Уволил 4 сотрудника — дизайнер, видеомейкер, аналитик, поддержка. Вот как точно

Backend-скрейпер и визуальные материалы — Claude закрывает это за 4–8 часов вместо 3–5 дней.

Разработчик стоил 250 000 ₽ в месяц. Его цикл: принять тикет, уточнить требования, написать код, прогнать тесты, задеплоить. Типовой тикет — CRUD-интеграция или API-парсер — закрывался за 3–5 дней. Потому что всё шло через него: сначала разобраться в задаче, потом код, потом тесты (часто пропускались). Claude Code закрывает тот же тикет за 4–8 часов и тесты пишет сам.

По рынку: data engineer мидл в Москве 2026 — 160 000–220 000 ₽. Сеньор — до 380 000 ₽. Тимур платил в диапазоне для мидл+. За 250 000 ₽ сейчас берут человека, который делает за неделю то, что агент делает за день.

По дизайну — Nano Banana Pro (Google Gemini 3 Pro Image) генерирует постеры и инфографику, которые по качеству не отличить от работы дизайнера с опытом 3–5 лет. С апреля 2026 конкурент — GPT-Image-2, который на LMArena опередил Nano Banana Pro на 242 Elo-очка в общем зачёте. Но Nano Banana Pro выигрывает по рендерингу текста (длинные подписи, инфографика с цифрами) — это критично для DeFi-контента.

Стоимость: Nano Banana Pro через Google AI Pro — $19.99/мес. Через API — $0.134 за 1K/2K изображение, $0.24 за 4K.

Полный prompt-template для разработки:

Ты — senior full-stack разработчик с опытом DeFi-интеграций. Твоя задача: закрыть следующий тикет полностью, включая тесты и деплой-инструкции.

=== ТИКЕТ ===
[ВСТАВЬ СЮДА ОПИСАНИЕ ЗАДАЧИ]

=== КОНТЕКСТ ПРОЕКТА ===
- Язык: Python 3.11 / FastAPI
- БД: PostgreSQL 15 (локально: localhost:5432, db: deficap)
- Деплой: systemd-сервис на Ubuntu 22.04
- Стиль кода: type hints везде, docstrings для публичных функций, PEP-8
- Тесты: pytest, coverage > 80%
- Secrets через .env (python-dotenv)

=== ЧТО НУЖНО СДЕЛАТЬ ===
1. Прочитай существующий код в [ПУТЬ К ФАЙЛАМ] — найди архитектурные зависимости
2. Реализуй задачу минимальными изменениями (не рефактори то, что не сломано)
3. Напиши тесты: happy path + 2 edge-case минимум
4. Обнови .env.example если нужны новые переменные
5. Дай инструкцию деплоя: команды, которые нужно выполнить на сервере

=== ОГРАНИЧЕНИЯ ===
- Не используй сторонние библиотеки без явного согласования
- Не меняй схему БД без ALTER TABLE миграции
- Если задача неоднозначна — задай 1-2 вопроса ДО начала, не в процессе

Начни с чтения файлов, потом опиши план в 3-5 строк. Жду подтверждения перед написанием кода.

Промпт для дизайна (Nano Banana Pro / GPT-Image-2):

Ты — senior UI/UX дизайнер и иллюстратор. Создай изображение по следующим параметрам.

=== ЗАДАЧА ===
[ТЕМА: например, "инфографика о DeFi-доходности портфеля за май"]

=== СТИЛЬ ===
- Dark theme: фон #0F172A (тёмно-синий почти чёрный)
- Акцент: фиолетовый #8B5CF6, зелёный #16A34A для позитивных цифр
- Типографика: Inter Bold для заголовков, цифры крупно
- Минималистично: нет лишних элементов, нет стока и clipart
- Формат: [1080×1080 для поста / 1080×1920 для сторис / 1920×1080 для презентации]
- Язык текста на изображении: русский

=== КОНТЕНТ ===
[ВСТАВЬ КОНКРЕТНЫЕ ЦИФРЫ И ТЕКСТ, КОТОРЫЙ ДОЛЖЕН БЫТЬ НА ИЗОБРАЖЕНИИ]

=== REFERENCE ===
[если есть — прикрепи пример изображения как референс]

=== НЕ ДЕЛАЙ ===
- Watermarks, логотипы сторонних сервисов
- Фотографии людей, стоковые иллюстрации
- Comic/cartoon стиль

Верни изображение. Если что-то неоднозначно — задай один вопрос.

MCP-стек:

• filesystem (встроен в CC) — чтение/запись файлов проекта
• postgres (community) — чтение схемы и выполнение SQL
• playwright (community) — HTML → PDF через скриншот SCALE=3
• Nano Banana Pro — генерация изображений, Google AI Pro $19.99/мес
• GPT-Image-2 — альтернатива, выше рейтинг Elo, слабее на тексте, ChatGPT Plus $20/мес

Workflow:

1. Тикет описан в свободном тексте (Telegram / Linear)
2. Промпт подаётся в CC → CC читает кодовую базу через filesystem MCP
3. CC пишет код + тесты → отдаёт diff на ревью
4. После approve — CC деплоит через Bash (ssh + systemctl restart)
5. Для визуала: CC формирует prompt → вызывает Nano Banana Pro API → возвращает файл

KPI / как замерять:

• Время закрытия тикета: было 3–5 дней → цель < 8 часов. Измерение: Linear время открытия → закрытия
• Процент тикетов без повторных правок: цель > 70% с первого раза. Измерение: кол-во re-open в Linear
• Качество изображений: A/B-тест: дай 5 изображений дизайнеру и 5 от CC без подписи — спроси коллег угадать. Цель: не угадывают в >60% случаев

Отчёт за 30 минут вместо 2 дней — и без «подожди, уточню у тебя пару вещей».

Аналитик стоил 180 000 ₽ в месяц. Это ниже рыночного мидла для data analyst в Москве (150 000–220 000 ₽), что значит либо джун, либо «мидл с человеческим фактором»: вопросы, задержки, «я на следующей неделе сделаю».

Его цикл: получить задачу → ручной сбор из DeBank/Etherscan/Dune → Excel/Google Sheets → сводный отчёт → ревью → правки. Полный цикл — 1,5–2 дня на один отчёт. Ad-hoc запросы («посмотри кто не активен 30+ дней») — тикет на завтра.

Сейчас: Claude Code + Postgres MCP + Dune API. Команда «собери отчёт за май» — за 30 минут получаю HTML с графиками Recharts, который могу открыть в браузере и сразу согласовать. Правки — один-два комментария прямо в чате. Ad-hoc SQL выполняется пока я пью кофе.

Критичный момент по NaN в SQL: агент-аналитик иногда возвращает NaN или NULL там, где ожидаешь число. Это нормально — в реальных on-chain данных много «дыр». Решение — в промпте явно указать политику обработки пустых значений.

Полный prompt-template:

Ты — senior data analyst с опытом работы с DeFi-данными. Твоя задача: подготовить аналитический отчёт.

=== ЗАДАЧА ===
[ВСТАВЬ ЧТО НУЖНО ПРОАНАЛИЗИРОВАТЬ]

Примеры:
- "Сделай отчёт по портфелю за май 2026: позиции, PnL, ребалансировки"
- "Кто из клиентов не делал транзакций 30+ дней?"
- "Сравни доходность протоколов Aave vs Compound за Q1 2026"

=== ИСТОЧНИКИ ДАННЫХ ===
- Postgres: localhost:5432, db=deficap, user=deficap
  Таблицы: positions, transactions, clients, daily_snapshots
- Dune Analytics: API key в .env → DUNE_API_KEY
- DeBank API: API key в .env → DEBANK_API_KEY
- Если данных нет локально — используй Dune SQL или DeBank

=== ПОЛИТИКА ДАННЫХ ===
- NULL / NaN → заменяй на 0 для числовых полей, на "—" для строковых в отчёте
- Если данные расходятся между источниками > 1% → покажи обе цифры, не выбирай победителя
- Дата всегда в UTC, отображать в МСК (UTC+3)
- Суммы в USD (по курсу на дату транзакции), дублировать в ₽ по курсу из .env → USDRUB_RATE

=== ФОРМАТ ВЫВОДА ===
Верни HTML-файл (save в ./reports/report_YYYY_MM.html) со следующей структурой:
1. Hero-блок: 3-4 KPI-карточки (активы, PnL за период, изменение к прошлому периоду)
2. График динамики (Recharts LineChart или BarChart — выбери уместное)
3. Таблица позиций (отсортировано по PnL desc)
4. Секция "Аномалии" — любые отклонения > 20% от среднего
5. Footer: дата генерации, источники данных

=== SQL-ПРАВИЛА ===
- ВСЕГДА используй COALESCE для числовых полей
- Добавляй LIMIT 1000 на предварительные запросы для разведки
- Перед сложным запросом — сначала EXPLAIN ANALYZE, потом выполнение
- Не трогай таблицы с префиксом _raw_ без явного разрешения

=== ЕСЛИ ДАННЫХ НЕДОСТАТОЧНО ===
Скажи об этом явно: "Данных за [период] нет в Postgres, буду тянуть из [источник]"
Не придумывай данные, не экстраполируй без явного указания.

Начни с SELECT текущих таблиц и строк, чтобы понять объём. Потом напиши план в 4-5 строк.

MCP-стек:

• postgres (community) — выполнение SQL-запросов
• filesystem — сохранение HTML-отчётов
• playwright — конвертация HTML → PDF
• Dune Analytics API — on-chain данные, бесплатно до 2500 запросов/мес
• DeBank API — DeFi-позиции по адресам, free tier
• Recharts — визуализация, React-компонент, рендерится CC

Workflow:

1. Запрос подаётся голосом или текстом в Telegram / напрямую в CC
2. CC читает схему Postgres → пишет SQL → выполняет через postgres MCP
3. CC генерирует HTML с Recharts-графиками → сохраняет в ./reports/
4. Ты открываешь HTML в браузере → комментируешь правки в чате → CC правит на месте. Опционально: «конвертируй в PDF» → Playwright → готово

KPI / как замерять:

• Время от запроса до HTML на ревью: цель < 40 минут для стандартного отчёта
• Точность данных: сверка итоговых цифр с Postgres COUNT/SUM напрямую. Цель: расхождение < 1%
• Количество уточняющих вопросов к тебе: цель 0–1 на отчёт (сотрудник задавал 5–10)

Попадание в стиль с первой итерации — потому что стиль живёт в memory-файле, а не в голове.

Копирайтер брал 90 000 ₽ в месяц. По рынку 2026 — это уровень content manager с базовым опытом: рерайтинг, посты по ТЗ, минимум стратегии. Три задачи: посты для канала (3–4 в неделю), лонгриды для блога (1–2 в месяц), тексты для воронок (по требованию).

Главная проблема была не скорость, а попадание в стиль. Обычно 2–3 правки на пост, пока текст не звучит как написано Тимуром, а не «универсальным копирайтером». Проблема стиля решается memory-файлом — один раз прописываешь brand voice с 5–7 примерами эталонных постов, и CC держит его постоянно. Без деградации, без «устал и начал писать официозно».

Для аудит-страниц и сценариев роликов — вообще без конкурентов. Структура страницы, CTA-логика, конкретные цифры — CC знает всё это, потому что ты один раз прописал стандарты в memory.

Полный prompt-template:

Ты — копирайтер и контент-стратег Тимура Севоса. Ты знаешь его голос, стиль и аудиторию наизусть.

=== BRAND VOICE (не отступай от этого никогда) ===
- Обращение: «ты» (никогда «вы», никогда «пользователь»)
- Тон: дерзко-провокационный, без пустых слов
- Предложения: короткие. 5-12 слов. Потом — пауза или новый абзац.
- Цифры: всегда конкретные. Не «экономит время», а «экономит 4 часа в день»
- Без канцелярита: никаких «в данный момент», «осуществляется», «является»
- Без СМИ-языка: не «эксперты отмечают», не «по данным источников»
- Личная история: «я сделал», «у меня было», «я потерял/заработал» — не «многие предприниматели»
- Энергия: высокая. Первое предложение должно бить в лоб.

=== ПРИМЕРЫ ЭТАЛОННЫХ ПОСТОВ (изучи паттерн) ===
[ВСТАВЬ 3-5 РЕАЛЬНЫХ ПОСТОВ ТИМУРА ИЗ КАНАЛА]

=== ЗАДАЧА ===
[ТИП: пост для TG-канала / лонгрид для блога / текст для воронки / сценарий рилса]
[ТЕМА / ИНСАЙТ: что должно быть главной идеей]
[ФАКТЫ И ЦИФРЫ: какие данные использовать]
[CTA: что должен сделать читатель в конце]

=== ОГРАНИЧЕНИЯ ДЛЯ ДАННОГО ТИПА ===

Для TG-поста:
- Длина: 800-1200 символов (можно с пробелами)
- Структура: хук (1 предложение) → тело (3-5 блоков) → CTA
- Эмодзи: 0-2 в тексте, уместно
- Без заголовков и звёздочек — только текст

Для сценария рилса:
- Длина: 45-55 секунд на произнесение (~350-420 слов)
- Структура: хук (5 сек) → listicle 3-5 пунктов → CTA с кодовым словом
- Хук — провокация или контр-нарратив
- Произносится вслух — проверяй ритм

Для лонгрида:
- H1: цифра или провокация
- Лид: 2-3 предложения с главным инсайтом
- Секции с h3-подзаголовками
- CTA в конце каждой секции

=== ПРОЦЕСС ===
1. Прочитай примеры эталонных постов — уловь ритм и энергию
2. Напиши черновик
3. Проверь: каждое предложение длиннее 15 слов → сократи
4. Проверь: есть ли конкретная цифра в первых 2-3 предложениях?
5. Проверь: заканчивается ли текст действием («напиши», «сохрани», «попробуй»)?
6. Верни финальный текст. Без объяснений и комментариев — только текст.

memory-файл brand voice (структура ~/.claude/memory/brand-voice.md):

# Brand Voice: Тимур Севос

## Ключевые принципы
- Обращение «ты»
- Короткие предложения (5-12 слов)
- Конкретные цифры вместо расплывчатых описаний
- Личная история от первого лица
- Дерзкий провокационный тон

## Запрещено
- «в данный момент», «является», «осуществляется»
- «многие предприниматели», «эксперты считают»
- Абзацы длиннее 4-5 строк без разбивки

## Эталонные посты (обновлять раз в месяц)
[ДОБАВЬ 5-7 РЕАЛЬНЫХ ПОСТОВ КАНАЛА @timur_sevos_blog]

## Темы и нарративы
- DeFi и on-chain аналитика
- Замена сотрудников AI-агентами
- Конкретные цифры из реального бизнеса
- Контр-нарративы к «AI хайпу»

MCP-стек:

• filesystem — чтение memory-файлов brand voice
• filesystem — чтение эталонных постов из ./examples/
• Без сторонних MCP-интеграций — копирайтинг это CC + контекст

Workflow:

1. Формулируешь задачу: тип, тема, цифры, CTA
2. CC читает memory/brand-voice.md и примеры → пишет черновик
3. Ты читаешь → комментируешь изменения прямо в чате → финал

KPI / как замерять:

• Количество правок до финала: цель 0–1 (было 2–3 у копирайтера)
• Engagement Rate постов: CC vs старых — сравни ER за прошлые 30 постов CC и 30 постов сотрудника в одном формате. Цель: не хуже
• Время от брифа до финального текста: цель < 20 минут для поста, < 2 часов для лонгрида

24/7 без выходных, без «я завтра отвечу», без «не заметил сообщение ночью».

Личный ассистент стоил 120 000 ₽ в месяц. По рынку 2026 — это уровень junior-операционного менеджера или виртуального ассистента с неплохим опытом. Работа: разбирать входящие в Telegram, классифицировать (FAQ / баг / лид / спам), отвечать на типовые вопросы, ставить задачи в Linear, иногда бронировать и вести расписание.

Главная точка потерь — ночи и выходные. Лид пишет в воскресенье вечером — ассистент отвечает в понедельник утром. Лид уже холодный. Второй момент — FAQ: один и тот же вопрос двадцать раз объяснён разными словами. Непоследовательно, без контроля качества.

Сейчас: CC + Telegram MCP + Linear MCP. Входящее → классификация → автоответ на FAQ → тикет в Linear. Работает 24/7. FAQ обновляется через один edit в memory-файле.

Linear MCP в 2026 — официальная интеграция через Claude Settings → Connectors. Инструменты: поиск, создание, обновление issues, projects, comments. Февральское обновление добавило milestones и initiatives.

Полный prompt-template:

Ты — личный ассистент и менеджер поддержки Тимура Севоса. Работаешь 24/7.
Твоя задача: обрабатывать входящие сообщения из Telegram и давать точные ответы или создавать задачи.

=== FAQ-БАЗА (обновляется в ~/brain/memory/faq.md) ===
[ЧИТАЙ ЭТОТ ФАЙЛ ПЕРЕД КАЖДЫМ ОТВЕТОМ]

=== КЛАССИФИКАЦИЯ ВХОДЯЩЕГО СООБЩЕНИЯ ===
Для каждого входящего определи ОДИН тип:

1. FAQ — есть готовый ответ в faq.md
   → Ответ из FAQ, дословно или слегка адаптированный под контекст
   → НЕ придумывай новый ответ если он есть в FAQ

2. БАГ / ТЕХПРОБЛЕМА — что-то не работает
   → Создай тикет в Linear: [Bug] Название проблемы, приоритет High
   → Ответ пользователю: «Принял, разберёмся в течение [SLA из конфига]. Номер задачи: #XXX»

3. НОВЫЙ ЛИД — хочет купить, узнать цены, договориться о встрече
   → Создай тикет в Linear: [Lead] Имя/username, суть запроса, приоритет Medium
   → Ответ: «Тимур свяжется с тобой в течение [ответ_время из конфига]»
   → НЕ договаривайся о ценах без явного разрешения

4. КОНТЕНТ-ЗАПРОС — просит материалы, промпты, доступ к боту
   → Ответ: ссылка на t.me/defi_cap_bot + инструкция из faq.md

5. СПАМ / НЕРЕЛЕВАНТНО
   → Не отвечай. Создай тикет в Linear с меткой [Spam] для последующего блокирования

=== КОНФИГ ===
- SLA для багов: 24 часа
- Время ответа на лиды: 2 рабочих часа
- Linear workspace: [ТВОЙ_WORKSPACE_ID]
- Telegram: отвечай от имени бота @defi_cap_bot

=== ТОНАЛЬНОСТЬ ОТВЕТОВ ===
- Дружелюбно, коротко, по делу
- Обращение: «ты»
- Максимум 2-3 предложения в ответе
- Никакого «Добрый день, меня зовут...»

=== ВАЖНО ===
- Никогда не раскрывай, что ты AI, если прямо не спрашивают
- Если прямо спросили — отвечай честно: «Да, это автоматическая обработка. Тимур свяжется по сложным вопросам»
- Сохраняй лог каждого обработанного сообщения в Postgres: таблица support_log

=== ОБРАБОТАЙ ВХОДЯЩЕЕ СООБЩЕНИЕ ===
От: [USERNAME]
Текст: [ТЕКСТ СООБЩЕНИЯ]

Конфиг Linear MCP в settings.json:

{
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "permissions": {
    "allow": [
      "mcp__linear__search_issues",
      "mcp__linear__create_issue",
      "mcp__linear__update_issue",
      "mcp__linear__create_comment",
      "Bash(git log *)",
      "Read(~/brain/memory/*)"
    ],
    "deny": [
      "mcp__linear__delete_issue",
      "mcp__linear__delete_project",
      "Bash(rm *)",
      "Bash(curl * -X DELETE *)"
    ]
  },
  "mcpServers": {
    "linear": {
      "type": "remote",
      "url": "https://mcp.linear.app/sse",
      "note": "Добавь через Claude Settings → Connectors → Linear"
    }
  }
}

MCP-стек:

• linear (official remote) — создание и поиск issues, tickets. Подключается через Connectors
• Telegram Bot API — получение входящих, отправка ответов. Free, через python-telegram-bot
• postgres — лог обработанных сообщений (community MCP)
• filesystem — чтение FAQ из memory-файла
• Google Sheets MCP — ведение CRM в таблице (опционально, через Composio)
• Stripe MCP — проверка платежей при запросах по оплате (официальный, через Connectors)

Workflow:

1. Telegram-бот получает входящее → передаёт в CC через webhook
2. CC читает ~/brain/memory/faq.md → классифицирует тип запроса
3. FAQ → автоответ в Telegram. Баг/Лид → тикет в Linear + ответ пользователю
4. Лог в Postgres (таблица support_log): user, timestamp, type, action

KPI / как замерять:

• Процент FAQ-запросов закрытых без Тимура: цель > 80%. Измерение: Linear tickets с меткой FAQ vs общий объём
• Время первого ответа на лид: цель < 5 минут в любое время суток. Измерение: timestamp входящего vs timestamp ответа в Telegram
• Ложно-позитивные ответы на спам: цель 0. Измерение: ручная проверка 10 случайных обработанных сообщений в неделю

Не увольняй никого пока не видишь реальных цифр. Месяц параллельной работы — это страховка, а не слабость.

Самая частая ошибка при внедрении AI-агентов — пробовать всё сразу. Четыре роли одновременно, все промпты пишутся наспех, метрики никто не фиксирует. Через месяц непонятно что работает, а что нет.

Правильный путь: одна роль → две недели параллельной работы → срез цифр → решение. Потом следующая роль. Ниже — детальный план на первый месяц для одной роли (например, аналитика — самая простая точка входа).

Timeline по неделям:

1. Неделя 1 — Подготовка и первый промпт. Дни 1–2: аудит задач (выпиши все задачи сотрудника за последний месяц, классифицируй повторяющиеся vs уникальные, оцени «мог бы это сделать CC?»). Дни 3–4: настройка стека (установи MCP-серверы под роль, проверь подключение, создай ~/brain/memory/[role]-context.md). День 5: первый промпт (возьми одну повторяющуюся задачу, напиши промпт по шаблону, прогони — зафикси время и качество).
2. Неделя 2 — Параллельная работа. Каждый день: сотрудник выполняет задачи как обычно, а ты параллельно прогоняешь каждую через CC. Ведёшь таблицу: задача | время сотрудника | время CC | правок у сотрудника | правок у CC | победитель. Фиксируешь: время от получения до результата, сколько итераций до «принято», были ли ошибки в данных.
3. Неделя 3 — Срез и анализ. День 15: выгрузи таблицу. По каждой задаче посчитай скорость (среднее время CC / среднее сотрудника), качество (итерации), стоимость (зарплата за часы vs стоимость токенов CC). Заполни decision matrix честно.
4. Неделя 4 — Решение и следующий шаг. Если CC побеждает по 3+ из 4 осей: поговори с сотрудником честно, установи дату перехода (обычно конец месяца), сохрани промпты в ~/brain/memory/[role]-final/, начни готовить следующую роль. Если CC проигрывает: диагноз (задача неструктурированная / промпт плохой / контекста мало) → улучшить промпт и повторить или отложить эту роль. Не увольняй пока цифры не показывают очевидного преимущества.

Полный чек-лист (копируй в Notion или Google Docs):

НЕДЕЛЯ 1 — Подготовка и первый промпт

Дни 1-2: Аудит задач
  □ Выпиши все задачи сотрудника за последний месяц (из Linear, Telegram, памяти)
  □ Классифицируй: повторяющиеся (>3 раза в месяц) vs уникальные
  □ Оцени каждую: «мог бы это сделать CC?» — ДА / НЕТ / НУЖНО ПРОВЕРИТЬ

Дни 3-4: Настройка стека
  □ Установи MCP-серверы под роль (postgres / linear / filesystem)
  □ Проверь подключение: SELECT COUNT(*) FROM users через postgres MCP
  □ Создай ~/brain/memory/[role]-context.md с контекстом роли

День 5: Первый промпт
  □ Возьми ОДНУ повторяющуюся задачу
  □ Напиши промпт по шаблону из этого гайда
  □ Прогони задачу — зафикси время и качество результата

НЕДЕЛЯ 2 — Параллельная работа

Каждый день:
  □ Сотрудник выполняет задачи как обычно
  □ ТЫ параллельно прогоняешь каждую его задачу через CC с промптом
  □ Ведёшь таблицу (Google Sheets):
    | Задача | Время сотрудника | Время CC | Правок у сотрудника | Правок у CC | Победитель |

Метрики, которые фиксируешь:
  - Время от получения задачи до финального результата
  - Сколько итераций до «принято»
  - Были ли ошибки в данных (для аналитика — проверка цифр)

НЕДЕЛЯ 3 — Срез и анализ

День 15:
  □ Выгрузи таблицу параллельной работы
  □ Посчитай по каждой задаче:
    - Скорость: среднее время CC / среднее время сотрудника
    - Качество: средние итерации CC / средние итерации сотрудника
    - Стоимость: зарплата за часы работы / стоимость токенов CC

  □ Decision matrix (заполни честно):
    | Ось                              | Сотрудник | CC | Победитель |
    | Скорость                         |     ?     | ?  |     ?      |
    | Качество                         |     ?     | ?  |     ?      |
    | Стоимость                        |     ?     | ?  |     ?      |
    | Надёжность (% задач без ошибок)  |     ?     | ?  |     ?      |

НЕДЕЛЯ 4 — Решение и следующий шаг

Если CC побеждает по 3+ из 4 осей:
  □ Поговори с сотрудником честно (скрипт разговора — ниже)
  □ Установи дату перехода (обычно конец месяца)
  □ Сохрани промпты и конфиги в ~/brain/memory/[role]-final/
  □ Начни готовить следующую роль к параллельной работе

Если CC проигрывает:
  □ Диагноз: задача неструктурированная / промпт плохой / контекста не хватает
  □ Вариант А: улучшить промпт и повторить на неделе 5
  □ Вариант Б: отложить эту роль, перейти к другой
  □ Не увольняй пока цифры не показывают очевидного преимущества

Decision matrix (как принять решение):

• Меняем точно: CC быстрее на >40% по среднему времени
• Меняем точно: CC требует <2 итераций на задачу (было 3+ у сотрудника)
• Меняем точно: стоимость токенов < 10% от зарплаты сотрудника за тот же объём
• Не меняем (пока): задачи неструктурированные — сотрудник «импровизирует» >50% времени
• Не меняем (пока): высокий стейк задач — ошибка стоит денег или репутации напрямую
• Не меняем (пока): CC требует >3 итераций на простую задачу — промпт нужно доработать

Скрипт честного разговора:

«Мы переходим на новую систему работы. Твои задачи автоматизированы через Claude.
 Я ценю твою работу, но бизнес меняется.
 [Вариант 1: Предлагаю X недель на поиск].
 [Вариант 2: Есть другой проект, где нужен человек — хочу предложить тебе]»

AI не заменяет всё. Вот пять ситуаций, где агент сделает хуже — и ты потеряешь деньги или людей.

Это не дисклеймер ради осторожности. Это честный список из личного опыта — задачи, где я пробовал агента и вернулся к человеку. Или задачи, которые принципиально не автоматизируются без потери качества.

1. Новая фича с нечёткими требованиями. Ситуация: «Хочу что-то вроде дашборда, но не знаю точно что». Почему не работает: CC оптимизирует под то, что написано в промпте. Если требования размытые — он сделает что-то, но не то, что ты хотел. Три итерации, пять переделок, ты теряешь время. Где нужен человек: продуктовый менеджер или разработчик, который задаёт вопросы, рисует wireframes, итеративно уточняет. До написания кода должна быть спецификация. Правило: CC работает с чётким ТЗ. Создание ТЗ — часто всё ещё человеческая работа.
2. Первый разговор с клиентом (высокий стейк). Ситуация: потенциальный клиент с капиталом $1M+ пишет в Telegram — хочет обсудить сервис. Почему не работает: агент может ответить технически правильно, но без интуиции и эмоционального чтения. Один неудачный ответ — лид уходит навсегда. Где нужен человек: первый касание с крупным клиентом — это всегда Тимур. Агент может готовить контекст (история переписки, профиль клиента, его позиции) — но отвечает человек. Правило: агент делает первичную сортировку, крупные лиды — эскалируются напрямую.
3. Кризисная коммуникация. Ситуация: что-то сломалось, клиент злится и пишет в Telegram в 23:00. Почему не работает: злой клиент — это эмоциональная ситуация. Шаблонный ответ агента («Принял, разберёмся») может усилить раздражение. Где нужен человек: кризисные ситуации требуют человеческой эмпатии и полномочий принимать решения («даю тебе месяц бесплатно за неудобство»). Агент не имеет таких полномочий — и правильно. Правило: агент создаёт тикет с пометкой [Urgent] и будит тебя — но отвечает ты.
4. Стратегические решения. Ситуация: «Стоит ли нам выходить в новый сегмент рынка?» Почему не работает: CC соберёт данные, построит модель, выдаст ответ. Но решение с весомыми последствиями нельзя делегировать агенту — он не несёт ответственность, не чувствует контекст и не знает то, что ты знаешь из неформальных разговоров. Где нужен человек: аналитика от CC (данные, модели, сценарии) — отлично. Но финальное решение — только ты. Правило: CC = research + моделирование. Решение = тебе.
5. Работа с личными данными клиентов (юридические риски). Ситуация: «Обработай эту таблицу с паспортными данными клиентов». Почему не работает: даже если технически CC справится, передача персональных данных через внешние API нарушает 152-ФЗ (и GDPR если есть иностранные клиенты). Это юридический риск, не технический. Где нужен человек: юрист + DPO (Data Protection Officer) для настройки правильного workflow. У Тимура для этого есть pdp-service. Правило: PII (персональные данные) → через локальный Claude API с сохранением в российской инфраструктуре, или через человека с NDA.

Базовый settings.json — конфиг permissions:

{
  "$schema": "https://raw.githubusercontent.com/anthropics/claude-code/main/schemas/settings.schema.json",
  "permissions": {
    "allow": [
      "Read",
      "Write",
      "Edit",
      "Bash(git *)",
      "Bash(python *)",
      "Bash(pip install *)",
      "Bash(npm *)",
      "Bash(psql * -c 'SELECT *')",
      "mcp__postgres__query",
      "mcp__filesystem__read_file",
      "mcp__filesystem__write_file",
      "mcp__linear__search_issues",
      "mcp__linear__create_issue",
      "mcp__linear__create_comment"
    ],
    "deny": [
      "Bash(rm -rf *)",
      "Bash(git push --force *)",
      "Bash(curl * -X DELETE *)",
      "mcp__postgres__execute(DROP *)",
      "mcp__postgres__execute(DELETE *)",
      "mcp__linear__delete_issue",
      "Read(.env)",
      "Read(.env.*)"
    ]
  }
}

• 250 000 ₽ — закрыта зарплата разработчика/дизайнера: backend за день вместо недели + визуал от Nano Banana Pro $20/мес
• 180 000 ₽ — закрыта зарплата аналитика: отчёт за 30 мин, ad-hoc SQL моментально, ноль вопросов к тебе
• 90 000 ₽ — закрыта зарплата копирайтера: стиль держится через memory-файл, 0–1 правки на пост
• 120 000 ₽ — закрыта зарплата ассистента/поддержки: 24/7 без выходных, Linear-тикеты автоматически
• 4 готовых prompt-template — копируешь, вставляешь, работает с первого раза
• 70 000 ₽/мес — весь стек (CC Max 5× + Nano Banana Pro + VPS + APIs)
• 9,1× экономия — 640 000 ÷ 70 000 = девятикратное сокращение ФОТ

Было 640 000 ₽ в месяц на четырёх людей. Это 7 680 000 ₽ в год. Стало 70 000 ₽ в месяц на весь стек — 840 000 ₽ в год. Разница: 6 840 000 ₽ в год. Это не «оптимизация» — это отдельный бизнес на сэкономленном.

Арифметика по часам: четыре сотрудника вместе давали ~640 рабочих часов в месяц (4 × 160). Claude Code работает 24/7 — это 720 часов в месяц только за рабочее время, плюс ещё ~720 часов ночей и выходных. За $120/мес. Одна сессия Claude Code Max 5× стоит те же $120 в месяц и закрывает весь этот объём.

Но самая честная цифра — не деньги, а время. Четыре человека в команде — это 4× больше встреч, 4× больше контекста, 4× больше согласований. Управление людьми само по себе стоит времени. С агентами — ты ставишь задачу и получаешь результат. Без «уточни требования», «я завтра посмотрю», «у меня сегодня перегруз». Это не AI заменил твою команду. Ты заменил. AI дал инструмент — промпты, стек, интеграции. Ты взял ответственность за результат на себя. Это разница.