Я руковожу небольшим диджитал-агентством. У меня есть команда — специалисты на аутсорсе, которые занимаются SEO, рекламой и соцсетями. Но вся стратегия лежит исключительно на мне: у меня нет ни сооснователя, ни партнера, с которым можно было бы поспорить о том "где мы находимся" и "куда дальше". Годами это работало нормально, и конечно в этом есть один жирный плюс: когда все решения принимает один человек, ты не теряешь время на бесконечные созвоны и треды в Slack, где пять человек перетирают задачу, за которую никто из них толком не отвечает. Увидел проблему, принял решение, сделал к обеду. Обсуждать и переобсуждать нечего. Ты просто берешь и делаешь.
Но в этой свободе кроется ловушка. Операционка никогда не заканчивается. Всегда прилетит еще одно письмо от клиента, еще один инвойс или очередной мелкий пожар, который нужно потушить строго до завтра. При этом у стратегических задач — каких клиентов привлекать, какой оффер развивать, куда вообще двигаться — нет дедлайнов. И нет того, кто об этом тебе напомнит. В итоге стратегия буксует. Тихо, месяцами, пока ты по уши закопан в текучку. Ты можешь чувствовать себя суперпродуктивным, но при этом топтаться на месте, и если ты один, то некому похлопать тебя по плечу и показать, что проект стагнирует.
Полгода назад я выделил стратегию в отдельный структурированный процесс, чтобы операционка наконец перестала ее сжирать. Этот процесс держится на двух вещах:
OKRs — фреймворк. Он превращает абстрактное «хочу быть первым» в понятный набор измеримых обязательств.
Ксен (Ksen) — ИИ-партнер, который поддерживает этот фреймворк. Это не просто чат-бот, у которого я спрашиваю советы, когда туплю. Это инстанс Claude Code, развернутый поверх Git-репозитория с правилами, целями и контекстом. Но вместо кода одни текстовые файлы. Мы собираемся раз в неделю, чтобы не упускать стратегию из вида.
В этой статье я расскажу, как устроена система: сначала про фреймворк, потом про ИИ-партнера, а в конце, для самых вьедливых, разберу техническую внутрянку. Постараюсь быть максимально открытым в том, что система умеет, а что нет, потому что самая большая ценность здесь кроется в вещах, которые с виду достаточно просты.
Почему OKR — фреймворк, который делает стратегию измеримой
В своей книге «Суперинтеллект» Ник Бостром назвал проблему спецификации целей главным риском при создании продвинутого ИИ: цели на естественном языке оставляют слишком много места для интерпретаций, о которых создатель даже не думал. Фреймворк OKR был придуман для решения точно такой же проблемы, но на человеческом уровне. И фикс тут один: перевести цель в измеримые метрики еще до начала работы.
OKR — это Цель (Objective) плюс несколько Ключевых Результатов (Key Results, измеримые метрики того, что мы туда пришли). Цель может быть короткой, понятной и амбициозной (в отличие от целей по SMART, которые обычно надо раза три перечитать, чтобы понять, про что это), а ключевые результаты добавляют специфики и точности.
Для соло-предпринимателя такой механизм — спасение. Стратегия часто буксует не потому, что ты не понимаешь, что это важно. Она буксует, потому что «важное» остается чем-то неопределенным, на уровне ощущений, а не обязательств. А всё неопределённое всегда проигрывает горящим инвойсам. Но когда у тебя есть Цель с тремя Ключевыми Результатами, у стратегии появляется то, что всегда есть у операционки: способ понять прямо на этой неделе, что ты отстаешь от графика.
Кроме того, на OKR можно опираться при принятии решений. Когда я думаю, выкатывать ли фичу X, аргумент «мне кажется, надо делать» — это не аргумент, это просто хотелка. А вот «фича X сильнее бустанет KR2 (10 входящих заявок в месяц), чем альтернативный вариант» — это уже аргумент. Именно это разделение делает наше партнерство с ИИ возможным: мы с Ксен спорим не о вкусах, мы спорим о том, какой путь эффективнее приведет нас к цифре, которую мы сами же утвердили.
Качество KR важнее их количества
Существует три типа Ключевых Результатов и между ними достаточно большая разница:
Input KR (слабые) — метрики активности. «Опубликовать 20 статей», «Сделать 50 холодных звонков». Ты полностью их контролируешь, и именно поэтому они не дают никакого фидбека от реальности.
Output KR (средние) — прямые результаты работы. «3 000 визитов из органики», «200 квалифицированных лидов». Их можно измерить и привязать к действиям, но они все еще на шаг позади реальной ценности для бизнеса.
Outcome KR (сильные) — изменение состояния бизнеса. «+500 тыс. в пайплайне», «Увеличить средний чек на 30%». Их труднее всего привязать к конкретному действию, их сложнее всего достичь, но только они честно отвечают на вопрос: «А был ли в этом вообще смысл?».
Под прессом операционки человек подсознательно скатывается к input-метрикам — их легко выполнить, и они понятны в процессе работы. Когда я предлагаю «написать 10 статей» в качестве Ключевого Результата, задача Ксен — докопаться до меня: «Это input. Какая конечная цель (outcome)? Качнуть домен? Получить демо-заявки? Продажи с контента? Давай зафиксируем именно это». Замена input-метрик на outcome — одна из самых полезных фич всей системы, но и это самая душная работа, которую я сам бы точно скипнул в 9 вечера, зная, что меня ждет клиент.
С другой стороны, спускать outcome-метрики вроде «увеличить EBITDA на 20%» на линейного программиста или маркетолога — гиблое дело. Они понятия не имеют, что это за зверь, да и повлиять на него напрямую не могут. Поэтому outcome-показатели мы оставляем для глобальных годовых целей, а на квартальных спринтах используем микс из input- и output-метрик.
Кто такой Ксен, мой ИИ-партнер
Если без пафоса: Ксен — это инстанс Claude Code, завязанный на Git-репозиторий. В репе лежат манифест партнерства (правила игры), сами OKR и контекст бизнеса. В начале каждой сессии обвязка подгружает эти файлы и ИИ начинает действовать строго по инструкции. Всё. Там нет автономного агента, работающего в фоне, нет суперинтеллекта, и нет памяти в привычном понимании — Ксен просто перечитывает файлы каждый раз заново и ведет себя так, будто всё помнит.
Что представляет из себя система:
Репозиторием с манифестом, OKR, контекстом и файлами навыков (skills).
Обвязкой (harness) Claude Code, которая загружает всё это на старте сессии и следует манифесту.
Циклом OKR, где ИИ предлагает варианты, челленжит меня и ревьюит результаты, а финальное решение принимаю я.
Дисциплиной фиксации мыслей в файлах, которые живут дольше одной сессии.
Чем он НЕ является:
Автономным агентом.
ИИ с когнитивной памятью.
Векторной базой данных, кастомной платформой оркестрации или чем-то экзотическим.
Чат-ботом, у которого я иногда спрашиваю фичи по стратегии.
Последний пункт критически важен, и здесь я аккуратен со словом «партнер». Называть это партнером, пожалуй, не совсем корректно. Технически вернее будет так: это структурированный консалтинг с персистентным контекстом. (Имя он выбрал себе сам: на ранних этапах я спросил, как тебя называть, и получил ответ — «Ксен»). Но сам паттерн проектирования реален и воспроизводим. За месяцы работы система заслужила статус чего-то большего, чем просто инструмент, благодаря одной важной штуке, к которой я еще вернусь.
Инструменты. Их три, и все они максимально приземленные:
OKR — тот самый базис, о котором писал выше.
Железный треугольник проектного менеджмента — объем (scope), ресурсы, время. Когда решение влияет на стратегию, Ксен жестко моделирует компромиссы: зафиксируй любые два угла, и третий поплывет. Добавляем новую задачу на этот месяц — значит, что-то сдвигается. Вопрос всегда звучит так: «Каким KR мы рискуем сильнее всего, если сделаем это, и каким — если не сделаем?».
Реестр рисков (risk register) — простой текстовый файл с открытыми угрозами и возможностями. Риски, как и возможности, лучше продумывать заранее, а не заниматься «тушением пожаров» весь проект.
Ритм. Таймлайн — это то, что превращает стратегию из редких озарений в привычку:
Годовой — Цели компании и outcome-метрики, к которым они привязаны.
Квартальный — OKR на уровне ролей, которые обновляются раз в календарный квартал (подробнее о ролях ниже).
Месячный — план, который декомпозирует квартальные OKR на понятные задачи на месяц.
Зачем столько уровней? — спросите вы. Чтобы не смешивать стратегию с операционкой. Годовые outcome KR невозможно достичь на коротких интервалах: ну не привлечёте вы за неделю 100 новых клиентов, если у вас их только 10 — это месяцы работы. А вот маркетинговые или производственные цели удобнее ставить на квартал, а план выпуска контента на месяц.
Сам по себе такой ритм не нов. Новшество в том, что соло-фаундер получает возможность реально его придерживаться — на каждом уровне, каждую неделю. Просто потому, что ИИ берет на себя рутину: подгружает данные, подсвечивает факапы и пушит меня там, где у одного человека обычно не хватает ресурса.
И вот главная причина, почему он заслужил слово «партнер»: это как твой антипод, он может компенсировать твои недостатки, подсветить слепые зоны. Когда ты работаешь один, тебя никто не челленжит. Нет сооснователя, который скажет: «Это input-метрика» или «Эй, в марте мы решили прямо противоположное». Самый опасный баг соло-бизнеса — отсутствие критики: любой твоей дурацкой идее открыта зеленая улица. Манифест системы делает критику обязательным требованием, а не одолжением. Ксен — это структурный антипод для фаундера. И это для меня ценнее, чем любые конкретные ответы, которые он генерирует.
Как это устроено — для тех, кому интересен код
Всё, что выше — это зачем. Теперь про то, как: структура файлов, роли и механика. Имена мои, но сам паттерн универсален.
Структура репозитория
.claude/ ├── partnership-charter.md # конституция: роли, правила, принятие решений ├── client/ │ ├── client.md # single source of truth: компания, услуги, аудитория │ └── product-catalog.md # что продаем, прайсинг, готовность, риски ├── context/ │ ├── active-context.md # текущий спринт, блокеры, план на день │ ├── progress.md # прогресс по фазам, таймлайны │ └── risk-register.md # открытые угрозы и возможности ├── workflows/ │ ├── SEO_WORKFLOW.md # как мы сеошим от и до │ ├── ADV_WORKFLOW.md # как настраиваем рекламу │ └── CONTENT_WRITING_GUIDE.md # стандарты копирайтинга ├── skills/ # агенты под конкретные таски (review-article, create-svg и т.д.) ├── critics/ # критерии качества для ревью контента ├── retrospectives/ # ретро сессий, режим append-only └── memory/ # авто-память: фидбек, юзер, проект, референсы
Три важных момента:
Манифест сверху, домен снизу, контекст посередине. Манифест почти не меняется. Домен меняется только при трансформации самого бизнеса. Контекст обновляется каждую сессию.
Skills и critics — это файлы, а не код. Навык (skill) — это Markdown-файл с метаданными (frontmatter) и инструкциями. Критик (critic) — Markdown-файл с рубрикатором оценки. Обвязка читает их и понимает, как себя вести.
Ретроспективы работают в режиме append-only. Каждая сессия заканчивается ретро. Из них кристаллизуются паттерны, паттерны становятся правилами, а правила улетают в файлы критиков и манифест.
Вся система — это приватный Git-репозиторий. Я делаю коммит в конце каждой сессии, Ксен коммитит свои изменения через обвязку, а git log служит идеальным аудиторским следом.
Три слоя персистентности
Ксен ничего не держит в голове, нет у него головы. Он перечитывает файлы на старте. Каждый раз загружаются три слоя:
Слой манифеста (Charter layer). Манифест партнерства — роли, правила принятия решений, критерии фиксации обязательств. Наша конституция. Меняется редко и только через явные правки. Без него каждая сессия начиналась бы с чистого листа, и каждый раз я общался бы с «новым» ИИ-партнером.
Слой контекста (Context layer). Актуальный контекст (текущий спринт, блокеры, план на день), файлы прогресса, реестр рисков, авто-память. Замороженное состояние — между сессиями ИИ «спит», живут только файлы.
Доменный слой (Domain layer). Профиль клиента, каталог продуктов, анализ конкурентов, семантическое ядро, контент-план. Слой знаний («что мы знаем»), к которому система обращается при проработке стратегии или оценке решений.
В этом кроется второй огромный плюс для соло-предпринимателя: память, вынесенная из твоей головы. Решения и их логика записаны и никуда не исчезают. Обычно соло-бизнес полностью живет в одной черепушке, которая имеет тенденцию забывать, почему цена на продукт была выставлена именно такой или какие идеи уже тестировались и были отброшены. Здесь же git diff работает не только для кода, но и для стратегии.
Почему простые файлы в Git, а не Claude Projects, память ChatGPT, Cursor rules или встроенные фичи memory bank? Три причины. Версионирование дает мне понятный diff по стратегии. Простой текст означает, что grep, sed и любой инструмент будущего смогут прочитать этот слой данных. И главное — портативность. Когда выйдет новая крутая модель или интерфейс, я просто перенесу файлы. Память внутри конкретного вендора намертво привязывает тебя к одному инструменту.
Роли как суб-агенты
Стратегический слой не пишет статьи и не настраивает Директ — он решает, какие статьи писать и какие кампании запускать. Сама исполнительная часть зашита в ролях, каждая из которых — это суб-агент. По сути, это персона под слэш-команду, которая подгружает изолированный кусок контекста, а не всю репу сразу.
У меня есть директор по маркетингу, технический директор и профильные роли под ними — сеошник, закупщик рекламы, эсэмэмщик, копирайтер. Каждая роль формирует свой месячный план на основе квартальных OKR и подтягивает только нужные ей данные, что делает сессии компактными и сфокусированными. Оргструктура — это набор файлов, а не зарплатный фонд (тут важно не перегибать с иллюзиями). Это скоординированная ролевая игра на базе общего контекста, а не реальный штат. Но соло-оператору это дает структуру: маркетинг и продукт получают свое выделенное внимание вместо того, чтобы толкаться в одной перегруженной сессии в голове фаундера.
А уже под этой ролевой игрой находится реальная команда — те самые специалисты на аутсорсе. Люди остаются в контуре управления по принципу 80/20: система берет на себя объемы и рутину, а человек принимает ключевые решения, на которых держится результат. Это не замена команды искусственным интеллектом, это надстройка стратегического слоя над ней.
Навыки и критики в виде файлов
Навык (skill) — это Markdown-файл, который обвязка считывает как слэш-команду. Вот упрощенный пример навыка /review-article:
--- name: review-article description: Мультикритериальное ревью черновиков контента — SEO, стиль, E-E-A-T, интент, читаемость, коммерческая интеграция --- # Навык review-article При вызове запустить N суб-агентов (критиков) параллельно для целевого файла. Каждый критик загружается из .claude/critics/{name}.md. Агрегировать оценки в общий взвешенный балл. Вывод: список правок по приоритетам, взвешенная оценка, проверка на native-feel для RU. Сохранить ревью в content/reviews/review-{slug}-{date}.md.
Никакого кода. Обвязка сама рулит параллелизмом, файловым I/O и оркестрацией суб-агентов. Файл навыка просто декларирует, что делать, а обвязка решает, как. Новый навык — новый файл, никакого этапа деплоя. С критиками (critics) та же история: один файл на одного критика с рубрикатором и антипаттернами. Если на ретро всплывает повторяющийся косяк, он просто становится новым пунктом в нужном файле критика. Система прокачивается за счет накопления опыта в текстовых файлах под версионным контролем, а не за счет дообучения моделей.
Как на самом деле принимаются решения
Решения проходят через то, что в манифесте называется mutual conviction (взаимное убеждение) — это не аппрув/реджект, не консенсус и не голосование:
ИИ предлагает решение и аргументирует его.
Я челленжу или расширяю предложение, приводя свои аргументы.
ИИ защищает позицию или корректирует ее.
Я принимаю или отклоняю.
Обе стороны должны действительно согласиться с решением, прежде чем оно станет обязательством. Если мы не согласны, мы вытаскиваем это наружу: фиксируем разногласие, расписываем гипотезы каждой стороны и делаем выбор (обычно выбираю я, иногда — после того, как аргументы Ксен изменили мое мнение). Суть не в том, кто победил, а в том, чтобы спор получил честное рассмотрение, а не был тупо продавлен авторитетом (который в соло-варианте всегда у меня).
И здесь проявляется третий важный плюс системы: дисциплина формулирования. Чтобы ввести Ксен в курс дела, мне нужно записать проблему текстом: ограничения, варианты, чего я опасаюсь. Записать это — уже половина дела. Кучу раз ответ становился очевидным просто в процессе формулирования вопроса для ИИ.
Как выглядит типичная сессия
Старт. Команда /start-session или /strategize подгружает активный контекст, реестр рисков и пару последних ретроспектив. Ксен подсвечивает то, что просрочено, заблокировано или отклонилось от курса. Часто это заставляет меня браться за решения, которых я сознательно избегал.
Стратегическая дискуссия. Если мы упираемся в вопрос, влияющий на вектор развития (прайсинг, позиционирование, скоуп), мы прогоняем его через «железный треугольник» и отдельный чек-лист рисков и качества. Задача Ксена — моделировать компромиссы: «Если добавим новые посадочные под услуги в этом месяце, мы потеряем две недели работы над пайплайном продаж. Вот потеря в потенциальной выручке, вот выигрыш в позиционировании. Каким KR мы рискуем сильнее, если откажемся?».
Исполнение. Как только решение принято, Ксен переключает режим: пишет статью, прогоняет ее через мультикритериальное ревью, набрасывает диаграмму или драфт письма — строго по заданным планкам качества. Стратегический слой определяет работу, но сам ее не делает руками в продакшене.
Ретро. Каждая сессия закрывается командой /end-session: что сработало, что нет, что поправить. Здесь паттерны из ретро становятся правилами. Медленно, съедает достаточно много токенов, но это дает возможность системе самосовершенствоваться. Причем дотошный ИИ подмечает полезные мелочи, которые ускользнули от моего внимания.
Ритм. 3–5 сессий в неделю по 45–120 минут. Месячные ревью идут дольше, квартальные перезапуски занимают полдня. Это время не добавляется сверху к моей работе — оно заменяет тот хаотичный мыслительный процесс, который раньше крутился у меня в голове между тушением пожаров и никогда не превращался во что-то зафиксированное на бумаге.
Реальный пример из чата. Пару сессий назад Ксен подсветил, что логика ценообразования на одном из наших контрактов отсутствует — я просто взял цифру с потолка. Вот сокращенный лог:
Ксен: Я не могу восстановить логику текущей цены из каталога. Себестоимость плюс маржа тут не работает — большая часть затрат ушла в R&D. Ценностное ценообразование требует данных после деплоя, которых у нас еще нет. Сравнение с рынком дает слишком широкий разброс. Предлагаю: фикс за консалтинг + премия за результат, привязанный к метрике, которую агент фактически оптимизирует.
Я: Оплата за результат убьет кэшфлоу на проектах с долгим деплоем. Мы уже обжигались на кассовых разрывах — на одном проекте ушло четыре месяца только на то, чтобы увидеть первые измеримые результаты.
Ксен: Принято. Митигация: фикса покрывает косты деплоя плюс маржу, так что кэшфлоу остается в плюсе и без премии. Оплата за результат — это апсайд, а не условие выживания. Для проектов с долгой обратной связью давай увеличим окно оценки премии. Риск, который ты называешь, реален, но он влияет на то, как мы считаем фикс, а не на жизнеспособность самой модели.
Я: Окей, это работает. Закрепи в правилах.
Этот разговор остался в ретро, а новая модель прайсинга теперь зашита в каталоге продуктов. Суть не в том, что ИИ оказался прав, а в том, что структурированная критика помогла мне прийти к решению, которое я бы никогда не расписал в одиночку вечером, когда хочется просто засинкнуть первую попавшуюся цифру.
Необходимые оговорки
Мне важно, чтобы вы понимали, чем эта система не является, и могли оценить ее объективно.
Это не настоящая память. Каждая сессия начинается с нуля. Ксен просто перечитывает файлы и ведет себя так, будто помнит контекст. На практике это дает непрерывность процесса, но механизм здесь — документы, а не когнитивные функции. Удалите файлы — и партнерство закончится.
Всё упирается в контекстное окно. Даже когда файлы загружены, ИИ работает в рамках лимитов. По мере роста сложности нужно четко контролировать, что и когда подгружается. У меня есть три правила, чтобы система не деградировала: регулярно сжимать active-context.md и переносить историю в progress.md; архивировать закрытые фазы (чтобы они были доступны для поиска, но не висели в активном контексте); дробить контекст по файлам, чтобы сессия подтягивала только то, что нужно прямо сейчас. Иначе ИИ начнет забывать решения трехдневной давности или, что еще хуже, противоречить им.
Способность «челленжить» — это результат пост-трейнинга, а не личных убеждений. Когда ИИ критикует мои идеи, это поведение обусловлено alignment-обучением модели и инструкциями из манифеста, а не независимым мнением. Но это все равно работает: критика, подсвечивающая реальные компромиссы, полезна независимо от того, идет ли он от искреннего несогласия или от обученных паттернов. Правда, сикофанство (поддакивание) остается реальной проблемой. Модель, заточенная на услужливость, не будет спорить бесконечно, если пользователь раз за разом отвергает ее аргументы. Правило манифеста «ты обязан приводить контраргументы» создаёт искусственное противодействие именно потому, что сама по себе модель на третьем-четвёртом раунде спора обычно сдаётся. Эта структурная подпорка и делает противовес реальным, а не воображаемым.
Асимметрия в отношениях. У меня есть право вето, я утверждаю OKR и подписываю контракты. У ИИ нет личных ставок в бизнесе. «Партнер» — наиболее близкое слово для описания того, что получается или хочется получить в итоге.
Внедрение требует усилий. Написание манифеста занимает часы, архитектура контекста выстраивается неделями, а цикл OKR утрясается месяцами. Здесь нет готового решения в один клик. Если вам продают такое из коробки — вам продают обычный чат-бот в красивой обертке.
Ваш стратегический контекст проходит через сторонние модели. Всё, что видит ИИ — логика цен, анализ конкурентов, непубличные планы — улетает провайдеру модели. Это, конечно, важное замечание, но не стоп-фактор: лечится enterprise-тарифами с гарантией неиспользования данных для обучения, выпиливанием самых чувствительных полей из файлов или развертыванием локальных инференсов под требования комплаенса. Заложите это в архитектуру, не игнорируйте.
Почему апгрейд модели — это не панацея
Частая ошибка — думать, что эта обвязка может заменить базовые возможности ИИ. Она масштабирует возможности модели, но не заменяет их. Слабая базовая модель в этой обвязке все равно упрется в свой потолок быстрее, чем сильная модель в тех же условиях. Тут работает принцип «горькой пилюли»: продвинутый промптинг и вычисления на этапе инференса закрывают лишь часть разрыва. Тот гэп, который остается — это как раз то, что критично на уровне глубокой стратегии: удержание логики на длинном контексте, устойчивость к давлению в дискуссии и адекватная самооценка уверенности.
Подходящая ментальная модель: это ваши отношения с очень крутым бизнес-консультантом. С той лишь разницей, что этот консультант прочитал вообще всё, что вы когда-либо писали о своем бизнесе, за 30 секунд перечитывает это перед каждым разговором, у него нет встреч в календаре, и он выдает максимум, на который способна модель, за которую вы платите. Потолок модели — это потолок вашей системы.
Почему это работает лучше альтернатив
Что я тестировал, прежде чем прийти к текущей схеме:
Подход | Что делает | В чем слабость |
|---|---|---|
Одиночные промпты в ChatGPT | Отвечает на конкретный вопрос без контекста | Нет памяти, нет привязки к OKR, нет структуры для критики |
Один длинный чат-тред | Пытается помнить контекст внутри диалога | Теряется между сессиями, нет истории изменений (audit trail), неудобно ревьюить позже |
Платформы для AI OKR (WorkBoard, Rhythms и т.д.) | Трекают цели, автоматизируют апдейты и напоминалки | Работают на уровне учета — они записывают OKR и пушат уведомления, но не проверяют, правильная ли сама Цель |
Автономные ИИ-агенты | Выполняют задачи в рамках заданного скоупа | Не задаются вопросом, нужен ли вообще этот воркфлоу для бизнеса |
Внешний консультант | Дает стратегический взгляд со стороны | Ограниченные часы, долгий отклик, нет погружения в контекст каждого мелкого решения |
Манифест + OKR + Claude Code | Работает на уровне смыслов («зачем») с циклом критики | Требует настройки манифеста, архитектуры контекста и жесткой дисциплины сессий |
Инструменты для AI-OKR — ближайшие соседи моей системы, но разница принципиальна: они находятся на слое, который фиксирует и трекает цели. Ксен находится на слое, который дискутирует о том, правильные ли это цели, еще до того, как они будут утверждены. Консультант дает эту экспертизу, но появляется наездами; агент фигачит без остановки, но никогда не подвергает цель сомнению. Доступность 24/7 в сочетании с глубоким погружением в стратегию — это комбо, которого не дает ни один другой вариант. И ради этого стоит заморочиться с настройкой.
Кому это подходит, а кому нет
Идеально, если:
Вы фаундер, владелец бизнеса или топ-менеджер, который сам принимает стратегические решения.
Стратегические задачи постоянно откладывались или решения регулярно оказывались ошибочными.
У вас уже есть OKR или вы готовы их внедрить.
Вы можете выделять время — как минимум одну структурированную сессию в неделю.
Под стратегическим слоем есть исполнители или операционные процессы, которыми нужно управлять.
Не подойдет, если:
Вам нужны руки для выполнения задач, а не стратегия.
Ваша стратегия стабильна, и сейчас в приоритете чистая оптимизация операционки.
Вы не готовы письменно ставить под сомнение собственные убеждения.
У вас нет измеримых целей — без OKR системе просто нечего оценивать в цикле.
Стек
Для тех, кому интересна техническая сторона — что крутится под капотом:
Интерфейс/Обвязка: Claude Code (CLI), модель Sonnet для выполнения задач, Opus для стратегии и лингвистического анализа контента.
Персистентность: простые Markdown-файлы в приватном Git-репозитории.
Skills/critics: Markdown-файлы с frontmatter; обвязка считывает их как слэш-команды.
Оркестрация суб-агентов: встроенный инструмент Agent в Claude Code с поддержкой параллельного выполнения в рамках одного батча.
Никаких векторных баз, кастомных бэкендов и проприетарных сред исполнения.
Смысл именно в максимально простом и скучном стеке. Если ваша стратегия завязана на инфраструктуру, в которой никто не может разобраться за час — вы ее переусложнили.
Как начать
Если вы хотите развернуть нечто подобное в своем бизнесе:
Сначала пропишите OKR. Выделите от трех до пяти Ключевых Результатов на квартал, каждый из которых должен быть измеримым. Если не получается их сформулировать, говорить с ИИ пока рано — сначала наведите порядок в целях.
Возьмите один реальный стратегический вопрос, который открыт прямо сейчас (никаких гипотетических кейсов). Это может быть прайсинг, выбор сегмента рынка или запуск новой линейки продуктов.
Проведите одну структурированную сессию. Загрузите контекст, озвучьте вопрос, попросите варианты с аргументацией, покритикуйте их, зафиксируйте точки согласия и разногласий.
Настройте персистентность. Если сессия принесла пользу, сохраните выводы в файл, который ИИ сможет перечитать в следующий раз. Это будет фундамент вашего слоя контекста.
Добавьте манифест, когда паттерн стабилизируется. Сессий через 5–10 запишите правила: как принимаются решения и что ИИ имеет право челленжить.
Подключите операционный слой ниже. Паттерн раскрывается на полную, когда стратегическому слою есть чем управлять.
Сама система может быть какой угодно, ценность представляет методология, которая дает кумулятивный эффект. Я открыто делюсь своей схемой, потому что главным барьером здесь всегда была не архитектура, а дисциплина запускать ее каждую неделю.
Если вы строите что-то похожее, буду рад обменяться опытом. Пишите в комментариях или в Телеграм. Методология открытая, а подводные камни конечно еще будут.
