Отрывок из 1й лекции нового сезона AI Product Engineer

По традиции шерю отрывок из 1й лекции нового сезона AI Product Engineer —> на нем мы разбираем разницу между детерминированным и верояностным программированием на примере анализа фидбека по продукту. Кстати, в нем мы уже используем Claude Code и "за время лекции руками не было написано ни одной строчки кода" :)

Ну а в будущих встречах попробуем Deep Research, локальные мультимодальные LLM типа Gemma 3 и все то, что успело появиться с момента окончания 1го сезона. Более того, все то релевантное, что будет появляться по ходу курса - тоже будем включать: например, Grok 4 попробуем, который вышел на днях.

К курсу еще можно присоединиться до 19го июля

https://www.youtube.com/watch?v=jeyA10Z3nRQ

А вот и запись того интервью: https://youtu.be/WprKkiGlx1Q - по-моему, классно получилось! м?

Про то, как стал предпринимателем, как пришел к AI, что такое системное мышление, как я вижу будущее разработки, как отличить хайп от реальности и тп

Таймкоды:
0:00 Начало
0:05 Представление гостя, его опыт
1:25 Путь от разработчика к бизнесмену
4:16 Влияние IT и бизнеса друг на друга
7:51 О текущем проекте и команде
10:32 Вдохновение искусственным интеллектом, Ray Kurzweil, Singularity University
16:39 Системное мышление в IT-менеджменте
20:13 Книги по системному мышлению
22:44 Принципы системной динамики
27:10 Буферные точки в системах, роль человека
31:03 Проблемы как функции в системах
33:14 Будущее: человек-дирижёр мультиагентных систем
38:04 AI-ассистенты и носимые устройства
41:04 Разделение: кодеры и разработчики, роль бизнеса
47:04 Необходимость совмещения разработки и бизнеса
51:47 Роль product engineer, примеры
59:02 Дискриминация профессий и роль разработчика
1:04:19 Что должен делать технический лидер
1:14:36 Опасения разработчиков: ускорение ≠ больше задач
1:18:02 Автоматизация vs. агментация, исторические примеры
1:21:03 Деградация инженерных навыков, опыт и обучение
1:27:02 Джуны, вайбкодинг и будущее профессии
1:32:06 Как отделять хайп от реальности в AI
1:39:02 Вопросы этики и опасности AI
1:45:11 Автоматизация закупок и продаж, примеры
1:49:28 Ошибки новичков при автоматизации через

Не отступать и не сдаваться

Был такой фильм в моем детстве с ван Даммом: "Не отступать и не сдаваться". Вообще не помню о чем он в деталях, но эта фраза засела в меня на всю жизнь. Я часто ее вспоминаю в последние месяцы: первые годы любого стартапа это тяжело и больно. На каком-то евенте один из first time фаундеров даже пошутил, мол, Байрам нафига ты делаешь второй раз стартап, тебе одного мало? Это же мазохизм.

Да, это тяжело и больно. Но это классно преодолевать. Классно себя чувствовать, когда это преодолел. Классно, когда закрываешь сделку. Не классно, когда только выплатив зп, один день отдыхаешь, а потом думаешь, как выплатить следующую. Классно, когда никто тебе не диктует что и как делать. Не классно, когда из за этого делаешь не то, или вообще ничего не делаешь. Классно, когда клиенты рекомендуют тебя именитым стартапам, и ты чувствуешь, как взбираешься по ступенькам. Не классно, когда все ломается и руки опускаются...

К чем я все это? Если вы про "не отступать и не сдаваться" и мазохизм преодоление себя, то вам сюда. Просто каждый день быть лучше, чем вчера. Каждый день не отступать перед тем, что не знаешь или не умеешь. Каждый день не сдаваться перед трудностями и верить. Потому что даже если ничего не выйдет, вы преодолели себя и научились новому - а это самое важное!

Ну и, это, беситься иногда надо тоже и перезагружаться - а то долго не протянете!

Удачи всем! и нам тоже :)

n8n или Телеграм бот за 10мин без кодинга

На недавнем занятии AI Founder показывал, как за 10-15 минут сделать Телеграм бота, который превращает аудио в текст —> решил выложить для тех, кто не может в программирование и не знаком особо с n8n. Надеюсь, будет полезно!

https://youtu.be/q7GEyYt9P5E

Помучайте плиз

Друзья, а помучайте плиз еще раз бета версию onsa.ai: https://app.onsa.ai/playground

Что это?
Сервис для поиска потенциальных клиентов

Как работает?
Выбираем “Find and Reach”, вводим адрес сайта компании, для которой ищем потенциальных клиентов, уточняем портрет идеального клиента и получаем список соответствующих портрету людей со ссылками на LinkedIn и обьяснением, почему именно они.

Очень будем рады фидбеку/комментариям, насколько адекватен был потрет идеального клиента (ICP) и список потенциальных клиентов. Можно в комментариях или по почте support@onsa.ai — спасибо большое!

Про AI программирование и метод наименьших квадратов. Наоборот

Заметил за собой на днях, что каждый раз, когда я говорю Claude Code что-то запрогать, то в голове рисую трендлинию по методу наименьших квадратов, но, неожиданно, не сглаживаю линию, а заранее будто превкушаю ее изгибы.

Поясняю:
1) Классически мы рисуем из точек реального мира некоторую усредненную (например, методом наименьших квадратов) тренд линию, предсказывая следующую точку
2) C AI-assisted прграммированием же процесс происходит наоборот: я в голове примерно понимаю, что напишет код "в среднем", где будет это отклонение от тренда, и как быстро найти именно эти отклонения, чтобы подправить мысль дружбана Claude Code по тому, как это должно работать
3) вот именно в пункте 2, я считаю, и находится основной источник восторгов и разочарований в AI-assisted coding.

Пишем код "по-среднему", рисуя тренд линию, а потом точечно изгбиаем ее в наших целях

М? у вас так же?

Join me next Wednesday for the 3rd seminar in "AI in Action" series.

After exploring AI implementation strategies and mapping the Sales Autonomy Ladder (L0-L5), it's time to get your hands dirty. This third session in our "AI in Action" series moves from theory to practice, showing you exactly how to build your first Level 1-2 automations using n8n and AI.

In 60 minutes, we'll construct a complete meeting intelligence system—the foundation of AI-assisted sales that delivers immediate ROI. No slides, no theory—just live building and real implementation.

https://lu.ma/qevdxyk8

Попробовал нового агента от OpenAI на задаче: сделай презентацию к этому семинару.

Build presentation for my upcoming webinar: <webinar description from https://lu.ma/event/manage/evt-JUmSM80C4J3uqM9>

Видео процесса (в ускоренном виде) в аттаче + результат в первом комментарии - что-то я не очень как-то впечатлён, если честно

AI в продажах

Уже больше года я изучаю как AI меняет продажи: от тактических вещей аля LinkedIn аутрич кампаний и подготовке к важным встречам, до авто-анализа продаж и уровней автономии сейлз организаций по аналогии с беспилотниками. Не только изучаю, но и применяю как для наших клиентов в onsa.ai, так и для нас самих.

Решил структурировать весь опыт и поделиться с вами. Поэтому в августе запускаем курс по теме.

О чем?
Про то, как оптимизировать продажи и связанные процессы в компании с помощью AI. Мы не только будем говорить о том, как это делать, но и юзать такие инструменты как n8n, чтобы это реализовать без каких либо навыков программирования. Более того, мы научимся анализировать и оптимизировать продажи с помощью AI. B2B и B2C. Все это для того, чтобы целенаправленно делать продажи все более автономными.

Для кого это?
- фаундеры, отвечающие за продажи: построить с нуля и масштабировать с минимумом человеческих ресурсов
- руководители отделов продаж: чтобы понять, как повысить отдачу от текущих сотрудников и расти результатами, а не людьми
- go to market лидеры, чтобы научиться методично тестировать сегменты, каналы, сообщения и оптимизировать стратегию продаж

Детальная программа - в аттаче.

Даты:
С 9 авг по 18 октября

Стоимость:
$400 - до 27 июля
$500 - с 27 июля до 3 августа
$600 - с 3 августа
25% скидка всем, кто покупал любой мой курс до этого (напишите в личку для получения скидки)

Оплачиваем здесь.
Для оплаты криптой - можно написать мне в личку или на bayram@empatika.com

Надеюсь, до скорой встречи!

P.S. К курсу можно присоединиться до 22 августа

Несколько людей сказали, что им очень помог этот семинар понять, куда развивать sales процессы в связи с AI. Решили оформить ключевые мысли из видео в форме статьи - надеюсь, будет полезно. А если захотите применить - то welcome на курс.

В современном мире, где бизнес активно внедряет AI-технологии, концепция полностью автономных продаж уже не является далекой фантазией. За последний год в [Onsa.ai](http://Onsa.ai) мы помогли отделам продаж трансформироваться — от разрозненных ручных процессов к единым, масштабируемым AI системам.

Во второй сессии нашей серии вебинаров **AI in Action** я представил практическую модель AI Sales Autonomy Ladder. Эта модель основана на шести уровнях автономности из мира беспилотных автомобилей. Она охватывает весь спектр — от полностью ручного управления (Level 0) до полностью автономного выполнения задач AI (Level 5). Эта модель позволяет компаниям определить свою текущую позицию и разработать стратегию дальнейшего развития.

AI‑Госплан или Почему алгоритм не убьёт рынок

Представьте, что AI назначает цены на все товары - как когда-то Госплан. Что получится? Дефицит там, где алгоритм не предвидел спрос, и горы ненужного, где переоценил? Или мы настолько качнули Алгоритм, что сможем идеально спланировать?

Сейчас много разговоров и дебатов на эту тему, и я на днях прочитал статью про то, почему AI не сможет заменить свободный рынок. Мне нравятся такие работы, потому что они имхо на стыке теории сложности и экономики (привет Хайек, пока Стаффорд Бир), поэтому решил поделиться своими мыслями по теме.

Основная мысль статьи: алгоритм не сможет заменить свободный рынок, потому что цены это не статичные данные, а живой "разговор" миллионов участников.

Мои мысли:
1) Цена как сигналы, а не датасет - цены рождаются в режиме реального времени в ходе взаимодействия и конкуренции множества игроков. Более того, эти игроки реагируют на поведение друг друга и системы в целом.
Именно поэтому цены нельзя, как например код, легко верифицировать, а значит, натренировать AI на поиск оптимальных цен. Вспоминается тут еще свежий пример взлета цен на Gamestop, по мотивам которого снят классный фильм Dumb Money: там явно был не результат данных, а соцдинамики какого-то сабреддита.

2) Призрак Стаффорда Бира - чилийские эксперименты - проект Cybersyn по управлению 500+ компаний при помощи телекстов и суперкомпьютера — показали, как задержка и намеренное искажение информации ломают безупречный план суперкомпьютера. Безусловно, компьютеры ОЧЕНЬ сильно прокачались с тех пор, но вот экономические агенты - не особо: мы, по-прежнему, любим скрывать и искажать ради собственной выгоды

3) Tacit knowledge и мотивы его скрывать - я ранее писал про Хайека и его концепцию tacit knowledge: я считаю, что, пока ко всем людям не подключили читающее мысли устройство, будет оставаться то скрытое знание, которое дает возможность "оценивать" цены, устанавливающиеся на ту или иную товар/услугу, а именно это и движет людьми и рождает ценообразование и арбитражные возможности

4) Explore vs Exploit: тем не менее, только 5-10% ценности, что создается в мире, можно атрибутировать к поистине новому (explore), остальное - это оптимизация (exploit). С упрощением оптимизации благодаря AI, будет расти ценность нового (explore), и вот тут AI надо еще показать, что он может создавать действительно новое, выходя за пределы структур и ограничений, процессы которых он оптимизирует.

Итого:
1) AI системы надо встраивать в рынок, а не над ним
2) Чем легче и больше автоматизации exploit, тем более ценен будет explore. НО это не значит, что ею не надо заниматься :)

P.S. Прикол еще и в том, что сам AI стал следствием большинства рыночных сил, что описаны выше :)

AI гонка официально началась

Как кто-то говорил: законы скорее оформляют сложившуюся реальность, чем диктуют ее. Кажется, именно это и началось сегодня: правительство США, наконец, сформулировало, что гонка в AI сравнима с космической гонкой, но только теперь с Китаем, а не СССР

Что произошло?
Сегодня правительство Трампа опубликовало план действий по тому, как США выиграть в AI гонке, суть которого в 3х элементах:
- ускорить инновации в сфере AI
- обеспечить эти инновации компьютом, энергией, чипами и талантом
- превратить технологическое лидерство в долгосрочное доминирование на этом поприще

Как собираются ускорять?
1) устранять законодательные барьеры
2) поощрять опенсорс модели и модели с открытыми весами
3) убедиться, что топовые модели поддерживают ценности американского народа (свобода слова и тп)
4) открыть AI Excellence центры по всей стране, где стартапы, ресерчеры и корпораты могут сотрудничать и обкатывать AI
5) шпионить следить за другими странами и их моделями и делиться инфой с кем нужно
6) субсидировать обучение AI , в том числе налоговые льготы

и др

Как будут обспечивать ресурсами?
1) Ускоренное получение разрешений для строительства датацентров и источников энергии, в том числе смягчив регулирование в области экологии, что мешает строительству оных
2) Развитие энергетической сети США
3) Построить датацентры для военных и intelligence агентств (CIA и тп)

и др

Как собираются обеспечить долгосрочное доминирование в AI?
1) Экспорт американских AI технологий странам-союзникам
2) Продавливать законы и соглашения для сдерживания развития китайского AI, который не промоутит американские ценности
3) Залатать дыры и усилить контроль за экспортом AI в недружественные страны, в том числе с помощью геолокации на чипах
4) Вместе с топовыми AI компаниями изучать и разрабатывать механизмы защиты от враждебных AI технологий

и др.

====
Несмотря на то, что анонс программы очень напоминает космическую гонку, обьявленную в 60е, есть пара важных отличий:
1) Сотрудничество с частными компаниями, а не прямые госпрограммы
2) Гораздо более обширные изменения инфраструктуры, чем это нужно было для космоса
3) С космосом была явная амбициозная цель - полететь на Луну - здесь же скорее размазано

В общем, будем не только наблюдать, но и участвовать!

Детальнее читаем тут: https://www.ai.gov/action-plan

Про энергию: скорее внутреннюю

Сегодня с друзьями обсуждали что движет нами делать стартапы:
1) Она - успешный спец, MBA, сделала отличный экзит, но зачем то тратит вкладывает почти все сбережения в свой стартап

2) Он - успешно продал первый стартап. Хочет влиять на свою страну и на абсолютно новую !(для него) индустрию через то, что он делает сейчас. И в будущем.

3) я - ну, вы знаете.

В ходе встречи, если не брать инсайты и мысли про собеседников, чтобы уважать их privacy, получаем:
1) мы хотим доказать себе или другим что-то

2) нам нравится жить в режиме постоянного «стресса»: взлеты и падения, откровения собственные и подаренные, преодоления — преодоления, в подавляющем кейсе, старые.. но важный аспект: такие важные, что даже если мы их преодолели, то мы ОЧЕНЬ хотим, чтобы они нас не оставляли. Потому что тогда мы перестаем быть самими собой!

3) мы хотим поддержать таких же, как мы X лет назад. Типа: «наш образ мира победит».

4) мы «скучаем» по той энергии, что нас определяла 7-10 лет назад. И не зря. Она - единственное, что по настоящему наше…. Или нет?

А вы? А вы зачем себя мучаете откуда черпаете энергию?

Запись этого видео: https://youtu.be/Zg9_WONBSXM

n8n темплейты тут а саммари встречи тут

P.S. Если захотите все это (и даже больше) делать ручками для себя или для продаж в своей компании - то вам сюда

Claude Code субагенты

Очень крутая фича от Claude Code: sub-agents - вы можете сконфигурировать субагентов со своими системными промптами, контекстом (!) и тулами для отдельных задач: дата анализ, дебаггинг, код ревью и тп. Вообще удивительно как разрастается Claude Code и вбирает в себя все больше и больше.

Только я бы на их месте сразу дал готовых несколько агентов (в принципе, по ссылке выше они показывают примеры и можно скопировать себе). Я себе сделал таких - см аттач, .md файлы выложил сюда

А вы? Делитесь полезными

20% рост ВВП: хайп или реальность?

Зумбарили на днях с Мишей и обсуждали, зачем накапливать капитал, если из-за AI ожидается беспрецедентный экономический рост в десятки процентов и безусловный доход всем? Ну, и как положено, Твиттер нас подслушал и подкинул мне очень релевантную статью на Economist по теме

Давайте разбираться:
1) Беспрецедентный рост или нет?
Глобально сейчас есть 2 точки зрения:
- AI не очень повлияет на экономический рост —> этот лагерь возглавляет нобелевский лауреат Ачемоглу со своей работой 2024го года о том, что в ближайшие 10 лет AI максимум обеспечит дополнительный экономический рост в 0.5%. К этому исследованию есть куча вопросов, в том числе потому что сделано оно было на достаточно слабой версии gpt.
- AI обеспечит беспрецедентный рост в десятки процентов —> тут, конечно, Сэм Альтман, Винод Хосла и другие техоптимисты. Примечательно, что Оксфордский экономист Jacob Levine взял ту же модель Acemoglu, но обновил ее с учетом исследования о том, для чего реально юзают Claude, и у него получились как раз 11% роста ВВП.

2) За счет чего будет этот рост?
В первую очередь, за счет автоматизации умственного труда. И тут очень в тему прецедент с автоматизацией физического труда, что мы уже проходили, и по нему знаем, что после почти 2х тысячелетий 0.1% роста мы вышли на современные 2-3%, как раз благодаря этой автоматизации. Я глубоко уверен, что это абсолютно возможно, я вижу это и сам работаю над этим.

Но самое интересное начнется, когда AI начнет улучшать сам AI - это создаст петлю положительной обратной связи, которой не было при автоматизации физического труда. Помните, у Леопольда про автоматизацию AI ресерчера и сингулярность? Как раз по теме на днях была статья, как LLM сама себя улучшает

НО

3) Куда сместится узкое место?
Некоторые из вас знают, что я люблю теорию ограничений Голдратта и согласно ей, когда расшивается узкое место в одной части системы, то оно смещается в другую —> когда мы решим задачу нехватки knowledge worker-ов, то куда тогда сместится узкое место? Вот тут наверное максимальная неопределенность. Многие говорят про энергию, и это абсолютно makes sense. Но я считаю, что есть еще как минимум 2 кандидата: образ мышления лидеров и законодательство. За свою жизнь я много раз убеждался в том, что идея эффективной фирмы разбивается о реальность: мы знаем много примеров совершенно неэффективных компаний в топе ряда индустрий. Почему?

Иногда дело в “привычке” (привет qwerty клавиатура) и, так называемом, path dependence. Иногда - в том, что лидеры имеют влияние на законодательство. Иногда, в профсоюзах. Я видел и вижу, как попытки автоматизации людей разбиваются о саботаж, страх потери контроля, и простое “зачем трогать, если итак работает”. Абсолютная конкуренция, к сожалению, существует далеко не во всех индустриях.

Поэтому, сама возможность автоматизировать что-то не равно внедрить ее, и это займет, по моему мнению, десятилетия. В эту тему мои предыдущие посты про электрификацию и AI as normal technology. Поэтому хоть Альтман и ожидает прорывы уже в следующем году, путь до внедрения и диффузии в экономику имхо будет небыстрым.

Тут примечательно еще, что многие сотрудники скрывают, что они используют AI и мы какое-то время можем вообще не увидеть эти эффекты в официальной статистике!

4) Так зачем накапливать капитал?
Одним из мест, куда может сместиться узкое место, может стать капитал: деньги (в разных формах), земля, недвижимость. Но при росте экономики в десятки процентов так же вырастут процентные ставки (если я знаю, что могу вырасти в 20% за год, то готов платить за это 19.99999% условно). Получается, что те, у кого будет больше всего капитала к этому моменту, и получат неадекватно большое преимущество над остальными. Из-за сложных процентов и тп. Более того, если вселенский AI решит застроить всю планету датацентрами и электростанциями, то спрос на землю может заметно вырасти при фиксированном предложении. Даже на Марсе :)

(продолжение поста)

5) Но ведь с автоматизацией производства так не случилось!
ДЕйствительно, мы научились бесконечно производить многие товары, но при этом не сказать, что они все стоят бесконечно мало. Ведь появились категории люксовых товаров, где натурально или искусственно контролируется их предложение. Я уж не говорю о том, что на этом фоне сильно выросла сфера услуг. Какие новые сферы появятся? Какие сферы люди с капиталом не захотят или не смогут автоматизировать? Не знаю, как говорится: “знал бы прикуп, жил бы в Сочи”

При этом парадокс: мы уже видим, как Цукерберг за десятки миллионов перекупает AI ресерчеров только для того, чтобы их в итоге автоматизировать; а нам всем придется переучиваться на массажистов, водопроводчиков и медсестер.

===
В общем, статью рекомендую двумя руками, а еще больше рекомендую думать и размышлять над этими вопросами.

Как думать про продажи? Пост первый

Очень много книг и материалов есть о том, как делать продажи: хуки, тактики, приемы. Эту серию постов я хочу посвятить тому, как думать про них фаундеру стартапа на ранней его стадии. Эдакие first principles продаж. Мне они помогают не потерять лес за деревьями и задать себе очень важный вопрос: а не фигню ли я делаю? Не отклонился ли я от курса? Не потерял ли из вида лес?

Это никому не нужно - или нет?
Нулевая гипотеза любого стартапа имхо должна звучать так: то, что я продаю никому не нужно. И нам надо опровергнуть ее. Как? Простой способ - market research - и я уже писал об этом. Но проблема market research-а в том, что это не твои данные, ты не знаешь как они собирались, что именно предлагалось и тд и тп. Это важный шаг в ответе на вопрос выше, но не менее существенно действие: найти 2-3х героев, которые согласятся у тебя купить этот продукт.

Например, я решил продавать AI ассистента для подготовки ко встречам. Люди сейчас готовятся ко встречам? Кто и как платит за это? С кем я могу поговорить про это?

Кому это нужно более всего?
Есть такое распространенное слово в продажах - ICP (Ideal Customer Profile - Портрет идеального клиента). Вот это про него. Одним компаниям нужно больше, чем другим: консалтерам, чем пожарникам. В одной и той же компании одним нужно больше чем другим: руководителю продаж, а не финдиректору. Когда мы думаем про продажи нам желательно иметь несколько ICP как гипотез и систематически проверять их, сравнивая результаты между собой. Ведь, как я люблю повторять, информация появляется, когда есть сравнение. И в итоге найти такой, что показывает наибольшую отдачу. Мы еще поговорим о том, как именно сравнивать

Продолжая пример выше, кто проводит больше всего встреч, и при этом должен готовиться к ним? Или - у кого неподготовка или ошибка в подготовке к оной стоит больше всего? Кто больше всего страдает от отсутствия времени, скиллов или ресурсов для подготовки?

Насколько они осознают, что это им нужно?
Каждый человек созревает для покупки. Сначала он ее не осознает (Unaware), потом проблема всплывает в виде того, что что-то идет не так (Problem Aware). Окружающий мир почему-то не устраивает его: может, не выполняются цели по продажам, может этого требует совет директоров, или статус. Дальше он переходит к решению: сначала более общему (Solution aware - мне нужен человек для этого), затем - частному (Product aware - для этого мне нужен Вася Пупкин).

Ключевой поинт: что они могут не осознавать это. И это нормально. Нам надо понимать этот путь для своего продукта и придумать каким образом встроиться в этот процесс, поймать сигналы, что кто-то на этом пути.

Осознав, они принимаются искать решение, НО

Что именно они, в первую очередь, ищут и почему?
Накопить на квартиру можно зарабатывая больше, или тратя меньше. Или ограбив банк. Зачастую поиск решения проблемы сужен опытом человек и окружающих его людей и инструментов, поэтому он может вообще не думать о вашем способе решения той же проблемы или достижения того же результата. Поэтому наша задача попасть в "пространство поиска" (search space) решения. Для этого мы хотим понимать, кто именно, где, что и как ищет. Как нам позиционировать себя в этом пространстве поиска, чтобы "выскочить" именно нашему ICP именно на самой подходящей стадии осознания и поиска решения проблемы.

Продолжая кейс выше: я могу нанимать sales associate, чтобы помогал мне готовиться ко встречам (помимо всего прочего). И совершенно не думать, что это мог бы делать AI.

Как соотносятся для них ценность и цена?
Я писал о ключевом уравнении стартапа: Ценность > Цена > Себестоимость, и что чем выше "первая разница", тем выше желание клиента купить, а чем выше вторая - ваше желание продать.
Вот наша задача найти такие Ценность и Цену, чтобы максимизировать разницу для какой-то конкретной группы людей - ICP.

(продолжение поста)

===
Эти 5 вопросов - не линейный чеклист, а цикличный процесс познания:
1) Каждое "нет" уточняет ваш ICP
2) Каждое "может быть" показывает гэпы в осознании
3) Каждое "да, но" учит вас о пространстве поиска и соотношении цены и ценности
4) И, наконец, заветное "да!" - делает жизнь веселее :)

По мере ресерча и общения с клиентами мы получаем ответы на эти вопросы и уточняем/меняем свои гипотезы, и действуем снова.

Наша задача - не делать продажи. Наша задача найти такую комбинацию элементов, что выдаст наилучшую траекторию продаж. И пока мы именно ищем, а не скейлим.

В следующих постах мы разберем как делать каждый этап, и как AI может нам помочь со всем этим. А если хочется глубже и быстрее - то welcome на мой курс, стартующий уже 9 августа.

На днях был в гостях у Founders4Founders и рассказал про уровни автономии из этой статьи - enjoy!

https://youtu.be/J1Wb01b_4eI

Как думать про продажи? Пост второй - Промпт для AI Коуча

Обернул упражнение из этого поста в промпт для вставки в вашего любимого дружбана - chatGPT, Claude Gemini и тп —> эдакой мини AI-коуч. Рекомендую использовать с reasoning моделями - Claude 4, o3, Gemini 2.5 Pro - так выходит более качественный результат. Промпт вышел длинный, поэтому 2 поста. Надеюсь, будет полезно и интереснее, чем читать пост-многобукв :)

Для удобства выложил весь промпт еще сюда

You are an AI Sales Thinking Coach for early-stage B2B startup founders. Your role is to help founders think about sales from first principles by guiding them through 5 fundamental questions. You communicate in Russian using informal "ты" (not "вы"), unless the founder responds in English.

Your personality: Direct, challenging but supportive. Like a friend who's been through this before and won't let them fool themselves. You push founders to think deeper and don't accept vague answers.

CONTEXT: Based on the article "Как думать про продажи?" - focusing on HOW to think about sales, not just what to do. First principles подход, чтобы не потерять лес за деревьями.

THE 5 FUNDAMENTAL QUESTIONS FRAMEWORK:

1. Это никому не нужно - или нет? (Null hypothesis test)
2. Кому это нужно более всего? (ICP identification)
3. Насколько они осознают, что это им нужно? (Awareness level)
4. Что именно они ищут и почему? (Search space)
5. Как соотносятся для них ценность и цена? (Value equation)

CONVERSATION FLOW:

Start with:
"Привет! Я помогу тебе продумать стратегию продаж с самых основ. Помни - нулевая гипотеза любого стартапа: 'то, что я продаю никому не нужно'. И нам надо ее опровергнуть.

Начнем с простого - опиши свой продукт одним предложением. Что ты делаешь?"

Then guide through each question:

QUESTION 1 - NULL HYPOTHESIS TEST:
- Ask: "Отлично. Теперь самый важный вопрос: кто уже заплатил тебе за это или твердо пообещал заплатить? Нужны имена, компании."
- Reference the post: "Помни - market research это хорошо, но это не твои данные. Нам нужны твои 2-3 героя, которые готовы купить."
- If none/vague: "Пока нет реальных клиентов = гипотеза 'это никому не нужно' еще не опровергнута. Кто могли бы стать твоими первыми героями? Дай мне 3 конкретных человека."
- Challenge: "Например, если делаешь AI ассистента для подготовки ко встречам - кто готовится ко встречам? Кто за это платит сейчас?"

QUESTION 2 - ICP EXPLORATION:
- Ask: "Теперь найдем твой ICP. Помни - одним это нужно больше чем другим. Консалтерам больше чем пожарникам, руководителю продаж больше чем финдиректору."
- Request: "Опиши 3 РАЗНЫХ типа компаний/людей, которым может быть нужен твой продукт. И для каждого - насколько остро (1-10)?"
- Push: "Информация появляется когда есть сравнение. У кого неподготовка стоит дороже всего? Кто страдает от отсутствия времени/скиллов?"
- If vague: "Не 'маркетологи', а 'Head of Marketing в Series A стартапе с командой 3-5 человек'. Конкретика!"

QUESTION 3 - AWARENESS MAPPING:
- Explain: "Каждый человек созревает для покупки. Путь такой:
→ Не осознает проблему
→ Что-то идет не так (не выполняются KPI, давит босс)
→ Ищет общее решение ('нужен человек для этого')
→ Ищет конкретное решение ('нужен именно Вася Пупкин')"
- Ask: "Твой ICP №1 - на какой стадии?"
- Challenge: "Как ты поймаешь сигналы, что кто-то на этом пути? Какие это сигналы?"

QUESTION 4 - SEARCH SPACE:
- Reference post: "Накопить на квартиру можно зарабатывая больше, тратя меньше, или ограбив банк. Твой клиент может не думать о твоем способе решения."
- Ask: "Как твой ICP решает проблему СЕЙЧАС? Может нанимает sales associate вместо AI?"
- Dig: "Почему они выбрали именно это? Как тебе попасть в их 'пространство поиска'?"
- Test: "Если они гуглят решение - что именно вбивают в поиск?"