AI для B2B-стратега: экзоскелет, а не замена. Когда умножает, когда добивает

В разговорах про AI у меня обычно две одинаково утомительные крайности. «Все, кто не впрыгнул в AI прямо сейчас, уже умерли». И «это всё игрушка, нормальный бизнес работает по-старому». Обе мысли удобны. И обе плохо помогают в реальной работе.

Мне ближе скучная и зато полезная формула: AI умножает и ум, и тупость. Если внутри есть ясность, рамка, дисциплина мысли, доменное чутьё, редакторское чувство и способность принять неприятный вывод, результат правда становится сильнее. Если внутри каша, поза, жадность до лёгких ответов и желание обмануть реальность красивым текстом, AI просто делает эту кашу быстрее, объёмнее и убедительнее на вид.

Отдельно про защитную реакцию рынка на тех, у кого получается с AI быстрее и лучше — про «это не ты, это ИИ» — у меня есть манифест ОбесценИИвание. Этот текст про инструмент. Тот — про людей, которые не освоили инструмент, но громче всех судят тех, кто освоил.

Дальше — практическая карта. Где AI работает как экзоскелет для B2B-стратега. Почему у одного он даёт рабочий материал, а у другого пластиковый мусор. Как использовать его как red team-оппонента. Что становится дороже на этом фоне. И как не убить стратегию самим внедрением.

Короткий ответ: AI умножает то, что у вас уже есть

Если совсем коротко, у меня одно правило, которое я повторяю клиентам и команде: AI усиливает не IQ в вакууме, а конкретные узлы вокруг сильного суждения. Сборку черновика, первичный разбор рынка, резюме встречи, подготовку наброска предложения, поиск паттернов, сжатие большого контекста.

А вот что AI не несёт в коробке: правильную постановку задачи, доменное мышление, контекст рынка, способность отличить красивую глупость от рабочего хода, готовность принять неприятное решение и подписаться под ним. Эти вещи дорожают на фоне AI, а не дешевеют. Потому что разница между человеком с ядром и человеком без ядра становится видна не через годы, а иногда уже через один проект.

Почему один и тот же AI у одного даёт результат, у другого — мусор

У меня довольно много кейсов, когда я беру AI-инструмент и за час собираю результат, который уже можно нести в дело. А потом тот же самый инструмент отдаётся сотруднику, и через то же количество времени на стол ложится полная ерунда. Не потому, что человек глупый. И не потому, что сервис «сломался». А потому, что нейросеть не может заменить сразу пять вещей, которые должен принести оператор.

1. Человек приносит задачу

Самый частый провал — в нейросеть несут не задачу, а нервную дымовую завесу. «Посмотри рынок». «Сделай стратегию». «Напиши продающий текст». Всё это звучит как поручение, но по факту не задаёт рамки. Сильный оператор сначала решает, что именно он хочет понять, выбрать, проверить, отбросить или запустить. И только потом тащит инструмент в работу.

2. Человек приносит контекст

Модель не живёт внутри вашего рынка сама по себе. Ей нужно принести: кто клиент, как устроен цикл сделки, где риск, какие ограничения у команды, какие гипотезы уже проверялись, что в этом домене считается глупостью. Без этого нейросеть почти неизбежно уходит в среднюю температуру по интернету.

3. Человек приносит вкус и редактуру

Даже хороший черновик ещё ничего не значит. Его надо услышать, проверить, перерезать, уточнить, заземлить, иногда вообще выбросить и собрать заново. Здесь и проявляется разница между «человек умеет пользоваться инструментом» и «человек просто нажимает на кнопку».

4. Человек приносит критику собственного первого ответа

Очень много слабых результатов появляется не потому, что нейросеть плохая, а потому, что оператор слишком быстро влюбился в первый аккуратный выход. Сильный режим работы с AI почти всегда включает рефлекс: попросить альтернативную рамку, атаковать собственный вариант, задать неудобный вопрос, поискать слепую зону, проверить, не врёт ли эта конструкция своей гладкостью.

5. Человек приносит ответственность

Любой сильный AI-выход всё равно заканчивается человеческим «да, я это принимаю». Пока нет человека, который готов принять решение, отрезать лишнее, назвать риск и подписаться под следующим шагом, никакой AI не превращает материал в результат.

Если пяти этих слоёв нет, AI остаётся демонстрацией интерфейса. Если они есть, он становится рычагом. Это и весь секрет.

AI как экзоскелет: что усиливает, что не заменяет

Слово «экзоскелет» мне нравится тем, что оно сразу убирает магию. Экзоскелет не делает человека умнее. Он делает заметнее качество человека. Один берёт нейросеть, задаёт точный вопрос, проверяет выход, спорит с первым ответом, вшивает туда рынок, контекст клиента, ограничения, историю компании и получает в разы более сильный рабочий материал. Другой берёт тот же сервис, пишет «сделай красиво и продающе», получает гладкий пластик, радуется объёму и идёт нести эту пластиковую конструкцию в реальный бизнес. Дальше реальность её ломает.

Вот пять точек, где AI у меня уже окупается в B2B-стратегии регулярно.

1. Подготовка к созвону

Перед разговором с клиентом или партнёром AI помогает быстро собрать досье: рынок, конкуренты, сигналы, публичные факты, слабые места упаковки, вероятные углы разговора. Не для того, чтобы впечатлить количеством текста, а чтобы не входить в созвон вслепую. На длинных enterprise-сделках с 5–15 ЛПР это сокращает мне час подготовки до 15 минут — и качество готовности при этом растёт.

2. Черновик предложения в тот же день

Хорошее коммерческое предложение не должно рождаться через пять дней мучений. После нормального разговора у вас должен быть материал на черновик в тот же день. AI закрывает первичную сборку: структура, тезисы, вход. Дальше человеческой рукой режется лишнее, добавляется доменная плотность и язык клиента.

3. Встреча в заметку

После встречи теряется удивительно много ценного. Если быстро превратить разговор в заметку, возврат, тезисы или заготовку для предложения, команда перестаёт жить в тумане «мы вроде что-то обсуждали». Транскрибация плюс структурированный пересказ — это базовая гигиена коммерческого контура. Без AI её никто не делает регулярно. С AI делают — и сделки перестают терять детали.

4. Работа с тёплым кругом

Большая часть полезного нетворка не требует магии. Она требует памяти, ритма и спокойных касаний. AI помогает держать карту контактов, повестку касаний и следить, чтобы тёплый круг не превратился в холодный из-за того, что вы три месяца «забыли написать».

5. Ежедневный обзор

Когда направлений много, AI помогает держать короткий ежедневный обзор: что главное сегодня, где деньги, где ход на завершение, где опора для жизни и где лишний соблазн открыть новый красивый фронт. Это не «AI-стратегия» и не «AI-первое мышление». Это ритм, который ускоряет нормальное управление.

Где начинается AI-театр

Театр начинается в тот момент, когда инструментом пытаются заменить отсутствие собственной позиции. Нет ясного оффера — за AI. Нет понимания рынка — за AI. Нет решения — за AI. Это очень соблазнительно. Кажется, что умная машина даёт ощущение движения. Но если в системе нет хребта, AI просто ускорит посредственность.

AI усиливает не ум, а контур. Без контура он размножает слабость с большей скоростью.

Естественный интеллект важнее искусственного

На фоне AI появляется соблазнительная логика: раз есть машина, которая быстро отвечает, можно меньше читать, меньше думать, меньше наблюдать, меньше собирать собственную фактуру. Можно положиться на пару промптов и получить готовый ответ. По факту это путь в красивое оглупление. И чем проще становятся инструменты, тем дороже становятся внимание, вкус, способность думать долго.

Качество выхода начинается со входа, а не с промпта

Если человек живёт на обрывках ленты, на рыхлых пересказах, на общем шуме и на привычке думать короткими вспышками, у него и AI становится продолжением той же ленты. Масштабированием того же оглупления. Он начинает задавать слабые вопросы, довольствоваться первой гладкой формулировкой и теряет вкус к более длинному, более точному, более честному мышлению.

Один из главных навыков B2B-стратега сейчас — защищать собственные входы:

• что вы читаете;
• какие разговоры ведёте;
• за какими людьми следите;
• что именно алгоритм каждый день подаёт вам как «норму»;
• какую фактуру вы сами собираете по своей теме.

Вкус, насмотренность и редактура подорожали

Раньше посредственный текст хотя бы выглядел посредственно. Сейчас он может выглядеть очень аккуратно, очень гладко и очень «правильно». Именно поэтому нужен человек, который слышит: здесь нет жизни, здесь нет плотности, здесь нет автора, здесь нет правды. Это и есть естественный интеллект в деле. Не абстрактный «общий ум», а сочетание опыта, вкуса, способности к различению и внутренней честности.

Что я бы развивал параллельно с AI:

• собственный словарь и живой русский язык, а не кальку с англоязычных интерфейсов;
• навык делать короткие исследовательские проходы по теме без паники и свалки;
• привычку спорить с первым ответом, даже если он красивый;
• умение резать лишнее и удерживать одну главную ставку;
• наблюдение за людьми, а не только за экранами.

Поэтому я бы не ставил вопрос так: «как использовать AI?». Я бы ставил вопрос так: каким человеком надо быть, чтобы AI действительно работал на меня, а не против меня?

Red-teaming с AI: как проверять идеи до рынка

У любого сильного человека есть перекос. Он умеет влюбляться в собственную конструкцию. Это нормально, без этого вообще трудно строить что-то живое. Но именно поэтому рядом нужна не только поддержка, но и система атаки. Половина дорогих ошибок выглядит сначала как сильный план: новая продуктовая линия, новый канал, новый сегмент, новая упаковка, новый «очевидный» ход. Если никто не попробовал этот план разрушить заранее, вы часто узнаёте о слабом месте слишком поздно и слишком дорого.

AI здесь полезен не как помощник, а как холодный оппонент. Три рабочих режима, которые я использую сам и встраиваю в стратегические сессии.

Режим 1. Premortem

Сценарий выглядит так: представьте, что через шесть месяцев проект провалился. Почему именно? Это заставляет AI не хвалить вашу идею, а разматывать цепочку назад от неудачи к текущей слепой зоне. Часто уже на этом этапе всплывает реальная поломка — не тот сегмент, слишком длинный цикл внедрения, слабый ownership внутри клиента, неверная метрика успеха, романтизация канала, который вообще не держит этот тип продажи.

Режим 2. Атака глазами умного циничного конкурента

Полезно посадить AI в роль конкурента. Что бы он сделал, чтобы украсть ваших клиентов? Как бы он бил по вашей слабой рамке? Где бы использовал медлительность команды, неясный оффер, разрыв между маркетингом и продажами? Этот режим особенно силён в B2B, где проблема редко в «не хватает идей», а часто в том, что никто не вскрывает уязвимости архитектуры сделки.

Режим 3. Ранжирование рисков

Мне нравится выводить AI не только на список рисков, но и на приоритет: что наиболее вероятно, что наиболее больно, что убивает проект в одну точку, что можно закрыть быстро, что требует отдельного решения ещё до запуска. Тогда страх перестаёт быть мутным облаком и превращается в чек-лист.

Чего AI здесь не сделает за вас

Он не примет удар. Не подпишется под отказом от любимой идеи. Не скажет команде неприятную правду человеческим голосом. AI силён на фазе разминирования и проверки, но решение всё равно остаётся у человека. И это правильно.

Минимальный red-team протокол перед важной ставкой:

• сформулировать план одним абзацем;
• провести premortem;
• попросить AI атаковать план глазами конкурента;
• вывести топ-3 риска по вероятности и удару;
• зафиксировать, что меняется в решении после этой проверки.

Если после red team ничего не изменилось, значит, либо у вас был идеальный план, либо вы слушали AI как фон.

Как НЕ убить стратегию внедрением AI: 5 типичных ошибок

Реализация стратегии — это не план, который выполнили. Это когда вопросы превращают идею в систему, и стратегия либо становится острее, либо разваливается. Внедрение AI ровно так же. Ниже — пять ошибок, которые я регулярно вижу, и как их обходить.

1. «Спустить AI сверху»

Это не внедрение. Стратегия живёт снизу вверх, в решениях, которые люди принимают каждый день. Если AI пришёл письмом от CEO «теперь все используем», но в ежедневные ритуалы не встроен — через три месяца у вас ещё одна корпоративная подписка, которой пользуются два энтузиаста.

2. Нет переходного периода

Нужна полоса, где люди меняют привычки. Иначе вернутся к старому, как только станет тяжело. Я обычно ввожу AI как «параллельный путь» на 30–60 дней: старую механику не отменяют, AI используется в трёх узких задачах, сравниваются результаты. Только потом — переход на новую норму.

3. Не ответили на «что я теряю в новой системе»

Если в старой системе senior-аналитик был королём, в новой он король по-новому. Озвучьте это, не скрывайте. Иначе он будет тихо саботировать AI-внедрение, потому что чувствует угрозу — и формально вы ничего не сможете предъявить.

4. Не перевели в метрики

«Стало быстрее» — не метрика. «Время от запроса от продавца до готового черновика КП — 4 часа против 18» — метрика. «Подготовка к встрече — 25 минут вместо 90» — метрика. Без чисел AI остаётся в категории «вроде помогает», а в кризисный квартал такие категории режут первыми.

5. Не дали права не согласиться

Возражение «не сработает потому что» — это информация, не саботаж. Если в команде нет права сказать «AI здесь не помогает», вы не получаете обратной связи, и через шесть месяцев у вас красивый отчёт о внедрении и тихое раздражение в командах.

Хорошее AI-внедрение работает по обратному циклу: каждую неделю короткий обзор «предполагали X, получилось Y, меняем подход или предположение». Не в квартал. Каждую неделю.

Два кейса: где AI выиграл цикл и где утопил quarter

Я работаю с разными B2B-сегментами, и мне попадались кейсы по обе стороны границы. Два анонимных, чтобы было видно разницу.

Кейс 1. MarTech-команда: AI в research, выиграли цикл

Средняя MarTech-компания, 80 человек, длинный enterprise-цикл. Боль: research под крупные сделки занимал 2–3 недели, продавцы заходили в первую встречу с общими гипотезами, материал собирался задним числом. Что сделали:

• зафиксировали узкую задачу — досье под аккаунт за 3 часа против 3 недель;
• под каждый промпт собрали контекст: тип клиента, цикл, ключевые роли, типовые возражения, образцы хороших досье;
• встроили проверку — каждое досье читает senior-аналитик и помечает, что доработать руками;
• через 6 недель время сборки досье — 2,5 часа, качество выросло (продавцы заходят с конкретными гипотезами, а не с общими словами);
• через квартал — win rate в enterprise-сегменте +8 п.п., средний цикл сделки сократился на 19%.

Что сработало: ясная узкая задача, контекст, человеческая проверка, метрика. Не «AI-стратегия», а одна точка с понятным бизнес-выходом.

Кейс 2. AdTech-команда: AI в продажи «потому что модно», потеряли quarter

AdTech-компания, около 60 человек. CEO прочитал статью про «AI-first sales» и распорядился внедрить AI-агента в холодный outbound. Что произошло:

• задачу не сформулировали — просто «AI пишет письма за продавцов»;
• контекста не собрали — агент использовал общую базу шаблонов;
• проверки не было — письма уходили автоматически;
• через месяц response rate упал с 4,2% до 1,1%, два крупных клиента ответили лично CEO «вы серьёзно?»;
• откатили — потеряли квартал работы команды outbound и часть репутации в сегменте.

Что сломалось: AI применили туда, где у компании самой не было ясной механики. Продавцы и до AI писали слабый outbound, AI просто масштабировал слабость с десятикратной скоростью.

Это и есть антипаттерн «AI вместо думания». Когда инструмент применяют не там, где он усиливает контур, а там, где надо избежать неприятной работы по сборке этого контура.

Anti-pattern: «AI вместо думания»

Раньше слабая мысль хотя бы спотыкалась об собственную медлительность. Человек долго писал, долго думал, долго собирал презентацию. По дороге был шанс заметить, что сама конструкция хлипкая. Сейчас он может за вечер собрать двадцать страниц текста, десять гипотез, пять сценариев внедрения и красивую речь для встречи с клиентом. AI ускоряет не только качество. Он ускоряет ещё и самообман.

Маркеры, по которым видно, что вы попали в этот антипаттерн:

• после AI стало быстрее, но не стало умнее;
• стало больше материалов, но меньше мысли;
• команда говорит «мы AI-first», а на выходе — новая волна рыхлых текстов и плохих презентаций;
• решения принимаются «потому что AI так предложил», а не «потому что я разобрался»;
• исчезли неудобные вопросы — все довольны черновиком, никто не спорит.

Если этот список читается узнаваемо, в компанию завезли не интеллект, а более мощный генератор шумного посредственного результата. Это лечится. Но лечится не через «больше AI», а через возвращение пяти слоёв оператора: задача, контекст, вкус, критика, ответственность.

Чек-лист: как внедрять AI в B2B-стратегию

1. Не начинать с «AI-стратегии компании». Начинать с трёх узких задач: подготовка к встречам, черновики предложений, итоги после разговоров.
2. Под каждую задачу зафиксировать рамку. Что входит, что не входит, что считается успехом, какой формат вывода ожидаем.
3. Принести контекст. Кто клиент, как устроен цикл, где риск, типовые возражения, доменные ограничения. Без контекста AI идёт в среднюю температуру по интернету.
4. Встроить человеческую проверку. Не «AI ответил — пошло клиенту». Senior-человек правит каждый выход, помечает, что доработать.
5. Атаковать первый ответ. Premortem, конкурент, ранжирование рисков. Если в выходе нет неудобных вопросов — он недособран.
6. Перевести в метрики. Время, win rate, цикл сделки, response rate. Без чисел AI остаётся в зоне «вроде работает».
7. Дать команде право не согласиться. Возражение — информация, не саботаж. Без обратной связи внедрение становится ритуалом.
8. Обратный сигнал каждую неделю. Не в квартал. «Предполагали X, получилось Y, что меняем».
9. Защищать собственные входы. Что читает команда, какую фактуру собирает, как формирует язык. AI — продолжение этих входов, не замена.
10. Подписаться под решением. Любой AI-выход заканчивается человеческим «да, я это принимаю». Без подписи материал не превращается в результат.

FAQ

С чего начать AI-внедрение, если в компании ничего нет? Не с AI-стратегии. С трёх узких точек: подготовка к встречам, черновики предложений, итоги после разговоров. Дальше — два критерия. Стало ли быстрее. Стало ли лучше. Если быстрее, но хуже — это не прогресс. Если лучше, но в три раза тяжелее — это тоже не прогресс.

Как понять, что я попал в AI-театр? Маркер один: после AI у вас стало больше материалов, но меньше мысли. Команда говорит «мы AI-first», а решения вы по-прежнему откладываете. AI стал способом избежать неудобной работы по сборке позиции. Лечится возвратом к человеческим вопросам — что мы вообще решаем и кому это нужно.

Где AI в B2B окупается быстрее всего? Подготовка к разговорам с клиентом, транскрибация и нормализация встреч, черновик коммерческого предложения в день разговора, research под аккаунт. Эти четыре точки в моих кейсах окупаются за 3–6 недель и дают ощутимый прирост к win rate и циклу сделки.

Можно ли передать стратегические решения AI? Нет. AI силён на фазе сборки и проверки. Решение, отказ от любимой идеи, неприятная правда команде — это человеческий слой. Любая попытка передать его инструменту заканчивается тем, что компания принимает решения по средней температуре по интернету.

Что делать, если команда сопротивляется AI-внедрению? Сначала ответить на вопрос «что они теряют в новой системе». Если в старой логике senior-аналитик был незаменим, в новой он по-прежнему король, но по-новому. Это надо озвучить, не скрывать. И дать право не согласиться — возражение «не сработает потому что» это информация, не саботаж.

В чём суть всего pillar

AI не освобождает от необходимости думать. Он освобождает от части тяжёлой механики вокруг думания. Это очень хорошая новость для тех, у кого уже есть рынок, опыт, рамка и вкус к сильным решениям. Для всех остальных это просто новый источник шумного самообмана. Разница между человеком с ядром и человеком без ядра становится видна не через годы, а иногда уже через один проект. Поэтому единственный осмысленный вопрос про AI в B2B-стратегии — не «какой инструмент выбрать», а «каким человеком и какой компанией надо быть, чтобы инструмент работал на вас, а не против вас».