Короткая версия для тех, кто спешит: нейросети уже умеют больше, чем умеет применить средний бизнес. Модели уровня Claude надёжно держат многошаговые задачи: сами пишут код, сами разворачивают системы, сами ведут переписку с клиентами. Узкое место сместилось. Сегодня AI-проект упирается не в технологию, а в человека, который ставит задачу, принимает результат и несёт ответственность за систему. И людей с таким мышлением на рынке катастрофически мало.
Это не теория. Мы в Solaris два года внедряем AI-системы: ассистенты, отделы продаж, управленческие контуры. За это время у нас ни один проект не встал из-за того, что «модель не потянула». Зато я могу перечислить десяток ситуаций, где всё решал человек: как он сформулировал задачу, что проверил, где усомнился.
Очередь заказов у нас сейчас больше, чем рук. Поэтому текст ниже заканчивается конкретным предложением, но начну с сути.
Что изменилось за два года
Два года назад внедрение AI выглядело так: неделями подбираешь промпты, модель путается на третьем шаге, половину результата переделываешь руками. Технология была узким местом, и это было честное узкое место: упёрся, значит упёрся.
Сейчас картина другая. Агент в терминале сам читает кодовую базу, сам пишет и запускает код, сам проверяет результат и исправляет ошибки. Наша «Машина продаж», управленческий слой на AI, разворачивается по инструкции за два-три часа: сервер, окружение, ключи, автозапуск. Она круглосуточно ведёт диалоги с лидами, ставит задачи команде, готовит коммерческие предложения. Стоимость владения: примерно 120 долларов в месяц. Не миллионы, не отдел разработки.
То, что год назад показывали на конференциях как демо будущего, сегодня спокойно работает в малом бизнесе. Порог технологии упал. А вот порог мышления остался ровно там же, где был.
Где на самом деле ломаются AI-проекты
У нас в Академии есть домашнее задание: развернуть систему на своём сервере так, чтобы она пережила перезагрузку. Звучит просто. На этом задании сыпется большинство: ключи закоммичены в открытый репозиторий, сервис не поднимается после reboot, а на вопрос «что сломалось?» человек отвечает «не работает» вместо того, чтобы открыть лог.
Заметьте: модель во всех этих случаях ни при чём. Ломается дисциплина мышления.
Вторая точка отказа: постановка задачи. «Сделай мне бота для продаж» не является задачей. Задача звучит так: заявка с сайта попадает в CRM с историей переписки, менеджер получает уведомление в Telegram за 30 секунд, отчёт владельцу приходит в девять утра. Агент блестяще выполняет вторую формулировку и выдаёт кашу на первой. Разница не в технологии. Разница в голове того, кто формулирует.
Третья: приёмка результата. Агент иногда говорит «готово, должно работать», не проверив. Инженер, который верит на слово, получает систему, которая падает в пятницу вечером. Инженер, который спрашивает «покажи вывод команды, покажи лог», получает систему, которая живёт месяцами без его участия. Один и тот же агент. Разные люди.
И четвёртая, самая дорогая: недавно я провёл 52-минутную встречу с производственной компанией. Два руководителя, у каждого своя боль: у одного отдел продаж тонет в рутине, у другого инженерные расчёты. Сделку на этой встрече двигала не нейросеть. Её двигали вопросы: кто принимает решение, где теряются деньги, что можно показать живьём прямо сейчас. AI потом сделает работу. Но услышать, какую именно работу надо сделать, может только человек.
Навык, за который теперь платят
Если свести всё к одному предложению: платят за умение превращать хаос в проверяемую систему.
Разложу на составляющие, которые мы реально проверяем у себя:
Декомпозиция. Взять «хочу AI в бизнесе» и превратить в цепочку конкретных шагов с понятным входом и выходом. Это умение тренируется, но у большинства оно спит, потому что раньше между хотелкой и результатом стоял программист, который декомпозировал за вас.
Критерий приёмки до старта. «Готово» должно быть определено заранее: лид дошёл до CRM, система пережила перезагрузку, отчёт пришёл вовремя. Кто не определил «готово», тот принимает красивую имитацию.
Здоровое недоверие. К модели, к себе, к слову «должно работать». Проверка фактом: логом, тестовым лидом, скриншотом. Это скучно ровно до первого инцидента на живом клиенте.
Причина вместо симптома. «Бот молчит» это симптом. Протухший токен, забитый диск, упавший прокси: это причины. Человек, который умеет пройти от симптома к причине по логам, стоит дороже любой подписки на нейросети.
Скорость формулирования. Неожиданный пункт, но рабочий: мы у себя давно наговариваем промпты голосом, потому что говорим в три-четыре раза быстрее, чем печатаем. Когда твой инструмент делает работу со скоростью машины, твоя скорость постановки задачи становится скоростью всей системы.
Ни один пункт из этого списка не требует диплома программиста. Каждый требует головы и дисциплины. Именно поэтому я всё чаще вижу, как вчерашний предприниматель или толковый менеджер обгоняет разработчика с десятилетним стажем: у первого мышление владельца процесса, у второго привычка ждать ТЗ.
Почему мы решили учить бесплатно
Логика простая, говорю как есть. Нам нужны инженеры и архитекторы в растущий поток проектов. Рынок готовых специалистов пуст: профессия «AI-инженер внедрения» только рождается, вузы её не выпускают, а те немногие, кто умеет, уже работают. Остаётся один путь: растить самим.
Поэтому мы собрали Академию Solaris и отдали туда всю кухню двух лет внедрений: боевые инструкции по развёртыванию, стандарты работы с Claude Code, чек-листы приёмки, транскрипты реальных встреч с клиентами. Обучение бесплатное. Полностью. Домашки проверяются как боевые задачи, с возвратами на доработку. Финал: отборочное техническое задание, имитация реального заказа.
Лучших забираем к себе на оплачиваемые проекты, с доходом от 150 000 рублей в месяц и ростом до архитектора. Это не обещание трудоустройства каждому: это честная воронка, где всё решают сделанные домашки. Кто не дойдёт до финала, унесёт с собой профессию, развёрнутую своими руками систему и понимание, как это работает изнутри. Тоже неплохая сделка за ноль рублей.
Отдельно скажу для бизнеса, который читает это и узнаёт себя в примерах выше: не обязательно растить инженера у себя. Можно прийти с задачей, мы соберём систему и научим вашу команду с ней жить. Каталог решений: solaris-club.one/agents.
Что будет дальше
Моя ставка на ближайшие пару лет: разрыв продолжит расти. Модели станут ещё сильнее, значит цена мышления того, кто ими управляет, станет ещё выше. Компании разделятся не на «внедривших AI» и «не внедривших», а на тех, у кого есть люди, умеющие превращать AI в работающие системы, и тех, кто купил подписку и разочаровался.
Технология больше никого не ждёт и никого не ограничивает. Ограничивает голова. Хорошая новость в том, что голова, в отличие от модели, прокачивается за недели практики, если практика настоящая.
Если хотите проверить свою: вакансии и обучение Solaris. Входное задание займёт полчаса, обратную связь получите в тот же день.