Все хотят заработать на ИИ

Введение. Новая золотая лихорадка

Каждый день кто-то где-то «находит золото». Один человек за выходные собирает сервис, который ещё несколько лет назад потребовал бы небольшой команды. Другой показывает, как за вечер сделал приложение. Третий автоматизировал половину своей работы. Четвёртый рассказывает, что теперь обслуживает клиентов почти без сотрудников. Пятый записывает ролик о новой модели, после которой «всё снова изменилось». И почти в каждом таком сюжете есть одна и та же скрытая мысль: возможность уже здесь, нужно лишь успеть раньше остальных.

Если вы хотя бы несколько месяцев следите за искусственным интеллектом, это чувство наверняка знакомо. Открываете ленту — новый инструмент. Через день — новый способ его монетизировать. Через неделю — история человека, который якобы уже зарабатывает на этом тысячи долларов. Вы сохраняете ролик, пробуете сервис, открываете редактор кода, заводите папку под новый проект. Иногда даже делаете первые экраны, пишете описание, собираете прототип. Потом появляется что-то ещё более впечатляющее. Предыдущая идея начинает казаться медленной, слишком обычной или уже занятой. Вы переключаетесь.

Это не выглядит глупо. Наоборот, со стороны всё кажется рациональным. Возможности действительно огромны. Инструменты, которые ещё недавно стоили дорого, требовали специалистов или вообще не существовали, теперь доступны почти любому человеку с ноутбуком. Модель может помочь разобраться в незнакомой теме, написать код, построить расчёт, найти ошибки, подготовить коммерческое предложение, проанализировать документы, перевести материалы, собрать прототип, придумать варианты рекламной кампании. Один человек способен делать больше и быстрее, чем раньше.

Именно поэтому иллюзия лёгких денег так убедительна. Она построена не на пустом месте.

В 1848 году в Калифорнии обнаружили золото. Новость разошлась быстро, и вскоре туда устремились десятки тысяч людей. Национальная парковая служба США описывает, как весной 1849 года западные маршруты заполнились искателями удачи. Смитсоновский музей отмечает ещё одну важную деталь: многие старатели разочаровались, а предприниматели, которые кормили, перевозили, снабжали и обслуживали прибывающих, нередко преуспевали лучше самих золотоискателей. Золото существовало. Некоторые действительно разбогатели. Но массовая вера в лёгкое богатство создала отдельную экономику вокруг самой мечты о богатстве.

С ИИ происходит не то же самое буквально, но логика узнаваема. Есть настоящая технологическая перемена. Есть реальные победители. Есть огромные инвестиции. Есть люди, которые с помощью ИИ создают компании, сокращают расходы, быстрее выполняют работу и выходят на рынки, которые раньше были для них слишком сложны. И одновременно вокруг этого возникает индустрия обещаний: курсы, сообщества, консультации, партнёрские ссылки, подборки инструментов, контент о «новой нише», сервисы для создания сервисов, инструменты для продажи инструментов.

Самое опасное здесь — не мошенничество. Откровенный обман обычно заметить проще. Гораздо сильнее действует правдоподобная половина истины.

Правда в том, что ИИ снижает стоимость многих действий. Неправда — что снижение стоимости действия автоматически превращает его в прибыльный бизнес.

Правда в том, что сегодня можно сделать продукт гораздо быстрее. Неправда — что рынок обязан его заметить.

Правда в том, что один человек может выполнять работу маленькой команды. Неправда — что только вам доступна такая возможность.

Правда в том, что первый заказ иногда можно получить быстро. Неправда — что первый заказ и стабильный доход являются почти одним и тем же.

Это различие и есть тема книги.

В последние годы искусственный интеллект распространялся с необычной скоростью. По данным Stanford AI Index, доля опрошенных организаций, сообщавших об использовании ИИ, выросла с 55 процентов в 2023 году до 78 процентов в 2024-м, а в отчёте 2026 года уже говорилось о 88 процентах организаций. Отдельно росло использование генеративного ИИ. Это не означает, что каждая компания перестроила вокруг него бизнес. Скорее наоборот: большая часть организаций всё ещё учится превращать эксперименты в устойчивый экономический результат. Но массовость уже сама по себе меняет правила игры.

Когда редкий инструмент становится массовым, он перестаёт быть редким преимуществом.

В первые годы коммерческого интернета сам факт присутствия компании в сети мог производить впечатление. Потом сайт стал нормой. Когда появились смартфоны и магазины приложений, мобильное приложение само по себе могло выглядеть как инновация. Потом пользователи начали спрашивать не «у вас есть приложение?», а «почему я должен пользоваться именно вашим?». С ИИ происходит похожий переход, только быстрее.

Пока технология необычна, достаточно уметь ею пользоваться. Когда ею умеют пользоваться миллионы, ценность смещается в другое место: в выбор проблемы, понимание клиента, качество решения, доверие, распространение, скорость обучения, цену ошибки и способность выдерживать конкуренцию.

Здесь и появляется неприятная, но полезная мысль: чем проще становится создание продукта, тем меньше само создание продукта говорит о его ценности.

Представьте два мира. В первом для запуска простого программного сервиса вам нужны программист, дизайнер, специалист по инфраструктуре, несколько месяцев работы и заметный бюджет. В такой среде само преодоление технического барьера отсеивает огромное количество потенциальных конкурентов. Во втором мире хороший прототип можно собрать вдвоём или даже одному за несколько дней, а часть кода, дизайна и текстов сделать с помощью ИИ. Для вас это прекрасная новость. Но та же новость прекрасна ещё для десяти тысяч людей.

Рынок не обязан становиться легче только потому, что производство стало дешевле. Иногда происходит обратное: производство дешевеет, предложение растёт, а внимание клиентов становится самым дефицитным ресурсом.

Отсюда возникает главный вопрос, который будет сопровождать всю книгу. Не «что умеет новая модель?», а «где остаётся ценность, когда новая модель доступна всем?»

Эта книга не будет убеждать вас отказаться от ИИ, меньше им пользоваться или ждать, пока ажиотаж закончится. Наоборот, игнорировать такую технологию было бы странно. Исследования уже показывают ощутимый рост производительности на конкретных типах задач. В эксперименте Шаккеда Ноя и Уитни Чжан участники, выполнявшие профессиональные письменные задания с помощью ChatGPT, справлялись примерно на 40 процентов быстрее, а качество их работы по оценкам экспертов выросло. В крупном исследовании работников клиентской поддержки доступ к ИИ-помощнику поднял производительность в среднем примерно на 15 процентов, причём особенно сильный эффект был у менее опытных сотрудников. Но есть и обратные примеры: в эксперименте METR с опытными разработчиками на зрелых проектах с открытым исходным кодом инструменты начала 2025 года, наоборот, замедлили участников. К 2026 году сами исследователи уже считали, что картина могла измениться, но подчёркивали сложность точного измерения.

Это очень важная деталь. ИИ — не магический коэффициент, который одинаково умножает любого человека на два. Его польза зависит от задачи, контекста, навыка, качества контроля и того, что именно вы считаете результатом.

А бизнес добавляет ещё один уровень сложности. Даже если вы действительно стали выполнять работу в два раза быстрее, это ещё не означает, что вам заплатят в два раза больше. Если ваши конкуренты тоже стали быстрее, рынок может просто привыкнуть к новой скорости. Если создание сайта занимало две недели, а теперь два дня, через некоторое время клиент начинает считать два дня обычным сроком. Преимущество превращается в стандарт.

Так происходило с множеством технологий до ИИ. Электронная почта сначала делала коммуникацию невероятно быстрой. Потом быстрый ответ превратился в ожидание. Поисковые системы дали доступ к огромному объёму информации, но умение «найти что-нибудь в интернете» перестало быть профессией. Электронные таблицы радикально ускорили расчёты, но никто не платит высокую цену только за факт владения таблицей. Деньги возникают вокруг того, что человек способен сделать с инструментом в конкретной ситуации.

Поэтому в этой книге мы будем говорить не о «заработке на ИИ», а о более полезном вопросе: как с помощью ИИ создавать то, за что люди готовы платить, когда те же инструменты есть у множества других людей.

Мы разберём, почему лента новостей создаёт ощущение бесконечного числа свободных возможностей. Почему авторам контента иногда выгодно делать путь к деньгам проще на словах, чем он есть в реальности. Почему приложение, созданное за выходные, чаще всего остаётся приложением, а не бизнесом. Почему фрилансер со словами «делаю с помощью ИИ» быстро становится одним из сотен одинаковых исполнителей. Почему предметные знания становятся не менее, а часто более ценными. Почему распространение и продажи способны оказаться сложнее разработки. Почему вирусная «ниша» часто уже переполнена в тот момент, когда вы о ней услышали. И почему всё это не отменяет огромного потенциала технологии.

Главная задача здесь не охладить ваш интерес. Она в том, чтобы перенести его с поиска секретной схемы на поиск реального преимущества.

Золото есть. Просто карта, которую массово раздают в интернете, редко ведёт к пустому участку.

Глава 1. Почему кажется, что деньги повсюду

Есть странный эффект: чем больше человек интересуется заработком с ИИ, тем сильнее ему кажется, что вокруг буквально лежат неиспользованные способы заработать. Лента начинает выглядеть как бесконечная витрина возможностей. Сегодня кто-то запускает ИИ-агента для продаж. Завтра другой человек показывает приложение, собранное без команды. Послезавтра появляется рассказ о фрилансере, который делает за час то, на что раньше тратил день. Через неделю новая модель умеет писать код лучше предыдущей, и кажется, что старые правила снова отменили.

В такой среде легко перепутать частоту рассказов об успехе с частотой самого успеха.

Социальные сети не показывают рынок целиком. Они показывают то, что удерживает внимание. История «я три месяца разговаривал с потенциальными клиентами, сделал четыре скучных версии продукта, дважды поменял позиционирование, потратил деньги на рекламу, понял, что юнит-экономика не сходится, и на пятой попытке вышел на небольшой стабильный доход» полезна, но плохо конкурирует за клик. История «я собрал ИИ-сервис за выходные и заработал первые деньги» гораздо удобнее: у неё есть скорость, герой, инструмент и обещание повторяемости.

Проблема не обязательно в том, что история выдумана. Она может быть полностью правдивой. Но из неё почти всегда исчезает контекст.

У человека могла быть аудитория. Он мог десять лет работать в отрасли. У него мог быть список клиентов. Он мог уметь программировать ещё до появления генеративных моделей. Мог потратить месяцы на предыдущие неудачные проекты. Мог запустить рекламу на сумму, которую зритель не готов потратить. Мог считать выручку, а не прибыль. Мог показывать лучший месяц. Мог не говорить, сколько времени уйдёт на поддержку продукта. Мог заработать первые деньги и больше никогда не повторить результат.

В результате зритель получает не ложь, а историю с удалёнными причинными связями. Это похоже на фотографию финиша без трассы.

Есть ещё одна причина, почему ощущение лёгкости особенно сильное именно сейчас. Результат ИИ очень нагляден. Вы пишете несколько предложений — через минуту перед вами код, дизайн, текст, таблица, план, изображение или работающий прототип. Мозг видит огромный скачок между затраченным усилием и полученным результатом. Из этого почти автоматически рождается экономическая гипотеза: если я получил столько результата за минуту, значит и деньги должны появляться примерно с той же скоростью.

Но рынок оценивает не ваше внутреннее усилие. Он оценивает внешнюю ценность.

Можно потратить двадцать часов на вещь, которая никому не нужна, и заработать ноль. Можно с помощью ИИ сделать её за двадцать минут и заработать те же ноль. Технологическая эффективность и коммерческая ценность связаны, но не тождественны.

Чем лучше становятся модели, тем сильнее этот когнитивный разрыв. Человек видит, как легко стало производить нечто похожее на готовый продукт, и начинает недооценивать всё, что находится за пределами производства: выбор рынка, проверку спроса, дистрибуцию, доверие, поддержку, повторные продажи, репутацию, качество в нестандартных ситуациях.

С программным обеспечением это особенно заметно. Раньше идея «сделаю собственный SaaS» сразу упиралась в технический вопрос: кто будет программировать? Сегодня барьер ниже. Можно описать экран словами, попросить ИИ написать часть логики, подключить готовые сервисы, развернуть прототип и получить ссылку. За несколько дней человек проходит путь, который раньше мог занять недели.

Именно здесь возникает подмена: «я смог создать» превращается в «я смог построить бизнес». Но это разные достижения.

Создать — значит получить работающий объект. Бизнес начинается тогда, когда есть повторяемая готовность клиентов отдавать деньги, а вы способны стабильно доставлять обещанную ценность по экономике, которая имеет смысл.

Между этими точками иногда лежит расстояние гораздо большее, чем между пустым экраном и первой версией продукта.

Информационная среда усиливает ещё один перекос: она постоянно показывает новое. Новизна выгодна платформам, авторам и самим технологическим компаниям. Новый релиз проще обсуждать, чем старую дисциплину продаж. Новый агент интереснее, чем вопрос удержания клиента. Новая модель собирает больше просмотров, чем работа над позиционированием. Новый фреймворк звучит свежее, чем сотый разговор с потенциальным покупателем.

Поэтому человек, который проводит много времени в ИИ-информационном поле, начинает переоценивать роль новизны и недооценивать роль накопительного преимущества.

Кажется, что успех находится в следующем инструменте. На практике он часто находится в сотом разговоре с клиентом, в десятом улучшении предложения, в способности четыре месяца не бросать нормальную идею ради новой красивой игрушки.

Есть и статистическая ловушка. Успехи становятся контентом, провалы — тишиной. Если тысяча людей попробовала один и тот же способ, пять из них получили выдающийся результат, именно эти пять историй имеют шанс стать вирусными. Остальные 995 редко снимают ролик «я повторил модную схему, и ничего особенного не произошло». Даже если снимают, такой контент хуже распространяется.

В результате мы наблюдаем выборку, построенную не рынком, а алгоритмом внимания.

Это не уникально для ИИ. Во времена бума мобильных приложений тысячи людей видели несколько феноменальных историй и делали вывод, что App Store — почти автоматическая машина распределения денег. В криптовалютных волнах прибыльные сделки распространялись гораздо охотнее, чем последовательность убытков. В блогинге заметнее успешные каналы, чем миллионы страниц без аудитории. В каждом случае реальная возможность существует, но медиа увеличивают видимость победителей и уменьшают видимость базы.

У ИИ есть ещё одна особенность: он действительно позволяет новичку перескочить через некоторые ранние ступени. Человек без опыта дизайна может получить аккуратный макет. Человек с базовым программированием способен собрать продукт, который раньше был ему не по силам. Неспециалист может быстро войти в терминологию отрасли. Это создаёт сильное и вполне заслуженное ощущение расширения собственных возможностей.

Исследования производительности подтверждают, что эффект бывает реальным. В эксперименте MIT на профессиональных письменных задачах люди с ИИ выполняли работу заметно быстрее и в среднем получали более высокие оценки. В исследовании клиентской поддержки на тысячах сотрудников особенно сильно выиграли менее опытные работники: система помогала им приблизиться к методам более сильных коллег. В исследовании консультантов BCG, проведённом совместно с Гарвардом, участники на задачах, хорошо подходивших текущим возможностям модели, работали быстрее и в среднем качественнее.

Но именно способность ИИ подтягивать менее опытных людей порождает важное конкурентное следствие.

Если раньше вы зарабатывали на том, что умели делать вещь, которую большинство не умело делать вообще, а теперь ИИ помогает большой группе людей выйти на приемлемый уровень, дефицит вашего базового навыка снижается. Это не обязательно уничтожает профессию. Скорее рынок начинает платить не за сам факт выполнения операции, а за более высокий уровень задачи.

Возьмём презентации. Раньше аккуратная структура, визуальная логика и хороший текст требовали отдельных навыков. Теперь модель может помочь сделать черновик структуры, предложить формулировки, подобрать аргументы, а специализированные инструменты — быстро собрать слайды. Значит ли это, что хороший специалист по презентациям не нужен? Нет. Но услуга «я могу собрать приличные слайды» становится менее редкой. Дороже начинает стоить другое: понять, что именно нужно сказать инвестору, какие данные убрать, где история разваливается, как устроить аргументацию, что будет убедительно для конкретной аудитории.

То же самое происходит с текстами, кодом, анализом и маркетинговыми материалами. Нижняя ступень лестницы становится доступнее. Рынок поднимает цену входа на следующую.

Ощущение «деньги повсюду» появляется ещё и потому, что мы смотрим на огромный рынок с точки зрения производства, а не спроса. ИИ показывает тысячи вещей, которые можно сделать. Но бизнес существует не потому, что вещь можно сделать, а потому, что кто-то хочет её купить.

Разница кажется очевидной, пока не открываешь любой каталог стартапов, ботов или мобильных приложений. Там полно технически работающих продуктов с нулевой или почти нулевой аудиторией. Они не провалились из-за того, что код не запускался. Они просто не заняли достаточно важное место в жизни клиента.

Возможность производства бесконечна. Платёжеспособное внимание — нет.

Эта мысль неприятна тем, что возвращает нас к старой работе, от которой хочется сбежать с помощью новой технологии. Нужно разговаривать с людьми. Сравнивать альтернативы. Понимать, за что уже платят. Учиться продавать. Делать лучше. Выбирать. Отказываться от лишнего. Считать деньги. Поддерживать качество.

ИИ убрал часть трения, но не отменил рынок.

Если смотреть на происходящее именно так, лента перестаёт выглядеть как карта бесплатных золотых участков. Она становится тем, чем является на самом деле: потоком сигналов. Некоторые сигналы полезны. Некоторые преувеличены. Некоторые показывают новую способность технологии, но ничего не говорят о готовности клиента платить. Некоторые уже замечены тысячами людей.

Навык, который становится всё ценнее, — не умение первым нажать на новую кнопку. Это способность отличить технологически впечатляющий трюк от экономически интересной возможности.

И это намного сложнее, чем кажется в коротком видео.

Есть ещё одна причина, почему рынок кажется легче, чем он есть: мы видим результат без базы сравнения. Когда человек показывает новый сервис, зритель почти никогда не знает, сколько подобных сервисов запустили в тот же месяц и сколько из них закрылись. Он не знает, какой процент проектов вообще дошёл до первых платящих клиентов. В технологических сообществах публикация запуска стала отдельным жанром. Сделать продукт и рассказать о нём публично — уже достижение, достойное поста. Закрыть продукт через четыре месяца обычно никто не анонсирует с той же громкостью.

Так возникает систематическое искажение. У нас много данных о старте и мало данных о конце.

Это особенно важно для ИИ, потому что стоимость старта резко упала. Когда запуск дорогой, число попыток ограничено. Когда запуск дешёвый, попыток становится намного больше. Даже если процент успешных проектов не меняется, абсолютное число красивых историй успеха растёт. Лента начинает выглядеть так, будто вероятность успеха взлетела, хотя возможно выросло только количество бросков монеты.

Представьте, что раньше тысяча людей могла позволить себе попробовать создать программный продукт, а теперь сто тысяч. Даже если успешным станет один процент, историй успеха будет в сто раз больше. Наблюдатель увидит взрыв победителей и легко сделает вывод, что стало легче победить. На самом деле могло стать легче попробовать.

Это принципиально разные вещи.

ИИ демократизирует попытку. Именно это его огромный плюс. Но демократизация попытки одновременно увеличивает число соперников.

Схожее происходит с творческими рынками. Смартфоны и платформы сделали публикацию видео доступной почти всем. В результате стало намного больше авторов, и одновременно намного сложнее привлечь внимание. Доступ к производству расширился, но дефицит просто переместился. Раньше дефицитной была камера и студия. Потом — способность регулярно делать хороший контент. Затем — внимание аудитории.

С ИИ дефицит тоже перемещается.

Сначала редким было умение получить от модели полезный результат. Затем редким стало умение встроить её в рабочий процесс. Следующим дефицитом может стать способность выбрать проблему, которой вообще стоит заниматься. После этого — доверие, доступ к клиентам, данные, качество, репутация.

Отсюда полезно смотреть не на отдельный навык, а на цепочку создания ценности. Где сегодня самое узкое место?

Если раньше узким местом был код, а теперь код генерируется быстрее, узким местом может стать продуктовая идея. Если идея понятна, узким местом становится дистрибуция. Если канал найден, узким местом становится удержание. Если пользователи остаются, появляется масштабирование.

ИИ снимает один барьер и делает следующий заметнее. Это объясняет странное чувство многих людей: вроде бы делать стало легче, а зарабатывать — не обязательно. Потому что они оптимизировали не самое узкое место.

Человек учится генерировать лендинги ещё быстрее, хотя проблема в том, что никто не хочет предложение. Он улучшает промпт для кода, когда клиенты уходят после первой недели. Он осваивает новую модель, когда ему не хватает продаж. Он строит автоматизацию, когда бизнесу нужен совсем другой процесс.

Технологический прогресс не помогает, если ускоряется неправильный участок. Поэтому один из лучших навыков в новой среде — диагностика ограничения. Что конкретно мешает заработать сейчас?

Недостаток способности произвести результат? Отсутствие спроса? Слабое предложение?

Нет доверия? Слишком высокая стоимость привлечения? Низкое качество?

Если ответ — «я пока не умею достаточно быстро делать», ИИ действительно может стать прямым решением. Но если проблема в рынке, ещё один инструмент почти ничего не изменит.

Это особенно полезно помнить людям, которые постоянно переключаются на новые модели. Новизна даёт эмоциональное ощущение прогресса. Вы осваиваете функцию, смотрите туториал, получаете новый результат. Это приятнее, чем неделю переписывать коммерческое предложение или получить десять отказов клиентов.

Но бизнес оценивает не ощущение прогресса. Он оценивает то, изменилось ли что-то в поведении покупателя.

Именно поэтому дисциплина иногда важнее любопытства. Любопытство помогает увидеть новую возможность. Дисциплина позволяет достаточно долго работать над одной, чтобы узнать, есть ли там деньги.

Информационная среда создаёт ещё один перекос — эффект непрерывного обновления. Каждая новая версия модели подаётся как событие, после которого старые способы работы будто бы теряют смысл. Для человека, пытающегося заработать, это создаёт хроническое чувство опоздания.

Вы только освоили один инструмент — появился другой. Только начали проект — новая модель делает часть его функций лучше. Только разобрались с автоматизацией — все обсуждают агентов. Возникает ощущение, что нужно постоянно начинать заново.

Это плохая стратегия не потому, что новости не важны. Они важны. Но способность технологии меняется быстрее, чем фундаментальные потребности клиента.

Компания всё ещё хочет больше продаж, меньше ошибок, быстрее обслуживание, ниже расходы. Человек всё ещё хочет сэкономить время, получить удобство, решить конкретную проблему. Если вы строите вокруг этих потребностей, новая модель чаще улучшает ваш инструмент. Если строите вокруг конкретной функции модели, новая версия может обнулить идею.

Поэтому постоянное обновление рынка полезно воспринимать как фон, а не как команду к действию.

Есть простой мысленный фильтр. Когда появляется новая возможность, спросите: она меняет проблему клиента или только способ решения?