Engineer-agent пишет код.

Growth-agent заранее думает, как это продавать.

QA-agent проверяет базовые сценарии.

Research-agent ищет конкурентов и сигналы спроса.

Главная идея: агент не должен просто “кодить”.

Он должен пройти полный цикл:

рынок → боль → ICP → конкурентный анализ → гипотеза → PRD → прототип → лендинг → демо → список следующих шагов.

7. Устанавливаем в Paperclip и Hermes пачку skills.

У меня это примерно 70 skills по разным направлениям:

— software development;
— frontend;
— backend;
— API design;
— database schema;
— auth;
— DevOps;
— testing;
— UI/UX;
— design systems;
— product discovery;
— PRD writing;
— JTBD;
— competitor research;
— landing page copy;
— SEO;
— growth loops;
— pricing;
— onboarding;
— analytics;
— fundraising narrative;
— SaaS unit economics;
— customer interview scripts;
— cold outreach;
— positioning;
— market mapping;
— MVP scoping.

Skills — это критически важная часть.

Без них агент часто ведет себя как умный, но хаотичный junior: что-то делает, но без процесса.

Со skills он начинает действовать по шаблонам: сначала исследование, потом критерии, потом требования, потом архитектура, потом реализация, потом проверка.

То есть мы не просто “просим AI сделать продукт”.

Мы даем ему операционную систему продуктовой разработки.

8. Даем системе цель.

Например:

“Самостоятельно искать перспективные B2B SaaS-ниши, где можно быстро собрать MVP, проверить спрос и потенциально выйти на первых платящих клиентов.

Для каждой ниши:
— найти боль;
— описать ICP;
— изучить конкурентов;
— сформулировать wedge;
— написать PRD;
— собрать прототип;
— сделать landing page;
— подготовить go-to-market план;
— оценить сложность разработки;
— дать рекомендацию: продолжать или убить идею.”

Важно не давать задачу в стиле “сделай что-нибудь классное”.

Нужно дать рамки.

Например:

— только B2B;
— только SaaS;
— только продукты, которые можно собрать за 1–3 недели;
— желательно с AI-компонентом;
— желательно с понятным buyer;
— без regulated industries;
— без marketplaces;
— без consumer social;
— без идей, где нужен огромный cold start.

Чем лучше ограничения, тем лучше результат.

9. Оставляем это работать на неделю.

Идея не в том, что через неделю у вас появится unicorn.

Идея в том, что через неделю у вас может быть не пустая папка с “когда-нибудь надо подумать”, а набор реальных артефактов:

— несколько найденных ниш;
— таблица с оценкой возможностей;
— конкурентный анализ;
— PRD по каждой идее;
— прототипы;
— лендинги;
— архитектурные заметки;
— TODO по развитию;
— список багов;
— список следующих фич;
— GTM-гипотезы;
— рекомендации, что стоит углублять.

То есть агенты не заменяют предпринимателя.

Но они радикально снижают стоимость первого прохода по идеям.

Раньше, чтобы проверить 10 SaaS-направлений, надо было либо нанимать команду, либо самому неделями сидеть в Figma, Cursor, Notion, GitHub, Vercel, Linear и Google Docs.

Теперь можно собрать маленькую AI-фабрику, которая делает первый черновой проход сама.

А дальше человек делает самое важное:

— выбирает;
— критикует;
— усиливает;
— убивает слабое;
— углубляет сильное;
— разговаривает с реальными клиентами;
— превращает игрушечный прототип в настоящий продукт.

10. Приходим через неделю и смотрим, что получилось.

Обычно там уже есть несколько SaaS-прототипов разной степени готовности.

Что-то будет мусором.

Что-то будет банальным.

Что-то будет технически кривым.

Но иногда среди этого появляется идея, на которую смотришь и думаешь:

“Хм. А вот это уже можно докрутить.”

И дальше начинается нормальная работа:

— выбираем один прототип;
— усиливаем позиционирование;
— переписываем требования;
— чистим код;
— добавляем нормальную архитектуру;
— выносим из экспериментального VPS;
— подключаем аналитику;
— делаем нормальный деплой;
— показываем первым пользователям;
— собираем фидбек;
— повторяем цикл.

Вывод простой.

AI agents — это не магия и не замена предпринимательскому мышлению.

Но это очень мощный leverage.