🤝 Completo B2B Day — онлайн-конференция о маркетинге в B2B и на сложных рынках

———
Я сам хотел выступить на этом мероприятии. Но не успел с подачей заявки. :)
Хорошая подборка спикеров практиков и моя личная рекомендация.
———

В B2B всегда непросто: цикл сделки длинный, решения принимаются долго, а результаты маркетинга видны не сразу. Поэтому он может легко превратить в хаотичный набор активностей.

🔥 На бесплатной конференции Completo B2B Day 22 и 23 апреля разберём, как этого не допустить!

Вместе с экспертами из Completo, IMExpert, Vitamin.tools, Paper Planes и другими обсудим, как выстроить системный B2B-маркетинг, где стратегия, лидогенерация, контент, продажи и аналитика работают вместе.

Вас ждет 2 дня рабочих инструментов и практических кейсов, которые позволят получать результат в условиях высокой неопределенности.

В программе:

1️⃣ день — Стратегия и управление спросом в B2B: сайты, контент-маркетинг, SEO, лидогенерация, ивент-маркетинг.

2️⃣ день — Коммуникации и продажи в B2B: контент-воронки, электронная почта, ИИ и экспертные продажи.

📅 22-23 апреля, онлайн
✅ Бесплатно по регистрации

🔗 Регистрируйтесь сейчас

193 скриншота, 83 пропущенных факта: что стандартный AI-анализ конкурентов не види 🧠

Две недели назад писал, что делаю эксперимент с автоматизацией конкурентного анализа. Сейчас углубился и хочу поделиться, почему стандартный подход «скормить сайт нейронке» объективно работает плохо. И почему вы об этом не узнаете, если не проверите руками.

Откуда цифры

Текущий клиент, ниша огнезащитных покрытий, разбираем 7 конкурентов. По ним уже собрано 193 скриншота и 83 находки, которых не было в текстовом разборе. То есть в среднем на каждом конкуренте «классическая» нейронка пропускает по 12 существенных фактов. И выдаёт при этом красивый отчёт: таблицы, выводы, критерии. Если не идти сверять с сайтами, не заметите ничего.

Три типа слепых зон

1. Факты внутри картинок. Парсер читает только alt-атрибуты и считает их «мелкими». Текст на изображениях не видит.
2. Интерактив: модалки, табы, карусели, калькуляторы. Стандартные инструменты видят статику первого кадра.
3. Визуальная иерархия. В DOM H2 и H2 равны. Глазами один красный с восклицательным знаком, второй серый.

Как это выглядит на живых примерах

Арбекоут. 23 ключевые характеристики карточек (срок службы, температура нанесения, состав, класс коррозионной среды) живут в SVG-плашках. Это самые акцентные элементы экрана, покупатель смотрит в первую очередь на них. Парсер видит только подписи в alt и считает их второстепенными. Бонус: на главной плашка «Срок службы не менее 25 лет», на карточке продукта «Срок службы до 25 лет». Два разных SVG-файла с противоположным смыслом: одно «≥25», другое «≤25». Текстом оба факта выглядели бы идентично.

Декотерм. На главной 20 логотипов клиентов в карусели с вкладками по отраслям, Газпром, Роснефть, Мосэнерго, ТАИФ. Через текст этого не видно.

Огракс. Всё ключевое позиционирование зашито в баннер-карусель на главной, PNG-слайды с тезисами. На выходе у стандартного анализа либо пусто, либо огрызки alt. А это тот самый hero-оффер, который определяет первую секунду восприятия.

Преград. Нейронка в классическом режиме уверенно написала «телефон и email в шапке». На деле в шапке только кнопка «Перезвонить», а отдельный закупочный snab@ спрятан на странице контактов. Для B2B-закупщика это разные каналы. Текстовый анализ промазал.

Что ещё набралось на 7 конкурентов

Интерактивные калькуляторы с живыми таблицами расхода. Расхождения между страницами одного сайта, «гарантия 30 лет» на флагмане и «25 лет» на соседней карточке. Email спрятан через JS. Пустые зоны справа на карточке, дающие сигнал «недоделано». Уникальные офферы вроде «расширенной гарантии после монтажа», которых нет ни у кого больше на рынке. Всё это мимо стандартного парсинга.

Что в итоге получает руководитель

Отчёт, где всё аккуратно расставлено, выводы разумные, на словах красиво. А на самом деле куча фактов прошла мимо, и важное отфильтровалось как шум. Самое неприятное, вы об этом не догадываетесь.

Что я с этим делаю

Собираю системный подход: Vision-модели на ключевых экранах, структурированный обход с кликами по интерактиву, сверка визуальной иерархии, поиск расхождений между страницами. Ресурсоёмко, один конкурент это 20-40 скриншотов и до часа на сбор данных. Но разница по глубине находок кратная.

Если неронки сейчас делают вам конкурентный анализ, откройте рядом сайт и сравните с отчётом. Удивитесь.

Счета vs Реальные деньги: везу в Тюмень обновленный кейс про 120 млн ✈️

28 мая выступлю на форуме OnTop в Тюмени. Буду рассказывать наш кейс производителя на падающем рынке, но с важными дополнениями, которых не было в предыдущих анонсах и эфирах.

Кейс живой, и за 1-й квартал 2026-го у нас накопились данные по динамике при долгом цикле сделки.

Что добавлю нового:

🔹 Динамика «Счета → Деньги». Покажу, как меняются цифры спустя 3 месяца. Мы сравним результаты 4-го квартала и посмотрим, какой процент выставленных счетов реально превратился в сделки. Обсудим подводные камни при работе с CRM, которые всплывают именно на этом этапе.

🔹 Канал «Проектировщики». Как простая задача «разместить чертежи на сайте» превратилась в полноценный канал коммуникации. Расскажу, как мы собирали типовые решения и сделали их инструментом для постоянной связи с реальными проектировщиками.

Классические тезисы тоже на месте:
— Почему SEO-подрядчик может год работать вхолостую (типичная боль производств).
— Как мы нашли преимущество в виде шоурума через анализ звонков.
— Почему 1 млрд сделок «завис» в CRM и как это исправить.
— Специфика B2B-аналитики в тендерных нишах.

Что мне самому интересно послушать на форуме:
Кроме своего доклада, иду на Ксению Пикус — послушать про ИИ в налогах и финучете. Интересно, как они борются с галлюцинациями нейронок в точных расчетах. Также в планах Иван Добрин с темой «Человек-дедлайнёб» и разбор 100 задач для бизнес-ассистента (хочу посмотреть что еще делегировать нейронке 😂).

Увидимся в Тюмени! 🤝

📍 Где: Тюмень, «Фуга Хаб» (ул. Разведчика Кузнецова, 16/1)
📅 Когда: 28 мая

Регистрация и полная программа:
👉 Записаться на OnTop

Канал конференции

Внутренняя кухня: про продажи, архитектуру менеджмента и первопричины 🧠

Последние пару недель я выпал из публичного поля — но не потому, что нечего сказать, а потому, что внутри сейчас идет масштабная перестройка. Хочу поделиться, на чем сейчас основной фокус и чего ждать в канале в ближайшее время.

1. Продажи и продукты
С начала года мы сильно перетряхнули систему продаж. Главное достижение: научились на порядок глубже собирать боли, потребности и возражения тех, кто к нам обращается.

Теперь я занят тем, чтобы докрутить под это нашу продуктовую линейку. Часть продуктов уже перестроена, первые наработки пошли в дело, теперь задача — все это систематизировать и внедрить полноценно.

2. Глобальная перестройка менеджмента
Это то, что сейчас съедает больше всего времени. Я управляю людьми больше 10 лет и вроде как получаю хороший фидбек от команды. Но в этом году осознал: я самоучка, который не знает решений, которые уже по 10 лет успешно используются профессиональными менеджерами.

Оказалось, что многие вещи, которые я считал «базовой неизбежностью», уже давно имеют системные решения. Есть наборы практик, которые позволяют не просто справляться с последствиями, а устранять сами первопричины возникновения проблем.

Сейчас мы меняем всю логику работы с задачами и архитектуру процессов. На этом пути я сейчас активно собираю все возможные «грабли», но оно того стоит — уже вскрылась куча гэпов, которые раньше были просто не видны, но постоянно генерировали проблемы.

3. Инфраструктура и нейронки
Параллельно докручиваем внутреннюю инфраструктуру для работы с автоматизациями. На следующей неделе поделюсь двумя классными инструментами (скиллами), которые помогают упростить жизнь.

Суть в том, что мы взяли классические инструменты менеджмента и перенесли их логику в работу с нейронками. Получился очень прикольный гибрид, который заставляет нейронки самостоятельно находить свои косяки. А после этого предлагать варианты решений.

Это те темы, про которые я буду писать в мае.

Интересно ваше мнение: на чем сделать больший упор? На внутренних процессах агентства, архитектуре менеджмента или на конкретных инструментах и нейронках? А может лучше оставить чисто про маркетинг и нейронки? Напишите в комментариях, это поможет мне расставить приоритеты.

Вы руководитель или «человек-маршрутизатор»? 🧩

Часто работа руководителя превращается в бесконечный бег между сотрудниками и подрядчиками. У тебя есть 5–7 специалистов, каждый делает свой кусочек, но общей картинки у них нет.

Казалось бы, решение простое: объединить их в команду, дать возможность пообщаться и обсудить общие задачи. Но на практике это почему-то само по себе не работает. Люди всё равно эмпирически сбиваются «не туда», а информация по пути теряется.

Как это выглядит на практике:
Ты работаешь «клеем», маршрутизатором смыслов и вечным контролером. Приходится постоянно включаться:
— Объяснять одно и то же по несколько раз, потому что люди забывают.
— Искать косяки в вещах, которые ты уже разжевывал.
— Проверять сроки и требования, про которые исполнители «упустили и забыли».
— Быть «переносчиком данных»: берешь инфу у одного, несешь другому и следишь, чтобы они друг другу не мешали.

В менеджменте это называется гэпами — разрывами в логике и коммуникации, которые генерируют 80% проблем.

Где обычно прячутся эти гэпы:
— Одни нашли крутые смыслы и преимущества продукта, а другие (например, сеошники) об этом даже не знают и продолжают качать пустые ключи.
— Дизайнеры спорят, как сделать «покрасивее», и обижаются, что их не понимают.
— Специалисты по контексту зарываются в таблицы и вываливают на тебя гору данных, ожидая, что ты примешь решение за них.

Раньше я тоже думал, что в этом и заключается работа — ходить, контролировать и устранять возникающие проблемы.

Но на самом деле это — архитектурный провал.
Люди всегда выбирают путь наименьшего сопротивления. Если выполнить задачу «в обход» процесса проще, чем следовать ему — люди будут скатываться к простой версии. И это задача менеджера: выстроить такую архитектуру, чтобы делать задачу правильно было проще, чем неправильно.

Мы сейчас в агентстве перестраиваем именно эту логику. Уходим от ручного «подруливания» к архитектуре, где сам процесс не дает сбиться с пути. На этом пути я сейчас активно собираю «грабли», но это единственный способ перестать быть маршрутизатором и начать реально управлять.

Как я заставляю нейронки проверять свои косяки 🧠

У меня есть правило: чем красивее выглядит длинный AI-отчёт, тем сильнее его надо проверять.

Потому что нейронка может собрать аккуратный документ, разложить всё по разделам, сделать выводы, написать уверенным тоном. А потом выясняется, что часть фактов потерялась, цитата не бьётся с источником, цифра взялась непонятно откуда, а вывод получился сильнее, чем позволяют данные.

Особенно это проявляется в реальной работе над проектами.
Когда агенту нужно разобрать несколько файлов, транскриптов, ссылок, заметок, собрать фактуру и превратить всё это в документ, который потом реально идёт в работу.

Для таких задач я сделал себе отдельный skill: quality-check.

Его задача простая: заставить нейронку не просто сказать «готово», а пройтись по результату как ревизор.

Он проверяет:
— где остались пробелы и неподтверждённые места;
— совпадает ли результат с исходной задачей;
— какие цифры, цитаты и ответственные нужно сверить;
— где вывод слишком уверенный для имеющихся данных;
— можно ли использовать документ as-is или его нужно дорабатывать.

Один из показательных случаев был с документом для выступления.

Внешне всё выглядело нормально: тезисы собраны, логика есть, структура аккуратная. Но quality-check поставил оценку 0.59 и подсветил несколько проблемных зон.

Во-первых, в документе была цитата, которую нейронка немного переписала. Вроде мелочь, но если цитата используется как доказательство, она должна быть либо дословной, либо честно обозначенной как адаптация.

Во-вторых, часть цифр была без первоисточника. Не обязательно неправильные, но непонятно, откуда они появились. А значит, их нельзя спокойно тащить дальше без проверки.

И самое полезное: skill не сказал «ну в целом норм». Он расписал конкретные проблемные зоны, которые можно легко проверить.

Вот за это я его и люблю.

Он подсвечивает конкретные зоны риска: здесь нет источника, здесь цитата изменилась, здесь вывод звучит увереннее, чем позволяют данные. Я могу быстро открыть нужное место, проверить и сразу понять, бьётся оно или нет.

Ещё он иногда неплохо ловит смещение в подтверждение.

Например, когда в документе собраны только позитивные факты, а негативные сигналы или ограничения вообще не искались. Для AI это типичная история: красиво собрать то, что подтверждает текущую логику, и не заметить, что выборка однобокая.

Лайфхак для улучшения анализа — запускать такую проверку другой моделью.

Например, основной документ собирается в Claude Code с Opus, а проверку я прогоняю через Codex с GPT с доступом к тем же локальным файлам. Разные модели заметно лучше подсвечивают косяки друг друга, чем когда одна и та же модель сама себя проверяет в том же контексте.

Важно: это не волшебная кнопка «найти все ошибки».

Skill не гарантирует, что поймает каждую кривую гипотезу или слишком широкое обобщение. Такие вещи и люди не всегда быстро ловят. Особенно если документ большой, источников много, а фактура размазана по разным местам.

По моим ощущениям, он хорошо ловит самые яркие и опасные косяки: цифры без источника, неподтверждённые цитаты, потерянные ограничения, уехавший фокус, слишком уверенные формулировки.

А если документ прям большой, проверку лучше дробить на части. Иначе сама проверяющая модель тоже начинает терять детали.

Выложил публичную версию здесь:
https://github.com/MainFrame100/quality-check-skill

Там есть сам .skill, README на русском и английском и описание логики работы. Можно брать и адаптировать под себя, только сохраняйте ссылку на источник.

Можете скормить эту ссылку своей нейронке. Она поймет как его установить и подскажет по использованию

Почему AI-summary рабочих созвонов пока регулярно косячат 🧠

Казалось бы итоги встреч через нейронки. Самя изъезженная и популярная тема, но меня они постоянно разражают.

Если встреча простая, всё ок.
Например, каждый пришёл, рассказал, что сделал, проговорили общие вещи, зафиксировали статус. С таким нейронка обычно справляется нормально.

Проблемы начинаются, когда на созвоне реально принимаются решения.

Типичная ситуация: сначала предложили один вариант, потом второй, потом в ходе обсуждения собрали третий, итоговый.

А в summary потом внезапно оказывается первый вариант, кусок второго или какая-то странная смесь из всего обсуждения.

И вот это уже не просто «неидеальный пересказ».
Это критичные косяки.

Неправильно зафиксировали, что нужно сделать. Не туда поставили задачу. Не того человека указали ответственным. Или вообще не поняли, что это была финальная договорённость, а не просто один из вариантов в обсуждении.

По ощущениям, таких ошибок может быть 10-15%.
Но их нельзя пропускать.

Если нейронка ошиблась в обычном пересказе, это неприятно. Если она ошиблась в задаче или ответственном, потом команда реально уедет не туда.

Поэтому такие итоги приходится каждый раз внимательно читать и править. Не просто пробежать глазами, а реально сверить: кто что должен сделать, какая договорённость финальная, какая задача появилась, а что было просто обсуждением.

Я вижу здесь две разные проблемы.

Первая — нейронка плохо понимает динамику принятия решения. Она слышит весь путь обсуждения, но не всегда понимает, где был промежуточный вариант, а где финальное решение. Для неё весь этот текст одинаково важен. Эту проблему легко исправить промптом

Вторая проблема сложнее: нейронке не хватает данных.

Когда мы обсуждаем задачи с командой, у нас перед глазами есть контекст: проекты, текущие задачи, статусы, ответственные, история переписки. А у нейронки обычно есть только транскрипт.

Она слышит разговор, но не видит систему, внутри которой этот разговор происходит.

Поэтому хочу попробовать связку: транскрипт + контекст из Planfix по проектам и задачам + отдельный промт на выделение финальных решений.
И на самих созвонах чуть явнее проговаривать: вот здесь финальное решение, вот здесь задача, вот здесь просто обсуждали вариант.

Посмотрю, насколько это снизит количество ручных правок.

Если вам интересны такие короткие заметки из полей про AI в рабочих процессах, накидайте 🔥
Если соберем хотя бы 20-30 огоньков, буду чаще выкладывать такие наблюдения.

🚀 Бесплатная 2-ух дневная онлайн-конференция «Курс на вершину»

Для владельцев бизнеса, маркетологов, экспертов и топ-менеджеров, кто стремится к росту, состоится 21-22 мая 2026 года.

☝️Будет только передовой опыт, без воды, без продаж курсов и скучных лекций о состоянии бизнеса в России.

Ключевые темы конференции:

-Что делать, если привычные инструменты продаж сломались, а рост бизнеса остановился

-Какие технологии и стратегии помогут увеличить продажи и укрепить позиции на рынке

-Какие инструменты приведут клиентов и партнёров сегодня.

-Какие готовые решения от экспертов из IT-гигантов можно внедрить сразу после конференции

Выступят 20 топ-спикеров из крупных IT-компаний и практикующие эксперты. Они разберут реальные кейсы и ответят на ваши вопросы в прямом эфире

📆21-22 мая – 2 дня докладов
📆23 мая — 4-х часовой онлайн-нетворкинг с 50+ новыми контактами, готовыми к заказам и совместным проектам!

✅Участие бесплатное

Регистрируйтесь сейчас — иначе конкуренты внедрят эти инструменты раньше вас😉

Сегодня у меня День Рождения! 🥳

Думаю по фото понятно, что провожу я его для своих 39 весело 😁

Когда-то День Рождения мог навевать на меня грусть.
Мой фокус уходил на сравнения себя с другими. Причем всегда с более «успешными» в чем то людей.

Сейчас же для меня ДР — это повод порадоваться тому что уже есть.
Поэтому желаю вам тоже посмотреть на то, что есть с позитивной стороны (хотя этому нас не учили).
И самим порадоваться тому, что у вас есть и тому до куда вы дошли!

Почему я теперь ставлю задачи с конца 🧩

Одно из главных управленческих открытий этого года для меня: задачу часто надо начинать не с того, как её делать, а с того, что должно получиться на выходе.

В чем проблема

Раньше я регулярно сталкивался с одной и той же ситуацией. Сели, обсудили задачу, вроде всё понятно. Человек ушёл делать. Потом приносит результат, а ты смотришь и понимаешь: что-то не то.

Формально задача сделана. Но результат не устраивает.

Раньше я воспринимал это как неизбежность. Ну да, задача новая. Ну да, нестандартная. Ну да, где-то не так поняли друг друга. Значит, надо подробнее объяснять, больше контролировать, писать регламенты, делать стандарты.

Сейчас я всё больше вижу другую причину. Мы часто описываем задачу через процесс: что сделать, в какой последовательности, какие шаги пройти.

Но при этом плохо описываем результат.

Что должно быть на выходе

Теперь я стараюсь начинать с результата:

- что должно лежать на выходе;
- в каком виде это должно быть;
- как я быстро пойму, что задача сделана хорошо;
- какие типовые ошибки должны быть заранее исключены.

Это очень сильно меняет постановку задач. Ты перестаёшь надеяться, что человек сам догадается, как должен выглядеть хороший результат. Вместо этого заранее задаёшь форму, в которой этот результат можно быстро проверить.

Пример: тексты объявлений

Возьмем обычную работу с рекламной кампанией. Можно поставить задачу: подготовить объявления.

На первый взгляд звучит нормально. Но для проверки это плохая формулировка. Непонятно, что именно должно быть на выходе и как быстро понять, что работа сделана хорошо.

Человек может скинуть ссылку на документ с черновиками объявлений. Формально он задачу выполнил. А дальше руководителю или клиенту приходится проваливаться внутрь и разбираться с нуля: какие преимущества использованы, согласованы ли они, не потерялся ли смысл, укладываются ли тексты в ограничения по символам, как объявление будет выглядеть в реальной выдаче.

Я хочу перестроить это иначе. Не «подготовить объявления», а выдать конкретный проверяемый артефакт.

Например, на выходе должен быть не просто файл с текстами, а короткий блок проверки:

- какие 5-7 преимуществ взяли в объявления;
- где видно, что они согласованы с клиентом;
- как выглядит шаблон объявления;
- проходят ли тексты по ограничениям символов;
- как будет выглядеть длинный и короткий вариант объявления.

Идеально, если это можно показать 2-3 скриншотами. Открыл чат и сразу видишь: вот преимущества, вот шаблон, вот ограничения по символам, вот как объявление будет выглядеть. На проверку уходит пару минут. И ответить сразу проще, чем откладывать. Плюс не нужно разбираться в структуре Google Docs и искать, где там есть нужная информация.

Что делать с большими задачами

С большими задачами работает та же логика. «Запустить рекламу» или «сделать анализ конкурентов» слишком большие задачи. Их нельзя нормально проверить одним куском.

Их надо дробить на маленькие результаты, которые можно проверить за день-два. Согласовали критерии анализа. Проверили список конкурентов. Посмотрели первую структуру таблицы. Сверили выводы по одной категории. И только потом двигаемся дальше.

Так обратная связь появляется быстро. Не через неделю, когда уже всё уехало, а почти сразу.

Почему мне это нравится

Мне нравится эта логика тем, что она снимает часть ручного контроля. Ты не пытаешься держать всё в голове и потом героически ловить ошибки. Ты заранее вшиваешь проверку в форму результата. Пока человек готовит правильный отчет по задаче, он сам себя проверяет.

Пока это один из самых полезных сдвигов в нашей перестройке менеджмента.

К посту приложил пример сегодняшней задачи, которую поставил себе в таком формате.

Почему я всё чаще ухожу из обычных AI-чатов в локальные проекты 🧠

Сейчас я в AI-сообществах снова вижу новости про блокировки аккаунтов. Особенно много обсуждают Claude, но вообще такая история периодически случалась и с другими сервисами.

Для тех, кто работает только в обычном чате, это прям боль. Внутри аккаунта лежат проекты, чаты, инструкции, контекст. Аккаунт отрубили или захотел перейти на другую модель, и всё это надо как-то переносить.

Я сейчас всё больше прихожу к другой логике: рабочие AI-проекты лучше держать не внутри одного чата, а в локальных файлах.

Почему я к этому пришёл

На днях я тестировал skill для подведения итогов созвонов с командой. Задача простая по формулировке, но сложная по сути: из транскрипта нужно вытащить финальные решения и сразу превратить их в задачи в нашем стандарте.

Запустил один и тот же skill в двух инструментах. В Codex на GPT результат получился почти идеальный. В Claude Code на Opus результат начал странно плыть: галлюцинации, не верная связка с проектами, ощущение, что надо полностью переделывать skill.

А потом выяснилось, что проблема не в skill.

Просто в этой задаче GPT сейчас лучше следует правилам и стандартам. Значит, мне проще переключиться на него.

И вот тут локальный режим работы очень сильно выручает. Если вся работа лежит в файлах на компьютере, переключение между моделями превращается не в миграцию проекта, а почти в переключение между двумя чатами.

Что меняется

У тебя локально лежат:
- инструкции;
- материалы проекта;
- черновики;
- результаты работы;
- история изменений.

Один AI-инструмент не справился, открываешь те же файлы другим. Аккаунт заблокировали, подключил другой и продолжаешь с того же места. Нужно сравнить качество моделей, запускаешь одну и ту же задачу в двух средах.

Это совсем другой уровень устойчивости.

А как быть с разными устройствами

Да, у обычного онлайн-чата есть удобство: открыл телефон, продолжил диалог, всё синхронизировано.

В локальном режиме это тоже можно решить, просто чуть иначе. Например, через GitHub. Проект лежит в репозитории, изменения синхронизируются, и к нему можно подключаться с разных устройств.

Причём сейчас уже не обязательно самому разбираться во всех этих PR, ветках и других странных словах. Честно говоря, я сам до конца не во всё это вник. Во многих случаях нейронка сама помогает настроить синхронизацию, поправить расхождения и объяснить, что нажать.

Почему мне это нравится

Обычный чат я сейчас оставляю в основном для мелких бытовых вопросов. Когда один раз спросил, получил ответ и больше этот контекст не нужен.

А всё, что связано с работой, проектами, повторяемыми задачами и накоплением знаний, мне всё интереснее вести через локальные файлы.

Так меньше зависимости от одного аккаунта, проще переключаться между моделями и намного легче наращивать свою систему. Сегодня это просто папка с файлами. Завтра туда можно добавить автоматизации, скрипты, свои skills и нормальную историю изменений.

Если интересно, могу отдельно расписать, как такую систему организовать у себя без глубокого погружения в технику.

Про «быстрые» AI-кейсы и чувство FOMO 🤯

Я каждое утро получаю дайджест новостей по нейросетям — собираю из разных чатов и каналов самое интересное. И в последнее время регулярно вижу кейсы в духе: «Смотрите, я за 90 минут создал маркетинговую стратегию, план развития продукта и лендинг на 3000 строк текста».

Выглядит офигеть как круто. И если вы такое читаете, невольно накрывает чувство FOMO: кажется, что все вокруг уже вовсю делают прорывные штуки за минуты, а ты безнадёжно отстаёшь.

Но тут есть один важный момент, который стоит подсветить.

Нейронки научились генерировать текст пугающе хорошо. Сделать документ, который будет *выглядеть* как стратегия на 50 страниц — вообще не проблема. Шаблонов миллион, AI заполнит их контентом за минуты.

Ключевая сложность не в генерации артефакта, а в его адекватности.

При беглом взгляде такие документы часто «нравятся» — они выглядят объёмно и профессионально. Но глубоко читать 50 страниц стратегии люди не любят и чаще всего этого не делают. В итоге результатом этапа становится просто какой-то сформулированный артефакт (документ, страничка, план) без понимания, работает это или нет.

Я разделяю такие кейсы на три уровня:

1️⃣ Уровень «Текст»: Большинство кейсов в ленте. «Мы сделали лендинг и стратегию на 3000 строк». Цена такому кейсу — ноль. Генерировать объём ради объёма сейчас может любой.
2️⃣ Уровень «Эксперт»: Когда результат проверил крутой профи. Посмотрел и подтвердил: это соответствует стандартам, я бы сделал так же. Это уже реальный плюс.
3️⃣ Уровень «Результат»: Когда это принесло деньги или лиды. Вот это — настоящий золотой стандарт.

Мы в агентстве тоже используем нейронки, например, для генерации прототипов сайтов и лендингов. Сгенерировать интерактивный прототип «чтобы было красиво» — вообще не проблема.

Но чтобы этот лендинг соответствовал нашим внутренним стандартам, учитывал все нюансы B2B-конверсии и его было не стыдно запустить в полноценную работу — нужно на порядок больше усилий. Реально, это требует в 10 раз больше работы относительно простой генерации «какой-то странички».

Поэтому мой совет: если видите кейс, где хвастаются только скоростью и объёмом артефактов — смело его пропускайте.

Практически всегда это полный bullshit. Сгенерировать документы — не вопрос, а вот получить результат, который реально работает — это и есть настоящая сложность.

А вы часто ловите FOMO от таких «сверхскоростных» кейсов в ленте? Или уже выработали иммунитет? 👇