Мне прислали холодный разбор бизнеса. Я так и не понял, зачем мне этот человек

Я сам попросил прожарить продукт на Product Radar - площадке для публикации и обсуждения новых продуктов - и получил подробный разбор в Telegram. Повод для контакта был легитимным, но по мере чтения у меня возник другой вопрос: зачем мне здесь вообще нужен этот человек?

То есть человек, который потом написал мне в Telegram, не ломился в закрытую дверь. Я публично попросил обратную связь по предложению, ценности, целевой аудитории и цене. Был готов услышать, что на сайте что-то непонятно, плохо упаковано или вообще выглядит не так, как мне кажется изнутри.

Через несколько дней мне написал незнакомый человек.
Он сообщил, что изучил сайт, обсуждение под карточкой на Product Radar, предложения рядом в CRM-платформе Битрикс24 и подготовил разбор из шести пунктов.
Вход хороший.

Не стандартное «увидел ваш сайт, хочу предложить услуги». Есть конкретный повод. Видно, что человек действительно изучал материалы.
Я ответил, что изучаю.

А потом, пока читал этот холодный разбор бизнеса, поймал себя на вопросе:
Зачем мне здесь вообще нужен этот человек?

Повод написать был. Доверия к автору не появилось

Я открыл профиль отправителя.
По нему я не смог быстро понять, кто передо мной, чем человек занимается и почему именно его мнению о маркетинге, продукте и экономике бизнеса стоит придавать вес.
Не было канала с материалами.
Не было нормального представления.
Не было ссылки на похожую работу или объяснения собственного опыта.

Само по себе это не проблема.
Проблема появилась из-за контраста.

Я ещё ничего не знаю об авторе, а автор уже довольно уверенно объясняет мне, что не так с первым экраном сайта, кому нужно продавать продукт, как считать бесплатный разбор, как должна быть устроена тарифная сетка и чем «Дожми Продажи» нужно отличаться от Битрикс24.

В одном из пунктов появляется даже вывод про выход «Дожми Продажи» в систему управления клиентами amoCRM.
Я до сих пор не понял, на каком публичном факте основана именно такая трактовка.
Возможно, автор что-то нашёл в материалах, которые изучал. Я не могу утверждать обратное.
Но в самой переписке основание этого вывода не показано.

Для меня это стало проблемой не одного утверждения, а всей конструкции.
Человек ещё не объяснил, почему его мнению стоит доверять, но уже говорит со мной так, будто достаточно хорошо понимает внутреннюю логику бизнеса.

У меня возникло ощущение, что я читаю необработанный ответ нейросети

Я не могу доказать, что этот разбор написал искусственный интеллект.
Поэтому утверждать это как факт было бы неправильно.

Но ощущение возникло почти сразу.
Длинные тире.
Запятая перед тире, например ”, - и далее текст”
Очень ровная структура.
Много пунктов.
Большие законченные блоки.
Аккуратные причинно-следственные конструкции.
Высокая уверенность даже там, где у внешнего человека не может быть всех внутренних данных.

При этом я не увидел поверх текста человеческой работы, ради которой мне хотелось бы продолжить разговор.
И вот это для меня важнее вопроса, использовал автор нейросеть или нет.

Большой структурированный разбор сегодня сам по себе почти ничего не доказывает.
Я могу самостоятельно дать нейросети сайт, публичные обсуждения, несколько конкурентов и попросить найти слабые места. Получу много связного, уверенного и разумно звучащего текста.

Мне уже недостаточно увидеть хороший текст.
Я хочу понять:
Что именно здесь сделал специалист такого, чего я не могу получить обычным запросом к нейросети?

В этой переписке ответа я не увидел.

Проблема появилась не вместе с искусственным интеллектом

Было бы удобно написать, что нейросети породили плохих консультантов.
Но это неправда.

Я сам много лет работал консультантом и хорошо знаю другую сторону этой истории.
Ещё задолго до массового появления искусственного интеллекта насмотренность позволяла быстро посмотреть на чужой бизнес и сформулировать несколько сильных гипотез.

Я тоже так делал.
Смотришь на сайт и думаешь: здесь непонятно предложение.
Смотришь на продажи: похоже, менеджеры теряют следующий шаг.
Смотришь на тарифы: возможно, клиенту неудобно сравнивать варианты.
Смотришь на позиционирование: кажется, компания пытается говорить сразу со всеми.

Иногда я попадал очень точно.
Иногда нет.

И чем больше я анализировал собственные промахи, тем меньше мне нравилось объяснение «не хватило экспертизы».
Очень часто не хватало другого.
Контекста.

Я уже разбирал собственное холодное письмо и нашёл там похожую ошибку: вполне разумная гипотеза незаметно превращается почти в готовый вывод о чужом бизнесе.

Это очень легко происходит именно с опытным человеком.
Потому что у него есть десятки похожих историй в голове.

Снаружи видно решение. Не видно, почему оно принято

Я могу увидеть цену на сайте.
Но не знаю реальную себестоимость продукта, экономику привлечения клиента, ограничения команды и историю изменения тарифов.

Я могу увидеть бесплатный тариф.
Но не знаю, какую функцию он выполняет в продаже и что уже проверялось до его появления.

Я могу решить, что первый экран нужно переписать.
Но не знаю, какие варианты тестировались раньше и что говорили реальные клиенты.

Я могу увидеть много сегментов и решить, что позиционирование размыто.
Но не знаю, какой сегмент приносит деньги сейчас, какой только проверяется, под какой уже готов продукт, а под какой пока нет.

Один и тот же внешний симптом может появиться по совершенно разным причинам.
Чтобы перейти от наблюдения к рекомендации, мне нужно знать хотя бы цель, ограничения, доступные ресурсы, предыдущие попытки и причины текущего решения.

Без этого консультант заполняет пробелы своей насмотренностью.
Иногда очень точно.
Иногда убедительно и совершенно мимо.

Искусственный интеллект эту проблему не создал. Он резко её ускорил

Раньше большой разбор чужого бизнеса хотя бы требовал времени.
Нужно было изучить материалы, подумать, вспомнить похожие ситуации, собрать аргументацию и написать текст.

Сейчас значительную часть этой работы можно выполнить намного быстрее.
Но скорость не создаёт отсутствующий контекст.

Если исходных данных недостаточно, модель всё равно может достроить правдоподобное объяснение. А если человек поверх этого не проводит нормальную проверку, получается опасная комбинация:
мало контекста + сильная нейросеть + уверенная подача.

Для получателя эффект похож на уверенную галлюцинацию.
Не обязательно в техническом смысле, когда нейросеть буквально придумала несуществующий факт.

Эффект другой: мне начинают объяснять причины моих решений, хотя меня ещё ни разу не спросили, почему эти решения вообще были приняты.
Искусственный интеллект не изобрёл непрошеную экспертность.
Он резко снизил стоимость её производства.

Даже способ доставки разбора оказался частью проблемы

Сначала мне пришёл шестой пункт и итоговый список, в котором были ссылки на первые пять.
Самих пяти пунктов не было.

Я отдельно спросил, не потерялось ли что-то.
Автор признал ошибку: первые пять пунктов не дошли. После этого отправил их большими сообщениями подряд.

Ошибиться при отправке может любой.
Меня зацепило другое.

Человек проделал заметную работу по персонализации содержания, но почти не подумал о том, как я буду это содержание потреблять.

В результате мне нужно с телефона разбирать огромные полотна текста в Telegram.
Для меня это неудобный формат. Чтобы всё прочитать, приходится прикладывать отдельное усилие.

Я сам пишу большие тексты в Telegram и специально думаю о структуре: короткие абзацы, воздух, заголовки, выделение ключевых мыслей.

Большой текст недостаточно написать.
Нужно сделать так, чтобы другому человеку было удобно его прочитать.
Можно было прислать три главных наблюдения и предложить подробную версию.
Можно было сделать отдельный документ.
Можно было сначала спросить, хочу ли я получить такой объём.

В другом холодном сообщении в Telegram я уже приходил к похожему выводу: в мессенджере аутрич начинается не только с содержания текста. Профиль, понятность, формат и количество усилий, которые вы требуете от незнакомого человека, тоже становятся частью предложения.

Персонализация - это не только найти информацию о получателе.
Это ещё и подумать, насколько удобно ему воспользоваться тем, что ты подготовил.

Через неделю появилось предложение за 3 000 рублей

Спустя неделю автор вернулся.
Предложил за 3 000 рублей взять данные о себестоимости бесплатного разбора и его конверсии в оплату и за день определить, какую из предложенных правок делать первой и нужно ли вообще что-то менять.

Результатом мог стать вывод «ничего не трогать».
В сообщении отдельно было указано, что деньги не возвращаются.

Сам формат платной диагностики имеет право на существование.
Меня смутило другое.

Между первым разбором и платным предложением почти не произошло разговора.
Меня не спросили, что из разбора оказалось полезным.
Не спросили, где автор ошибся.
Не выяснили, почему были приняты решения, которые показались ему спорными.
Не проверили исходные гипотезы.
Не выяснили, есть ли у меня сейчас вообще задача что-то менять.

Получилась странная последовательность.

Сначала мне дали диагноз по публичным данным.
Потом предложили за деньги определить, какой кусок этого диагноза лечить первым.

Я ответил, что предложение не актуально.
И дело было не в 3 000 рублях.
Я так и не понял, какую дополнительную ценность покупаю у этого конкретного человека.

Сейчас я стараюсь делать наоборот

Этот случай полезен мне именно потому, что я узнаю в нём собственные прошлые ошибки.

Сегодня, если я вижу проблему в чужом бизнесе, мне недостаточно того, что она кажется мне очевидной.
Сначала я хочу понять контекст.

Если есть релевантный личный опыт, я стараюсь не выдавать его за универсальный закон.
Можно сказать:

У меня была похожая ситуация. Можно поделюсь тем, что тогда увидел?

Это совсем другая позиция, чем:

У вас неправильно. Нужно сделать так.

Если я считаю, что на сайте плохо собран первый экран, мне интереснее показать альтернативу, чем прислать пять экранов рассуждений.

Сделать простой прототип.
Показать, что было и что я предлагаю изменить.
Объяснить решения.
Показать, на каком опыте, фактах или исследовании они основаны.
Если собственного опыта недостаточно, сначала провести исследование.
Если не хватает контекста, сначала задать вопросы.

Именно поэтому сейчас мне интересна и обратная гипотеза - делать небольшую полезную работу ещё до холодного контакта, но приносить не ещё один объёмный текст, а проверяемый результат.

Прототип.
Сравнение.
Исследование.
Конкретную находку с понятным основанием.
То, что создаёт повод разговаривать дальше.

Хорошего эксперта искусственный интеллект делает сильнее

Из этой истории я не делаю вывод, что консультанты больше не нужны.
У меня противоположный вывод.

Опытный специалист с искусственным интеллектом может намного быстрее изучать рынок, обрабатывать материалы, искать противоречия, сравнивать варианты, готовить исследования и собирать прототипы.

Но потом должна включаться собственная экспертиза человека.
Он понимает, какой вопрос задать.
Замечает, какой информации не хватает.
Видит, где модель достроила слишком много.
Сопоставляет ситуацию с другими проектами.
Добавляет опыт разных компаний, отраслей и стран.
Понимает, какую часть этого опыта можно переносить в конкретную ситуацию, а какую нельзя.
И отвечает за итоговую рекомендацию.

Для себя я называю это условным множителем ×10.
Не потому, что я измерил универсальное десятикратное ускорение консультантов.
Это метафора.

ИИ становится усилителем уже существующей экспертизы: снимает часть механической работы и позволяет специалисту быстрее дойти до той части задачи, где действительно нужны опыт, вопросы, проверка и ответственность.

Но множитель работает и в другую сторону.
Человеку без достаточной предметной экспертизы нейросеть позволяет очень быстро начать звучать как специалист.

А звучание и экспертность - не одно и то же.

Нейросети демократизировали экспертный язык, но не экспертность

Раньше большой подробный разбор хотя бы косвенно показывал количество вложенного труда.
Сегодня это слабый сигнал.

Количество текста не показывает количество работы.
Хорошая структура не доказывает понимание бизнеса.
Уверенность не заменяет контекст.
Персонализация не доказывает экспертность.

Поэтому ценность специалиста для меня смещается в другое место.

Не просто ответить, а понять, на что пока нельзя честно ответить.
Не просто увидеть проблему, а проверить, проблема ли это вообще.

Не просто сослаться на насмотренность, а объяснить, какая часть опыта переносится в эту ситуацию.
Не просто принести текст, а сделать исследование, прототип, проверку или другой результат, который двигает задачу дальше.

Искусственный интеллект эту логику не отменяет.
Он делает её намного важнее.
Убедительный ответ сегодня получить легко. Намного сложнее понять, на какой вопрос вообще можно честно отвечать.