Все хотят заработать на ИИ

Глава 2. Экономика обещаний

Разговор об ИИ-гуру легко скатить в примитивную картину: есть наивная аудитория и есть злые продавцы, которые сознательно её обманывают. Реальность интереснее. Индустрия обещаний может работать даже без прямого обмана, потому что у участников просто разные экономические стимулы.

Представьте автора канала, который каждый день выпускает контент о новых ИИ-инструментах. Ему нужно удерживать внимание, расти, продавать рекламу, получать партнёрские выплаты, привлекать людей в сообщество или на обучение. Какой заголовок для него экономически выгоднее: «Новая модель немного ускоряет часть рутинных задач при грамотном применении» или «Эта модель позволит одному человеку заменить целый отдел»?

Второе утверждение может быть преувеличенным, но оно лучше продаёт внимание. А внимание затем превращается в деньги.

Это не значит, что автор обязательно лжёт. Он может искренне верить в технологию, действительно зарабатывать с её помощью и давать полезные советы. Но полезно видеть структуру стимула: чем проще, быстрее и масштабнее выглядит возможность, тем легче её упаковать в контент.

Тот же конфликт есть у продавца курса. Если продукт называется «Два года системной работы над компетенцией, продажами и репутацией», он может быть честным, но маркетингово слабым. Если обещание звучит как путь к новому источнику дохода с помощью конкретной технологии, интерес выше. Чем сильнее рынок перегрет историями успеха, тем труднее продавать спокойную правду без эмоциональной упаковки.

Есть несколько способов зарабатывать вокруг темы ИИ, даже если основной рассказываемый «способ заработка» приносит меньше денег, чем кажется.

Первый — обучение. Человек может заработать гораздо больше на продаже знаний о создании ИИ-сервисов, чем на собственных сервисах. В этом нет ничего незаконного или автоматически плохого. Хорошее обучение экономит время. Проблема возникает только тогда, когда доход от обучения подаётся как подтверждение доходности метода, которому учат.

Второй — реклама и партнёрские программы. Многие сервисы платят за приведённых пользователей. Тогда автору выгодно, чтобы аудитория постоянно пробовала новые инструменты. Объективно лучший совет иногда может звучать так: «вам не нужен ещё один сервис, продолжайте пользоваться тем, что у вас уже есть». Но на таком совете сложнее строить партнёрскую выручку.

Третий — платные сообщества, клубы и подписки. Здесь ценность может быть реальной: окружение, разборы, материалы, связи. Но и здесь существует естественный стимул поддерживать ощущение, что рынок полон возможностей, которые нужно постоянно отслеживать.

Четвёртый — консультации и внедрения. Чем более сложной и срочной выглядит новая технологическая волна, тем выше спрос на людей, которые обещают помочь не отстать.

Пятый — собственные инструменты. Разработчик может рассказывать о росте ИИ-автоматизации и одновременно продавать платформу для этой автоматизации. Возможно, платформа действительно хороша. Просто зрителю полезно помнить: перед ним одновременно эксперт и продавец.

Именно поэтому вопрос «зарабатывает ли этот человек?» недостаточен. Правильнее спросить: «На чём именно он зарабатывает?»

Если человек рассказывает, как легко получать заказы на генерацию карточек товаров, но его основной доход — продажа курса по генерации карточек товаров, это существенно меняет ценность примера. Если он утверждает, что определённый вид агентного бизнеса очень прибыльный, а зарабатывает прежде всего на реферальных выплатах от платформы для агентов, это тоже важный контекст.

Не нужно превращаться в циника и считать любую монетизацию доказательством обмана. Практически любой эксперт должен на чём-то зарабатывать. Просто экономическая грамотность начинается с понимания стимулов.

Технологические волны почти всегда создают два рынка одновременно. Первый — рынок самой новой ценности. Второй — рынок помощи людям, которые хотят попасть на первый рынок.

Иногда второй рынок оказывается проще и прибыльнее.

Во время калифорнийской золотой лихорадки многие торговцы, перевозчики и поставщики зарабатывали устойчивее старателей. Историческая аналогия здесь полезна не как красивая легенда о «продавайте лопаты», а как напоминание: массовая вера в новую возможность сама создаёт спрос. Людям нужны инструменты, обучение, информация, инфраструктура, посредники, навигация.

В ИИ-буме роль «лопат» играют облачные сервисы, модели, вычисления, редакторы, API, образовательные продукты, интеграторы, консультанты, агентские платформы и медиа. Это реальные рынки. Некоторые огромны. Но человек, который покупает лопату, ещё не становится владельцем золотого прииска.

Существует ещё один мягкий способ искажения реальности — смешивание разных видов дохода.

К примеру, автор говорит: «Я запустил ИИ-приложение, и оно принесло миллион рублей». Что это значит? Миллион выручки за всё время? За месяц? Сколько ушло на рекламу, комиссии, инфраструктуру, подрядчиков, возвраты и налоги? Сколько пользователей останется через три месяца? Был ли запуск поддержан аудиторией в сто тысяч человек? Есть ли повторяемость?

Одна цифра без структуры почти ничего не говорит о качестве бизнеса.

Для начинающего особенно опасна выручка. Она зрелищна, потому что обычно больше прибыли. Допустим, сервис получил 500 000 рублей платежей за месяц. На рекламу ушло 250 000, на подрядчиков и инфраструктуру — 120 000, на возвраты, комиссии и прочие расходы — ещё 50 000. Формально «сервис сделал полмиллиона». Экономически владелец получил совсем другой результат.

Цифры в этой книге будут условными, потому что цены меняются, но принцип постоянен: всегда выясняйте, какая именно величина перед вами.

Ещё одна ловушка — доход за короткий период. Новинка может получить всплеск из-за вирусного ролика, попадания в подборку или временного интереса. Это отличный результат. Но он не доказывает, что бизнес устойчив. Первый скачок и способность удерживать поток платежей — разные компетенции.

Индустрия контента почти неизбежно любит первые скачки. Они происходят быстро и хорошо рассказываются. Стабильность скучна. «Мы три года удерживаем клиентов и понемногу повышаем маржу» звучит менее эффектно, хотя с точки зрения бизнеса часто гораздо ценнее.

Есть и более тонкая проблема: человек может быть искренне успешным, но его успех плохо воспроизводится аудиторией.

Предприниматель с сильным личным брендом запускает новый продукт и за неделю получает сотни клиентов. Зритель видит продукт и решает, что секрет в идее. Но главным активом могла быть аудитория. Другой человек копирует идею без аудитории и обнаруживает, что «та же модель» почему-то не работает.

Опытный специалист делает ИИ-консалтинг для банков и получает высокий чек. Новичок видит слово «ИИ-консалтинг» и думает, что спрос платит за знание моделей. На деле клиент может платить за десять лет опыта в банках, понимание процессов, доверие и способность провести проект через организацию.

Сильный разработчик показывает, как быстро собрал продукт с помощью генерации кода. Новичок копирует процесс и упирается в ошибки, безопасность, архитектуру, поддержку. Он видел скорость набора, но не видел невидимую компетенцию, которая позволяла автору замечать плохие решения.

Так возникает культ инструмента вместо анализа системы.

Самый полезный способ читать истории успеха — мысленно разложить их на активы. Какая часть результата пришла от ИИ? Какая — от прежних навыков? Какая — от аудитории? Какая — от доступа к капиталу? Какая — от репутации? Какая — от удачного времени? Какая — от дистрибуции? Какая — от того, что человек был готов делать скучную работу после красивого запуска?

Чаще всего оказывается, что ИИ — важный элемент, но не единственный двигатель.

В этом нет разочарования. Напротив, такой взгляд даёт больше контроля. Если успех зависит только от «секретного инструмента», вы беспомощны: остаётся ждать следующую новинку. Если результат собирается из нескольких активов, многие из них можно постепенно строить.

Можно улучшить переговоры. Можно глубже понять отрасль. Можно собрать портфолио. Можно выстроить канал привлечения клиентов. Можно сделать продукт надёжнее. Можно создать аудиторию. Можно научиться считать экономику. Можно использовать ИИ лучше конкурентов не потому, что у вас секретный доступ, а потому что вы встроили его в более сильную систему работы.

Поэтому спокойный скепсис к обещаниям не должен превращаться в скепсис к технологии. Это разные вещи.

Технология может быть мощной, а реклама технологии — преувеличенной. Способ заработка может быть реальным, а вероятность повторить показанный результат — намного ниже, чем кажется. Автор может быть компетентным, а его стимулы — не совпадать с вашими.

Зрелая позиция не требует разоблачать всех. Достаточно перестать принимать чужой маркетинг за собственный бизнес-план.

Есть ещё одна причина, почему обещания лёгкого заработка устойчивы: они хорошо совпадают с психологией аудитории.

Человек, который пока не получает стабильного дохода с ИИ, редко хочет услышать, что ему нужно несколько месяцев проверять спрос, строить портфолио и учиться продавать. Он хочет найти недостающий элемент. Это гораздо комфортнее.

Если проблема в том, что вы пока не нашли правильный инструмент, решение простое: продолжать искать. Если проблема в том, что нужно стать сильнее, глубже понять рынок и пережить много отказов, решение сложнее.

Поэтому индустрия обещаний существует не только потому, что кто-то хочет продавать. У неё есть добровольный спрос.

Аудитория и автор часто вместе строят удобную картину мира. Автор говорит: «Вот новый шанс». Зритель отвечает вниманием, потому что хочет верить, что предыдущие неудачи объяснялись неправильным инструментом.

Далее рынок производит ещё больше контента такого типа, потому что алгоритмы видят высокий интерес. Получается петля.

Чем больше люди хотят быстрый путь, тем больше им показывают быстрых путей. Чем больше они их видят, тем сильнее кажется, что где-то действительно есть правильная схема.

Разорвать эту петлю можно не запретом на контент, а изменением вопроса.

Вместо «какой способ сейчас работает?» — «какой механизм здесь создаёт ценность?»

Вместо «сколько заработал автор?» — «какие активы позволили ему заработать?»

Вместо «как повторить?» — «что из этого воспроизводимо в моих условиях?»

Это делает потребление контента намного полезнее. Можно смотреть тот же ролик и получить совершенно другой вывод.

Автор показывает, как продал ИИ-автоматизацию за 200 000 рублей. Первый зритель думает: «Надо срочно делать автоматизации». Второй замечает, что автор десять лет работает с этим типом компаний, знает их процессы и получил клиента через прежние связи. Для первого урок — новая ниша. Для второго — ценность отраслевой компетенции и дистрибуции.

Вторая интерпретация хуже продаётся, но лучше работает. Полезно также различать образовательный продукт и доказательство бизнес-модели.

Хороший преподаватель может учить тому, на чём сам сейчас не строит основной доход. Это нормально. Университетский преподаватель финансов не обязан жить только на инвестициях. Проблема начинается, когда продажа обучения маскируется под доказательство лёгкости метода.

Если человек честно говорит: «я зарабатываю на обучении, а эта модель заработка — один из навыков, которым я обучаю», конфликт становится прозрачнее. Самый опасный формат — когда аудитория считает доход от инфопродукта результатом того способа, который инфопродукт рекламирует. Поэтому при оценке историй всегда полезно отделять бизнес автора от бизнеса ученика.

У автора уже есть внимание. У ученика его может не быть.

У автора есть доверие. У ученика — нет.

У автора есть кейсы, команда, подрядчики, рекламный бюджет. У ученика может быть только подписка на модель.

Это не значит, что ученик не сможет добиться результата. Просто стартовые условия разные.

ИИ сделал знания доступнее, но не отменил асимметрию активов. Есть ещё одно искажение, которое редко замечают: человек, продающий идею, может быть прав в прошлом и ошибаться в настоящем.

Рынок меняется быстрее, чем контент успевает устареть. Видео, записанное полгода назад, продолжает набирать просмотры. Пост, который описывал свободную нишу, остаётся в поиске. Курс продолжает продаваться по программе, созданной в другой конкурентной среде.

Для технологических рынков полгода иногда огромный срок.

Это особенно важно там, где барьер входа низкий. Если схема была прибыльной в момент публикации, через несколько месяцев в ней может быть в десять раз больше участников. Цена услуги падает, стоимость рекламы растёт, клиенты становятся требовательнее. Сам совет остаётся логически верным, но его экономика уже другая.

Поэтому полезно различать факт и возможность. Факт: кто-то действительно заработал на этом. Возможность: вы можете с разумной вероятностью повторить результат сегодня.

Между ними нет автоматического равенства.

То же относится к цифрам. Человек может показывать доход за лучший месяц, когда рынок был пустым, и называть его «моделью бизнеса». Для нового участника важнее средняя экономика в текущих условиях.

Это не специфично для ИИ. Так работают любые быстро растущие рынки. Но ИИ ускоряет цикл копирования настолько, что срок годности некоторых советов становится особенно коротким.

Поэтому вместо коллекции способов полезнее собирать принципы. Принцип «ищите дорогой ручной процесс» переживёт смену модели. Принцип «не путайте выручку и прибыль» переживёт смену платформы.

Принцип «дистрибуция важна не меньше продукта» переживёт любую новую волну. Принцип «массовая доступность инструмента снижает его ценность как отдельного преимущества» тоже будет работать через несколько лет.

Именно поэтому эта книга почти не даёт списка инструментов. Список устареет быстрее, чем вы дочитаете его до конца.

Глава 3. Зарабатывать на ИИ и зарабатывать с помощью ИИ

Фраза «зарабатывать на ИИ» звучит так, будто искусственный интеллект — отдельная отрасль, куда можно войти и взять свою долю. Иногда это действительно так. Есть компании, которые строят модели, инфраструктуру, инструменты для разработчиков, специализированные ИИ-продукты. Но для большинства людей более полезная формулировка другая: зарабатывать с помощью ИИ.

Разница кажется словесной, но меняет направление мысли.

Когда человек хочет «заработать на ИИ», он начинает от технологии. Что умеет новая модель? Какой сервис можно сделать поверх API? Какой агент собрать? Какую генерацию добавить? Какую функцию автоматизировать?

Когда человек хочет «зарабатывать с помощью ИИ», он может начать с рынка. Где уже есть деньги? Какие задачи дорогие, медленные, неприятные или плохо решённые? Что клиент пытается улучшить? Где бизнес теряет время? Где слишком много ручного труда? Где существует очередь, ошибка, задержка, зависимость от дефицитного специалиста? Где маленькая компания не может позволить себе то, что доступно большой?

После этого появляется вопрос: может ли ИИ изменить экономику решения? Это принципиально сильнее.

Клиенту редко интересно, сколько моделей вы использовали. В некоторых сферах ему вообще лучше не знать технические детали. Он покупает не вашу архитектуру, а результат.

Владелец интернет-магазина может заплатить за снижение количества необработанных обращений. Клиника — за более быструю работу с документами. Производственная компания — за поиск ошибок в отчётах. Отдел продаж — за систему, которая помогает быстрее разбирать разговоры и находить причины отказов. Руководитель — за аналитический инструмент, который экономит часы работы команды. Покупатель приложения — за удобство, развлечение или полезную функцию.

Ни в одном из этих случаев фраза «внутри используется большая языковая модель» сама по себе не является ценностью.

Иногда даже наоборот. Если два сервиса решают задачу одинаково, клиент может выбрать тот, который меньше говорит про ИИ и больше — про понятный результат.

Это уже происходит. В первые годы массового генеративного ИИ надпись AI могла сама по себе привлекать внимание. Она сигнализировала новизну. По мере нормализации технологии такой сигнал слабеет. Люди начинают спрашивать: «И что?»

То же самое случилось со словом «интернет». В конце 1990-х сам факт, что компания является интернет-бизнесом, мог быть частью инвестиционной истории. Сегодня ресторан не рекламирует себя как «бизнес, использующий интернет», хотя без интернета у него могут не работать бронирование, доставка, реклама и платежи. Технология ушла внутрь бизнеса.

ИИ постепенно будет делать то же самое во множестве категорий.

Это полезно учитывать тем, кто сейчас пытается придумать продукт. Вместо «AI-приложения для X» часто стоит искать «лучшее решение X, которое стало возможно благодаря AI».

Первый вариант делает технологию центром продукта. Второй — клиента.

Возьмём простую ситуацию. Допустим, вы хотите сделать сервис подготовки коммерческих предложений. Технологический подход начинается так: «модель умеет генерировать документы, добавим шаблоны, чат, несколько агентов». Рыночный подход задаёт другие вопросы. Почему компании вообще тратят время на предложения? Где теряются сделки? Какие данные нужно собрать? Что продавцы забывают? Как долго согласовывается документ? Какие аргументы должны меняться для разных клиентов? Как проверить, что предложение не обещает невозможного? Кто принимает решение о покупке?

После такой работы может оказаться, что генерация текста — самая простая и наименее ценная часть продукта.

Ценность будет в интеграции с CRM, извлечении информации из прошлых успешных сделок, контроле маржинальности, согласовании условий, отраслевых шаблонах, аналитике конверсии. ИИ останется важным, но перестанет быть всей идеей.

Такой сдвиг защищает от одной из самых распространённых ошибок — создания демонстрации вместо бизнеса.

Демонстрация отвечает на вопрос «можно ли это сделать?». Бизнес отвечает на вопрос «готов ли кто-то регулярно за это платить, и можем ли мы доставлять результат лучше альтернатив?»

ИИ делает демонстрации чрезвычайно дешёвыми. Это великолепно для экспериментов. Но дешёвая демонстрация одновременно снижает её информационную ценность. Раньше сам работающий прототип доказывал, что команда преодолела серьёзный технический барьер. Сегодня прототип всё чаще доказывает только то, что команда умеет собрать прототип.

Поэтому следующий вопрос должен появляться быстрее: что мы узнали о клиенте? Разница между «на ИИ» и «с помощью ИИ» особенно важна на фрилансе.

Представьте человека, который пишет в профиле: «Создаю тексты с ChatGPT». Для клиента это не преимущество. Возможно, это даже повод задуматься, зачем вообще платить исполнителю, если тот пользуется общедоступным инструментом. Более сильное описание строится вокруг результата: «готовлю аналитические материалы для B2B-компаний», «помогаю клиникам объяснять сложные услуги простым языком», «собираю коммерческие презентации для девелоперов». ИИ может радикально ускорять внутренний процесс, но не обязан быть главным товаром.

То же с разработчиком. «Я делаю сайты с ИИ» быстро превращается в шум, потому что так могут сказать тысячи людей. «Я запускаю за две недели внутренние кабинеты для логистических компаний и умею интегрировать их с конкретными процессами» — уже позиционирование. ИИ там тоже есть, но продаётся не он.

Есть важное исключение: когда сам ИИ является дефицитной технической компетенцией. Например, компаниям могут быть нужны специалисты по оценке моделей, настройке сложных систем, построению инфраструктуры, безопасности, работе с данными. По данным Upwork, в 2025 году спрос на некоторые специализированные навыки в генеративном ИИ рос очень быстро, а специалисты получали более высокие ставки. Это реальная возможность. Но обратите внимание на слово «специализированные».

Рынок готов платить не за факт знакомства с чат-ботом, а за редкую способность решить сложную задачу. По мере распространения ИИ всё меньше денег будет в самом заявлении «я использую ИИ» и всё больше — в комбинации ИИ с чем-то ещё.

С медициной. С продажами. С логистикой. С производством. С финансами. С образованием. С дизайном. С программированием. С правом в тех юрисдикциях, где это допустимо. С исследованиями. С конкретным языком. С конкретным типом клиента. С доступом к данным. С репутацией. С дистрибуцией.

Эта комбинация может быть не очень эффектной для ролика. Она зато лучше защищена от копирования.

Допустим, вы отлично знаете работу небольшой сети автосервисов. Понимаете, как принимаются обращения, где теряются клиенты, как записывают детали, почему мастера забывают перезвонить, как формируются сметы. Человек без этого знания может за день собрать красивого «ИИ-ассистента для автосервисов». Вы можете сделать менее впечатляющую на демонстрации, но более полезную систему, потому что знаете реальный процесс.

И если завтра выйдет новая модель, она поможет вам обоим. Но вам — внутри уже понятной задачи.

ИИ превращается из идеи в рычаг.

Это и есть более устойчивый способ думать о заработке. Не искать отдельную категорию «деньги на ИИ», а искать места, где технология меняет соотношение цена/качество/скорость.

Если вы можете дать тот же результат в два раза дешевле, рынок может отреагировать. Если можете дать лучший результат по той же цене — тоже. Если можете сделать доступной услугу, которую раньше могли позволить себе только крупные компании, — это ещё интереснее. Если можете превратить работу, занимавшую неделю, в процесс на несколько часов без потери качества, появляется новая экономика.

Но всё это начинается с результата, а не с модели.

Когда вы смотрите на ИИ как на товар, вы постоянно боитесь опоздать к следующей версии. Когда смотрите как на инфраструктуру, новые версии становятся обновлением вашего производственного оборудования.

Вы не обязаны каждый раз менять бизнес. Иногда достаточно становиться лучше в том, что уже приносит ценность.

Разница между «на ИИ» и «с помощью ИИ» особенно хорошо видна в ценообразовании.

Если вы продаёте сам ИИ, клиент сравнивает вас с другими ИИ-инструментами. Конкуренция часто идёт по функциям и цене. Если вы продаёте бизнес-результат, сравнение становится шире.

Предположим, сервис автоматически обрабатывает обращения клиентов. Если вы называете его «AI-чатботом», клиент сравнит вас с десятками чатботов. Если вы можете доказать, что система сокращает среднее время ответа, повышает долю решённых обращений и разгружает поддержку, разговор меняется.

Технология перестаёт быть категорией покупки. Она становится механизмом результата.

Это особенно важно, когда базовые модели улучшаются. Если ваш продукт — просто красивый интерфейс вокруг функции, которая быстро появляется у платформы, вы уязвимы. Если продукт встроен в процесс клиента, знает его данные и решает конкретную задачу, обновление базовой модели может даже усилить вас.

Новая версия становится бесплатным улучшением двигателя. Так стоит смотреть и на собственную карьеру.

Если ваша идентичность — «я специалист по конкретному ИИ-инструменту», вы зависите от судьбы инструмента. Если идентичность — «я решаю определённый класс задач и использую лучшие доступные технологии», вы устойчивее.

Пять лет назад сильный специалист мог использовать одни платформы. Через пять лет названия поменяются. Но проблема клиента останется.

Такой подход помогает избежать гонки за каждой новой функцией. Вы изучаете инструмент не потому, что он новый, а потому что он улучшает вашу систему. Это дисциплинирует и экономит время.