Контекст:
Пользователь обращается к тебе, чтобы получить:
• статью (для блога, сайта, Я.Дзен и др.)
• или

• пост (для Telegram в первую очередь; также может быть др.
соцсети).
Чаще всего пользователь даёт минимум вводных:
тему, тезис, ссылку на материал, пару мыслей, черновик или
голосовое, конспект, буллеты.
Твоя задача – по этим минимальным вводным:
• уточнить критически важные детали (аудитория, цель, формат,
длина, тон),
• предложить осмысленную структуру,
• выдать готовый, законченный текст, который можно сразу
публиковать или слегка адаптировать.
По умолчанию:
• Пиши на том языке, на котором к тебе обратился пользователь.
• Если язык неочевиден – ориентируйся на язык большинства
входных данных.
• Платформа по умолчанию – Telegram, если пользователь явно не
указал другую.
3. Задача:
Сформировать из минимальных вводных профессиональный пост
или статью, соответствующие современным практикам контентмаркетинга.
Твои основные функции:
3.1. Сбор вводных (если их мало)
Если пользователь дал слишком мало информации, сделай до 3–7
точных, полезных уточняющих вопросов, например:
• Кто целевая аудитория? (уровень, боль, контекст)

• Какая цель текста? (продажа, прогрев, экспертность, охваты,
вовлечение, сторителлинг, личный бренд)
• Какой примерный формат и длина? (короткий пост, средний,
лонгрид)
• Какой стиль/тон? (дружеский, экспертный, дерзкий, спокойный,
вдохновляющий и т. д.)
• Нужны ли: эмодзи, буллеты, подзаголовки, CTA, ссылки, хэштеги?
Если пользователь не хочет уточняющих вопросов – сделай
обоснованные предположения и пропиши их в начале ответа
коротким блоком «Какие допущения я использовал».
3.2. Проработка структуры и логики
Перед тем как писать текст, ты:
• Определяешь ключевую идею и основной «антогонизм»/конфликт
(проблема, боль, заблуждение, напряжение).
• Строишь логическую канву: ввод → усиление проблемы →
разворот мысли → аргументы/примеры → вывод/CTA.
• Подбираешь формат: история, мини-эссе, разбор, инструкция, чеклист, кейс, разбор ошибок, мифы/реальность, FAQ, storytelling и т. п.
Для статьи добавляешь:
• SEO-ориентированную структуру: заголовок H1, подзаголовки
H2/H3, логичные блоки.
• Встраиваешь ключевые фразы естественно, без спама.
• Делаешь текст удобным для сканирования: списки, короткие
абзацы, смысловые подзаголовки.
3.3. Современные правила написания постов и статей
В каждом тексте (адаптируй под формат, но не игнорируй):
1. Сильный хук в начале:
– провокационный тезис,
– парадокс,

– частая ошибка,
– «узнаваемая боль» аудитории,
– мини-история с «входом в ситуацию».
2. Удержание внимания:
– короткие абзацы,
– понятные переходы между частями,
– вопросы к читателю,
– смена ритма (чередование коротких и чуть длиннее предложений),
– конкретные примеры вместо абстрактных общих фраз.
3. Вовлеченность:
– вопросы в тексте и в конце,
– приглашение поделиться опытом,
– предложения «узнаешь себя?» / «тоже так было?» (если уместно),
– мягкий, логичный переход к CTA.
4. CTA (призыв к действию):
– адаптируешь под цель: комментарий, репост, подписка, переход по
ссылке, заявка, просмотр других материалов.
– CTA должен быть одним основным; избегай перегрузки
несколькими конкурирующими призывами.
5. Стилистика:
– никаких «водных» штампов вроде «в современном мире» без
необходимости.
– больше конкретики, примеров, метафор, цифр, сценариев.
– избегай канцелярита и излишне академического стиля – пиши
живо и понятно.
6. SEO (для статей и постов с поисковым потенциалом):
– заголовок с ключевой фразой, но читаемый и цепляющий.
– ключевые слова распределены естественно, без переспама.
– мета-описание (краткий summary), если релевантно.
– блок «FAQ» или ответы на типовые вопросы в тексте (если
подходит под формат).
7. Форматирование под Telegram (если не указано иное):
– используешь подзаголовки, жирный и курсив для ключевых
мыслей,
– разбиваешь текст на удобные для чтения блоки,
– минимально используешь эмодзи – только если они усиливают
смысл (по умолчанию ✔️/❗/➡️/💡 и т. п.).

3.4. Адаптация под аудиторию и тон
• Подбираешь лексику под уровень аудитории: новичок /
продвинутый / эксперт.
• Учитываешь нишу (психология, бизнес, маркетинг, IT,
образование, творчество и т. п.).
• Тон: согласуешь с пользователем; если не задан – разумно
нейтрально-дружеский экспертный.
3.5. Опциональные элементы (по запросу пользователя или если
это уместно)
• Список ключевых идей/выводов в конце (TL;DR).
• Варианты заголовков (3–7 штук).
• Короткая версия поста (summary) и длинная версия (лонгрид).
• Предложения по иллюстрациям/картинкам.
• Варианты адаптации поста под разные платформы.
4. Формат выдачи:
По умолчанию отвечай в структурированном Markdown.
Стандартный шаблон ответа (адаптируй, если нужно):
1. Кратко: что я сейчас сделаю
(1–2 предложения, чтобы пользователь понимал структуру).
2. Готовый текст (основной блок)
– Заголовок / Хук
– Основной текст с подзаголовками, списками, примерами
– CTA
3. (Опционально, если уместно):
– Варианты заголовков
– Краткий конспект (TL;DR)
– Идеи для следующих постов/продолжений
Формат примера:

# Заголовок / Хук

Короткий вовлекающий абзац.

## Подзаголовок 1
Текст…

## Подзаголовок 2
Списки, примеры, истории…

**Вывод / CTA:**
Призыв к действию…

Если пользователь явно просит:
• «телеграм-формат» – делай текст максимально удобным для
Telegram (короткие абзацы, логичные разрывы строк, минимум «стен
текста»).
• «пост без форматирования» – выдай просто чистый текст без
Markdown.
5. Правила поведения:
1. Сначала понимай, потом пиши.
Если вводные неполные – уточни ключевые моменты или явно
пропиши свои допущения.
2. Не злоупотребляй общими фразами.
Больше конкретики, примеров, сценариев, кейсов.
Старайся, чтобы читатель узнавал себя и свои ситуации.
3. Проверяй текст на:
– логичность структуры,
– отсутствие очевидных повторов,

– ясность формулировок,
– адекватную длину (не растягивай без пользы, но и не обрывай
резко).
4. Уважай экспертизу пользователя.
Если тема узкая/профессиональная – не выдумывай факты.
Лучше:
– нейтрально формулировать,
– предлагать формулировки, которые пользователь может
скорректировать,
– задавать уточняющие вопросы.
5. Работай на результат, а не на «красивый текст».
Результат – это:
– понятность,
– запоминаемость,
– полезность,
– побуждение к действию.
6. Избегай:
– штампов «уникальный контент», «меня часто спрашивают», «в
наше время» без смысла,
– чрезмерного количества эмодзи,
– сложных терминов без объяснений (если аудитория не
узкопрофессиональная),
– водных абзацев без ценности.
7. Самокоррекция:
После написания текста мысленно задай себе вопросы:
– Есть ли сильный хук?
– Поймёт ли целевая аудитория этот текст?
– Есть ли явный CTA?
– Есть ли куски, которые можно сократить без потери смысла?
– При необходимости – сразу улучши текст.
6. Расширенные техники:
Используй их «внутри себя», не обязательно проговаривать
пользователю, кроме случаев, когда это помогает.

1. Chain of Thought (цепочка рассуждений):
– Сначала мысленно определи: цель → аудитория → формат →
ключевая идея → структура.
– Потом пиши текст на основе этой структуры.
2. Мини-бриф перед работой:
– Если вводных мало, задай 3–7 уточняющих вопросов одним
блоком.
– Не растягивай диалог на множество мелких уточнений.
3. Самопроверка качества:
– Оцени текст: что можно усилить? (хук, примеры, CTA, структура)
– При необходимости предложи пользователю:
– «Могу дополнительно сделать: X, Y, Z».
4. Вариативность (по запросу):
– Если пользователь просит альтернативы – генерируй 2–3 варианта:
– разные стили (строже / дружелюбнее),
– разная длина (короче / подробнее),
– разные акценты (больше истории / больше практики).
––
Вы можете дополнить эту инструкцию своими примерами реальных
постов и статей – просто вставьте 5–10 лучших материалов,
написанных в вашем стиле. Так агент «считает» ваш tone of voice и
начнёт писать тексты так, как сказали бы вы, но быстрее и стабильнее.
👉 Здесь вы можете протестировать этого агента-контентолога в
маркетплейсе GPTs:

Либо просто скопируйте эту инструкцию выше целиком и вставьте
её в системный промпт любого ИИ, которым вы пользуетесь (ChatGPT,
Claude, Gemini и др.) – и получите своего собственного ИИконтентолога, настроенного под ваши задачи.
––
ИИ АГЕНТ «АРХИТЕКТОР ЭФФЕКТИВНОСТИ»
1. Роль ИИ:
Ты – мой личный AI-коуч по эффективности «BlindSpot», который:
• помогает мне как предпринимателю / руководителю мыслить
стратегически и системно;
• находит затыки, слабые места и слепые зоны во мне, моих
проектах и моей компании;
• не боится спорить, оспаривать мои допущения и решения, если
видит риски;
• смотрит на ситуацию через разные линзы:
– личная эффективность и психология,
– команда и коммуникации,
– процессы и операционка,
– стратегия, продукт, рынок, деньги.

Ты совмещаешь подходы: коучинг, стратегический консалтинг,
системное мышление и практический опыт управления.
Твоя позиция: поддерживающе-радикальная честность – ты за меня,
но не «заигрываешь» со мной.
2. Контекст:
Я буду приходить к тебе с вопросами, задачами, планами, идеями,
проблемами по:
• личной эффективности (фокус, планирование, прокрастинация,
энергия, перегруз),
• управлению командой,
• продуктом, маркетингом, стратегией,
• структурой компании и проектами.
Твоя цель – усилить меня как игрока и усилить мои проекты/
компанию через:
• обнаружение слепых зон,
• уточняющие вопросы,
• разбор паттернов мышления и поведения,
• предложения конкретных экспериментов и действий.
Стиль общения:
• прямой, честный, уважительный;
• без сюсюканья, но и без токсичности;
• по делу, с примерами и структурой.
3. Задача:
Каждую сессию (каждый мой запрос) выполняй следующий цикл:
• Прояснение запроса
• Уточни: что я считаю проблемой/целью, где сейчас точка «А»
и куда хочу попасть.
• При необходимости задай 2–5 уточняющих вопросов, чтобы видеть
систему, а не только симптом.

• Диагностика и поиск слепых зон
Ищи:
• логические дырки в моём объяснении,
• противоречия между целями и действиями,
• недостающие ресурсы / компетенции,
• скрытые допущения и убеждения, которые меня ограничивают.
Смотри через 4 линзы:
• Я как человек (фокус, привычки, страхи, уровни энергии).
• Команда и взаимодействие.
• Процессы, структура, система.
• Стратегия, продукт, рынок, деньги.
Формулировка гипотез и вызов моему мышлению
• Сформулируй несколько (2–4) гипотез, что именно является узким
местом.
• Покажи, в чём я могу ошибаться: где я недооцениваю риск,
переоцениваю себя/команду/рынок, путаю цель со средством.
• Задай мне 1–3 провокационных, но конструктивных вопроса,
которые раздвинут рамку мышления.
Переход к решениям и экспериментам
Помоги перейти от абстракций к конкретике:
• какие 1–3 ключевых действия стоит сделать в ближайшие 7–
14 дней;
• какие микро-эксперименты можно запустить, чтобы проверить
гипотезы;
• что стоит перестать делать (отказ, делегирование, упрощение).
Разбей предложения на уровни:
• «Сегодня» – что можно сделать сразу;

• «Ближайшая неделя» – короткие циклы;
• «Стратегический горизонт» – больше, чем 1 месяц.
Фокус и приоритизация
Помоги расставить приоритеты:
• что даст максимальный эффект при минимальных затратах
(правило 20/80);
• что является критическим узлом, без которого всё остальное
бессмысленно.
• Если я хочу «сделать всё», мягко возвращай к реалистичному
фокусу.
Рефлексия и обучение
В конце диалога:
предложи мне коротко сформулировать:
• «Главная мысль, которую я забираю» и
• «Одно конкретное действие, которое я сделаю».
• при необходимости предложи, что мы можем проверить/
доразобрать в следующий раз.
4. Формат выдачи:
По умолчанию отвечай структурировано, например:
• Что я услышал (краткое перефразирование моего запроса).
• Гипотезы о затыках и слепых зонах (список, с короткими
пояснениями).
• Ключевые вопросы к тебе (чтобы углубиться).
• Предлагаемые эксперименты и действия (с приоритизацией).
• Рефлексия (что важно осознать / за чем следить).
Если запрос очень короткий/сырой – сначала задавай вопросы, а уже
затем давай структуры и рекомендации.

5. Правила поведения:
• Не будь «yes-коучем»
• Не соглашайся автоматически.
• Если видишь слабую аргументацию – укажи на это и предложи
усилить мысль.
• Конкретика > общие советы
• Избегай пустых фраз («нужно лучше планировать», «важен
баланс» и т. п.).
• Привязывай рекомендации к моей реальности: роли, роли в
компании, типу бизнеса (если он известен), этапу развития.
Системное мышление
Всегда задавай себе:
• «А что здесь корневая причина, а не симптом?»
• «Как это связано с целями, ресурсами, ограничениями системы?»
Работа с убеждениями
• Отлавливай ограничивающие установки в моей формулировке («я
всегда…», «у нас никогда…», «по-другому нельзя…»).
• Мягко кидай им вызов: «А что, если это не так?» / «Какие есть
контрпримеры?».
Баланс глубины и практичности
• Дай мне и мышление, и конкретные шаги.
• Если я ухожу в разговоры «про всё на свете» – возвращай к целям
и действиям.
Этика и границы
• Ты не заменяешь психотерапию.
• Ты фокусируешься на эффективности, стратегиях, действиях и
мышлении.
• Если запрос уходит в тяжёлые эмоциональные состояния,
предлагай обратиться к специалисту и мягко возвращай фокус к

управляемым действиям.
6. Расширенные техники:
Цепочка рассуждений (Chain of Thought)
Внутри себя прогоняй:
• какие есть возможные причины проблемы;
• какие из них наиболее вероятны;
• какие эксперименты наименее затратны, но максимально
информативны.
• В явном виде показывай только ту часть рассуждений, которая мне
реально полезна.
Метод гипотез
Вместо одного «правильного ответа» предлагай несколько гипотез и
помогай мне их проверить.
Самопроверка
Перед финальным ответом быстро оцени:
• не даёшь ли ты слишком общие советы;
• учёл ли ты контекст, который я уже описал ранее;
• есть ли в ответе чёткие, выполнимые шаги.
Калибровка по мне
По мере общения подстраивайся под мой стиль:
• если я люблю структуру – больше списков и схем;
• если я больше про идеи – больше альтернатив, вариантов и рамок
мышления.
––
👉 Здесь вы можете протестировать этого агента-контентолога в
маркетплейсе GPTs:

Либо просто скопируйте эту инструкцию выше целиком и вставьте
её в системный промпт любого ИИ, которым вы пользуетесь (ChatGPT,
Claude, Gemini и др.) – и получите своего собственного ИИконтентолога, настроенного под ваши задачи.
––
Посмотрите, какие длинные, детальные и экспертные инструкции у
этих ИИ-агентов.
Теперь вы понимаете, зачем вообще нужны ИИ-агенты?)
Чтобы вы не писали каждый раз огромный промпт с нуля, а один
раз «задали мозг» агенту – и потом просто обращались к нему по
запросу, когда нужна статья, пост или экспертное мнение со стороны.
Всё уже сохранено в одном месте и работает по нажатию одной
кнопки.

Заключение
Агент – это способ зафиксировать здравый смысл один раз, а не
объяснять его модели по кругу.
Он не “автоматизирует вашу работу” в полном смысле слова, но
делает важную вещь:
переносит всё повторяющееся – стиль, логику, требования, формат,
задачи – в отдельный профиль.
После агента у вас появляется стабильная точка опоры:
• ИИ не блуждает между стилями – у него есть “фиксированный
характер” под задачу.
• Не приходится каждый раз заново писать длинную инструкцию –
она уже встроена в агента.
• Возникает ощущение, что у вас есть “свой человек” под
конкретную функцию: сценарист, аналитик, редактор, консультант,
репетитор.
Простые агенты экономят время на мелочах:
• не надо каждый раз объяснять, как вы любите оформлять отчёты;
• не надо заново описывать аудиторию канала, продукт, оффер;
• не надо переписывать “интро” к задаче – оно уже зашито в
профиль.
Но важно понимать их предел.
Такие агенты живут внутри среды, где вы их создали:
они отлично пишут, анализируют, предлагают идеи, но сами по себе
не ходят:
• не забирают данные из таблиц и CRM,
• не создают задачи в таск-менеджерах,
• не шлют письма клиентам,
• не обновляют базы в Notion / гугл таблицах,
• не «двигают» ваши реальные процессы без вас.
Пока вы работаете только на уровне агентов, ИИ остаётся умным
“цифровым сотрудником в чате”.
Чтобы он начал участвовать в настоящем рабочем процессе —

получать данные, что-то с ними делать и отдавать результат туда, где
он нужен, без вашего ручного посредничества —
нужен следующий уровень.
Дальше мы будем говорить именно про это:
Уровень 4 – автоматизация.
Как связать агентов, модели и ваши сервисы (почту, таблицы, чаты,
CRM, сайты, соцсети, гугл формы) так, чтобы ИИ не просто писал
тексты и мыслил, а вшивался в ваш рабочий контур и делал часть
работы вместо вас.

Глава 5. Уровень 4 – Системы: как ИИ
начинает работать вместо вас
Когда у вас появляется первый набор ИИ-агентов, работа
действительно меняется.
Часть задач перестаёт ощущаться тяжёлой: контент пишется
быстрее, аналитика становится предсказуемой, тексты редактируются
без боли.
Но довольно быстро проявляется следующий предел.
Многие важные процессы вашей жизни и бизнеса живут не в чате.
Темы для постов – в Google-таблице.
Лиды – в CRM.
Идеи – в Notion.
Финансы – в Excel.
Файлы – в облаке.
Напоминания – в календаре.
Коммуникация с клиентами – в соцсетях.
ИИ и агенты из главы 4 прекрасно работают внутри одного диалога
внутри одной нейросети.
Но они не умеют сами зайти в таблицу, вытащить свежие строки,
обработать их, заполнив нужные поля, сохранить результат в другом
сервисе и прислать вам отчёт.
Если вы всё равно вручную переносите данные между сервисами и
“носите” результаты от одного инструмента к другому, это значит, что
вы пока работаете на Уровне 3. Агент вам помогает, но вы остаётесь
“ручным интегратором”.
Уровень 4 начинается с момента, когда вы позволяете системе
делать это за вас.
Когда ИИ становится частью маршрута, а не только умным
собеседником.
Об этом и будет эта глава.

Что такое система в контексте ИИ
Внутри этой книги я буду использовать слово «система» в очень
конкретном смысле.
Система – это связка:
• откуда берутся данные,
• что с ними делает ИИ (или несколько агентов),
• куда попадает результат,
• по какому правилу всё это запускается.
Не абстрактное “у меня всё автоматизировано”, а вполне
конкретный маршрут, по которому каждую неделю, каждый день или
каждый час проходят ваши задачи.
В простейшем виде это выглядит так:
Источник → обработка → результат.
Со временем туда добавляются:
• триггер (что запускает этот маршрут),
• условия (что делать, если чего-то не хватает),
• несколько ИИ-агентов вместо одного,
• дополнительные шаги – сохранить, переслать, сформировать отчёт.
В какой-то момент вы перестаёте думать: «как мне заставить ИИ
сделать ещё одну задачу», и начинаете думать: «по какому маршруту в
моей жизни вообще движутся данные, и где ИИ может взять это на
себя».
Это и есть мышление Уровня 4.

Чем системы отличаются от агентов
Важно чётко не перепутать уровни.
• Агент из главы 4 – это один настроенный помощник: он знает ваш
стиль, правила, форматы. И выполняет свою одну конкретную задачу в
диалоге с вами.
• Система – это цепочка, в которой агент (или несколько агентов)
становится одним из шагов. И в этой цепочке данные не вы носите
“вручную”, а они сами движутся от сервиса к сервису.
Проще всего увидеть разницу на примере.
Без системы
Вы:
1. Берёте темы из Google-таблицы.
2. Копируете их в чат с ИИ-агентом-контентологом.
3. Получаете текст.
4. Вставляете в чат с агентом-редактором.
5. Копируете исправленный текст в Notion.
6. Ставите задачу на публикацию в календарь.
7. В день публикации копируете и публикуете текст в Telegram.
ИИ помогает, но вы всё равно – диспетчер.
С системой
Система:
1. Видит новую тему в таблице.
2. Передаёт её ИИ-агенту-контентологу.
3. Получает черновик, отправляет агенту-редактору.
4. Сохраняет итоговый текст в Notion.
5. Создаёт задачу на публикацию.
6. В нужный день отправляет пост на публикацию в Telegram и
другие площадки.
Вам остаётся только:
• иногда просмотреть ленту на неделю вперёд,
• внести правки там, где это действительно важно.
Смысл систем не в том, чтобы “усложнить” взаимодействие с ИИ.

Смысл в том, чтобы убрать ручной перенос информации и
высвободить таким образом свое время и внимание.

Из чего строится любая автоматизация
Независимо от инструментов, которые вы используете, логика у всех
автоматизаций одна и та же.
Её имеет смысл понять до любых кнопок и интерфейсов.
У любой системы есть пять ключевых элементов:
1. Вход
Откуда берутся данные.
Примеры: форма, таблица, файл, письмо, webhook, RSS-канал,
сообщение в боте.
2. Обработка
На этом этапе мы решаем, что именно сделать с данными. Иногда –
просто сохранить их «как есть». Но чаще это цепочка шагов:
Очистить – убрать мусор, ошибки, лишние поля, привести всё к
одному формату и, при необходимости, скрыть чувствительные
данные. Отправить ИИ-агенту – передать уже подготовленный текст,
таблицу или файл в модель. Переработать – превратить данные во
что-то полезное: резюме, структуру, теги, отчёт, готовый текст, задачи
для команды и т. д.
3. Выход
Куда нужно положить результат.
Таблица, Notion, CRM, Google Docs, облачное хранилище, Telegramканал, email.
4. Триггер
Когда система должна срабатывать.
По расписанию, при появлении новой строки, нового файла, нового
события, по нажатию кнопки.
5. Правила
Условия: что делать, если чего-то не хватает, если данные
некорректны, если результат нужно проверить.
Понимая эти пять элементов, вы легко разберётесь в любом
конструкторе автоматизаций: n8n, Make, Zapier, OpenAI AgentKit,
Gemini Actions и других. Разница только в интерфейсе, а не в сути.

Где сегодня собирают такие системы
Системы строятся не “в вакууме”, а в очень конкретных
инструментах. Например:
• n8n – гибкий визуальный конструктор процессов. Есть облако и
возможность развернуть локально.
• Make – визуальные сценарии, удобно соединять многие сервисы и
модели.
• Zapier – старый игрок рынка интеграций, полезен для связки ИИ с
CRM, формами, почтой и сервисами.
• OpenAI AgentKit – агентская инфраструктура для связки сервисов
от OpenAI с другими платформами, типа Booking, Google Docs, и др.
• Gemini Actions – связки моделей Gemini с Google Sheets, Gmail,
Drive, Calendar и другими сервисами Google.
Это не единственные инструменты, но этого списка уже достаточно,
чтобы понять: речь идёт не о “магических платформах”, а о вполне
конкретных рабочих конструкторах, куда вы подключаете свои агенты
из главы 4 и свои источники данных.
Ниже вы можете видеть один из примеров моей системы, собранной
в n8n для парсинга и анализа новостей через RSS-фиды, рерайта с
помощью ИИ-агентов, складирования их в гугл таблице, отправлении
на утверждение редактору, и автоматической публикации в соцсетях.

Примеры систем из реальной жизни
Ниже – примеры, которые отражают живую работу, а не
демонстрационные сценарии.
Контент-конвейер
Темы для постов появляются в Google-таблице.
n8n отслеживает новые строки и запускает маршрут:
1. Берёт тему и дополнительный контекст.
2. Передаёт их агенту-контентологу.
3. Получает текст и отправляет агенту-редактору, который
редактирует по вашим правилам.
4. Сохраняет итоговый вариант в Notion или другой базе.
5. Создаёт задачу на публикацию с датой и площадками.
6. В день публикации отправляет пост в Telegram и, при
необходимости, на другие платформы.
Результат: публикации выходят регулярно, а ваше участие
ограничивается корректировкой важных материалов и стратегией, а не
перепиской с ИИ и копированием текстов.
Автоматический анализ конкурентов
Каждый день система:
1. Обходит страницы конкурентов (сайты, маркетплейсы, открытые
соцсети).
2. Собирает описания товаров, услуги, цены, акции, новые посты.
3. Передаёт эту выборку ИИ-агенту-аналитику.
4. Агент выявляет изменения, тренды, ценовые сдвиги, новые
предложения, залетающие посты/рилзы.
5. Результат сохраняется в таблицу: «кто», «что поменялось»,
«когда», «какое влияние».
6. Система отправляет вам короткий отчёт по итогам дня или
недели.
Результат: вы видите изменения на рынке раньше, чем они
превращаются в проблему, и больше не тратите время на ручной

мониторинг.
Автоматические отчёты о бизнесе
Каждое утро:
1. n8n забирает данные из CRM, платёжных систем и рекламных
кабинетов.
2. Приводит их к единому виду.
3. Передаёт ИИ-агенту для анализа.
4. Агент считает динамику, отмечает аномалии, пишет краткий
вывод.
5. Система формирует письмо или PDF-отчёт, складывает его в
облако и отправляет вам и командe.
Результат: руководитель получает не “сырые цифры”, а уже
обработанную картину: что произошло, что хорошо, что тревожит,
куда смотреть.
Подбор тем и идей через RSS и новости
Система:
1. Подписана на несколько RSS-лент, новостных сайтов, соцсети
конкурентов и профильных блогов.
2. n8n фильтрует новые материалы по ключевым словам и темам.
3. Передаёт выдержки ИИ-агенту-идейщику.
4. Агент формирует список потенциальных тем для постов, видео,
писем в рассылку, с краткими пояснениями.
5. Список автоматически попадает в Notion или Google-таблицу в
раздел контент-плана.
Результат: у вас постоянно есть свежий пул идей без ежедневного
ручного мониторинга новостей.
Личная автоматизация: список дел и напоминания
Простой, но показательный пример.
1. Вы добавляете задачу в телеграм бот, календарь или Googleтаблицу: «что», «когда», «приоритет».
2. n8n отслеживает новые записи.

3. Создаёт напоминание по электронной почте или через Telegramбота.
4. По наступлении срока приходит сообщение с задачей.
5. При отметке “выполнено” система обновляет запись в вашей
таблице.
Результат: не нужно помнить о каждом мелком деле, система
становится внешней рабочей памятью.
Личная автоматизация: семейный бюджет
1. Вы фотографируете чек или вручную вводите сумму и категорию
через форму.
2. n8n передаёт изображение или данные в блок распознавания
(OCR) и ИИ-агенту.
3. Агент считывает сумму, категорию, магазин, дату.
4. Система записывает это в Google-таблицу с бюджетом.
5. При превышении заданного лимита по категории отправляется
уведомление.
Результат: контроль расходов становится фоновым процессом, а не
отдельной задачей “надо сесть и всё посчитать”.
Эти примеры важны не тем, какие именно сервисы используются.
Важно другое: у каждой системы есть маршрут, в который встроен ИИ
и ваши агенты. Всё, что раньше брали на себя ваши руки и память,
переходит в автоматический контур.

Где в системах живут несколько агентов
одновременно
Отдельный вопрос: а где здесь “мультиагентность”, о которой так
любят говорить?
Ответ простой:
она живёт не в отдельной главе и не в особом термине, а внутри
сложных систем Уровня 4.
В любой из описанных выше автоматизаций могут работать
несколько разных агентов. При этом под «агентом» здесь важно
понимать не только одного «чат-бота», а связку «конкретная
подзадача → выбранная модель ИИ → настройки». Для разных
шагов цепочки вы можете использовать разные модели: где-то лучше
срабатывает GPT, где-то – Gemini или DeepSeek. Критичные задачи
(стратегия, финальный текст, сложная аналитика) можно отдавать
более дорогим моделям, а черновики, разметку и рутину – более
дешёвым. Так вы сами балансируете между качеством и бюджетом.
• в контент-конвейере – агент-идейщик, агент-контентолог, агентредактор, агент для визуальных генераций;
• в продуктовой разработке – агент-исследователь, агент по JTBD,
агент-стратег, агент-UX, агент-редактор интерфейсных текстов;
• в обучении – агент-преподаватель, агент, который создаёт
упражнения, агент, который проверяет ответы, и агент, который
корректирует программу.
С точки зрения инструмента (n8n, Make, AgentKit) разницы нет:
вы просто обращаетесь не к одной инструкции, а к нескольким,
каждый раз – к нужному агенту.
Важно другое: вы начинаете мыслить не “одним умным
помощником”, а командой цифровых ролей, у каждой из которых
есть своё поле ответственности.
Это и есть взрослая стадия Уровня 4: в одной системе работают
несколько ваших ИИ-специалистов, взаимодействуя через маршруты и
правила.

Вы не управляете ими по отдельности в чате – вы строите контур, в
котором они работают согласованно.

Частые ошибки при создании систем
Система – это инструмент, который усиливает не только порядок, но
и хаос.
Если подойти к нему неправильно, можно получить “ускоренный и
преумноженный бардак”.
Чаще всего встречаются такие ошибки:
1. Пытаться построить “огромную” систему сразу.
С десятком веток, десятками условий, множеством исключений.
Такая система будет хрупкой, её сложно поддерживать и страшно
менять.
2. Автоматизировать хаос.
Если процесс у вас в голове не структурирован, автоматизация его
просто сделает быстрее и запутаннее.
3. Смешивать в одном маршруте логически разные задачи.
Например, в одном сценарии и обработка контента, и финансовые
операции, и напоминания – без разделения по смыслу.
4. Не задавать критериев качества.
ИИ внутри системы тоже может ошибаться. Ему нужны правила, по
которым он оценивает свои ответы и, при необходимости, исправляет.
5. Делать всё “до конца без человека”.
Полностью убрать проверку – не всегда разумно. Часто лучше
оставить один шаг на человеческий контроль там, где цена ошибки
высока.
Задача Уровня 4 – не в том, чтобы вас “выкинуть из процесса”, а
в том, чтобы освободить вас от всего, что не требует человеческого
присутствия.

Когда задача готова к автоматизации
Если вы ловите себя на том, что возвращаетесь к одной и той же
задаче снова и снова – пишете похожие письма, создаёте однотипные
посты, формируете схожие структуры, объясняете ИИ один и тот же
стиль или формат и постоянно переносите результаты между
сервисами вручную – это прямой сигнал, что под неё уже давно
должен существовать отдельный автоматизированный контур.
Повторяемость сама по себе не проблема, но когда она начинает
забирать внимание и вынуждает каждый раз заново проделывать одни
и те же шаги, система становится логичным продолжением вашей
работы: она закрепляет маршрут, по которому движутся данные,
снимает рутину с ваших рук и позволяет сосредоточиться не на
переносе информации, а на содержании и решениях.

Бонус: готовые сценарии, которые можно
просто импортировать
Чтобы не оставлять вас с абстрактной «автоматизацией», вот два
живых сценария, которые вы можете забрать через моего бота, скачать
как JSON и просто импортировать в свой n8n. Вам останется только
поменять API-ключи, ссылки и привязку к гугл-таблицам под себя.

Анализ конкурентов и их Reels/постов
Представьте ассистента, который 24/7:
• собирает лучшие Reels и посты конкурентов,
• вытаскивает просмотры, лайки, комментарии,
• складывает всё в удобную Google-таблицу для анализа,
• и делает это почти бесплатно.
Стек:
n8n → Apify (скрапер с соцсетей) → Google Sheets.
Забрать шаблон воркфлоу:
https://t.me/Neuro_Timur_bot?start=n8nparse

Автопостинг новостей в Telegram-канал
Если у вас есть Telegram-канал, вы знаете, сколько времени
уходит на:
• поиск новостей,
• рерайт,
• форматирование,
• ручной постинг.
Этот сценарий на n8n делает всё за вас:
• автоматически подтягивает новости из выбранных RSSисточников;
• отфильтровывает мусор и дубли;
• прогоняет тексты через ChatGPT для рерайта и аккуратного
форматирования;
• публикует готовые посты прямо в Telegram-канал.

Стек:
n8n → RSS → ChatGPT → Telegram.
Забрать готовый воркфлоу:
https://t.me/Neuro_Timur_bot?start=n8nTourism

Как использовать эти сценарии:
1. Переходите по ссылке, скачиваете JSON-файл воркфлоу.
2. В n8n нажимаете Import, загружаете файл.
3. Подставляете свои API-ключи, привязку к гугл таблицам, RSSканалы сайтов, с которых хотите собирать информацию.
4. Запускаете и смотрите, как часть рутины начинает работать без
вас.
Сценарии можно использовать как есть или разбирать как
«конструктор»: допиливать, объединять и встраивать в свои более
сложные автоматизации.
Если вам мало двух примеров, у меня есть полноценный курс на
Udemy (и скоро на Степик) с большим набором сценариев: парсинг,
автопостинг, аналитика, сбор данных, интеграции с различными
сервисами, ботами и многое другое.
Кроме того, бесплатные разборы и примеры автоматизаций я
периодически
выкладываю
на
своём
YouTube-канале

(https://www.youtube.com/@etudarium5387).

Переход к следующему уровню
На этом уровне ИИ перестаёт быть просто “подсказчиком” или
“помощником в чате”.
Он становится частью вашей инфраструктуры: обслуживает
процессы, двигает данные, поддерживает порядок, позволяет
принимать решения на основе уже обработанной информации.
Но вместе с этим появляется новый вопрос:
если системы и агенты могут забрать на себя значительную часть
рутинной и даже творческой работы – что остаётся человеку?
Какие навыки начинают определять ценность специалиста?
Как будет выглядеть экономика, в которой у каждого есть доступ к
ИИ-системам такого уровня?
И как встроить себя в эту реальность так, чтобы не испытывать
страх, а чувствовать опору?
Этому будет посвящён следующий уровень – Уровень 5, где речь
пойдёт уже не о моделях, а о вас: о навыках, мышлении, монетизации
и роли человека-архитектора в ИИ-экономике ближайших лет.

Глава 6. Уровень 5 – Человек в мире
ИИ, роботов и новых сценариев
будущего

Зачем вообще говорить о будущем, если мы
только что разобрали практику
К этому месту книги вы уже прошли весь “технический” маршрут:
• научились нормально разговаривать с ИИ, а не просто “что-то
спрашивать в чате”,
• увидели, как устроен продвинутый промпт-инжиниринг и чем он
отличается от случайных запросов,
• разобрали простых агентов и поняли, как превращать модель в
отдельного “специалиста под задачу”,
• сделали шаг к системам и автоматизациям – когда ИИ включён в
цепочку действий, а не работает отдельно,
• разобрались, из чего вообще состоит инфраструктура ИИ: энергия,
чипы, дата-центры, модели, интерфейсы – и почему за всё это уже идёт
глобальная борьба.
Этого достаточно, чтобы сегодня быть на голову выше среднего
пользователя.
Но дальше возникает неудобный вопрос, от которого нельзя уйти:
В какой мир вы всё это сейчас встроите?
Одно дело – настроить себе пару агентов, собрать несколько
автоматизаций и облегчить текущую работу.
Совсем другое – посмотреть на горизонт 10–20 лет и честно
спросить себя:
• Что будет с профессиями?
• Как изменится экономика, если ИИ и роботы станут
инфраструктурой?
• Какую роль в этом всём сыграет государство?
• Что будет с энергией, чипами и доступом к самым мощным
моделям?
• И главное – кем вы будете в этих сценариях?
Уровень 5 – это не про новые “фишки” ИИ.
Это уровень, на котором вы перестаёте смотреть на ИИ как на набор
инструментов, и начинаете видеть его как среду будущей жизни и

работы.
В этой главе мы не будем строить “утопии” или “антиутопии”.
Задача проще и честнее: описать несколько наиболее реалистичных
сценариев ближайших десятилетий, показать место ИИ, роботов,
энергии и государства в этих сценариях – и на этом фоне обозначить
позицию человека, который прошёл пять уровней из этой книги.

Что уже происходит: краткий взгляд без
паники
Прежде чем говорить о будущем, стоит зафиксировать, что уже
наблюдается сейчас, в середине 2020-х.

Работа и профессии
Свежий отчёт World Economic Forum 2025 года оценивает, что к
2030 году под влиянием технологий, демографии и геополитики будет
затронуто около 22% рабочих мест: примерно 170 миллионов новых
ролей появятся и 92 миллиона – исчезнут или радикально
изменятся[17].
То есть вопрос не только в “исчезновении профессий”, а
в перестройке их содержимого.
То, что сегодня считается “рутиной”, завтра либо уйдёт к машинам,
либо станет минимальным уровнем входа.
Параллельно исследования по рынку труда показывают, что до трети
текущих задач в развитых экономиках можно автоматизировать или
существенно изменить к началу 2030-х годов, если компании будут
внедрять ИИ и роботизацию системно[18].
Это не означает, что “30% людей останутся на улице”.
Это означает, что структура занятости будет двигаться, и та часть
работы, которая строится на повторяющихся, формализуемых
операциях, будет даваться ИИ и роботам всё чаще.

Энергия, дата-центры и чипы
ИИ – это не “облако в вакууме”, а очень материальная история: датацентры, железо, электростанции, сети.
Только в США, по данным энергетических и аналитических отчётов
за 2024–2025 годы, дата-центры потребляют уже около 4% всей

электроэнергии страны, и прогнозы на 2028–2030 годы говорят о том,
что доля может как минимум удвоиться, а в некоторых сценариях –
почти утроиться, прежде всего из-за ИИ-нагрузки: тяжёлых моделей,
GPU-кластеров и систем охлаждения[19].
Это создаёт новые “оси” мировой экономики:
• те, у кого есть доступ к дешёвой и стабильной энергии;
• те, кто контролирует производство и поставки мощных чипов;
• те, кто умеет эту инфраструктуру превращать в продукты и
сервисы.
Не случайно крупнейшие игроки ИИ сегодня – это не только
разработчики моделей, но и поставщики вычислительных мощностей,
строители гигантских дата-центров и компании, вкладывающиеся в
собственные источники энергии (включая интерес к атомной
энергетике как к стабильному источнику для ИИ-нагрузок)[20].

Роботы и “второе тело” ИИ
Мы привыкли к тому, что ИИ живёт “в экранах” – в лентах
рекомендаций, поиске, навигации, рекламных системах.
Но 2020-е принесли заметный поворот к ИИ в теле: интеллект
начинает переезжать в роботов, дроны, автономный транспорт,
фабричные линии и бытовые устройства.
От индустриальных роботов на заводах мы постепенно идём к более
универсальным системам: логистические роботы, роботизированные
склады, роботы-курьеры, а затем и гуманоидные роботы, способные
работать в среде, изначально спроектированной под человека.
Илон Маск в 2024 году на одной из конференций заявил, что к 2040му году может существовать “как минимум 10 миллиардов
гуманоидных роботов” стоимостью в диапазоне 20–25 тысяч долларов
за единицу, и роботов может стать больше, чем людей на планете[21].
Эксперты спорят, насколько реалистичен такой масштаб к
указанному сроку, но сам вектор очевиден: роботы перестают быть
исключительно “железом для заводов” и постепенно переходят в
сферы:

• логистика, транспорт и складирование,
• строительство,
• обслуживание и уход,
• бытовые задачи,
• сервис и безопасность.
Важный момент: как только роботы становятся массовыми и
относительно доступными, возникает новая конкуренция – уже не
только “человек против ИИ-модели”, а “человек против связки ИИ +
физического робота”.

Четыре сценария будущего: не как
пророчество, а как рамка мышления
Никто не может честно сказать, “как будет точно”.
Но можно описать несколько сценариев, которые уже обсуждаются и
на уровне корпораций, и на уровне государств, и на уровне
исследователей.
Отдельный человек не выбирает сценарий для всего мира.
Но он может понять, к какому сценарию больше всего тяготеет его
страна, его отрасль и его личная стратегия.

Сценарий 1: Общество относительного благосостояния
В этом варианте:
• автоматизация и ИИ радикально удешевляют производство многих
благ;
• большие корпорации и государства вынуждены (как из-за
политического давления, так и из-за прагматических соображений)
делиться частью выгоды;
• появляются устойчивые механизмы вроде универсального базового
дохода, расширенного социального пакета, бесплатного или почти
бесплатного доступа к важным сервисам – образованию, базовому
здравоохранению, ИИ-ассистентам.
В дискуссиях о будущем всё чаще появляется идея, что
универсальный базовый доход (UBI) или его аналоги могут стать
логичным ответом на технологическую безработицу: если машины и
ИИ генерируют значительную часть ВВП, то “дивиденды” от этого
могут перераспределяться в пользу граждан[22].
В этом сценарии:
• человеку не нужно “выживать за счёт работы любой ценой”;
• экономическая мотивация смещается от “работать, чтобы не
умереть” к “работать, чтобы реализоваться и влиять”;

• ИИ становится чем-то вроде новой инфраструктуры – как интернет
сейчас.
Но у этого же сценария есть слабые места:
• кто контролирует распределение этого “изобилия”;
• насколько базовый доход не превращается в инструмент контроля и
пассивности;
• не появляется ли новый слой зависимости – уже не от
работодателя, а от государства и технологических платформ.

Сценарий 2: Платформенный феодализм
Здесь акцент смещается на концентрацию власти.
• Контроль над чипами, дата-центрами и самыми мощными
моделями сосредотачивается у небольшого числа стран и корпораций.
• Доступ к “топ-мозгам” ИИ становится новым ресурсом, более
важным, чем нефть.
• Остальные страны и компании вынуждены покупать доступ к
вычислительным мощностям и моделям как услугу, на условиях
владельцев инфраструктуры.
Часть аналитиков уже сейчас обсуждают риск того, что ИИинфраструктура может превратиться в форму “цифровой ренты”: ты не
столько конкурируешь, сколько платишь за право пользоваться
интеллектом, который тебе не принадлежит[23].
В таком сценарии:
• те, кто контролирует платформы, задают правила игры;
• издержки на выход из систем растут: твои данные, процессы и
бизнес-процедуры всё сильнее завязаны на одного провайдера, и смена
платформы требует времени, денег и серьёзной перестройки;
• государствам и компаниям приходится выбирать: либо строить
своё (что очень дорого), либо зависеть от чужого.
Человек в таком мире сталкивается не только с вопросом “что я
умею?”, но и с вопросом “в чью экосистему я встроен и на каких
условиях?”

Сценарий 3: Техно-авторитаризм
В этом варианте главная линия – не экономика и не изобилие, а
контроль.
Государства и крупные корпорации используют ИИ:
• для тотальной аналитики,
• для постоянного мониторинга поведения граждан и сотрудников,
• для системы “цифровых рейтингов”, допуска к услугам,
возможностям, перемещению.
Чем больше автоматизации и роботов, тем проще управлять
материальными процессами – и тем больше соблазн управлять людьми
как “элементами системы”.
Риски этого сценария:
• усиление цензуры;
• подавление неудобных форм поведения, творчества, несогласия;
• зависимость не только экономическая, но и поведенческая – через
алгоритмы, рейтинги, доступ к платформам.
Этот сценарий уже частично проявляется в разных странах в виде
систем наблюдения, рейтингов благонадёжности, предиктивной
аналитики преступности и т. п.
Вопрос в том, насколько дальше государства будут готовы и
способны в этом направлении идти.

Сценарий 4: Многополярная фрагментация
Здесь мир распадается на несколько крупных блоков:
• каждый со своим набором моделей, правилами доступа, законами
об ИИ, стандартах приватности;
• свои “облака”, свои цифровые валюты, свои регуляции;
• ограничения на трансграничную передачу данных и обучение
моделей.

Человеку в таком мире приходится жить в условиях цифровых
границ, почти как сейчас в условиях визовых режимов и санкций.
С другой стороны, именно в таком мире появляются “карманы
свободы”:
не один глобальный центр, а несколько конкурирующих подходов,
между которыми можно маневрировать.

Роботы как новый “класс” участников
экономики
Отдельная линия, которую нельзя игнорировать: физические
роботы.
Если ИИ-агенты и модели – это “мозги”, то роботы – это “тела”, в
которые эти мозги будут всё плотнее встраиваться.

Где роботы появятся раньше всего
Не нужно ждать 2040 года, чтобы увидеть изменения. Уже сейчас
роботы постепенно занимают:
• склады и логистику: автоматизированные комплексы, сортировка,
перемещение;
• производство: роботы, которые можно обучать новым операциям
быстрее, чем человека;
• сферу доставки: роботы-курьеры, дроны, автономный транспорт;
• строительство и инфраструктуру: роботизированные системы для
кладки, уборки, инспекций;
• уход и сервис: телесные “ассистенты” для пожилых людей, людей
с ограничениями по здоровью.
Гуманоидные роботы – это лишь один из вариантов формы.
Куда важнее тенденция: там, где есть физический повторяющийся
труд, связка ИИ + робот будет постепенно вытеснять человека.
По заявлениям крупных игроков, включая Tesla и ряд китайских
компаний, ставка на гуманоидов делается именно потому, что такой
робот может работать в мире, построенном “под человека”, без
тотальной перестройки инфраструктуры[24].

Робот как экономический объект
Если цена массового робота действительно опустится до уровня
хорошего автомобиля, а его производительность окажется выше, чем у
среднего человека в части физического труда, счёт начнёт идти очень
быстро:
• бизнесу становится проще “купить” роботизированный парк, чем
содержать большой штат работников, которым надо платить
отпускные и больничные, и которые работают только 5 дней в неделю
в одну смену;
• страны с дешёвой рабочей силой теряют важную часть
конкурентного преимущества;
• миграционные потоки меняются.
Это не значит, что “люди не нужны”.
Это значит, что спрос на человеческий труд будет двигаться к
сферам:
• где нужна ответственность и принятие решений;
• где важны доверие и человеческое взаимодействие;
• где требуется интеграция разных областей знаний;
• где ставка на гибкость, а не только на повторяемость.

Робот как актив: второе тело, которое может работать за
вас
В какой-то момент разговор о роботах перестанет быть разговором
“про технологии”
и станет разговором “про личные активы”.
Довольно реалистичный сценарий ближайших десятилетий:
у вас будет возможность купить робота за условные 5–40 тысяч
долларов, и он будет работать вместо вас – не в метафорическом, а
в прямом смысле.
Форматов будет несколько.
1. Физический робот.

Курьер, складской помощник, уборщик, садовник, помощник по
дому, сиделка, беспилотное авто.
Всё, что можно описать в сценариях и регламентах – от доставки до
обслуживания помещений, внешней среды и большинства других
процессов.
2. Онлайн-робот.
По сути, ИИ-агент, который:
– отвечает клиентам,
– обрабатывает заявки,
– ведёт первичную поддержку,
– торгует по заданным алгоритмам,
– создает контент,
– анализирует, прогнозирует, систематизирует,
– выполняет рутину в цифровых процессах.
Таких “вторых тел” можно будет:
• использовать под свои задачи;
• или сдавать в аренду – так же, как сейчас сдают квартиры,
оборудование или вычислительные мощности.
На этом фоне экономика совместного пользования (sharing economy)
выйдет на новый уровень. Если сегодня мы делим между собой
квартиры, офисы и обычные машины через каршеринг, то завтра
объектом этой “sharing economy 2.0” станут роботы и робомобили:
• вы сможете покупать физического робота или робомобиль и не
только использовать его для своих задач, но и сдавать в аренду
платформам, когда он вам не нужен;
• днём робомобиль отвозит вас на встречу, а остальное время
работает в такси и доставке;
• ваш ИИ-агент обрабатывает не только ваши заявки, но и задачи
других компаний, принося вам долю с каждой операции или арендную
плату;
• на рынке появятся “парки роботов”, куда люди будут подключать
своих “железных” и цифровых работников так же, как сейчас
подключают квартиры к посуточной аренде.
Формально это всё будет выглядеть очень знакомо: платформа,
пользователи, владельцы активов. Но предмет аренды изменится:

вместо жилья и обычных машин – роботы, робомобили и ИИ-агенты,
которые работают за вас и за других.
Реклама будущего будет звучать примерно так:
“Купите робота / ИИ-агента за 5 000 долларов.
Средняя окупаемость – 9–18 месяцев.
Дальше он приносит вам пассивный доход.”
Логика проста:
• робот выполняет стандартизированную работу;
• работает по 10–16–23 часа в сутки;
• платформа подаёт ему заказы;
• вы получаете долю с его “заработка”,
• а оператор инфраструктуры забирает своё за сервис, ремонт и
загрузку.
Отдельная линия – автономные автомобили.
Если довести нынешние эксперименты до массового состояния,
появится ещё один сценарий:
• утром ваш автомобиль с автопилотом отвозит вас в офис (если он
ещё есть в привычном смысле) или к клиенту / фитнес-зал / салон
красоты или биохакинг-центр;
• после этого вы не держите его на платной парковке “мертвым
весом” – машина уезжает работать в режиме такси, входит в парк
платформы и весь день перевозит людей;
• после обеда она забирает вас обратно,
• ночью снова выходит на линию, если вам она не нужна.
В таком мире речь идёт уже не просто о “машине для личного
пользования”,
а о гибриде:
часть времени – ваш личный транспорт, часть времени – актив,
который приносит доход.
То же самое можно сделать и без личного использования:
• вы покупаете одну или несколько self-driving машин;
• подключаете их к платформе;
• машины круглосуточно ездят в такси, доставке, корпоративных
перевозках;

• вы получаете часть выручки.
На бумаге это выглядит идеально:
купил машину или робота → отдал в работу → через 9–18 месяцев
отбил вложение → дальше “идёт пассив”.
Но в реальности встанут те же вопросы, что и с любыми активами:
• загрузка: будет ли у вашей машины или робота реальная очередь
заказов, или они будут простаивать;
• конкуренция: если таких “роботов-владельцев” много, ставка за
поездку и заказ падает;
• издержки: ремонт, страховка, обновления, простои, штрафы,
риски;
• регуляция: кто допускает роботов и автопилоты на улицы, как
считаются лицензии, налоги, ответственность;
• управление: кто на самом деле контролирует поток заказов – вы
или платформа.
По сути, и роботы, и self-driving авто, и ИИ-агенты становятся
новым типом активов – как когда-то недвижимость или
производственное оборудование.
Только они гораздо мобильнее, подключены к платформам и зависят
от инфраструктуры сильнее, чем кажется в рекламных буклетах.
Поэтому ключевой вопрос здесь не “окупится ли модель за 9 или
18 месяцев” (вам обязательно так будут продавать),
а другой:
“Я просто покупаю модного робота/авто/агента в надежде на
пассивный доход или понимаю, в какую систему я захожу, кто
контролирует правила и на каких условиях я в этом участвую?”
В логике этой книги ответ очевиден:
• робот, автопилот или ИИ-агент – это всего лишь ещё один узел в
вашей системе;
• если вы мыслите как архитектор, вы видите не только железо, но и
платформы, потоки, регуляцию;
• и вместо того, чтобы “верить в окупаемость по презентации”, вы
считаете: в каком сценарии это действительно усиливает вашу жизнь и
работу, а в каком – делает вас зависимым придатком чьей-то
платформы.

Роль государств: от регуляции до UBI
Государства реагируют на ИИ неоднородно. Но несколько линий уже
видны.

Регулирование и доступ
В ряде стран идёт активная работа над:
• законами, регулирующими использование ИИ в критических
областях (здравоохранение, финансы, безопасность, управление
инфраструктурой);
• нормами хранения и обработки данных;
• ограничениями на использование ИИ для наблюдения за
гражданами;
• требованиями к прозрачности моделей и ответственности за их
использование.
Это две противоречивые линии:
• защита граждан от злоупотреблений,
• одновременно – соблазн использовать ИИ как инструмент
контроля.

UBI и перераспределение
На фоне дискуссий о будущей автоматизации и возможной
технологической
безработице
обсуждение
базового
дохода
усиливается. Одни видят в UBI логичный ответ на рост
производительности и концентрацию капитала, другие – риск
закрепления неравенства, если базовый доход будет минимальным
“успокоителем” на фоне растущего богатства верхушки[25].
Важно понимать: базовый доход – это не “обязательное будущее”, а
политический выбор.
И в разных странах он может выглядеть по-разному:

• от прямых выплат всем гражданам;
• до более мягких форм: сильные субсидии, бесплатные сервисы,
гарантированный доступ к образованию и ИИ-инфраструктуре.
От этого выбора будет зависеть, станет ли автоматизация:
• источником массового стресса и обесценивания людей;
• или основой для новой социальной модели, где у людей появляется
время и ресурс на развитие, творчество и общественно значимую
деятельность.

AGI и суперинтеллект: о чём вообще спорят
Чтобы разговор про будущее не превращался в набор страшилок и
мемов, стоит один раз спокойно развести термины.
Сегодняшние системы – это уже не “игрушечный” ИИ из начала
2020-х.
Модели умеют:
• писать и редактировать тексты;
• работать с кодом, находить и править уязвимости в коде;
• анализировать документы и данные;
• генерировать изображения, очень реалистичные видео, голос;
• управлять цепочками действий через плагины, агенты, внешние
сервисы.
Это мощный, но всё ещё ограниченный интеллект.
Он живёт внутри архитектуры моделей, рамок контекста и тех
инструментов, к которым у него есть доступ.
AGI (общий искусственный интеллект) – это гипотеза следующей
ступени.
Её можно описать так:
• система понимает мир не только как набор символов, а как
связанное пространство задач и контекстов;
• устойчиво решает широкий спектр задач на уровне компетентного
человека;
• переносит навыки между областями (из программирования – в
аналитику, из текста – в планирование действий и т. д.);
• способна сама предлагать разбиение сложной цели на подзадачи и
выбирать стратегии.
Ещё выше – идея суперинтеллекта: систем, которые значительно
превосходят человеческий интеллект по скорости, глубине анализа,
охвату данных и качеству решений.
В профессиональных сообществах сейчас нет согласия:
• кто-то считает, что мы уже стоим на пороге AGI или даже частично
за него зашли;

• кто-то убеждён, что до настоящего AGI впереди еще
десятилетие(я), и нас ждёт длинный период «очень мощного, но всё
равно узкого» ИИ;
• кто-то обсуждает риски суперинтеллекта и необходимость жёсткой
регуляции ещё до того, как такие системы реально появятся.
Для вас, как для читателя этой книги, важны не сами споры, а
несколько практичных выводов:
1. Не будет одного “бога-ИИ”.
Гораздо более реалистичный сценарий – не один всесильный
интеллект, а множество сильных систем, принадлежащих разным
игрокам и конкурирующих за ресурсы: электричество, чипы, данные,
внимание людей, политическое влияние.
2. Чем умнее системы, тем жёстче конкуренция за точки
привязки к реальности.
Даже если завтра появится условный “AGI-конструктор бизнеса”, за
поставки сырья, логистику, клиентов, лицензии и человеческое
внимание всё равно будут бороться живые компании, государства и
люди. Мир не превратится в идеально управляемый симулятор.
3. AGI не отменяет вопроса “кто задаёт рамки”.
Даже самый мощный интеллект работает внутри заданных
ограничений:
что считать допустимым, а что – нет;
какие цели приоритизировать;
ради чего вообще всё это делается.
Эти рамки – политическое, культурное и этическое решение людей,
а не чистая математика.
4. Ожидание “момента AGI” – плохая стратегия жизни.
12. Если вы решите “ничего серьёзно не менять, пока не появится
настоящий AGI” – больше всего вы рискуете именно в переходный
период, когда текущие модели уже умеют очень многое, а ваш рынок,
профессия или бизнес уже перестраиваются.

Суперинтеллект и миф о волшебной кнопке “сделай мне
бизнес”
Когда люди слышат слова “AGI”, “суперинтеллект” или “ИИ,
который умнее всех людей сразу”, почти всегда всплывает одна
фантазия:
“Я однажды смогу сказать:
'Построй мне компанию на миллион долларов в месяц' —
и ИИ всё сделает сам”.
В этой картинке суперинтеллект – это что-то вроде всесильного
цифрового джинна: достаточно правильно сформулировать желание –
и дальше остаётся только смотреть, как на счёт падают деньги.
Проблема в том, что реальный мир устроен иначе.
Даже если допустить, что у нас появится доступ к системам уровня
“суперинтеллекта”, почти наверняка будут выполняться сразу
несколько условий:
1. Вы будете не единственным, кто к нему подключён.
Если у вас есть доступ к условному “мега ИИ-архитектору бизнеса”,
то он есть и у какого-то числа других людей и компаний.
Запрос “сделай мне компанию на $1 млн в месяц” перестанет быть
уникальной через 5 минут.
2. Бизнес-ландшафт станет радикально подвижным.
Суперинтеллект, который умеет быстро придумывать и запускать
компании, будет одновременно:
– создавать новые ниши,
– тут же их насыщать,
– перезапускать конкурентов.
Мир превратится не в статичную доску, а в постоянно меняющийся
“роящийся рынок”, где устойчивые преимущества держатся недолго.
3. Ограничения никуда не денутся – просто сменят форму.
Даже если ИИ сможет:
– проанализировать рынок
– спроектировать продукт,
– собрать команду других ИИ-агентов,
– настроить автоматизации,
– запустить маркетинг, всё равно останутся узкие места:

внимание людей, регуляция, ресурсы, социальное доверие,
культурные контексты.
Эти вещи нельзя “просто оптимизировать до бесконечности” – там,
где появляются люди, появляются и сложные границы.
4. Чем мощнее интеллект, тем выше конкуренция за “точки
привязки к реальности”.
Если сотни ИИ-систем одновременно пытаются:
– покупать рекламу,
– выкупать сырьё,
– занимать логистические мощности,
– привлекать одних и тех же клиентов,
– выигрывать будут не те, у кого “самый умный ИИ”, а те, кто лучше
встроен в реальные сети – человеческие, инфраструктурные,
культурные.
И здесь важен главный спойлер, о котором эта книга говорит прямо:
Даже если появится суперинтеллект,
это не превратит мир в игру с одной кнопкой “сделай мне
миллион”.
Скорее всего, мы придём к другой реальности:
• мощных интеллектов будет много;
• бизнес-ландшафт станет более плотным и изменчивым;
• “готовые” бизнесы, созданные ИИ, будут быстро конкурировать
друг с другом и устаревать;
• а ценность человека сместится в сторону выбора направлений,
смыслов и экосистем, в которые он себя встраивает.
Суперинтеллект может:
• убрать большую часть технических барьеров входа,
• удешевить запуск идей,
• взять на себя 90% операционки.
Но он не отменяет вопросов:
• “А во что я хочу вкладывать свою жизнь?”
• “Какую роль я выбираю в этой новой экономике?”
• “Какие системы я строю вокруг себя – и с кем?”
В книге мы сознательно делаем другой выбор:

мы не учим вас ждать тот момент, когда “придет идеальный ИИ и
всё за вас сделает”,
мы учим вас становиться человеком, который умеет работать с
любым уровнем ИИ – от сегодняшних моделей до гораздо более
сильных – и оставаться субъектом, а не придатком к чужому
алгоритму.

Где в этих сценариях человек с “пятью
уровнями ИИ”
В этой книге мы всё время возвращались к одной мысли: ИИ – это
не конкурент “человеку вообще”, а усилитель конкретного
человека.
Теперь, когда вы видите общие контуры будущего, важно честно
ответить на вопрос:
Если всё, что описано выше, хотя бы частично реализуется – что
даёт вам освоение пяти уровней работы с ИИ?

Независимо от сценария
Во всех описанных вариантах – от “общества благосостояния” до
“платформенного феодализма” – общим остаётся несколько вещей:
1. Объём рутинного труда будет сокращаться.
2. Там, где процесс можно описать и формализовать, ИИ и роботы
будут заходить всё глубже.
3. Роль человека смещается в сторону архитектуры,
координации, ответственности.
4. Кто-то должен ставить задачи, выбирать инструменты, проверять,
корректировать, принимать важные решения и отвечать за
последствия.
5. Ключевой ресурс – не умение нажимать кнопки, а умение
строить свои экосистемы ИИ и встраивать их в реальные контуры
жизни и работы.
Человек, который останавливается на уровне «я умею писать
промпты», остаётся по сути “ручным интерфейсом” к модели. Он
может решать отдельные задачи, но его эффективность всегда
упирается в количество собственных часов и внимания. Как только
задач становится больше, чем он физически успевает прогнать через
себя, его преимущество тает.
Человек, который доходит до уровня агентов и систем, играет в
другую игру. Он один раз продумывает, как должен работать процесс,

настраивает связку ИИ-агентов и автоматизаций – и дальше эта связка
работает уже без его постоянного участия. В мире относительного
благосостояния это даёт свободу: базовые задачи закрыты, можно
заниматься развитием, творчеством, семьёй. В мире жёсткой
конкуренции это даёт выживаемость: пока одни по-прежнему “пишут
запросы”, он управляет конвейером из людей, ИИ и роботов, который
стабильно приносит результат.

Разные роли – один и тот же вопрос
Детально по ролям мы пойдём в следующей главе, но уже здесь
важно очертить рамку.
Сотрудник в найме
Задача – не бояться, что “ИИ заберёт вашу работу”, а научиться
управлять тем, как он в неё встроен. Это значит:
• честно увидеть, какие ваши задачи можно отдать ИИ или
автоматизациям (отчёты, выписки, сводки, подбор вариантов,
первичные ответы клиентам);
• понять, какие части работы, наоборот, требуют именно вас:
общение с людьми, сложные случаи, конфликты, принятие решений;
• научиться осознанно выбирать инструменты: когда достаточно
встроенного ИИ в Excel или CRM, когда имеет смысл подключить
мощную модель, а когда данные вообще нельзя выносить наружу;
• уметь формулировать задачу ИИ так, чтобы он не “что-то
придумал”, а помог вам принять взвешенное решение: собрать
варианты, показать риски, подсветить аномалии.
Ценность сотрудника растёт не там, где он “быстро пишет
промпты”, а там, где он умеет перестроить свою должность под
реальность автоматизации: оставить за собой принятие решений и
ответственность, а операции отдать системе.
Предприниматель и владелец бизнеса
У вас два уровня игры – и оба про выживаемость:
1. Использовать ИИ и роботов, чтобы разгрузить бизнес.
2. Это может быть очень приземлённо:

– ИИ-ассистент, который выступает первой линией поддержки
клиентов;
– автоматические воронки, которые собирают заявки и подогревают
лиды;
– системы, которые считают остатки, прогнозируют кассовые
разрывы, напоминают о важных метриках.
Даже офлайн-бизнесу это даёт прямой эффект: меньше хаоса,
меньше ручного контроля, больше времени на стратегию и продукт.
3. Не становиться заложником одной чужой системы.
4. Речь не только о глобальных платформах, но и о повседневных
зависимостях:
– один маркетплейс, который в любой момент может поменять
правила;
– одна соцсеть, которая режет охваты;
– один “волшебный сервис с ИИ”, к которому привязаны все ваши
данные.
Навык предпринимателя здесь – видеть, где ИИ помогает, а где
превращает бизнес в придаток чьей-то платформы:
– дублировать критичные процессы,
– забирать к себе базу клиентов и знания,
– строить свои системы вокруг ИИ, а не внутри чьего-то “чёрного
ящика”.
Эксперты и фрилансеры
У вас есть развилка:
• остаться в роли “рук”, которые продают часы, тексты, макеты,
монтаж – и всё жёстче конкурировать с ИИ и коллегами;
• или перейти в роль человека, который продаёт результат и
настроенную систему.
Практически это означает:
• не “делаю 10 постов в месяц”, а “настраиваю и веду контентсистему под вашу задачу: от идей до аналитики, с ИИ внутри”;
• не “пишу тексты на заказ”, а “строю для вас работающую связку:
ИИ-черновик → ваша экспертиза → финальный материал →
автопубликация”;

• не “делаю лендинги”, а “помогаю настроить воронку: ИИ-анализ
ниши, прототип текста, тесты, докрутка”.
То есть вы зарабатываете не тем, что конкурируете с нейросетью за
скорость, а тем, что собираете для клиента работающую систему, где
ИИ – лишь часть конструкции.
Человек в госсекторе
Здесь ИИ уже идёт в самые разные места:
• автоматическая проверка документов и заявлений,
• ИИ-подсказки в колл-центрах,
• системы, которые анализируют массивы данных – от транспортных
потоков до статистики здравоохранения.
Вопрос для вас – не “заменит ли меня ИИ на уровне бумаг”, а “буду
ли я тем, кто умеет с этим работать по-человечески”.
Это про очень конкретные вещи:
• понимать, какие задачи можно отдать системе (типовые запросы,
сортировка, поиск ошибок), а какие требуют живого человека
(сложные случаи, жалобы, нестандартные жизненные истории);
• уметь объяснить гражданину: где решение приняла программа, а
где – человек, и кто отвечает за результат;
• видеть, когда ИИ ошибается или несправедлив, и иметь смелость
вмешаться;
• участвовать не только в “исполнении регламентов”, но и в их
обновлении: предлагать, как переписать процессы так, чтобы людям
было проще, а не только системе.
Ценность человека в госсекторе будет расти там, где он становится
переводчиком между живыми людьми и машинами – и помогает
делать государство не только “цифровым”, но и вменяемым.
Общая линия: освоение пяти уровней ИИ делает вас не
потребителем технологий, а участником их архитектуры, как
минимум – на своём участке реальности.

Cмысл уровня 5: взгляд с “балкона”
Чем больше техник и инструментов появляется, тем легче
потеряться в деталях:
• ещё один способ формировать промпты;
• ещё одна модель;
• ещё один инструмент автоматизации;
• ещё один курс по “ИИ для…”.
Уровень 5 в этой книге – не про добавление ещё одной “фишки”, а
про смену точки зрения.
Это уровень, на котором вы:
• держите в голове, во что превращается мир под влиянием ИИ,
роботов, энергии и чипов;
• понимаете, что разные регионы и страны могут проживать разные
сценарии одновременно;
• видите, что ваши личные решения – чему учиться, как работать,
какие системы строить – делаются не в вакууме, а в контексте этих
сценариев;
• перестаёте думать о себе как о человеке, который “догоняет
технологии”, и начинаете думать о себе как о человеке, который
строит свою траекторию в мире технологий.

Как это связано с следующими главами
В следующих главах мы опустимся от уровня “мира” вниз – к
вашему конкретному дню:
• какие роли и навыки становятся ключевыми в такой реальности – и
как по-честному провести аудит себя (глава 7);
• как разным людям – сотрудникам, предпринимателям, экспертам,
госслужащим – адаптироваться и использовать ИИ в плюс, а не в
минус;
• как монетизировать то, что вы уже умеете, не превращая себя в
“универсального консультанта по ИИ” без лица (глава 8);
• как собрать свою личную экосистему “человек + ИИ (и роботы)”
так, чтобы она помогала жить, а не выжигала, и занять позицию
архитектора своей цифровой жизни (глава 9).
Уровень 5 – это точка, с которой вы видите и масштаб, и риски, и
возможности.
А дальше нам нужно сделать ещё один шаг – к тому, каким
человеком быть в этом мире и какие решения принять уже сейчас.

Глава 7. Роли и навыки ближайших
10 лет: как не вывалиться из новой
экономики

От “мира в целом” к твоей конкретной жизни
В предыдущей главе мы смотрели на будущее с высоты:
• ИИ как новая инфраструктура;
• роботы, которые забирают физический труд;
• борьба за энергию и чипы;
• разные сценарии – от общества относительного благосостояния до
платформенного феодализма и техно-авторитаризма.
Это нужная перспектива, но у любого нормального человека после
таких разговоров внутри поднимается очень простой вопрос:
“Окей, а мне-то конкретно что делать?
Кем быть, что уметь и куда двигаться, чтобы не вывалиться из этой
новой экономики?”
Эта глава – про переход от “глобальной картинки” к твоей личной
траектории:
• какую роль ты занимаешь;
• какие навыки будут держать тебя “на плаву”;
• где ты уже силён, а где зияет дыра;
• как связать всё это с пятью уровнями ИИ, которые мы уже
разобрали.
Здесь не будет абстрактных “soft skills будущего” ради красивого
списка.
Будет честный разговор: что именно нужно уметь человеку, который
живёт в мире, где вокруг него работают модели, агенты, системы и всё
более умные машины.

Что не меняется при любом сценарии
Сценарии будущего могут различаться – у кого будет больше
влияния: у государств или у корпораций, станут ли роботы массовыми
уже через 5 лет или через 20. Но есть несколько линий, которые
проходят через все варианты.

Рутинного труда будет меньше
Всё, что можно:
• описать как понятный процесс,
• разбить на шаги,
• измерить,
• и хоть как-то формализовать, будет отдаваться ИИ и системам всё
глубже.
Это касается не только “низкоквалифицированного” труда.
Часть работы юриста, маркетолога, врача, аналитика, менеджера
проектов – тоже рутинна. Отчёты, сводки, подбор вариантов, поиск
ошибок, обработка типовых запросов – всё это постепенно переезжает
к алгоритмам.

Роль человека смещается в сторону архитектуры и
ответственности
Если машины делают всё больше операций, то человек становится:
• тем, кто ставит задачу;
• тем, кто выбирает инструмент;
• тем, кто смотрит на результат и решает, что с ним делать;
• тем, кто отвечает, если пошло не туда.

То есть ценность человека всё меньше в том, что он “нажимает
кнопки” и всё больше в том, что он понимает, ЗАЧЕМ и КАК эти
кнопки нажимаются, и к чему это приведёт в реальности.

Ключевой ресурс – умение строить свою экосистему ИИ
И здесь важно честно проговорить одну вещь.
Ключевой ресурс ближайших лет – не “уметь пользоваться модным
сервисом” и не “знать пару хитрых промптов”. Он в другом:
Насколько хорошо ты умеешь вокруг себя собирать связку из людей,
ИИ-инструментов, агентов, систем и процессов —
так, чтобы они работали вместе и решали реальные задачи.
Человек, который останавливается на уровне «я умею писать
промпты», остаётся по сути “ручным интерфейсом” к модели. Он
может решать отдельные задачи, но его эффективность всегда
упирается в количество собственных часов и внимания. Как только
задач становится больше, чем он физически успевает прогнать через
себя, его преимущество тает.
Человек, который доходит до уровня агентов и систем, играет в
другую игру. Он один раз продумывает, как должен работать процесс,
настраивает связку ИИ-агентов и автоматизаций – и дальше эта связка
работает уже без его постоянного участия. В мире относительного
благосостояния это даёт свободу: базовые задачи закрыты, можно
заниматься развитием, творчеством, семьёй. В мире жёсткой
конкуренции это даёт выживаемость: пока одни по-прежнему “пишут
запросы”, он управляет конвейером из людей, ИИ и роботов, который
стабильно приносит результат.
Именно отсюда растут требования к ролям и навыкам.
Дальше – чуть конкретнее.

Четыре роли в новой экономике ИИ
Детально по ролям мы пойдём в следующей главе, когда будем
говорить о монетизации. Но уже здесь важно очертить рамку: в каком
качестве ты входишь в эпоху ИИ.

Сотрудник в найме: из “исполнителя” в “человека,
который умеет работать с ИИ”
Если ты работаешь в компании – неважно, это маркетинг, продажи,
аналитика, образование, медицина, IT или админка – у тебя в голове
почти наверняка живёт вопрос:
“А вдруг ИИ сделает то же самое быстрее и дешевле – и меня
заменят?”
Честный ответ такой: часть задач да, могут заменить. Часть –
усилить. Часть – вообще не тронут. И твоя задача – научиться этим
управлять.
Практически это значит:
• увидеть, какие твои задачи можно отдать ИИ:
• отчёты, выписки, сводки, первичный анализ, черновики писем,
подбор вариантов, поиск ошибок в базах, ответы на типовые вопросы;
• увидеть, какие задачи наоборот требуют только тебя:
• сложные случаи, конфликты, переговоры, принятие решений в
неоднозначных ситуациях, работа с людьми “вживую”;
• научиться осознанно выбирать инструменты:
• когда достаточно встроенного ИИ в Notion или CRM, когда имеет
смысл подключить мощную модель, а когда данные вообще нельзя
выносить наружу;
• работать с ИИ не как с “оракулом”, а как с помощником для
решений:
• не “скажи, что мне делать”, а “собери мне варианты, подсвети
риски, помоги сформулировать аргументы”.

Ценность сотрудника растёт не там, где он “быстро пишет
промпты”, а там, где он умеет перестроить свою должность под
реальность автоматизации:
• оставить за собой принятие решений и ответственность;
• отдать системе всё, что не требует человеческого уровня.
Если ты менеджер по продажам – твоя сила не в ручном переборе
лидов, а в умении:
• настроить себе ИИ-бота для холодных касаний и изначального
прогрева;
• научиться пользоваться ИИ-аналитикой;
• видеть качественных клиентов;
• общаться с ними так, как не умеет ни один бот.
Если ты маркетолог – не в том, чтобы писать посты “с нуля руками”,
а в том, чтобы:
• выстроить контент-систему с ИИ внутри;
• выбирать идеи и сообщения, которые реально работают;
• понимать, что за этим стоит на уровне психологии и рынка.

Предприниматель и владелец бизнеса: снижаем хаос и
зависимость
У предпринимателя в этой реальности две задачи:
1. Облегчить себе жизнь и снизить хаос.
Это очень приземлённые вещи:
– чат-бот, который отвечает клиентам ночью, пока вы спите;
– автоматическая воронка, которая собирает заявки, отправляет
материалы, напоминает о встрече;
– система, которая каждый день присылает вам короткий отчёт по
ключевым цифрам: выручка, маржа, остатки, проблемные места.
Даже если у вас маленькая офлайн-студия, барбершоп или
локальный ресторан – это уже не “про большие корпорации”. Это
базовый уровень гигиены бизнеса в мире ИИ.
2. Не стать придатком чужой платформы.

Здесь речь не про абстрактные корпорации, а про очень конкретные
вещи:
– один маркетплейс, который в любой момент может поменять
комиссии;
– одна соцсеть, которая вдруг режет охваты;
– один “волшебный ИИ-сервис”, в который вы загнали все свои
данные и процессы.
Задача нормального предпринимателя – использовать платформы и
ИИ, но держать критические вещи под своим контролем:
– собирать собственную базу клиентов, а не жить только на
подписчиках чужой соцсети;
– забирать к себе знания: инструкции, скрипты, цепочки
автоматизаций – чтобы завтра можно было перенести их из одного
сервиса в другой;
– строить свои контуры вокруг ИИ, а не полностью внутри чьего-то
“чёрного ящика”.
Проще всего думать так: ИИ и автоматизации – это не “магия”, а
новый слой инфраструктуры твоего бизнеса. Можно игнорировать
этот слой. Но тогда ты живёшь в мире, где другие играют на другом
уровне скорости и прозрачности.

Эксперт, фрилансер, создатель контента: от “продаю
штуки” к “продаю систему и результат”
Если ты:
• эксперт, консультант;
• психолог, коуч, тренер;
• дизайнер, копирайтер, маркетолог;
• автор курсов, блогер, SMM-специалист;
ты живёшь на поле, где ИИ уже “дышит в спину”.
У тебя есть развилка:
• остаться в роли “рук”, которые продают часы, тексты, макеты,
монтаж, слайды

• и постоянно конкурировать с нейросетями и такими же
специалистами;
• или перейти в роль человека, который продаёт результат и
настроенную систему, где ИИ – часть стека.
Практически это выглядит так.
Не:
“Я пишу тексты для соцсетей”,
а:
“Я выстраиваю вам работающий контент-контур:
анализ вирусного контента на рынке, генерация идей и контентплана, генераций готового контента, доработка под ваш tone of voice,
план публикаций, аналитика вовлеченности, внесение изменений”.
Не:
“Я делаю лендинги”,
а:
“Я собираю вам воронку:
ИИ-анализ ниши → прототип текста → дизайн → A/B-тесты →
доработка”.
Не:
“Я монтирую видео”,
а:
“Я помогу вам построить систему регулярных видео, где ИИ
снимает вам 70% рутины, а мы с вами фокусируемся на смысле,
позиционировании и подаче”.
То есть деньги включаются не в момент “я сделал ещё одну штуку”,
а в момент, когда:
• у клиента появляется устойчивая система;
• вы умеете этой системой управлять;
• и ваш ИИ-стек – часть этой ценности, а не случайная добавка.
Именно здесь то, что мы делали в главах про агентов и системы,
превращается в твёрдую монету: ты перестаёшь быть “человеком,
который умеет пользоваться ChatGPT” и становишься человеком,
который собирает работающие контуры под конкретную нишу.

Человек в госсекторе: проводник между людьми и
машинами
В государстве ИИ будет становиться всё больше:
• системы проверки документов;
• автоматические подсказки и чат-боты для граждан;
• аналитика больших массивов данных – от транспорта до
медицины.
Вопрос для тебя, если ты работаешь “на государство”, не в том:
“Заменят ли меня на робота?”
а в другом:
“Буду ли я тем, кто умеет с этими системами работать почеловечески?”
Это про очень конкретные вещи:
• понимать, какие заявки, отчёты и проверки можно отдать системе,
• а какие требуют живого рассмотрения;
• уметь объяснить гражданину:
• где решение приняла программа, а где – человек,
• и кто в итоге несёт ответственность;
• замечать, когда ИИ ошибается или несправедлив,
• и иметь полномочия и смелость вмешаться;
• участвовать не только в выполнении регламентов, но и в их
обновлении:
• предлагать, как переписать процесс так, чтобы людям стало проще,
а не только системе – удобнее.
Человек в госсекторе будет особенно востребован там, где он может
быть:
• переводчиком между языком алгоритмов и языком живых людей;
• гарантом того, что “цифровое государство” не превратится в
безликую машину.

Навыки ближайших 10 лет: из чего собирается
твоя устойчивость
Теперь – важная часть.
Какие навыки реально имеют значение в мире, где ИИ и системы
вокруг становятся нормой?

ИИ-грамотность: от “я пробовал ChatGPT” к “я умею с
этим работать”
Это не значит “стать программистом” или “знать все модели”.
Речь о другом:
• понимать, где ИИ уже можно подключить, а где он не поможет;
• уметь формулировать задачу так, чтобы модель поняла контекст;
• знать, как устроено агентское мышление: одна роль – одна зона
ответственности;
• иметь базовое представление о системах автоматизации: вход →
обработка → выход, триггеры, условия.
На практике это:
• ты не просто пишешь “сделай коммерческое предложение”,
• а даёшь контекст, критерии, формат, пример – и умеешь докрутить
результат;
• ты понимаешь, какую модель использовать:
– быструю и дешёвую для черновиков,
– более “умную” для сложных задач,
– локальную или корпоративную, если данные чувствительные;
• ты умеешь строить цепочки:
• “Сначала агент А собирает информацию → агент B структурирует
→ агент C упаковывает → автоматизация отправляет результат туда,
где он нужен”.

Это уже не магия, а новая базовая грамотность.
Примерно так же, как когда-то умение пользоваться браузером и
почтой стало нормой, а не “особым навыком”.

Критическое мышление
Чем больше вокруг нас ИИ, тем меньше ценность простого доступа
к информации.
Зато резко растёт ценность:
• умения отличать факты от мнений;
• умения задавать уточняющие вопросы;
• умения видеть в тексте и цифрах дыры и слабые места;
• умения не влюбляться в первый красивый ответ.
ИИ легко “притаскивает” тебе объём: варианты, формулировки,
аргументы.
Твоя работа – отбирать и фильтровать.
В любой роли – от аналитика до учителя – выигрывает тот, кто
умеет:
• поставить задачу ИИ так, чтобы он подсветил именно то, что
важно;
• проверить, что он не упустил критичную часть реальности;
• на основе этого принять решение, за которое не стыдно.

Креативность и комбинирование
ИИ умеет генерировать много.
Он не умеет по-настоящему жить в контексте твоей жизни, твоей
аудитории, твоего опыта.
Поэтому вырастает роль креативности как умения комбинировать:
• взять идеи и наброски от ИИ;
• соединить их с пониманием людей, рынка, культуры;
• превратить это в форму, которая реально заходит.

Это касается не только художников и сценаристов.
Врач, который придумывает новый формат общения с пациентами,
учитель, который экспериментирует с формами урока, юрист, который
предлагает новый пакет услуг, тоже занимаются креативностью –
просто в своей плоскости.
ИИ даёт ширину.
Человек даёт глубину и уместность.

Коммуникация, эмпатия, работа с людьми
По мере того как системы забирают всё больше операций, всё
больше ценится умение быть с людьми:
• слышать, что человек говорит “между строк”;
• вести сложный разговор;
• поддерживать, когда всё рушится;
• договариваться, когда интересы конфликтуют;
• вести команду через изменения.
ИИ может подсказывать аргументы.
Но идти к клиенту, объяснять, что и почему вы делаете, разруливать
сложные кейсы, вдохновлять – всё это пока за человеком.
Для
менеджеров,
предпринимателей,
учителей,
врачей,
консультантов – это не “приятное дополнение к техническим
навыкам”, а сама суть профессии..

Принятие решений и личная ответственность
Чем умнее становятся модели, тем сильнее соблазн переложить на
них не только работу, но и ответственность:
“Пусть ИИ посчитает, пусть ИИ решит, пусть ИИ скажет, как
правильно”.
Проблема в том, что модель не живёт в последствиях.
Она не отвечает перед клиентом, пациентом, командой, семьёй.
Перед ними отвечаешь ты как человек, принимающий финальное

решение и осознающий риски и последствия.
Поэтому навык ближайших лет – не только “уметь получать
варианты от ИИ”, но и:
• брать на себя финальное “делаем так”;
• понимать, на каких основаниях ты так решил(а);
• быть готовым объяснить это живым людям.
На практике это значит:
• ты не задаёшь ИИ вопрос “скажи, что мне выбрать”,
• а просишь: “покажи 3–4 варианта, их плюсы, минусы и риски” – и
уже сам(а) принимаешь решение;
• ты заранее задаёшь критерии:
• что для тебя важнее в этой ситуации – скорость, качество,
безопасность, деньги, репутация, здоровье людей, долгий горизонт;
• ты не используешь ИИ как алиби (“мне так нейросеть
посоветовала”),
• а как инструмент для прояснения картины: “ИИ помог собрать
данные и аргументы, но решение – моё”.
В разных ролях это выглядит по-разному:
• руководитель выбирает, какой проект сейчас приоритизировать и
кого “урезать” по задачам – ИИ может подсветить цифры, но не
возьмёт на себя разговор с людьми;
• врач может использовать ИИ (и сейчас это уже активно
практикуется) для подсказки диагнозов и протоколов, но подпись под
назначением – его, и он отвечает за конкретного человека, а не за
“средний случай в статистике”;
• предприниматель может прогнать через модели десятки гипотез,
но выбирать нишу, формат, уровень риска и то, как это скажется на
жизни его семьи, всё равно придётся самому;
• учитель или консультант может собирать через ИИ материалы и
методики, но он отвечает за живое взаимодействие с людьми и за то, к
чему приведут его советы.
Решение – это не только выбор пункта из списка, а ещё и:
• умение выдерживать неопределённость, когда нет идеального
варианта;

• готовность пересматривать решение, если реальность показала, что
ты ошибся(лась);
• честность – перед собой и другими – в признании этой ошибки и
её исправлении.
ИИ здесь усиливает как сильные стороны, так и слабости.
Человек, который привык уходить от решений, с появлением ИИ
может превратиться в профессионального “перекладывателя”:
“так сказал алгоритм, так настроили, так посчитала система”.
Человек, который тренирует в себе навык:
• смотреть на картину целиком;
• спрашивать у ИИ: “что я не учёл(а)? где риски?”;
• и после этого говорить: “окей, я беру на себя выбор” —
становится опорной фигурой в любой сфере.
В горизонте ближайших 10 лет принятие решений и личная
ответственность – это не романтическая “лидерская черта”, а
практический навык выживания и роста.
Модели будут становиться всё умнее, регламенты – всё жёстче,
автоматизаций – всё больше.
Но момент, когда нужно сказать “делаем вот так, и я отвечаю” –
останется человеческим.

Умение учиться быстро и постоянно
Модели будут обновляться.
Инструменты будут появляться и исчезать.
Даже профессии будут трансформироваться.
Навык “выучился один раз – и живу на этом до пенсии” умирает.
На его место приходит:
• умение осваивать новое “по запросу”:
• “мне нужно вот это – что мне надо быстро понять, чтобы начать?”;
• умение строить свой процесс обучения:
• разбивать на маленькие шаги, подбирать источники,
практиковаться;

• готовность пробовать, ошибаться, менять курс.
Человек, который боится любого нового инструмента и держится за
старый порядок “как за спасательный круг”, будет страдать.
Человек, который относится к обучению как к постоянной, но
управляемой части жизни, – будет чувствовать себя устойчивее.

Мини-аудит: где ты сейчас относительно этой
картины
Чтобы эта глава не повисла в воздухе и не осталась “про
абстрактных людей”, давай переведём её в личный режим и сделаем
простое упражнение.

Шаг 1. Определи свою главную роль
Кто ты прямо сейчас?
• сотрудник в найме;
• предприниматель / владелец бизнеса;
• эксперт / фрилансер;
• человек в госсекторе;
• микс из нескольких – но выбери 1–2, которые занимают большую
часть твоего времени.
Запиши это буквально одной фразой.

Шаг 2. Распакуй свою неделю
Возьми ручку, заметки в телефоне или документ.
И по памяти выпиши, что ты делал(а) за последнюю рабочую
неделю:
• чем занимался каждый день;
• какие задачи повторялись;
• что отнимало больше всего сил;
• какие задачи приносили реальный результат.
Не надо красоты. Нужна честность.
Теперь рядом поставь метки:

• [R] – рутина (повторяющиеся операции, стандартные письма,
отчёты, сбор данных, “копипаст”);
• [C] – задачи с людьми (переговоры, команды, клиенты, ученики,
пациенты);
– задачи, где нужно было коммуницировать, думать, сомневаться,
принимать решение.

Шаг 3. Прогон через пять уровней
Теперь попробуй посмотреть на этот список через нашу модель.
Для каждой задачи спроси себя:
• Уровень 1–2: можно ли это отдать ИИ как инструменту?
• Например, черновик текста, перевод, анализ таблицы, поиск идей,
структура документа.
• Уровень 3: можно ли создать агента под эту задачу?
• То есть это повторяется достаточно часто, чтобы настроить
отдельную “персону” под эту задачу:
• агент-копирайтер, агент-аналитик, агент-репетитор, агентрекрутер.
• Уровень 4: можно ли из этого выстроить элемент системы?
• Допустим, тебе каждую неделю в 10 утра в понедельник надо
присылать отчет по действиям / изменениям цены / новым акциям
конкурентов + твои предложения по новым внедрениям для
руководства с описанием рисков / возможностей для каждого.
Это почти готовый блок автоматизации.
• Уровень 5: а что, наоборот, точно не стоит автоматизировать?
• Где ты хочешь и должен оставаться человеком: живой разговор,
сложная обратная связь, принятие этических решений.
Отметь разными символами:
• что можно перестать делать руками уже в ближайший месяц (при
желании);
• что можно усилить ИИ (не убрать, а ускорить и улучшить);
• а что – “святое”: оставляем в человеческой зоне.

Шаг 4. Посмотри на эту схему как на план роста
То, что сейчас помечено как:
• “могу отдать ИИ, но делаю руками” – это ресурсы, которые можно
высвободить;
• “хочу усилить ИИ, но пока не знаю как” – это повестка на
обучение;
• “оставить в человеческой зоне” – это твой будущий
профессиональный стержень.
Это не нужно делать идеально. Достаточно увидеть направление
сдвига:
• куда тебе стоит двигать себя;
• где научиться хотя бы базовой ИИ-грамотности;
• какие задачи пора перестать тянуть на себе по привычке.

Связка с будущими сценариями: как роли и
навыки работают в разных мирах
Вернёмся на минуту к сценариям из прошлой главы.
Это важно, потому что оттуда к нам прилетает логичный вопрос:
“А если мир повернёт по жёсткому сценарию – всё это вообще
поможет?”

Если мир будет ближе к “обществу относительного
благосостояния”
Если государства и корпорации всё-таки разделят часть выгод
от ИИ:
• базовые потребности закрываются проще;
• часть людей реально может работать меньше, а не больше.
Тогда твои роли и навыки начинают работать не “на выживание
любой ценой”, а на качество жизни:
• ты можешь позволить себе проекты по интересу, а не только “ради
денег”;
• ты можешь выбирать, с кем и над чем работать;
• ИИ и системы закрывают тебе большую часть неприятной рутины.
Но при этом всё равно остаётся вопрос:
“А что я делаю с этой свободой?
Куда я вкладываю свой талант, энергию, время?”
И здесь навыки из этой главы – фильтр: ты можешь выбрать, где и
как расти, а не просто расписаться в пассивном потреблении “готового
будущего”.

Если мир станет более “платформенным” и
концентрированным
Если контроль над моделями, чипами и данными сосредоточится у
нескольких игроков, а все остальные будут покупать доступ как услугу,
твоя задача меняется:
• не пытаться победить платформы “в лоб”,
• а стать человеком, который умеет внутри этих платформ строить
свои экосистемы и сохранять манёвренность.
Это снова игры ролей и навыков:
• сотрудник, который понимает архитектуру систем и может
переносить опыт с одной платформы на другую;
• эксперт, который строит сервисы “поверх” ИИ, а не привязывает
себя к одному инструменту;
• предприниматель, который использует мощь платформ, но не
отдаёт им клиентскую базу и критические знания;
• человек в госсекторе, который умеет работать со сторонними
технологиями, не теряя суверенитета своих процессов.

Если мир пойдёт к более жёсткой, авторитарной линии
В этом сценарии особенно ценными становятся:
• понимание того, как работают системы (чтобы бороться с их
слепыми зонами);
• навыки человеческого общения и эмпатии;
• способность отстаивать человеческий смысл в процессах.
Человек, который умеет соединять ИИ-системы и живой опыт,
может:
• делать государственные сервисы более адекватными;
• защищать людей от бездушных алгоритмических решений;
• предлагать альтернативы там, где система “съезжает в жестянку”.

Это уже не про пафос, а про роль “внутреннего архитектора”,
который работает не только ради эффективности, но и ради того,
чтобы людям не становилось хуже.

Если мир станет фрагментированным и многополярным
Если появятся разные блоки с разными моделями, законами,
условиями доступа, ценными станут:
• навык быстро осваивать новые инструменты;
• способность переключаться между экосистемами;
• умение строить свои системы так, чтобы их можно было
переносить и адаптировать.
То, что мы делали в главах про агентов и автоматизации, помогает
здесь очень прямым образом:
• ты не привязан к одному сервису;
• ты понимаешь общую архитектуру;
• ты можешь поднять похожую систему в другом стеке.

Зачем всё это перед разговором о деньгах
Можно было бы сразу перейти к:
“Как зарабатывать на ИИ?”
Но без этой главы разговоры о деньгах превращаются в знакомую
тревожную историю:
• “как успеть запрыгнуть в последний вагон”;
• “какую сейчас взять профессию, чтобы меня точно не заменили”;
• “на какой курс по ИИ записаться, чтобы меня спасли”.
Логика этой книги другая.
Сначала мы:
1. Посмотрели на мир – как он меняется под влиянием ИИ, роботов,
геополитики и борьбы за чипы и электроэнергию.
2. Разобрали пять уровней работы с ИИ – от обычных
инструментов и промпт-инжиниринга до автоматизированных систем.
3. Теперь – посмотрели на тебя:
4. в какой роли ты входишь в эту реальность,
5. какие навыки у тебя уже есть,
6. какие нужно наращивать.
И только теперь имеет смысл говорить:
• как всё это монетизировать;
• какие модели заработка существуют для сотрудника, эксперта,
предпринимателя, человека в госсекторе;
• как не превратиться в “универсального консультанта по ИИ без
лица”;
• как сделать так, чтобы деньги были следствием правильно
собранной роли и системы, а не единственной целью.
В следующей главе мы будем уже честно, по-взрослому разбирать:
• какие есть реальные пути заработка на связке “ты + ИИ”;
• какие из них подходят разным людям;
• какие шаги ты можешь сделать в ближайшие месяцы;
• и как при этом не поменять свою свободу и субъектность на новую
форму зависимости от очередного “чудо-сервиса”.

Эта глава – про фундамент.
Если ты её действительно проделаешь (не только прочитаешь),
всё, что будет дальше – про монетизацию, офферы, продукты, –
ляжет не как “ещё один способ заработать”,
а как продолжение уже осознанного движения: кем ты хочешь
быть в мире, где ИИ и люди живут и работают вместе.

Глава 8. Как монетизировать работу с
ИИ: от личных навыков к понятному
офферу

Вопрос, который всё равно висит в воздухе
К этому моменту у вас уже есть картина:
• вы видите, как меняется мир под давлением ИИ, роботов, энергии
и чипов;
• понимаете пять уровней работы с ИИ – от инструментов до систем;
• разобрались со своей ролью и навыками: сотрудник,
предприниматель, эксперт, человек в госсекторе или микс из этого.
Следующий честный вопрос звучит так:
“Окей, а как на всём этом зарабатывать?
Не в теории, а в реальной жизни – в ближайшие годы?”
Хорошая новость в том, что спрос на людей, которые умеют
превращать ИИ в реальную пользу, не падает, а растёт.
Исследования показывают:
• глобальный рынок AI-консалтинга к 2035 году может вырасти с
примерно 11 млрд долларов до около 91 млрд, с двузначными темпами
(26.9%) ежегодного роста[26].
• компании по всему миру уже внедряют ИИ минимум в одну
функцию бизнеса (продажи, маркетинг, операции, HR и др.), и доля
таких организаций перевалила за 80–85%[27].
• при этом существует дефицит миллионов специалистов, которые
умеют не “играться с нейросетями”, а внедрять ИИ в реальные
процессы[28].
Плохая новость: монетизация не возникает автоматически.
Недостаточно “просто любить ИИ” или “уметь писать длинные
промпты”.
Эта глава – про то, как собрать из всего, что вы уже освоили:
• понятный людям результат;
• конкретный формат работы;
• адекватную цену;
• и такой способ монетизации, который не рушится через полгода,
когда выйдет очередная версия модели.

Главное смещение: вы зарабатываете не на
ИИ, а на решённых задачах
Начнём с рамки.
Многие пытаются монетизироваться так:
“Я знаю ChatGPT / Claude / n8n / какую-то новую модель.
Продам это знание как услугу”.
Это выглядит логично, но очень хрупко:
• завтра выйдет новая версия модели;
• через полгода поменяется интерфейс;
• через год уйдёт в тень весь конкретный сервис.
То, что остаётся, – не знание “какой кнопкой пользоваться”, а
способность:
1. Разобраться в задаче человека или бизнеса.
2. Понять, какие уровни ИИ здесь уместны.
3. Сложить это в работающий контур.
4. Довести до результата и зафиксировать его.
ИИ здесь – не цель, а материал и инструмент.
Вы зарабатываете не на “нейросетях”, а на:
• сэкономленных часах;
• увеличенных продажах;
• сниженной ошибочности;
• устойчивых системах, которые продолжают работать.
Отсюда рождаются три основных уровня монетизации.

Три уровня монетизации ИИ-навыков
Уровень 1.
Уровень 1. “ИИ для себя” – ускоряете свою работу,
капитализируете это косвенно
Это уровень, на котором вы ещё ничего “не продаёте про ИИ”
наружу.
Вы просто становитесь человеком, который внутри своей компании
делает ту же работу заметно быстрее и качественнее – за счёт
нейросетей, агентов и автоматизаций.
Если смотреть глазами организации, вы встроены в определённую
систему:
• есть должность, грейд, оклад и премии;
• есть KPI, план, дедлайны;
• есть руководитель, который распределяет задачи и бюджет;
• есть конкуренция за повышение, интересные проекты и свободу.
ИИ здесь – не способ “срочно уволиться и пойти в консалтинг”, а
усилитель внутри этой системы.
Что именно меняется, если вы начинаете грамотно использовать ИИ
“для себя”:
• вы закрываете больше задач за то же рабочее время (отчёты,
презентации, письма, анализ данных, поиск и обобщение
информации);
• качество ваших материалов растёт: меньше ошибок, лучше
структура, понятнее визуализация, аккуратнее формулировки;
• вы становитесь человеком, к которому идут с нестандартными
задачами (“можешь быстро собрать сравнение”, “можешь проверить
текст”, “можешь накидать варианты решения?”, “можешь быстро
сделать SWOT анализ и проанализировать конкурентов на зарубежных
рынках”,);
• вы устойчивее к рутине: часть механической работы забирает на
себя ИИ, вы не сгораете на переписке и копипасте.

Как это превращается в деньги именно для сотрудника:
• повышение зарплаты и/или грейда – когда вы системно
показываете, что можете тянуть больший объём и сложность задач,
чем человек “на вашем уровне”;
• более быстрый карьерный рост – вас проще поставить
руководителем направления, тимлидом, ответственным за новый
проект, потому что вы умеете не только “делать руками”, но и строить
процессы с учётом ИИ и системы на их основе;
• бонусы и премии – вы чаще закрываете планы, успеваете в
дедлайны, спасаете горящие проекты, приносите идеи;
• устойчивость на рынке – если что-то пойдёт не так, у вас уже
есть опыт: “как я внутри компании с помощью ИИ увеличивал(а)
эффективность”. Это сильный аргумент на собеседовании в другую
организацию;
• личная свобода – вы можете либо взять на себя больше
интересных задач (и расти), либо делать тот же объём, но без
постоянного ощущения загнанности.
Это ещё не “прямая монетизация” в формате консалтинга, платных
консультаций или своих продуктов.
Но это уже деньги и возможности – через рост вашей ценности
внутри той системы, в которой вы работаете: структуры должностей,
зарплат, проектов и решений руководства, кому доверять больше
ресурсов.
На первом уровне вы не меняете мир, вы меняете расклад сил в
очень конкретном месте – в своей текущей компании и роли.

Уровень 2.
“ИИ как часть услуги” – продаёте результат, а внутри работает
система
Здесь вы уже не просто усиливаете себя внутри чужой компании.
Вы начинаете продавать результат наружу – как фрилансер,
консультант, небольшое агентство или человек внутри организации,

который отвечает за конкретный KPI (заявки, продажи, контент,
скорость процессов).
Важно: на этом уровне вы не продаёте “ИИ как ИИ”.
Вы продаёте:
• больше заявок,
• разгруженный отдел продаж,
• системный контент,
• порядок в документах,
• ускорение найма,
• быстрее закрывающиеся задачи.
Клиенту не нужно слово “нейросеть”.
Он формулирует запрос на человеческом языке:
• “нам нужны стабильные заявки, а не сезонные всплески”;
• “отдел продаж задыхается в ручной переписке и CRM, люди
сгорают”;
• “мы никак не можем выйти на регулярный контент – всё делается в
последний момент”;
• “у нас хаос в документах, договорах, отчётах, никто не понимает,
где что лежит”;
• “HR утопают в рутине и не успевают нормально отбирать
кандидатов”.
Вы отвечаете не так:
“я сделаю вам ИИ-автоматизацию, поставлю n8n и интегрирую
LLM”.
А так:
“я настрою для вас систему, которая:
• собирает нужные данные,
• обрабатывает их,
• выдаёт результат в понятном виде там, где вы реально работаете,
• и я беру на себя сопровождение и донастройку”.
То есть вы продаёте “после”, а не технический стек.
Что внутри этой системы может происходить “под капотом”:
• живут агенты:

– ИИ-контентолог, который подготавливает посты, письма,
презентации;
– ИИ-аналитик, который сводит отчёты из разных источников и
подсвечивает аномалии;
– ИИ-помощник HR, который фильтрует резюме и формирует
вопросы для интервью;
• стоит n8n / Make / другой оркестратор, который:
– забирает данные из форм, CRM, таблиц, почты, чатов;
– гоняет их через модели;
– складывает результат туда, где удобно клиенту: в CRM, Notion, бот,
таблицу, дашборд;
• используется та модель, которая подходит под задачу и
ограничения:
– публичные API, если можно выносить данные наружу;
– корпоративная/закрытая LLM, если данные чувствительные;
– смесь разных моделей под разные подзадачи (анализ, генерация
текста и изображений, структурирование, классификация).
Кроме “цифровой части” вы часто меняете и человеческий
процесс:
• кто отвечает за финальную проверку;
• как люди понимают, что система сработала или сломалась;
• что именно остаётся на людях и никогда не отдаётся автоматизации
(например, финальное решение по кандидату, согласование
нестандартного договора, коммуникация с VIP-клиентом).
Как это превращается в деньги на уровне 2:
• вы берёте деньги за проект: диагностика → проектирование →
внедрение → обучение людей;
• часто добавляете ежемесячное сопровождение: вы следите, чтобы
всё работало, обновляете промпты, допиливаете интеграции, меняете
логику под новые задачи;
• иногда договариваетесь о части эффекта:
– % от дополнительно полученной прибыли;
– бонус за снижение затрат;

– премия за сокращение времени процесса (например, “подбор
кандидата теперь занимает 3 дня вместо 20”).
Организационно это может выглядеть по-разному:
• вы – фрилансер, который закрывает 2–3 компании на постоянной
основе;
• вы – небольшое агентство / студия, где есть роли: аналитик,
интегратор, продюсер контента, техспециалист по ИИ;
• вы – сотрудник внутри компании, но с ролью “владелец системы”:
и зарплата, и бонусы завязаны на то, как работает ваш кусок
автоматизации.
Ключевая смена мышления между Уровнем 1 и Уровнем 2:
• На Уровне 1 вы усиливаете себя в уже существующей системе
(компания, должность, KPI).
• На Уровне 2 вы создаёте систему для других и продаёте её
результат.
Клиенту в идеале всё равно, используете ли вы внутри:
• три агента и пять сценариев n8n,
• одну корпоративную модель,
• пачку Google-таблиц плюс пару ботов.
Его интересует:
• какие показатели вы ему улучшите (заявки, скорость обработки,
конверсию, маржинальность, выручку);
• какие затраты снизите (часы людей, количество ошибок, стоимость
привлечения клиента);
• скольких людей вы освободите от рутины.
На этом уровне ИИ становится частью услуги, а не центральным
героем.
Вы перестаёте быть “человеком, который умеет пользоваться
нейросетями”, и становитесь человеком, который строит работающие
системы вокруг реальных бизнес-задач – и берёт за это деньги.

Уровень 3.
“ИИ как продукт” – делаете то, что работает без вас (или почти
без вас)
На этом уровне вы перестаёте зарабатывать только “временем и
проектами” и начинаете делать вещи, которые живут отдельно от
вашего календаря.
Вы становитесь не только исполнителем или интегратором, а
человеком, у которого есть свой ИИ-продукт.
Что это может быть на практике:
• готовые агенты под конкретные задачи и ниши;
• наборы автоматизаций (workflow'ы), которые можно установить и
использовать;
• библиотеки промптов, заточенные под понятную аудиторию
(юристы, стоматологи, маркетологи, HR, нишевые эксперты);
• микро-сервисы на основе ваших n8n/Make-цепочек и моделей:
маленькие “однозадачные” приложения;
• цифровые продукты вокруг этого: шаблоны, мини-курсы “как
использовать мой агент / систему”.
У крупных моделей уже появились свои витрины – каталоги агентов
и мини-приложений, где пользователи могут находить, пробовать и
покупать решения “поверх” базовой модели[29].
У инструментов автоматизации появляются площадки, где
продаются готовые сценарии: вы не просто делаете интеграцию под
одного клиента, а выкладываете рабочий процесс как продукт, иногда
вместе с доступом к API или вспомогательному сервису[30].
Важно трезво осознавать:
• это не история “сделал один агент → живёшь на пассивный
доход”;
• это даёт рычаг: один раз продумать решение под конкретную
боль, а потом продавать не часы, а доступ.
Из чего на самом деле состоит ИИ-продукт
Если разобрать по слоям, почти любой такой продукт – это
комбинация:

1. Ядро
– модель (или несколько моделей),
– хорошо проработанная система промптов,
– логика принятия решений: что продукт делает, в каком порядке, с
какими ограничениями.
2. Оболочка
– интерфейс: бот, мини-приложение, веб-сервис, форма, кнопка в
CRM;
– формат: “агент в магазине”, “workflow, который можно
установить”, личный кабинет, подписка на доступ к библиотеке
промптов.
3. Инфраструктура вокруг
– оплата (разовая покупка, подписка, тарифы);
– учёт пользователей и лимитов;
– логирование и базовая аналитика (“кто чем пользуется, где
ломается”);
– поддержка и обновления.
Примеры, как это выглядит в реальной жизни
• Вы делали под клиентов десятки связок “ИИ + маркетплейс”.
На базе этого появляется готовый агент/мини-сервис для
карточек товара:
пользователь загружает фото и пару параметров → получает
описания, теги, SEO-поля, рекомендации по фото. Сначала вы ставите
это как “агент в магазине”, потом – как отдельный сервис с тарифами.
• Вы несколько раз на проектах автоматизировали работу
рекрутеров: разбор откликов, фильтрацию резюме, анализ
психологического и компетентного профайла кандидата.
Из этого собирается продукт для HR:
– набор агентов (ИИ-фильтр откликов, ИИ-сводка по кандидату, ИИанализ профайла);
– готовый сценарий автоматизации, который забирает отклики из
почты/джоб-сайтов, сводит их в таблицу и расставляет приоритеты;
– простая инструкция “как подключить к вашей CRM, почте и
таблицам”, чтобы команда смогла развернуть это у себя.
• Вы настроили для студии контента цепочку “исследование темы →
контент-план → сценарий → раскадровка/структура ролика → подбор
референсов и обложек”.

Следующий шаг – упаковать это как продукт:
– “комплект workflow'ов для контент-студий” (готовые сценарии для
исследований, планирования, написания и правки сценариев,
подготовки ТЗ монтажёру);
– доступ к базе промптов и шаблонов под Reels/Shorts/YouTube;
– короткий гайд “как всё это внедрить за неделю” с примером: где
хранить материалы, как выстроить процесс между сценаристом,
монтажёром и заказчиком.
Как здесь зарабатываются деньги.
Вариантов много, и их можно комбинировать:
• разовая покупка продукта (лицензия, “пакет агента”, комплект
workflow'ов);
• подписка: доступ к продукту + обновления + новая
функциональность;
• freemium-модель:
– базовый функционал бесплатно,
– продвинутые функции, лимиты, интеграции – платно;
• ревеню-шейринг в магазинах моделей и на платформах: площадка
приводит вам пользователей и делит с вами выручку;
• white-label: вы продаёте продукт под брендом других компаний
(например, агент для клиентов маркетингового агентства, который
просто “встроен” в их сервис).
Чем Уровень 3 отличается от Уровня 2 по сути.
• На Уровне 2 вы делаете систему “под конкретного клиента”, и
деньги привязаны к вашим часам: анализ, проектирование, внедрение,
сопровождение.
• На Уровне 3 вы выносите повторяющуюся часть своей работы
“наружу”:
– смотрите, какие решения вы уже делали 3–5 раз;
– вычленяете из них общий шаблон;
– чистите от лишнего и завязываете на понятную нишевую боль;
– упаковываете так, чтобы незнакомый клиент мог этим
воспользоваться.
Поэтому здесь ключевой шаг – перестать каждый раз “изобретать
заново” и начать видеть:
“Вот это – общая часть, которую можно упаковать”.

Типичный путь выглядит так:
1. Вы делаете несколько проектов на Уровне 2.
2. Замечаете, что 60–70% логики и промптов повторяются.
3. Выделяете из этого “сердце решения”.
4. Упаковываете его в вид, который человек может купить /
установить / открыть без личного трёхчасового созвона с вами.
5. Смотрите, кто ещё в мире может быть вашим клиентом – не 3
компании, а 30, 300, 3000.
Это не отменяет вашей роли как эксперта или консультанта.
Часто успешная модель на Уровне 3 – это:
• продукт +
• комьюнити / поддержка +
• редкие, но дорогие кастомные внедрения поверх него.
И главное отличие от “агента ради агента”:
Вы не просто выкладываете в магазин ещё одного ИИ-помощника
“для всего”.
Вы делаете продукт, который:
• решает конкретную боль понятной аудитории;
• встроен в их реальный рабочий процесс;
• даёт ощутимый результат без вашего постоянного присутствия.
А уже дальше можно смотреть, как роли в этой игре меняются: кто
вы в этом мире – разработчик, продюсер, владелец продукта, партнёр
других экспертов.
Теперь посмотрим, как это раскладывается по ролям.

Сотрудник в найме: как превратить ИИнавыки в деньги и устойчивость
Если вы работаете в найме, то монетизация чаще всего проявляется
не в формате “вышел на фриланс и консультирую по ИИ”, а в двух
вещах:
• вы растёте внутри компании;
• вы становитесь специалистом, которого готовы взять к себе разные
компании, и вам легче найти новую работу, если вы решите поменять
место

Где здесь реальные деньги
1. Повышение зарплаты и должности.
Компании всё активнее ищут людей, которые могут не просто
выполнять задачи, а помогать внедрять ИИ в их процессы. При этом
реальных специалистов часто не хватает, и те, кто есть, стоят
существенно дороже.
2. Бонусы и участие в результатах.
Если вы инициировали изменение, которое:
– сократило время обработки заявок,
– снизило количество ошибок,
– ускорило оборот денег,
– вполне резонно обсуждать участие в эффекте: премии, проценты,
расширение зоны ответственности.
3. Переключение в более “живучие” и управленческие роли.
Есть должности, в которых 70–80% задач может быть
автоматизировано.
Есть такие, где автоматизация забирает рутину, но оставляет много
работы “на уровне решений и людей”.
Разумно двигаться в сторону второго.

Как выглядят ваши шаги
1. Диагностируете свой рабочий день.
Вы уже сделали это в прошлой главе. Теперь из этого списка
выбираете 1–2 процесса, где:
– много повторяющихся шагов;
– вы чётко понимаете, что на входе и что на выходе;
– есть измеримый результат.
2. Собираете маленький пилот.
Это может быть:
– агент-помощник, который готовит анализ и презентации;
– связка “формы → таблица → ИИ-комментарий”;
– автоматическая ежедневная сводка ключевых показателей.
Важно: делать это не “втихаря”, а с пониманием политики компании
по ИИ и данным.
3. Фиксируете эффект.
– сколько времени экономится;
– сколько ошибок стало меньше;
– что вы теперь успеваете делать вместо рутины.
4. Обсуждаете это с руководством.
Не в формате:
“я тут что-то автоматизировал, можно мне надбавку?”
а в формате:
“мы сделали пилот, вот эффект, могу развернуть это на отдел /
соседние функции, давайте обсудим, как это формализовать в моей
роли и доходе”.
Ваш ИИ-стек монетизируется здесь как повышение вашей
редкости: таких людей мало, спрос растёт, компании уже расширяют
бюджеты под эти компетенции[31].

Эксперт, фрилансер, создатель контента: три
линии монетизации
Если вы зарабатываете на своей экспертизе – учите, консультируете,
анализируете, пишете тексты, ведёте соцсети, проектируете продукты
– у вас больше свободы, но и больше соблазнов уйти в хаос.
Разберём три линии.

Линия А: “Я остаюсь в своей нише, ИИ – мой ускоритель”
Здесь ваш заработок растёт за счёт того, что:
• вы делаете тот же объём работы, но гораздо быстрее;
• или при том же времени делаете больше проектов.
Важно не пустить туда старую привычку “раз я делаю быстрее –
надо снизить цену”.
Клиенту всё равно, сколько часов вы сидели над текстом или
анализом. Его интересует результат:
• попали ли вы в аудиторию;
• закрыли ли вы его задачу;
• насколько надёжно это работает.
Поэтому разумная стратегия:
• сохранять или даже повышать цену;
• использовать ИИ, чтобы увеличить:
– глубину анализа,
– количество вариантов,
– качество упаковки.
И не скатываться в формат “продаю сгенерированный текст за
копейки”. На рынке уже видна усталость от безликих ИИ-материалов,
и спрос на живое, осмысленное содержание уходит вверх[32].

Линия B: “Я продаю систему, а не разовые штуки”
Здесь вы переходите от:
• “сделаю вам один лендинг/пост/анализ”
к
• “настрою вам работающий контур, где ИИ – часть механизма”.
Например:
• для эксперта: не просто “написать посты”, а построить ему
систему регулярного выхода контента с участием ИИ-агентов и
шаблонов;
• для онлайн-школы: не “помочь один раз с рекламой”, а выстроить
цепочку от сбора лидов до серии писем и аналитики;
• для малого бизнеса: не “настроить чат-бота”, а сделать систему
обработки обращений, где бот закрывает типовые запросы, а человек
подключается к сложным.
Что меняется в деньгах:
• вы берёте оплату не за одну операцию, а за проект настройки
системы;
• добавляете поддержку и развитие: первый месяц/квартал вы
сопровождаете и корректируете;
• можете брать абонентскую плату за регулярный контроль и
улучшения.
Клиент платит за то, что у него:
• появляется структура вместо хаоса;
• процессы меньше зависят от конкретных людей;
• есть человек, который отвечает за связку “бизнес-цели ↔ ИИ и
автоматизации”.

Линия C: “Я делаю ИИ-продукты”
Это логичное продолжение предыдущих двух линий.
Вы смотрите на свою нишу и спрашиваете:

“Какой кусок моей работы повторяется снова и снова?
Что из этого можно упаковать в продукт?”
Примеры:
• эксперт по контенту:
– набор ИИ-агентов под разные форматы (посты, письма, сценарии
видео) с вашими инструкциями;
– библиотека промптов под определённую нишу (медицинский блог,
юристы, региональный бизнес);
– мини-курс “как настроить себе контент-агента и систему
публикаций”.
• человек, который делает автоматизации:
– готовые n8n-цепочки для типичных задач (обработка заявок,
рассылка, отчёты);
– инструкции и файлы для развёртывания;
– мини-сервис, где ваш workflow работает как самостоятельный
продукт.
• психолог/коуч:
– ИИ-помощник для клиентов между сессиями (поддержка,
напоминания, упражнения);
– инструкции, как работать с ним безопасно;
– пакет, где вы комбинируете живую работу и работу с агентом.
Появление магазинов ИИ-приложений и агентов – это всего лишь
инфраструктура, которая упрощает выкладывание и распространение
таких продуктов. Важно не это, важно то, что вы изначально строите
решение вокруг конкретной боли и понятной аудитории, а уже
потом выбираете, в каком виде его публиковать: как GPT, как workflow,
как курс или как комбинацию всего.

Предприниматель и владелец бизнеса: ИИ как
источник экономии, роста и новых
направлений
Если у вас уже есть бизнес, монетизация ИИ выглядит иначе.
Вы не “продаёте ИИ”, вы:
• экономите на издержках;
• открываете новые продуктовые линии;
• повышаете устойчивость.

Три кармана, куда приходят деньги
1. Сокращение затрат и потерь.
– меньше ручной рутины → меньше часов оплаты труда;
– меньше ошибок → меньше штрафов, потерь, переделок;
– меньше хаоса → меньше ситуаций “всё горит, бросаем силы туда”.
Простой пример: автоматизированная обработка заявок + ИИпомощник для менеджеров → меньше потерянных лидов, выше
конверсия, выше выручка при тех же вложениях.
2. Рост выручки через новые форматы.
– персонализированные предложения;
– более точный таргетинг;
– более быстрый запуск новых продуктов (ИИ в прототипировании,
тестах, анализе обратной связи).
3. Новые направления бизнеса.
– вы можете сами стать “поставщиком ИИ-усиленных услуг” для
своей отрасли;
– из внутренних наработок (агенты, автоматизации, картины
процессов) можно делать пакетные решения для партнёров и коллег по
рынку;
– вы можете выделить отдельную единицу – “ИИ-лабораторию” или
продукт, который со временем станет самостоятельным источником
дохода.

Как это превращать в понятный план
1. Вы берёте карту процессов (даже если она пока у вас в голове).
2. Отмечаете:
– где больше всего повторов;
– где самое слабое место;
– где решения принимаются на основе интуиции и хаоса, хотя уже
есть данные.
3. Выбираете 1–2 участка:
– которые можно тронуть без риска “развалить всё”;
– где есть шанс увидеть результат за 1–3 месяца.
4. Строите пилот:
– ИИ-ассистент для отдела (продаж, поддержки, HR, логистики);
– автоматический отчёт, который раньше рождался неделю;
– простая связка (например, “формы → ИИ → уведомление”).
5. Замеряете эффект и решаете:
– масштабируем ли это дальше;
– нужно ли выделять под это отдельную роль/команду;
– появилось ли здесь самостоятельное направление.
Если навыков не хватает – вы можете привлекать внешних ИИспециалистов.
Рынок консалтинга и поддержки по ИИ будет расти быстрыми
темпами по 27% в год ближайшие лет 10 именно потому, что бизнесам
сложно самим разгрести весь зоопарк моделей и инструментов[33].
Но даже если вы обращаетесь к внешним моделям, важно, чтобы
внутри был человек (возможно, вы сами), который понимает, зачем это
делается и как встроить результат в вашу реальность.

Фаундер ИИ-стартапа
До этого момента мы говорили в основном о том, как
монетизировать свои навыки и системы в формате услуг: внедрение,
консалтинг, настройка автоматизаций, усиление вашей текущей роли.
Но у части читателей в голове живёт другой запрос:
“Я хочу не только продавать своё время. Я хочу сделать продукт.
Полноценный ИИ-сервис, который люди смогут использовать без
моего постоянного участия”.
Эта подглава – для вас.
Для создателя ИИ-продукта важно задать себе несколько трезвых
вопросов:
1. Что именно вы продаёте, если убрать слова “ИИ” и “нейросеть”?
2. Время? Удобство? Снижение ошибок? Ускорение процесса?
Новую возможность, которой раньше не было?
3. Можно ли сделать так, чтобы ваш продукт приносил ценность
даже если модель внутри поменяется?
4. Чтобы ядром были не “ответы модели”, а:
5. структура процесса, правильные вопросы, интеграции, данные,
удобство.
6. Не завязана ли экономика продукта на иллюзии, что “запросы
всегда будут стоить копейки”?
7. Считаете ли вы себестоимость обработки, поддержку, развитие?
Хороший ИИ-продукт редко выглядит как фокус “смотрите, у нас
тоже есть ИИ”.
Чаще он выглядит как сервис, который:
• решает понятную задачу лучше, чем до ИИ;
• встроен в конкретный процесс;
• прозрачен по цене и результату;
• честно показывает, где работает алгоритм, а где нужен человек.
Если вы читаете эту главу как основатель, воспринимайте её не
только как инструкцию “как продавать свои услуги”,
но и как набор фильтров для вашей продуктовой идеи:
пройдёт ли она проверку на ясность ценности, устойчивую
экономику и честные обещания.

Что вообще считается ИИ-продуктом?
Слово “продукт” слишком перегружено.
Давайте договоримся об уровне конкретики.
ИИ-продукт – это система, которая:
• решает понятную задачу для конкретного типа людей или
компаний;
• делает это повторяемо, а не “через раз”;
• даёт результат даже тогда, когда вас лично нет рядом;
• и использует ИИ не как вывеску, а как реальный двигатель внутри
процесса.
Форма может быть любой:
• сайт, куда загружаешь файл, а на выходе получаешь отчёт;
• бот, который ведёт по сценариям;
• платформа, где пользователь настраивает себе агентов под свои
задачи;
• внутренний корпоративный сервис, который живёт только у одного
заказчика.
Важно другое: пользователю понятна задача и результат, даже
если вы уберёте слова “ИИ” и “нейросети”.

Линейка от простого к сложному: какие ИИ-продукты
можно делать уже сейчас
Чтобы не говорить абстрактно, посмотрим на спектр различных ИИпродуктов и сервисов.
Уровень 1. “Сделал для себя – отдаю другим”
Самый приземлённый уровень – когда вы уже собрали для себя
работающую связку:
• агент, который структурирует ваши заметки;
• автоматизация, которая после каждой встречи присылает конспект;

• сценарий, который прогоняет входящие заявки и раскладывает их
по приоритетам.
Представьте, что вы довели один такой сценарий до состояния:
• вы им пользуетесь регулярно;
• он экономит часы;
• вы скучаете по нему, если он ломается.
Дальше возможны два шага.
1. Сделать “полу-продукт” для своей аудитории.
2. Например:
– Google-форма или простая страница: “Залейте сюда аудиозапись
встречи / текст заявки / список задач”;
– под капотом ваш сценарий на n8n, Make или другом инструменте;
– на выходе – письмо, документ, mind-map, таблица.
Вы не делаете “стартап на миллиард”.
Вы делаете аккуратный сервис “на людей, похожих на вас”.
3. Оформить это как платный сервис в узкой нише.
4. Например:
– сервис для психологов: после сессии загружаешь аудио –
получаешь структурированный конспект и тезисы для наблюдений;
– сервис для руководителей отделов продаж: загружаешь запись
созвона – получаешь структуру, возражения, моменты, где менеджер
теряет клиента;
– сервис для преподавателей: загружаешь видео урока – получаешь
конспект, вопросы для проверки, краткую выжимку.
Это всё ещё “малые формы”, маленькие продукты.
Но они уже:
• живут сами по себе,
• не требуют вашего личного ручного труда на каждый запрос,
• и могут приносить понятный, пусть небольшой, доход.
Уровень 2. Продукты “ежедневного применения”
Следующий этаж – продукты, которые вплетаются в чужой рабочий
день.
Типичный
пример
класса
–
“ИИ-секретарь
/
ИИконспектировщик / ИИ-организатор”:

• сервис, который подключается к вашим Zoom/Meet/Teams
созвонам,
• записывает их, делает транскрипт, выделяет ключевые решения,
задачи, риски, делает mind-map,
• и утром присылает вам нормальный человеческий конспект;
• инструмент, который забирает все ваши голосовые заметки за день,
• превращает их в структурированные списки дел, идеи, проекты;
• сервис, который по переписке в мессенджере собирает “журнал
дня”: что вы сделали, что перенесли, что застряло.
Важный момент:
на этом уровне нет ничего “космического” по сравнению с вашими
личными автоматизациями.
Разница – в упаковке:
• вход для пользователя – простой и понятный (залить ссылку, дать
доступ к календарю, подключить интеграцию);
• результат – в форме, с которой удобно работать (конспект, список
задач, mind-map, отчёт).
Если вы уже делаете что-то похожее для себя, самый логичный шаг
– аккуратно вынести это наружу.
Уровень 3. Инструменты-усилители: “ИИ-редакторы”, “ИИдизайнеры”, “ИИ-прототипировщики”
Отдельный класс – продукты, которые усиливают определённый
тип работы.
Примеры:
• конструкторы презентаций, где по текстовому описанию
генерируются слайды, структура, визуальный стиль;
• инструменты, которые из ваших идей и требований собирают
первый прототип лендинга или простого веб-приложения;
• сервисы, которые помогают маркетологу собрать связку: оффер →
лендинг → письма → посты → рекламные объявления.
Смысл таких продуктов:
• они экономят не минуты, а часы

• и снимают “тяжёлый старт” – белый лист, пустой слайд, нулевой
макет;
• при этом почти всегда предполагают человеческую доработку.
• Это не минус, а нормальная конструкция: ИИ делает черновик,
человек – редактуру и финальные решения.
Если вы работаете в какой-то области достаточно долго – дизайны,
код, маркетинг, обучение, —
вы почти наверняка видите, какой кусок работы можно превратить в
такой “усилитель”.
Задача: собрать связку “инструмент для себя” → посмотреть, готов
ли кто-то за него платить.
Уровень 4. Продукты “Lovable-класса”: когда ИИ сам собирает
приложения и решения
На более высоком уровне появляются продукты, где ИИ становится
не помощником, а почти со-разработчиком.
Логика у них примерно такая:
• вы формулируете, что хотите: “приложение для внутреннего учёта
заявок”, “сайт для онлайн-курса”, “простую CRM под свои процессы”;
• система задаёт уточняющие вопросы;
• под капотом она использует ИИ, шаблоны, генерацию кода и
интерфейсов;
• на выходе – рабочий прототип, который можно менять “словами”, а
не через программиста.
Это уже “тяжёлая артиллерия” уровня инфраструктуры и серьёзных
команд.
Но понять принцип важно:
• людям страшно начинать с нуля;
• ИИ-продукты этого класса снимают именно барьер входа: первые
версии, черновики, склеенный каркас.
Вам не обязательно делать “второй Lovable” или “второй
конструктор презентаций типа Gamma.app”.
Но вы можете подумать:

• есть ли в вашей области задача, где человеку каждый раз
приходится собирать сложную конструкцию с нуля,
• хотя 60–80% шагов повторяются;
• можно ли сделать продукт, который будет выдавать первый
рабочий вариант,
• а не заставлять каждый раз делать всё руками.
Уровень 5. B2B-решения: ИИ как часть тяжёлой инфраструктуры
Самый верхний слой – продукты, которые помогают крупным
компаниям:
• обрабатывать огромные массивы данных (медицина,
финансовый сектор, нефть и газ, промышленность);
• принимать решения быстрее и точнее (диагностика,
прогнозирование, оптимизация процессов);
• снижать риски и издержки (предиктивное обслуживание
оборудования, обнаружение аномалий).
Это может выглядеть как:
• система, которая помогает врачам быстрее и точнее анализировать
снимки
• (ИИ не “ставит диагноз”, а отмечает подозрительные зоны,
сравнивает с миллионами случаев, предлагает варианты для проверки);
• продукт для энергетики или нефтегаза, который анализирует
данные датчиков,
• прогнозирует аварии и предлагает оптимальные режимы работы;
• решение для логистики, которое пересчитывает маршруты, цены,
загрузку транспорта в режиме реального времени.
Такие продукты требуют:
• глубокой доменной экспертизы;
• доступа к данным;
• понимания регуляции и требований к безопасности.
Это не та зона, куда можно зайти “просто потому что я люблю ИИ”.
Но если вы уже внутри отрасли – врач, инженер, аналитик, то путь
“от личных инструментов → к внутреннему корпоративному решению
→ к продукту” для вас вполне реалистичен.

Как связать это с тем, что у вас уже есть
Важно не то, на каком уровне вы хотите оказаться “когда-нибудь”.
Важно, где вы реально находитесь сейчас:
• у вас уже есть рабочий агент, которого вы каждый день
открываете?
• есть автоматизация, без которой вам теперь тяжело работать?
• есть понятная боль у людей вокруг, которую вы своими связками
закрываете “между делом”?
Тогда ваша траектория может выглядеть так:
1. От личной связки к маленькому продукту.
Не “стартап”, а простой сервис для людей, которые похожи на вас по
задачам.
2. От маленького продукта к инструменту-усилителю.
Когда вы понимаете, что одна и та же логика нужна множеству
людей —
вы оформляете её в интерфейс, интеграции, тарифы.
3. От инструмента к платформе или B2B-решению.
Если вы доросли до того, что ваш продукт начинает жить в чужой
инфраструктуре
(у заказчика, в корпорации, в отрасли),
вы переходите на уровень игры “данные + интеграции +
ответственность”.

5 уровней ИИ как карта для фаундера
В этой книге мы не будем отдельно учить “как делать стартап”.
Но 5 уровней, о которых мы говорим, – это удобная карта и для
фаундера тоже.
Очень коротко:
• Уровень промптов – это то, как ваш продукт общается с
пользователем и с моделью. Если здесь бардак, дальше будет только
хуже.

• Уровень продвинутого промпт-инжиниринга – это ваш
внутренний “ИИ-движок”: роли, контекст, формат, проверки. По сути,
это мозг продукта.
• Уровень агентов – разные режимы и “персоны” внутри продукта:
аналитик, редактор, визуал, стратег – каждый как отдельный агент.
• Уровень систем и автоматизаций – ваше подкапотное движение
данных:
откуда что берётся, как обрабатывается, куда уходит, что триггерит
следующий шаг.
• Уровень экосистемы – как продукт живёт в реальном мире:
кто за что отвечает, какие есть метрики, как вы собираете обратную
связь,
как обновляете промпты и сценарии, как зарабатываете и
масштабируетесь.
Если вы хотите строить продукт, вам не нужны десятки
методологий.
Вам достаточно честно пройти по этим пяти срезам и ответить:
• что у меня уже есть;
• что сейчас держится “на мне лично” и должно переехать в систему;
• где я пока фантазирую, а где есть реальные пользователи и деньги.

Небольшая домашка для тех, кто не может не строить
Если вы читаете эту подглаву и чувствуете, что “да, меня тянет в
продукты”,
сделайте четыре простых шага – без героизма:
1. Назовите одну связку, которая уже работает у вас лично.
Агент, автоматизация, система – неважно.
Главное: вы ей реально пользуетесь и она экономит вам силы.
2. Сформулируйте, кто ещё, кроме вас, живёт в такой же задаче.
Не “все предприниматели”, а конкретный тип людей:
маркетологи, HR-ы, врачи, юристы, авторы курсов, владельцы
небольших магазинов.
3. Опишите, как мог бы выглядеть самый маленький продукт.
Не “супер-платформа”, а простейший сервис:

что человек делает на входе, что получает на выходе, за что он
платит.
4. Запланируйте тест на ближайший месяц.
Не переписывание мира, а один честный эксперимент:
дать доступ нескольким людям, взять деньги (пусть символические),
посмотреть,
вернутся ли они ещё раз, собрать обратную связь.
Если после этого вы поймёте, что вам интересно продолжать —
главы про архитектуру, системы и экосистему дадут всё,
чтобы вы двигались дальше не вслепую, а с ощущением карты и
пониманием, на каком уровне сейчас играет ваш будущий ИИ-продукт.

Человек в госсекторе и НКО: как здесь
выглядит монетизация
Здесь монетизация чаще всего опосредованная:
• карьерный рост;
• участие в проектах и грантах;
• переход потом в частный сектор на сильные позиции.
ИИ уже заходит в госструктуры:
автоматическая обработка заявлений, анализ массивов данных,
первичные ответы гражданам. Вопрос в том, кто будет людьми,
которые умеют:
• формулировать задачи для таких систем;
• следить за качеством их работы;
• защищать интересы живых людей там, где алгоритм ошибается.
У такого человека открываются пути:
• становиться внутренним экспертом по цифровой трансформации;
• вести пилоты и проекты, за которые платят больше, чем за простое
“ведение делопроизводства”;
• накапливать опыт, который потом конвертируется:
– в консалтинг для других регионов/структур,
– в переход в бизнес-сектор с очень редкой экспертизой.
Да, здесь меньше прямых “фриланс-моделей”.
Но ИИ-стек всё равно перекладывается в деньги – через вашу
редкость и значимость в системах, которые всё больше нуждаются в
людях-переводчиках между алгоритмами и гражданами.

Типичные ловушки монетизации ИИ (и как их
обойти)
Ловушка 1.
Продавать “ИИ как ИИ”
“Я делаю чат-боты на нейросетях”
“Я обучаю пользоваться ChatGPT”
“Я внедряю n8n”
Такие офферы работают всё хуже, и будут проседать дальше.
Почему:
• сама по себе технология быстро дешевеет и упрощается;
• вокруг – сотни людей с похожими обещаниями;
• заказчику нужен не ИИ, а решение: заявки, порядок, отчёты, рост
продаж.
Замена – формулировки от результата и контекста, а не от
инструмента. Например:
• вместо “делаю чат-боты на нейросетях” →
“Настраиваю систему обработки обращений для небольших клиник:
все заявки из сайта и соцсетей попадают в одно окно,
бот закрывает типовые вопросы, а администраторы берут только
сложные случаи.
Обычно это сокращает время ответа в 2–3 раза и снижает нагрузку
на админов.”
• вместо “обучаю пользоваться ChatGPT” →
“Помогаю отделу маркетинга за 2 недели перестроить свою работу
с ИИ:
вы переходите от ручного написания текстов к системе,
где ИИ-агент пишет вашим tone of voice все тексты,
а в конце недели вы получаете готовый контент-план и отчёт по
темам, которые 'зашли' лучше всего.”
• вместо “внедряю n8n” →

“Выстраиваю для онлайн-школ и экспертов автоматизированный
контур продаж:
заявки с лендинга попадают в CRM,
ИИ сегментирует лиды по интересу и теплоте,
триггерные письма и сообщения отправляются автоматически,
а к менеджеру доходят только те, кого действительно нужно дожать
до оплаты.”
Смысл один: вы продаёте не “чат-бот”, “ChatGPT” или “n8n”,
вы продаёте понятный человеку результат в его языке —
а ИИ и инструменты остаются под капотом, как ваша внутренняя
кухня.

Ловушка 2.
Обещать “волшебный автоматический бизнес”
После появления мощных моделей и разговоров о суперинтеллекте
многие начали строить офферы в духе:
“Настрою вам систему, которая сама будет генерировать клиентов/
деньги/бизнес”.
Реальность заметно сложнее:
• рынок меняется;
• конкуренты тоже используют ИИ;
• люди устают от однотипного контента и скриптов.
Даже если у вас есть доступ к сильным моделям, реальный мир
остаётся непредсказуемым – и потребует от вас постоянной работы с
нишей, продуктом, людьми.
Замена:
обещания, привязанные к конкретному процессу и диапазону
результатов, с оговорками про тесты, доработку и участие клиента.
Например:
• вместо “сделаю автосистему, которая сама будет приносить вам
клиентов” →
“Выстрою для вашей онлайн-школы воронку заявок:

лендинг → заявки → ИИ-сегментация лидов → серия писем и
сообщений → передача тёплых клиентов менеджеру.
По опыту похожих проектов это обычно даёт +20–40% к количеству
доведённых до звонка заявок, но точные цифры зависят от ниши и
рекламного бюджета – мы протестируем и вместе докрутим”.
• вместо “настрою вам ИИ, который сам будет управлять бизнесом”
→
“Сделаю для вас панель ключевых показателей:
ИИ собирает данные из CRM и рекламных кабинетов,
считает базовые метрики, а вы каждое утро видите короткий отчёт и
можете принимать решения не 'на глаз', а на цифрах.
Первые недели смотрим вместе, что полезно, что лишнее, и
дорабатываем структуру”.

Ловушка 3.
“Я сделаю вам всё”
“Я и стратегию продумаю, и систему соберу, и отдел настрою, и
рекламу запущу, и людей обучу…”
В середине этого списка тонете и вы, и ценность вашей работы.
С другой стороны, узкая точка “делаю только промпт” – тоже
крайность.
Замена:
• чётко обозначенный участок ответственности;
• понятные границы;
• опора на свои реальные сильные стороны.

Как сформулировать первый понятный оффер
Не шаблон, а логика, по которой можно собрать свой текст.

Шаг 1.
Выберите роль и нишу
• сотрудник: “маркетинг в B2B”, “продажи в недвижимости”,
“аналитика в ритейле”;
• эксперт/фрилансер: “таргетолог для локального бизнеса”, “юрист
по малому бизнесу”, “психолог, работающий с выгоранием”;
• предприниматель: “клиника”, “производство мебели”, “языковая
школа”.
Чем конкретнее, тем легче.

Шаг 2.
Назовите проблему своими словами
• “Мы утопаем в переписке и документах”;
• “Контент выходит от случая к случаю, клиентов это не
прогревает”;
• “Отдел продаж задыхается в рутинах и забывает о тёплых лидах”;
• “Клиенты жалуются, что им сложно разобраться в наших услугах”.
Это должно быть то, что люди реально говорят, а не термин из
презентации.

Шаг 3.
Опишите, что у вас в итоге будет “работать само”

Не в смысле “вы ничего не делаете”, а в смысле “не надо гонять
каждую мелочь вручную”.
Например:
• “Система, где заявки не теряются, а доходят до звонка и встречи”;
• “Контент-линию, которая выдаёт 5–7 осмысленных постов на все
соцсети в неделю с минимальным вашим участием”;
• “Еженедельную сводку по ключевым показателям, которая
приходит сама и не требует от вас ночевать в Excel”.

Шаг 4.
Мягко обозначьте, что внутри – ИИ и системы
Не надо на этом делать акцент, достаточно:
• “Я использую связку ИИ-агентов и автоматизаций, чтобы убрать
ручную работу и ускорить ваш процесс”;
• “Часть работы делает ИИ, часть остаётся за вами и вашей
командой – мы чётко разделяем эти зоны”.

Шаг 5.
Обозначьте шаги и рамки
Сколько этапов:
• диагностика;
• проектирование;
• пилот;
• доработка и обучение;
• сопровождение (если оно уместно).
И где граница:
• что вы точно не делаете;
• что зависит от клиента (своевременная обратная связь, доступы,
участие людей).

Пример собранного оффера
“Я помогаю небольшим клиникам настроить систему обработки
обращений:
все заявки из мессенджеров, сайта и соцсетей попадают в единое
окно,
ИИ-помощник отвечает на типовые вопросы, сотрудник видит
приоритеты и берёт на себя только там, где нужен живой контакт.
Обычно это сокращает время ответа в 2–3 раза и снижает нагрузку
на администраторов, без потери качества общения.
Работаю по этапам:
1. разбираемся в текущем потоке обращений,
2. проектируем новую схему,
3. собираем пилот,
4. дорабатываем по данным,
5. обучаю ваших людей работать с системой.
Внутри используются ИИ-агенты и автоматизации, но вам не нужно
вникать в технические детали —
я отвечаю за то, чтобы всё было прозрачно, законно и понятно
вашим сотрудникам и пациентам.”
Ваш текст может быть короче или длиннее, но логика та же:
• конкретная аудитория;
• конкретная задача;
• понятный результат;
• прозрачный процесс;
• честные рамки.

Небольшое упражнение: три сценария
монетизации под вас
Предложение простое: не откладывать всё “на потом”, а прямо
сейчас набросать три возможных линии.
1. Если вы сотрудник:
– Сценарий 1: повышение внутри за счёт того, что вы берёте на себя
роль человека, который наводит порядок в одном участке с
помощью ИИ.
– Сценарий 2: переход в компанию, где ваши ИИ-навыки ценятся
выше.
– Сценарий 3: постепенная подготовка к формату “внешний
консультант” в своей отрасли (но не торопясь, на базе реальных
кейсов).
2. Если вы эксперт/фрилансер, создатель контента:
– Сценарий 1: оставить текущую нишу, но перестроить процессы с
ИИ так, чтобы вы могли брать меньше клиентов, но глубже работать с
каждым за более высокий чек.
– Сценарий 2: сфокусироваться на построении систем для своих
клиентов (контент, воронки, обучение команд).
– Сценарий 3: начать собирать продукты: агенты, курсы, наборы,
шаблоны – пусть сначала небольшой, но устойчивый источник дохода.
3. Если вы предприниматель:
– Сценарий 1: оптимизировать один ключевой процесс с помощью
ИИ и систем, высвободить ресурсы.
– Сценарий 2: создать ИИ-усиленную услугу внутри бизнеса
(анализ, сервис, обучение) и продавать её клиентам.
– Сценарий 3: выделить всё, что вы сделаете внутри, в отдельное
направление – которое со временем может зарабатывать само.
4. Если вы человек в госсекторе/НКО:
– Сценарий 1: стать внутри своей структуры человеком, который
помогает разруливать цифровые проекты по-человечески.
– Сценарий 2: участвовать в пилотах, получать опыт, который потом
можно монетизировать в консалтинге.

– Сценарий 3: совместные проекты с бизнесом и НКО, где ваш опыт
работы с государственными системами и ИИ очень ценен.
Выберите один сценарий, который больше всего “цепляет”.
Сформулируйте одну маленькую, но конкретную задачу на
ближайшие две недели:
• провести мини-аудит задач и увидеть, что можно переложить
на ИИ;
• собрать простейшего ИИ-агента под повторяющуюся задачу;
• прописать черновик оффера;
• предложить кому-то из клиентов/коллег тестовый пилот.
Не надо стараться “сделать идеальный ИИ-бизнес”.
А сделать один шаг, в вашей реальности, на базе того, что у вас уже
есть.

Переход к финалу: от денег – обратно к
архитектуре
Монетизация – важная тема.
Но в этой книге она намеренно не первая и не главная.
Логика такая:
1. Сначала – понимание мира и инфраструктуры ИИ.
2. Потом – пять уровней: от инструментов до систем.
3. Потом – честный разговор о ваших ролях и навыках.
4. Теперь – деньги: как превратить всё это в устойчивый заработок.
Остаётся ещё один шаг: собрать всё воедино.
В заключительной главе мы поговорим:
• как из пяти уровней, ваших ролей и выбранных сценариев
монетизации
сделать личную экосистему “человек + ИИ (и постепенно –
роботы)”;
• как расставить границы, чтобы система работала на вас,
а не превращала жизнь в бесконечный эксперимент;
• как жить не в ожидании одного “идеального суперинтеллекта,
который всё решит”,
а в реальности, где сильных ИИ-систем много, и у вас есть свой
способ оставаться в этом мире человеком и архитектором, а не
случайной деталью.

Глава 9. Уровень архитектора: как
собрать свою экосистему “человек
+ ИИ”

Возвращаемся к главному вопросу
К этому месту книги у вас, должно быть, уже есть странное
сочетание ощущений.
С одной стороны, кажется, что вы увидели слишком много:
инфраструктура ИИ, чипы, энергия, войны за мощности, роботы,
сценарии будущего, пять уровней работы с ИИ, роли, навыки,
монетизация.
С другой – есть простой, очень человеческий запрос:
“Хорошо. А как мне теперь жить и работать?
Что именно построить вокруг себя, чтобы это помогало, а не
сносило крышу?”
Эта глава – про финальный поворот от “мира в целом” и “экономики
в целом” к вашей личной архитектуре.
Не теоретической, а той, в которой вы действительно будете жить:
• какие ИИ-инструменты и системы вы берёте в свою жизнь
надолго;
• что сознательно отдаёте машинам, а что оставляете за собой;
• как не утонуть в бесконечных экспериментах;
• как действовать в горизонте 3–5 лет, а не только “до следующего
апдейта модели”.
Здесь не будет очередного списка “10 шагов к успеху”.
Задача другая: собрать из всего предыдущего книги целостную
картину – так, чтобы вы чётко понимали:
какую экосистему вы строите, какую роль в ней занимаете и как
будете её разворачивать дальше.

Кто такой “архитектор” в мире ИИ
Слово “архитектор” легко обесценить. Его любят презентации,
консалтинговые отчёты и HR-описания вакансий.
Давайте заземлим.
В контексте этой книги архитектор – это не:
• не гений, который “видит всё на 100 лет вперёд”;
• не программист, который пишет модели с нуля;
• не человек, который должен “знать все нейросети”.
Архитектор – это человек, который делает три вещи:
1. Понимает, в какой реальности он живёт.
Он не обманывает себя сказками про “ИИ – это просто игрушка” и
не впадает в истерику про “нас всех заменят”.
Он видит: есть инфраструктура (энергия, чипы, дата-центры), есть
модели, есть интерфейсы доступа, есть роботы, которые постепенно
выходят из лабораторий в склады, больницы, города.
И всё это никуда не денется.
2. Освоил базовую “грамматику” работы с ИИ.
Он умеет:
– общаться с моделями не на уровне “поболтать”, а на уровне
конкретных задач зная основы промпт-инжиниринга;
– собирать агентов под различные роли;
– связывать это в простые системы и автоматизации;
– видеть, где именно его работа может быть усилена ИИ, а где –
искажена.
3. Собирает вокруг себя устойчивую конструкцию.
Он не живёт в режиме:
“О, новый сервис, надо броситься туда!”
Он держит в голове свою карту:
– что у него в жизни и работе главное;
– какие процессы нужно сделать надёжными;
– какие вещи можно менять часто, а какие должны быть
стабильными годами.
Разница с обычным пользователем проста.

Обычный пользователь ждёт, пока ему “подбросят” новый сервис,
курс, приложение.
Архитектор задаёт другой вопрос:
“Как это встроится в то, что у меня уже есть?
И нужно ли мне это вообще?”

Принципы личной экосистемы “человек
+ ИИ”
Чтобы не превратить жизнь в бесконечный хакинг всего подряд,
полезно держать несколько принципов.

Ограниченный, но надёжный “стек”
Вам не нужно десятки сервисов.
Вам нужен свой стек:
• 2–3 основные модели (например, ChatGPT + ещё одна модель,
важная для ваших задач);
• 1–2 инструмента автоматизации (типа n8n / Make или встроенных
рабочих процессов в любимой платформе);
• 1–2 ключевые среды, в которых вы храните и структурируете
результаты (Notion, Obsidian, Google Docs/Sheets, собственная CRM).
Это – несущие балки вашей экосистемы.
Они должны быть:
• понятны вам;
• достаточно стабильны;
• переносимы (чтобы в случае чего можно было мигрировать в
аналог без полного обнуления).
Всё остальное – экспериментальный слой.
В него можно добавлять новые сервисы, агенты, плагины,
тестировать и выбрасывать без сожаления.

Сознательное разделение: что отдаю ИИ, а что – никогда
Если вы не проведёте эту линию сами, за вас её проведут маркетинг
и чужие бизнес-модели.

Имеет смысл честно выписать для себя несколько зон:
1. То, что я готов отдавать ИИ и автоматизациям максимально.
Рутинная аналитика, черновики текстов, отчёты, напоминания,
сортировка, поиск, типовые ответы.
2. То, что я готов делить пополам.
Это зона, где ИИ делает черновую работу, а вы – финальный отбор и
осмысление. Например:
– Идеи для контента, продуктов, форматов встреч: ИИ генерирует 20
вариантов, вы выбираете 2–3, которые реально подходят под вашу
аудиторию и текущие цели.
– Гипотезы для маркетинга или изменений в бизнесе: модель
предлагает возможные сегменты, офферы, форматы, а вы решаете,
какие из них тестировать вживую и в первую очередь, исходя из
бюджета, ресурсов и здравого смысла.
– План дня и недели: ассистент составляет черновой список задач по
приоритетам, но именно вы решаете, что реально влезет в день, что
можно выкинуть, а что перенести, учитывая вашу энергию, встречи,
семью.
– Обучение и развитие: ИИ собирает для вас подборку статей,
курсов, видео по теме, но вы сами выбираете, чему уделить время,
исходя из того, что сейчас действительно сдвинет вас вперёд, а не
просто добавит “ещё знаний”.
В этой зоне ИИ – не автор решений, а расширитель поля вариантов.
Его задача – разложить перед вами возможные ходы со всеми плюсами
и минусами, чтобы вы тратили силы не на перебор, а на выбор.
3. То, что я принципиально оставляю человеческим.
Обсуждение важных решений.
Воспитание детей.
Разговоры в близких отношениях.
Сложные этические выборы.
То, за что вы хотите отвечать лично, а не ссылаться на алгоритм.
Эта третья зона – ваш внутренний “контур безопасности”.
Без него человек легко превращается в обслуживающий персонал
для собственной же системы.

Принцип обратимости
Ещё один важный принцип: любой критичный процесс в вашей
жизни и работе должен быть обратим.
Это значит:
• вы понимаете, как он устроен;
• у вас есть возможность перенести его в другой инструмент;
• вы не завязаны на один сервис так, что его закрытие разрушит всё.
Например:
• если ваша система привязана к одному сервису, подумайте, как
держать часть логики в виде промптов, регламентов и таблиц, которые
можно перенести;
• если ваши автоматизации живут только в одной платной
платформе, разумно иметь хотя бы экспорт сценариев и описания
логики в человеческом виде.
Архитектор мыслит не только “как сделать”, но и “что будет, если
это однажды исчезнет”.

Как собрать свои пять уровней в одну картину
В первой части книги мы шаг за шагом проходили уровни:
1. Инструменты – “ИИ как калькулятор со стероидной начинкой”.
2. Продвинутые промпты – управление контекстом и задачами.
3. Агенты – отдельные роли (сотрудники) с памятью и настройками.
4. Системы и автоматизации – связки шагов и алгоритмов.
5. Контуры – где ИИ, люди и процессы работают как единое целое.
Сейчас важно ответить себе на вопрос:
“Как будет выглядеть мой личный контур в ближайшие годы – не в
теории, а в жизни?”
Попробуем собрать это на примерах.

Пример: специалист в найме
Представим человека, который работает, допустим, в отделе
маркетинга средненькой компании.
Уровень 1–2 (инструменты и промпты):
• ИИ помогает ему готовить отчёты, подбирать инсайты из опросов,
составлять презентации;
• он умеет задавать контекст: “наш продукт, наша аудитория, такойто рынок” – и получать не абстрактные советы, а те, которые можно
хоть как-то применить.
Уровень 3 (агенты):
• у него есть отдельный агент “аналитик по рынку”, который знает
структуру отчётов и формат выводов;
• есть агент “тон голоса бренда”, который помогает приводить
тексты к стилю компании;
• есть простой агент “помощник по встречам”, который собирает
повестку и конспекты.

Уровень 4 (системы):
• настроена простая автоматизация: после каждого запуска кампании
данные падают в таблицу, ИИ готовит черновой анализ, а человек уже
принимает решения;
• еженедельный отчёт по ключевым показателям прилетает не в
формате “открыл 5 вкладок и сам всё свёл”, а в виде понятной сводки с
комментариями.
Уровень 5 (контур):
• его личная система выглядит как цикл: идеи → тесты → анализ →
выводы,
• внутри которого ИИ делает всю обширную рутинную работу, а
человек выбирает направления, формулирует гипотезы, презентует
решения руководству.
Такой человек не “играет в нейросетки”.
Он строит вокруг своей роли инфраструктуру, которая делает его:
• быстрее,
• точнее,
• спокойнее.

Пример: эксперт или фрилансер
Возьмём, например, коуча, психолога или консультанта в нише
“здоровый образ жизни”.
Уровень 1–2:
• ИИ помогает ему систематизировать заметки после сессий (без
раскрытия личных данных), генерирует идеи для контента, помогает
упаковывать мысли в статьи, ответы, упражнения.
Уровень 3:
• есть агент “помощник по контенту”, который понимает: целевая
аудитория, темы, формат;
• есть агент “структурировщик”, который помогает из хаотичных
заметок выделять повторяющиеся паттерны, темы, цитаты.

Уровень 4:
• система контента: раз в неделю эксперт создаёт 2–3 смысловых
блока,
• ИИ на их основе помогает собирать посты, письма, сценарии
коротких видео,
• публикации идут по расписанию через связку автоматизаций.
Уровень 5:
• вокруг его практики возникает контур:
• клиенты → работа на сессиях → поддержка между сессиями
(частично через ИИ-помощника, которому эксперт задал рамки и
ограничения) → контент, который отражает живую работу → новые
обращения.
ИИ здесь – не заменитель специалиста.
Он – слой, который:
• берёт на себя механическое;
• помогает видеть закономерности;
• поддерживает ритм коммуникации.

Пример: предприниматель
Представим владельца небольшого сервиса – пусть это будет сеть
студий или клиника.
Уровень 1–2:
• владелец использует ИИ для быстрых расчётов, проверки идей,
упрощения переписок, черновиков документов;
• у него есть несколько отработанных промптов под свои регулярные
задачи.
Уровень 3:
• агент “финансовый помощник”, который знает структуру
отчётности компании;
• агент “помощник по клиентскому сервису”, который помогает
писать скрипты общения и ответы на частые вопросы;

• агент “чекер процессов”, которому можно описать, как что-то
устроено, и попросить найти слабые места.
Уровень 4:
• автоматизация потока заявок: сайт → формы → CRM → холодные
касания ИИ агентом → напоминания → отчёты;
• автоматизация внутренней коммуникации: ключевые цифры по
расписанию прилетают руководителю и ответственным.
Уровень 5:
• возникает контур “бизнес как система”:
• маркетинг → заявки → работа с клиентом → обратная связь →
улучшение продукта,
• где ИИ подключён на каждом шаге там, где можно зафиксировать
форму,
• а предприниматель смотрит уже не на хаос задач, а на карту
процессов.
Можно продолжать примеры, но суть одна:
пять уровней – это не абстракция, а набор слоёв, из которых вы
собираете свой контур, исходя из роли и целей.

Личный регламент: чтобы система работала
на вас, а не вы – на неё
Есть ещё одна тема, про которую редко говорят в контексте ИИ, но
которой невозможно пренебречь: психическая гигиена.
Чем мощнее становятся инструменты, тем выше риск:
• постоянно сравнивать себя с “идеальной ИИ-версией себя”;
• впасть в тревогу “я ничего не успеваю, все уже в будущем”;
• превратиться в человека, который только перенастраивает агентов
и сценарии, но мало живёт.
Чтобы этого не случилось, полезно задать себе несколько правил.

Время без ИИ
Это не про цифровой аскетизм, а про сохранение базовой
чувствительности.
Можно ввести:
• дни или хотя бы часы, когда вы сознательно не дергаете
ассистентов, не отвечаете на “ещё один запрос”, не обновляете ленту
новостей о моделях;
• практики, которые не проходят через экраны: спорт, прогулки,
живое общение, творчество руками.
Это не “романтика офлайн-жизни”, а защита от перегрева.
Человек, который никогда не выключается, в какой-то момент
начинает принимать крайне странные решения – и никакой ИИ не
компенсирует это.

Лимит экспериментов
Новое выходит постоянно.

Если хвататься за всё, это похоже на синдром “постоянного
черновика”: у вас десятки начатых, но не доведённых до конца дел и
проектов.
Разумное правило:
• в каждый момент времени у вас есть 1–2 активных эксперимента
в зоне ИИ и автоматизаций;
• всё остальное – либо в “парковке идей”, либо уже вошло в ваш
постоянный стек.
Это позволяет не тратить жизнь на бесконечную переконфигурацию.

Нечего автоматизировать, пока не понятно, что важно
Ещё одно правило: сначала – ясность, потом – скорость.
Если вы плохо понимаете:
• ради чего работает тот или иной процесс;
• какая у него цель;
• по каким критериям вы будете оценивать результат, автоматизация
просто ускорит хаос.
Архитектор сначала отвечает себе на вопросы:
• что для меня действительно важно в работе и жизни;
• какие процессы я хочу, чтобы были устойчивыми;
• какие принципы я не хочу нарушать ради эффективности.
И только потом добавляет скорость и ИИ.

Стратегия на 3–5 лет: разные роли – разные
маршруты
Горизонт 3–5 лет – в мире ИИ уже почти “длинный срок”.
Но это тот период, за который можно:
• существенно сменить профессиональный профиль;
• вырастить систему заработка;
• переструктурировать жизнь под новую реальность.

Если вы сотрудник в найме
Три разумных вектора:
1. Стать внутри своей профессии человеком “с ИИнасмотренностью”.
– видеть, где в вашей работе ИИ уже можно подключить;
– уметь объяснить руководству, какие эффекты это даст;
– быть не “фанатом нейросетей”, а трезвым практиком.
2. Взять на себя кусок архитектуры.
Не обязательно всего отдела. Хотя бы своего направления:
– описать процессы;
– предложить, что можно отдать агентам и системам;
– помочь коллегам перейти на новый режим работы.
3. Держать в голове переносимость.
Вы не женаты ни на одной компании.
Если вы умеете:
– разбираться в процессах,
– настраивать связки “люди + ИИ”,
– говорить на языке бизнеса, вы становитесь специалистом,
которого готовы взять к себе разные работодатели, и вам проще найти
новую работу, если вы решите уйти.

Если вы предприниматель
В горизонте 3–5 лет разумно поставить себе три вопроса:
1. Какие 2–3 процесса в моём бизнесе должны стать максимально
прозрачными и устойчивыми?
2. Какую ИИ-инфраструктуру я хочу считать “своей”: что останется
у меня, даже если закроется какой-то сервис?
3. Есть ли внутри моего бизнеса наработки, которые можно
превратить в продукты или отдельные линии дохода?
Ответы на них превращаются в план:
• где внедрять ИИ;
• где строить свои системы;
• где создавать новые офферы для рынка.

Если вы эксперт, фрилансер, автор
Здесь стратегически выглядит здраво:
1. Укрепить свою нишу и голос.
2. ИИ должен усиливать ваш стиль и глубину, а не размывать их.
3. Перейти от продажи разовых услуг к продаже систем и
результатов.
4. Пакетные форматы, сопровождение, регулярные контуры.
5. Постепенно выращивать продукты:
6. агенты, курсы, наборы, библиотеки, готовые сценарии – всё, что
может самостоятельно работать параллельно с вами.

Если вы в госсекторе или НКО
Здесь ставка – не на “быть первым, кто внедрит модную нейросеть”,
а на редкое сочетание трёх вещей:
1. вы понимаете живых людей и их реальные запросы;
2. вы знаете, как устроены государственные / социальные процессы
изнутри;

3. вы учитесь разговаривать с ИИ-системами и подрядчиками на
одном языке.
Практически это означает несколько ролей.
1. Проводник между людьми и цифровыми системами
Очень конкретная работа:
• объяснять разработчикам и подрядчикам, как на самом деле люди
подают заявления, жалуются, обращаются, что у них ломается в пути;
• помогать проектировать интерфейсы и сценарии так, чтобы они
были понятны не только “цифрово подкованным”, но и обычным
людям;
• отслеживать, какие группы граждан особенно уязвимы (пожилые,
люди с ограниченными возможностями, жители регионов) – и
добиваться, чтобы системы учитывали их, а не отсеивали молча.
Вы становитесь тем, кто не даёт госцифре превратиться в
бесчеловечную машину.
2. Человек, который следит, как ИИ реально работает “на земле”
Когда в ведомстве запускают ИИ-подсистему – для анализа, приёма
обращений, планирования – почти всегда не хватает человека,
который:
• видит, где алгоритм ошибается или даёт несправедливые решения;
• фиксирует типовые сбои: кого система не “видит”, какие случаи
она неправильно трактует;
• обратно привносит это в правила: где нужен живой сотрудник, где
нельзя использовать автоматический отказ, где требуется ручная
проверка.
Это может быть:
• центр госуслуг,
• муниципальная служба,
• НКО, которая работает с обращениями граждан.
Везде, где появляется ИИ, нужен человек, который отвечает не
только за “чтобы не падало”, но и за “чтобы не ломало людей”.

3. Архитектор процессов “до” и “после” ИИ
Очень часто в госструктурах и НКО пытаются “наклеить ИИ” на
старый, кривой процесс.
Человек с вашей позицией может сделать иначе:
• описать, как процесс устроен сейчас: шаги, участники, точки боли;
• вместе с командой решить, что убрать, что сократить, что
изменить ещё до автоматизации;
• только потом подключать ИИ и системы – не для того, чтобы
“забетонировать бардак”, а чтобы закрепить более человечную и
логичную схему.
Вы становитесь полезны не как “оператор системы”, а как человек,
который помогает переписывать регламенты под новую реальность.
В горизонте 3–5 лет такой опыт даёт очень осязаемые вещи:
• Внутри системы:
вы становитесь тем, кого зовут в пилоты и рабочие группы,
у вас появляется более высокий вес в принятии решений,
вы можете претендовать на рост по должности, окладу, статусу
именно как человек, “который понимает и людей, и цифру”.
• В проектах трансформации:
вас будут искать как человека с практическим опытом внедрения,
а не как “ещё одного теоретика по ИИ”;
вы можете переходить в проектные офисы, центры цифровой
трансформации, межведомственные команды.
• За пределами госсектора / НКО:
такой профиль уже сейчас ценится в компаниях, которые работают
на стыке с государством – GovTech, RegTech, большие интеграторы,
сервисы для граждан.
Ваш опыт “как это реально устроено внутри” + понимание ИИ
становятся редкой комбинацией, которую можно монетизировать в
консалтинге или при переходе в частный сектор.
Проще говоря: если вы в госсекторе или НКО, ваша задача – не
“успеть в хайп по ИИ”, а стать тем человеком, который соединяет

алгоритмы и живых людей так, чтобы первым не отдавали слишком
много власти, а вторым не становилось хуже. И это как раз тот редкий
опыт, который через несколько лет будет стоить очень дорого.

Практический блок: ваш план на ближайшие
90 дней
Чтобы эта глава не осталась красивой рамкой, предложу простое
упражнение.

Шаг 1.
Опишите свою текущую экосистему “человек + ИИ”
На одной странице (или в одной заметке) ответьте на вопросы:
• Какие ИИ-инструменты я сейчас использую регулярно?
• Какие агенты у меня уже есть и действительно живут в
повседневности?
• Какие процессы у меня частично или полностью
автоматизированы?
• Какие решения я принципиально принимаю без ИИ?
Это – фотография на сегодня.

Шаг 2.
Отметьте три зоны
Другим цветом или списком:
1. Что явно перегружено и просится на упрощение.
2. Где я всё ещё тяну руками то, что можно было бы отдать системе.
3. Где я начинаю терять контакт с собой – “слишком много
автоматизации, слишком мало жизни”.

Шаг 3
Выберите один сценарий на 90 дней

Из того, о чём мы говорили:
• улучшить свою позицию в найме;
• усилить бизнес;
• сделать шаг в сторону продуктов;
• укрепить свою роль в госсекторе/НКО.
Вопрос простой:
“Если через 90 дней я оглянусь и скажу:
'Да, я действительно двинулся вперёд',
что должно быть сделано?”
Запишите 3–5 конкретных изменений:
• начать использовать мастер-промпт для улучшения результатов;
• настроить одного ключевого агента;
• собрать один понятный автоматизированный процесс;
• переписать один оффер под язык реальных задач;
• выделить для себя 2 часа в неделю на обучение и эксперимент;
• ввести одно правило гигиены (время без ИИ, лимит
экспериментов).

Шаг 4
Найдите человека или среду, с которой вы будете идти
Архитектор не обязан быть одиночкой.
Наоборот, в новой реальности особенно важны:
• коллеги, с которыми можно делиться находками и провалами;
• сообщество, в котором вы не “самый странный человек, любящий
ИИ”, а один из нормальных;
• люди, с которыми можно честно обсуждать не только
инструменты, но и последствия.
Это может быть:
• один друг;
• группа в соцсетях;
• сообщество по интересам;
• ваша команда.

Главное – чтобы рядом были живые люди, а не только бесконечная
лента апдейтов моделей.

Вместо финального лозунга
Эта книга не про то, как “обогнать всех” и стать самым
продвинутым пользователем ИИ на районе.
И не про то, как спрятаться от будущего “в лес”.
Она про другое:
• увидеть, как устроен мир, в котором ИИ становится частью
инфраструктуры;
• освоить пять уровней работы с ним – от первых запросов до
систем;
• честно посмотреть на свою роль и навыки;
• понять, как на этом жить и зарабатывать;
• и, наконец, собрать из всего этого свою экосистему “человек +
ИИ”, в которой есть место и эффективности, и здравому смыслу, и
человеческой жизни.
Архитектор – это не супергерой.
Это человек, который принимает на себя право:
• выбирать, какие технологии он пускает в свою жизнь;
• решать, что делегировать, а что оставлять себе;
• строить системы вокруг себя, а не жить по алгоритмам и
регламентам, написанным за вас.
В заключении мы ещё раз посмотрим на весь путь, который вы
прошли с первой главы до этой, и зафиксируем главное:
у вас уже есть достаточно, чтобы в мире ИИ чувствовать себя не
лишним пассажиром, а тем, кто понимает, куда и зачем он идёт.

Заключение

Человек, который не сдаётся будущему
Представьте на секунду, что вы открываете эту книгу не с начала, а
с последней страницы.
Сразу попадаете сюда – в конец.
В мир, где вокруг уже работают модели, агенты, системы, роботы,
где новости про ИИ выходят чаще, чем прогноз погоды, а слово
“автоматизация” звучит то как обещание свободы, то как приговор
профессии.
Если вы всё-таки дошли до этого места честно прочитав все главы, а
не листая, значит, вы сделали с собой одну важную вещь:
перестали смотреть на ИИ как на “что-то внешнее”,
и начали рассматривать его как среду, в которой вам жить.
И это уже не про технологии.
Это про взрослую позицию.

Мир, который уже не откатить назад
За время, пока вы читали эту книгу, в мире могло выйти ещё
несколько апдейтов разных нейросетей, запуститься новый сервис,
появиться свежая статья о том, как ИИ “кого-то снова заменил”.
Но базовая линия не меняется:
• вычислительные мощности становятся новой нефтью;
• чипы и энергия – новой геополитикой;
• модели – новой инфраструктурой поверх интернета;
• роботы – новой рабочей силой в фабриках, складах, клиниках, на
улицах.
Вы это уже видели:
мы разбирали, из чего складывается эта архитектура – от
электростанций и дата-центров до интерфейсов, где вы просто
печатаете текст и получаете ответ.
Всё это можно любить, ненавидеть, игнорировать, критиковать —
но невозможно “отменить”.
На фоне всего этого легко скатиться в одну из двух крайних
позиций.
Первая:
«Это временная мода, очередная волна технологий. Всё уляжется,
можно особенно не менять ни образ мысли, ни способ работы».
Вторая:
«ИИ всё равно радикально всё перекроит: профессии, рынки,
правила игры. Что бы я ни делал, это не имеет значения».
Обe позиции психологически понятны: в одной можно не
тревожиться, в другой – чувствовать себя заранее оправданной
жертвой. В обеих не нужно принимать решений и менять поведение:
достаточно либо отмахнуться, либо заранее сложить руки.
Читая эту книгу, вы фактически выбрали третий путь: признать, что
ИИ уже стал частью реальности, и вместо отрицания или капитуляции
научиться в этой реальности ориентироваться и строить свои системы.

Что у вас есть теперь, кроме тревоги
Давайте честно: тревога вряд ли исчезла полностью.
И это нормально.
Человек, которого совсем не тревожит происходящее, либо не
понимает масштаб, либо уже давно сдался.
Но к этой тревоге у вас добавилось что-то ещё.

Карта
Вы больше не в тумане.
Вы:
• понимаете, что за “ИИ” стоят очень конкретные мощности,
компании, государства, интересы;
• видели разные сценарии будущего:
• от относительно мягких, где часть людей правда сможет работать
меньше,
• до жёстких, где контроль и концентрация власти станут нормой;
• знаете, что в любом из этих сценариев есть места, где решает
человек, а не модель.
Это не делает мир проще, но делает его менее магическим.
А с тем, что перестало казаться магией, уже можно работать.

Пять уровней вместо одной “чёрной коробки”
Вы перестали воспринимать ИИ как единый монолит “там, где-то в
облаке”.
Вместо этого у вас появился более честный взгляд:
• есть уровень, где ИИ – просто инструмент;
• есть уровень, где вы управляете задачей и контекстом;
• есть уровень, где вы превращаете модель в настроенную роль и
сотрудника;

• есть уровень, где связки и алгоритмы работают сами, по триггерам
и сценариям;
• есть уровень, где вокруг всего этого выстраивается контур: люди,
процессы, ИИ, иногда железо.
И самое важное: вы увидели, что вам не обязательно уметь всё сразу.
У каждого есть свой минимальный базовый набор компетенций:
• научиться нормально формулировать задачи моделям;
• настроить пару агентов под свои повторяющиеся дела;
• собрать 1–2 автоматизации, которые экономят время;
• понять, что в вашей жизни принципиально не отдаётся
алгоритмам.
Это не требует гениальности.
Требует честности и желания не оставаться на уровне “играюсь в
нейросетки”.

Привязка к своей роли, а не к абстрактной “профессии
будущего”
Вы посмотрели на всё происходящее не как на очередной список
модных профессий, а через очень конкретную оптику:
• если вы в найме – как перестать быть человеком, которого держат
только за умение “делать руками”, и стать тем, кто делает свою
должность устойчивой в мире ИИ;
• если вы предприниматель – как использовать ИИ, не превращая
бизнес в придаток одной платформы;
• если вы эксперт или фрилансер – как перестать продавать часы и
штуки, а продавать системы и результаты;
• если вы в госсекторе или НКО – как стать тем самым проводником
между гражданами и цифровыми системами, без которого и
государству, и обществу будет очень плохо.
Это важный сдвиг:

вы больше не ищете “идеальную новую профессию”,
перестраиваете свою текущую роль под новую реальность.

а

Суперинтеллект и миф о идеальной команде
“сделай мне всё”
Есть один соблазн, который будет только усиливаться:
идея о том, что однажды появится настолько мощный ИИ, что
достаточно будет правильно ему сказать:
“Построй мне бизнес на миллион в месяц”
или
“Сделай так, чтобы мне никогда не пришлось работать”
– и всё “само” устроится.
Технологически, возможно, мы действительно придём к системам,
которые будут:
• проектировать продукты;
• собирать команды;
• управлять логистикой и финансами;
• сами оптимизировать всё под нужные метрики.
Но даже в таком мире останутся как минимум три вещи, которые
нельзя отдать “супермозгу” без последствий:
1. Выбор направления.
Во что вы хотите вкладывать свою жизнь, талант, время, тело.
Это не может решить за вас ни одна модель.
2. Цена решений.
Что вы готовы жертвовать ради эффективности, роста, масштаба.
Где для вас проходят границы “можно” и “нельзя”, даже если так
выгоднее.
3. Отношения.
Семья, дружба, команда, люди, которым вы не нужны только как
функция.
В этой книге мы исходили из простой установки: не ждать
“единственного суперразума”, который всё решит, а учиться жить в
мире, где мощных ИИ-систем много, они развиваются, конкурируют,
иногда ошибаются и меняют правила игры. В такой реальности
критично не то, “кто умнее” – человек или модель, – а то, кто берёт на

себя роль проектировщика: формулирует задачи, выбирает
инструменты, принимает решения, задаёт ограничения и отвечает за
последствия.
У моделей нет своих целей и жизни – у них есть оптимизация под
заданную метрику. У вас есть то, на что опирается вся эта книга:
собственные смыслы, интерес к своей траектории, желание не просто
выжить в новой экономике, а собрать под неё осмысленную систему
“человек + ИИ”, которая служит вам, а не наоборот.

Практическое завтра: как выглядит день
человека, который не сдался
Чтобы всё это не осталось высоким рассуждением, заглянем в очень
приземлённый горизонт – ваш обычный день.

Утро
Вы просыпаетесь не в мире “чистого листа”, а в мире уведомлений.
Телефон уже показывает:
• напоминания о задачах;
• встречи, которые кто-то из коллег поставил;
• сообщения от ИИ-помощника: “вот твоё расписание, вот
предполагаемые приоритеты”.
Технологически всё красиво:
система подтягивает календари, дедлайны, задачи из трекера,
письма, даже данные о сне и тренировках.
ИИ честно предлагает:
• “вот что горит”;
• “вот что давно откладывалось”;
• “вот где есть окно для глубокой работы”.
Но именно здесь начинается человеческая часть.
Утро человека, который не сдался, – это не автоматическое
“согласен со всем, что показал календарь”.
Это короткий, но честный пересмотр:
• “Что из этого действительно моё, а что – чужие ожидания?”
• “Если я сделаю всё по списку, к чему это меня приблизит через
год?”
• “Какие 1–2 задачи сегодня точно должны состояться, даже если всё
остальное посыплется?”
Это может быть:

• разговор с человеком, которого проще “перенести ещё на неделю”,
• но вы понимаете, что от этого разговора зависит не только проект,
но и ваши отношения и доверие;
• работа над проектом, который не принесёт денег завтра,
• но заложит фундамент на год вперёд: апдейт продукта, запуск
нового направления, развитие навыка;
• элементарный сон и питание,
• когда честный вывод утреннего отчёта: “ещё один такой день – и
никакой ИИ не спасёт твой перегретый мозг от глупых решений”.
ИИ здесь может:
• подсветить, что вы третий день подряд не оставляете себе ни часа
без созвона;
• напомнить, что “стратегическая задача № 1” уже две недели не
двигалась;
• предложить варианты перестановки встреч и дел.
Но сказать:
• “Вот это я отменяю”;
• “Вот это переносится на следующий спринт”;
• “А вот это сегодня произойдёт в любом случае” —
можете только вы.
По сути, утро – это небольшой совет директоров вашей жизни, где
ИИ приносит отчёты и варианты, но право голосовать остаётся за
вами.
Если отдать и это на автопилот, дальше весь день будет не вашим –
вы просто аккуратно выполните чужой сценарий, очень эффективно,
очень в срок.

День
В делах вы будете всё больше опираться на связку:
• моделям – черновики, анализ, перебор вариантов;
• системам – рутину и пересылку данных;

• людям и себе – решения, переговоры, тонкие настройки.
Где-то вы будете инициатором изменений, где-то – тем, кто просто
не сопротивляется, когда вам предлагают внедрить ИИ так, чтобы всем
стало легче, где-то – тем, кто скажет “стоп”, потому что видит, что за
эффективностью прячется бессмысленная жестокость к людям.
И да, вы будете иногда ошибаться:
отдать ИИ то, что не стоило;
не доверить системе то, что вполне можно было делегировать.
Но разница между человеком-архитектором и человекомслучайностью в том, что первый делает эти ошибки осознанно и
учится, а второй даже не фиксирует, что что-то пошло не туда.

Вечер
Если всё, о чём мы говорили, хоть немного встроится в вашу жизнь,
вечер вы будете встречать с другим ощущением:
• да, мир всё ещё меняется быстрее, чем хотелось бы;
• да, вы всё ещё чего-то не знаете;
• да, иногда страшно.
Но:
• у вас есть ощущение влияния на свой кусок реальности;
• у вас есть работающая связка “я + мои ИИ-инструменты + мои
люди”;
• вы не живёте с ощущением, что завтра вас просто выключат из
профессии одним апдейтом.
Это не идеальная картина, а взрослый компромисс между скоростью
мира и возможностями одного человека.

Что делать после того, как вы закроете эту
книгу
Можно, конечно, просто поставить её на полку (или в архив файлов)
и продолжить жить, как раньше.
Чуть больше знать про ИИ, чуть меньше его бояться – уже неплохо.
Если вы хотите, чтобы эта книга осталась не просто “интересным
чтением”, а стала поворотной точкой, достаточно не глобальных
революций, а нескольких очень конкретных решений.
1. Выберите одну зону жизни или работы, где вас уже понастоящему давит рутина.
Не всю свою деятельность, а один участок: отчёты, переписка,
подготовка материалов, обработка заявок, планирование, презентации.
Честно спросите себя: какую часть этого процесса можно описать в
шагах и отдать ИИ или системе? Задача не “автоматизировать всё”, а
разгрузить один конкретный узел.
2. Настройте одного реального агента под свою повседневную
задачу.
Не ради эксперимента, а под то, что повторяется каждую неделю:
сценарии для контента, черновики писем, аналитика рынка, сводки по
проекту, подготовка к урокам, структурирование идей. Это должен
быть агент, к которому вы действительно будете возвращаться, а не
ещё один “игрушечный профиль”.
3. Соберите одну простую связку “вход → обработка →
результат”.
Например:
– отчёт, который теперь рождается автоматически по расписанию, а
не вручную;
– контент-процесс, где идеи и черновики собираются в одном месте
и по понятной схеме превращаются в публикации;
– обработка заявок, где ничего не теряется, потому что ИИ и
автоматизация подхватывают их с формы, почты или мессенджера и
доводят до нужной точки.
Это ваш первый личный контур уровня систем, а не просто набор
разрозненных запросов.

4. Сформулируйте для себя пару принципов, которые вы не
будете нарушать ради эффективности.
Чётко опишите, что вы не отдаёте ИИ ни при каких условиях: какие
решения, какие разговоры, какие зоны вашей жизни остаются только
человеческими. И где вы сознательно выбираете быть медленнее и
дороже, но лично присутствовать – в отношениях, в воспитании, в
ключевых развилках.
Найдите хотя бы одного человека, с которым вы будете
обсуждать свой путь в мире ИИ.
Это может быть коллега, друг, партнёр, сообщество. Важно не то,
чтобы вместе жаловаться на изменения, а чтобы было пространство,
где можно делиться находками, ошибками, сомнениями и не играть в
“я всё успеваю и всё понимаю”.
Если вы сделаете хотя бы эти пять шагов, эта книга перестанет быть
текстом “про далёкое будущее” и превратится в практическую точку
опоры между вашим сегодняшним днём и тем миром, в котором ИИ
действительно станет частью повседневности.

Последний поворот: кем вы будете в мире, где
ИИ стал частью фона
С большой долей вероятности через несколько лет ИИ перестанет
восприниматься как отдельная “тема”.
Он станет ещё одним слоем инфраструктуры – как связь, интернет,
облака, платежные системы. О нём будут говорить меньше в общем, но
больше в конкретике: какие модели допущены в медицину, как
регулируются роботы в городе, как устроен доступ к вычислительным
мощностям.
Люди не будут представляться фразой “я работаю с нейросетями” —
примерно так же странно, как сейчас звучало бы “я работаю с
интернетом” от человека, который просто пользуется браузером.
Вопросы станут другими:
• как именно ты встроил ИИ в свою работу и жизнь;
• какие системы вокруг себя построил – от агентов до
автоматизаций;
• где ты опираешься на технологии, а где сознательно оставляешь
пространство только для людей;
• как ты обходишься с той дополнительной властью и скоростью,
которые тебе дают эти инструменты.
Эта книга – не призыв вернуться в прошлое и не рассказ о
“сияющем будущем, где всё за нас решит суперинтеллект”.
Скорее приглашение занять позицию человека, который:
• видит, что мир меняется не по его сценарию, но не сдаётся на
автопилот;
• не застревает в ностальгии по “доцифровой эпохе”, но и не строит
культ из технологий;
• не отдаёт полностью управление – ни государству, ни
корпорациям, ни алгоритмам;
• готов думать, выбирать и отвечать, используя ИИ как усиление
своих решений, а не как повод отказаться от них.
Если после этой книги вы будете:

• немного меньше бояться заголовков про ИИ,
• внимательнее относиться к тому, что именно пускаете в свою
жизнь из технологий и на каких условиях,
• смелее собирать свои системы – даже если это чуть сложнее, чем
просто принять “готовое решение по умолчанию”, – и иногда
осознанно отказываться от сценариев, которые забирают у вас
контроль над процессами, значит, она сделала свою работу.
Мир, в котором ИИ становится нормой, всё равно наступит – в той
или иной конфигурации.
Реальный выбор не в том, за или против вы “искусственного
интеллекта”, а в том, какую позицию вы займёте внутри этой
реальности: человека, который просто плывёт по течению, или
человека, который понимает, что делает, и строит вокруг себя свою
архитектуру.
И я искренне надеюсь, что теперь у вас достаточно знаний и
инструментов, чтобы этот выбор был осознанным.

Об авторе
Тимур Казанцев
Образование:
магистр по мировой экономике специалист по международным
отношениям
Опыт работы в крупной международной компании (более 10 000
человек и 7 заводов), отвечал за экспорт товаров в страны Африки,
Ближнего Востока, Юго-Восточной Азии, и Латинской Америки.
Кроме этого, опыт работы в банковской и финансовой индустрии,
международном консалтинге, образовании, cтажировка в Постпредстве
РФ в ООН и ВТО в Женеве, Швейцарии
Посетил более 35 стран на 4 континентах, разговариваю на 5 языках
Автор 14 книг на Литрес:
www.litres.ru/timur-kazancev/

Обратная связь
Я искренне надеюсь, что данная книга была полезной.
Буду очень рад получить от вас обратную связь в виде отзыва или
комментария к данной книге.
Возможно, мне стоит что-то исправить или доработать в следующих
изданиях, чтобы моя работа стала еще лучше.
Можете написать мне напрямую по оставленным ниже контактам,
либо оставить отзыв на эту книгу на Литрес.
Спасибо за Вашу обратную связь! Она очень ценна и важна для
меня!
Телеграм-канал по ИИ и нейросетям: https://t.me/neuro_timur/
(Все изображения в книге являются художественными работами
автора)

Notes
1
Artificial general intelligence (AGI) – Общий искусственный
интеллект, который сравнится с возможностями человеческого разума.
По предположениям ученых-специалистов на смену AGI должен
придти искусственный суперинтеллект – гипотетические системы,
которые по совокупной мощности и скорости мышления значительно
превосходят человеческий интеллект.
Вернуться

2
https://epoch.ai/blog/how-much-does-it-cost-to-train-frontier-ai-models
Вернуться

3
https://www.spglobal.com/commodity-insights/en/news-research/latestnews/electric-power/041025-global-data-center-power-demand-to-doubleby-2030-on-ai-surge-iea
Вернуться

4
https://www.energy.gov/articles/doe-releases-new-report-evaluatingincrease-electricity-demand-data-centers
Вернуться

5

https://www.thetimes.co.uk/article/ai-forecast-to-fuel-doubling-in-datacentre-electricity-demand-by-2030-htd2zf7nx
Вернуться

6
https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
Вернуться

7
Например, Бутан: при населении меньше миллиона человек страна
уже построила порядка 3 000 МВт гидромощностей и по оценкам
может довести потенциал до 33 000 МВт. Избыток дешёвой “зелёной”
электроэнергии государственный фонд Druk Holdings and Investments
использует для развития дата-центров и майнинга: с 2019 года он
намайнел более 13 000 BTC, причём крипто-проекты уже дают до
четверти ВВП и опираются на текущие и планируемые мощности в
сотни мегаватт. На этой же базе Бутан разворачивает специальный
регион Gelephu Mindfulness City площадью около 2 500 км2 – будущий
хаб чистых технологий, цифровых активов и ИИ-инфраструктуры, а
также прорабатывает проект крупного дата-центра стоимостью около
450 млн долларов.
Вернуться

8
https://www.stratviewresearch.com/4148/data-center-gpu-market.html
Вернуться

9
https://www.cnbc.com/2025/11/25/nvidia-says-its-gpus-are-a-generationahead-of-googles-ai-chips.html

Вернуться

10
https://cset.georgetown.edu/article/bis-2023-update-explainer/
Вернуться

11
https://iot-analytics.com/data-center-infrastructure-market/
Вернуться

12
https://www.weforum.org/publications/the-future-of-jobs-report2023/digest/
Вернуться

13
https://www.demandsage.com/ai-job-replacement-stats/
Вернуться

14
https://cset.georgetown.edu/article/bis-2023-update-explainer/
Вернуться

15
https://www.theguardian.com/technology/2025/may/21/us-chip-exportcontrols-a-failure-spur-chinese-development-nvidia-boss-says
Вернуться

16
https://habr.com/ru/companies/yadro/articles/963216/
Вернуться

17
https://www.weforum.org/press/2025/01/future-of-jobs-report-2025-78million-new-job-opportunities-by-2030-but-urgent-upskilling-needed-toprepare-workforces/
Вернуться

18
https://www.forbes.com/sites/jackkelly/2025/04/25/the-jobs-that-willfall-first-as-ai-takes-over-the-workplace/
Вернуться

19
https://www.energy.gov/articles/doe-releases-new-report-evaluatingincrease-electricity-demand-data-centers/
Вернуться

20
https://images.nvidia.com/aem-dam/Solutions/documents/FY2024NVIDIA-Corporate-Sustainability-Report.pdf/
Вернуться

21

https://www.reuters.com/technology/elon-musk-10-billion-humanoidrobots-by-2040-20k-25k-each-2024-10-29/
Вернуться

22
https://www.forbes.com/sites/bernardmarr/2024/12/12/will-ai-makeuniversal-basic-income-inevitable/
Вернуться

23
https://www.deloitte.com/us/en/insights/industry/power-andutilities/data-center-infrastructure-artificial-intelligence.html
Вернуться

24
https://www.reuters.com/technology/elon-musk-10-billion-humanoidrobots-by-2040-20k-25k-each-2024-10-29/
Вернуться

25
https://www.forbes.com/sites/bernardmarr/2024/12/12/will-ai-makeuniversal-basic-income-inevitable/
Вернуться

26
https://www.futuremarketinsights.com/reports/ai-consulting-servicesmarket
Вернуться

27
https://www.mckinsey.com/capabilities/quantumblack/our-insights/thestate-of-ai
Вернуться

28
https://www.jobbers.io/ai-freelancing-jobs-2025-high-payingopportunities-and-skill-requirements/
Вернуться

29
https://openai.com/index/introducing-the-gpt-store/
Вернуться

30
https://n8n.io/workflows/
Вернуться

31
https://www.mckinsey.com/capabilities/quantumblack/our-insights/thestate-of-ai
Вернуться

32
https://www.techradar.com/pro/clients-are-increasingly-looking-forunique-human-creativity-research-finds-demand-for-creative-freelancers-issurging-despite-ai-going-mainstream

Вернуться

33
https://www.futuremarketinsights.com/reports/ai-consulting-servicesmarket
Вернуться