Силиконовый Мешок

Уже почти год мы проводим наши Research Mastermind’ы, и это лучшее, что случалось со мной. За все это время на них выступило больше 70 спикеров, а гостей было около 20 000 человек. Но должен признаться, все это начиналось исключительно из эгоистических побуждений. В конце прошлого года я осознал, что большую часть информации черпаю из ресерчей, публикаций и научных статей, ну и, конечно, общаясь с ИИ-моделями. Короче, варюсь в собственном соку. И это неправильно, потому что лучшие идеи приходят от практиков, от людей, которые научились усиливать свои скиллы при помощи ИИ. Так появился формат Research Mastermind, где люди делятся опытом, как используют ИИ в своей работе, жизни и зарабатывают на этом. Спустя два десятка эфиров я понял ключевую формулу превращения подписки за 20 баксов (хотя кого я обманываю, пусть будет за 100) во что-то полезное. Первое. Не нужно с самого начала погружаться в ИИ, чтобы освоить какой-то новый для себя навык. Начни с усиления уже существующих. Ты же чем-то занимался до прихода ИИ в твою жизнь? Определи свои навыки, за которые тебе уже платят. Вот быстрый тест для любого навыка: 1) Люди уже сегодня платят за этот результат? 2) ИИ делает тебя в этом быстрее, а не заменяет полностью? 3) Для этого нужны знания в какой-то области (продажи, здоровье, юриспруденция и т.д.)? Если навык проходит все 3 пункта - его стоит усиливать. Все просто. Второе. Я заметил, что почти всех спикеров можно было поделить на 4 трека использования ИИ. 1. Создание ИИ-воркфлоу Это значит брать работу, которую ты уже делаешь, и делать ее с помощью ИИ. Допустим, ты маркетолог. ИИ может написать 50 объявлений за минуту, и, честно говоря, сейчас это может сделать кто угодно. Но понять, какие 3 объявления стоит тестировать и почему остальные 47 не сработают, способен только человек с опытом. ИИ может сделать примерно 80% работы очень быстро. А последние 20% - это выбор лучшей версии, ее доработка и поиск ошибок. Именно эти финальные 20% требуют твоего опыта, и за них-то и платят клиенты. 2. ИИ-автоматизация и агенты Сначала быстрое различие. Обычная автоматизация следует фиксированным шагам вроде «когда кто-то заполняет форму - отправь ему письмо». ИИ-агент получает цель и сам придумывает шаги. Он может искать в интернете, читать твои письма, открывать файлы и проверять календарь. По сути, агент может делать работу, которую раньше делал человек - исследования, отчеты, ответы. Агентов можно строить с помощью Claude Code, Codex, Hermes Agent и других инструментов. Вайбкодеры, привет! Бизнесы платят за агентов, потому что каждый час, который экономит агент, - это бабки компании. 3.Разработка с помощью ИИ Ну это самый жирный трек среди спикеров Research Mastermind. По моим подсчетам, 40% выступающих рассказывают, как они что-то создали, завайбкодили и продали заказчику, рынку и даже своему работодателю. С текущими возможностями Claude Code, Cursor или Codex ты можешь собрать простую версию приложения за один день. Есть нюанс - то же самое могут сделать и другие. Пу-пу-пу. Поэтому у тебя должны быть дополнительные скиллы - креативность, умение продавать, большое количество клиентов, для которых ИИ все еще магия. 4.Контент и дистрибуция Теперь, когда кто угодно может собрать что-то за выходные, за одних и тех же клиентов конкурирует гораздо больше людей. Выигрывают те, кого уже знают и кому доверяют. Блогеры, привет! И я не про фабрики контента и нейрослоп. Этим всем наелись. А вот объединить свою креативность, писательский талант, харизму с умением сгрузить неинтересную рутину на железную спину робота - это выход. Ну и тут ни фига нет простого пути. Ну и приходите на наши Ресеч Мастермайнды - там круто!