Claude Code предлагает считать не использование AI, а устранённую работу

· 6 минут чтения · Любовь Черемисина · Anthropic MCP Маркетинг и аналитика

17 июля 2026 Борис Черный, создатель Claude Code, предложил оценивать корпоративное внедрение AI не по числу пользователей, токенов или запросов. Эти показатели отражают активность, но не возврат инвестиций. Полезнее спросить: какую работу агент выполнил вместо сотрудника и сколько регулярного обслуживания он снял с команды.

Весы вместо счётчиков токенов взвешивают стопки выполненных задач — метафора ROI через устранённую работу в Claude Code

Что изменилось

17 июля 2026 Business Insider описала четырёхшаговый фреймворк корпоративного внедрения AI от Бориса Черного — создателя Claude Code.

На третьем шаге — измерение отдачи — Черный разделяет активность и возврат. Дашборд с числом пользователей, сожжённых токенов или запросов полезен как сигнал вовлечённости, но не отвечает на вопрос руководства: «Окупились ли инвестиции?»

Его формулировка проще: стоит ли компания потратила бы инженерные или аналитические часы на эту задачу без AI? Если да — сколько и по какой ставке? Это и есть возврат. Ещё один слой — когда агент не только выполняет разовую задачу, но и берёт на себя регулярные исправления и обслуживание, освобождая команду для работы, которой раньше «не было места в календаре».

Это не релиз новой кнопки в Claude Code. Это смена оптики, которую создатель инструмента явно озвучил на фоне разговора индустрии о «tokenmaxxing» и растущих счетах за модели.

Почему это важно для бизнеса

Маркетинг и аналитика уже годами живут с похожей ловушкой: объём отчётов ≠ экономия. Команда может запустить сотню промптов, подключить десять MCP-инструментов и сгенерировать пять презентаций — и при этом тратить столько же часов на проверку, переделку и согласование.

Принцип Черного напрямую переносится на маркетинговые процессы. Количество созданных отчётов, промптов и запусков инструментов ещё не означает экономического эффекта. Сильнее работают метрики эффективности AI, привязанные к устранённой работе:

  • часы аналитика, которые удалось высвободить без потери качества решений;
  • аномалии в Метрике или Roistat, обнаруженные раньше, чем их заметил человек;
  • задачи, выполненные без ручной выгрузки в таблицы;
  • стоимость одного принятого отчёта — затраты на модели и проверку ÷ число отчётов, которые команда реально использовала;
  • количество возвращённых лидов или сделок, где AI снял подготовительный этап, а не только «написал текст».

Черный отдельно подчёркивает второй порядок эффекта: когда поддержка и исправления уходят в фон, команда начинает делать то, что раньше казалось «слишком дорогим» — новые гипотезы, сегментации, эксперименты. Для маркетинга это ближе к «наконец добрались до стратегии», а не к «ещё один AI-отчёт в папке».

Что меняется для маркетинга

  1. Еженедельная аналитика. Вместо «сколько раз агент ходил в Метрику» — сколько часов ручной сборки дашборда исчезло и сколько решений принято без переделки.
  2. MCP-агенты с коннекторами. С MCP Panel и пошаговой сменой инструментов имеет смысл считать не число обращений к инструментам, а задачи, закрытые end-to-end — от выгрузки до готового вывода в CRM или презентации.
  3. Бюджет на модели. Сравнивать счёт за API с стоимостью часа специалиста, который больше не делает рутину — и явно вычитать время на проверку и правки.
  4. Отчётность для руководства. Один слайд «usage up 40%» заменить на «12 часов аналитики в месяц перенесены на гипотезы; 3 отчёта приняты без переделки».

Важная оговорка из логики Черного: не засчитывать работу, которую сотруднику пришлось практически переделывать заново. Иначе метрика превращается в самообман — красивый дашборд активности при растущей нагрузке на ревью.

Мой вывод

Индустрия выходит из фазы «главное — чтобы все пользовались AI». Следующий барьер — доказать, какую регулярную работу AI реально снял.

Для вашего бизнеса с MCP Panel это означает: на каждый пилот с Метрикой, Roistat или CRM сразу заводите таблицу «было / стало / переделали». Не спрашивайте «сколько токенов сожгли», спрашивайте «какой еженедельный ритуал исчез или стал в два раза короче — и остался ли результат пригодным без переписывания с нуля».

Что проверить сейчас

Выберите один повторяемый процесс — например, еженедельный анализ Яндекс Метрики и Roistat — и четыре недели считайте:

  1. стоимость моделей и времени проверки за неделю;
  2. количество часов ручной работы, которую действительно удалось исключить;
  3. долю отчётов, принятых без существенной переделки.

Формула пилота: (затраты на AI + часы ревью × ставка) ÷ часы снятой ручной работы. Не учитывайте результаты, которые аналитик переписывал почти полностью — они относятся к стоимости эксперимента, а не к возврату. Если после месяца знаменатель близок к нулю, проблема не в «дорогих моделях», а в процессе или качестве данных — и это тоже полезный управленческий вывод.

Источники

← Все новости AI и MCP