Людина, яка не вміє писати код, самостійно тримала весь ріст маркетингу Anthropic протягом десяти місяців

AI нарешті може значно підвищити ефективність роботи окремої людини?

Останнім часом у соціальних мережах поширилася стаття про Anthropic. Автор посту Ole Lehmann стверджує, що у компанії з оцінкою 380 мільярдів доларів весь зростаючий маркетинговий відділ складається лише з одного не технічного маркетолога, який самостійно керує платним пошуком, платними соцмережами, оптимізацією в магазинах додатків, email-маркетингом і SEO вже майже десять місяців.

Після публікації посту його почали критикувати у коментарях, але незабаром сам учасник підтвердив цю інформацію. Цей маркетолог на ім’я Austin Lau відповів, що під час написання статті він був єдиним, хто займався зростаючим маркетингом, і працював один майже десять місяців.

Графік: відповідний твіт (джерело: X)

У січні цього року Anthropic опублікувала офіційне дослідження випадку, де детально описано роботу Austin Lau. Водночас компанія випустила внутрішню білі книгу під назвою «Як команда Anthropic використовує Claude Code», яка охоплює кейси десяти команд, включаючи інфраструктуру даних і юридичний відділ, зокрема й зростаючий маркетинг.

У білій книзі зазначено: команда зростаючого маркетингу зосереджена на платному пошуку, платних соцмережах, мобільних магазинах додатків, email-маркетингу та SEO і є «не технічною одноосібною командою», яка використовує Claude Code для автоматизації повторюваних маркетингових завдань, створюючи автоматизовані робочі процеси, що зазвичай потребують багато інженерних ресурсів.

(Джерело: Anthropic)

Austin Lau не є інженером. У відео кейсу Anthropic він сказав, що «ніколи не писав жодного рядка коду». Коли він вперше почав працювати з Claude Code, йому навіть доводилося шукати в Google, як відкрити термінал на Mac. Після запуску Claude Code його перша реакція була: «Я зовсім не розумів, для кого цей продукт». Як маркетолог, він вважав, що застосування не очевидне.

Переломний момент настав, коли в корпоративному Slack-каналі колега поділився посібником з встановлення Claude Code для не технічних співробітників. Зацікавившись, Austin встановив його, і через тиждень створив дві автоматизації, які кардинально змінили його спосіб роботи.

Перша — плагін для Figma. Для платної реклами у соцмережах і маркетингу в магазинах додатків потрібно обробляти багато візуальних матеріалів у Figma. Раніше процес був такий: щоб створити кілька варіантів тексту для одного дизайну, потрібно було вручну копіювати рамки у Figma, постійно перемикаючись між Google Документами і Figma, копіюючи та вставляючи заголовки. Якщо потрібно було адаптувати 10 варіантів тексту під 5 різних співвідношень сторін, це легко займало півгодини.

Графік: Austin Lau (джерело: Anthropic)

Він описав цю проблему природною мовою Claude Code, щоб той допоміг написати плагін для Figma. Під час роботи він посилався на API-документацію Figma, досліджуючи і створюючи прототип. Перша версія була не ідеальною, але достатньою для старту. На її основі він постійно налаштовував і вдосконалював плагін, і в підсумку отримав робочий інструмент.

(Джерело: Anthropic)

Робота плагіна полягає в тому, що він автоматично розпізнає компоненти у статичному зображенні — заголовки, кнопки заклику до дії, блоки коду тощо — і з готового списку текстів масово генерує окремі рамки у Figma, кожна з яких містить свій варіант. Одночасно можна обробити до 100 оголошень за півсекунди. Раніше цю роботу доводилося робити вручну за 30 хвилин, тепер — за 30 секунд.

Друга автоматизація — workflow для створення рекламних текстів у Google Ads. Відповідні пошукові оголошення мають суворі обмеження по символах: заголовок — до 30 символів, опис — до 90. Раніше він писав чернетки у Google Таблицях, перевіряв кількість символів і потім вручну вставляв у Google Ads.

Austin створив у Claude Code команду з префіксом «/rsa», яка при запуску запитує дані для кампанії, існуючі тексти оголошень і ключові слова, а потім автоматично використовує «навыки агентів» — внутрішні стандарти Anthropic, що включають бренд-стиль, точність продукту і кращі практики для RSA в Google Ads.

Система використовує двох спеціалізованих підагентів: один для написання заголовків, інший — для описів. Вони працюють у межах своїх обмежень по символах і дають кращу якість, ніж якщо об’єднати обидві задачі в один запит.

В результаті Claude Code формує CSV-файл з 15 заголовками і 4 описами, готовий до завантаження у Google Ads. Austin підкреслює, що створені тексти — лише початок. Він оцінює їх по цінності, відповідності тону, відмінності від конкурентів. Але при цьому рутина з генерації і форматування зведена до мінімуму.

Обидва workflow вже суттєво підвищили продуктивність, але Austin не зупиняється. Він побудував сервер MCP (Model Context Protocol), що підключений до API Meta Ads.

З його допомогою він може прямо у клієнтському додатку Claude дивитися результати рекламних кампаній, витрати і ефективність — без відкриття панелі Meta Ads. «Які оголошення мають найвищий коефіцієнт конверсії?», «Де я витратив зайві гроші?» — можна запитати Claude і отримати миттєву відповідь.

Ще важливіше — закритий цикл. Austin створив систему пам’яті, яка зберігає гіпотези і результати експериментів у кожній ітерації. Перед новим запуском Claude автоматично використовує всі попередні дані, щоб визначити, які тексти працюють краще, а які — ні. Це дозволяє кожен раз покращувати результати. Така систематична робота з сотнями оголошень зазвичай потребує окремого аналітика.

Згідно з білію Anthropic, результати — зменшення часу створення рекламних текстів з 2 годин до 15 хвилин, збільшення кількості ідей у 10 разів, а один маркетолог тестує більше варіантів і охоплює більше каналів, ніж більшість цілісних команд.

У цій білій книзі зростаючий маркетинг — лише один із десяти кейсів. Інші — наприклад, команда з інфраструктури даних використовує Claude Code для налагодження Kubernetes, вирішуючи проблеми за кілька хвилин без залучення спеціалістів; команда з аналітики без ML-експертів використовує його для розуміння моделей і налаштувань, зменшуючи час пошуку документації з години до 10-20 хвилин; команда продуктового дизайну редагує фронтенд-код, а юристи створюють додатки для допомоги людям з мовними бар’єрами всього за годину, не маючи досвіду програмування.

Різниця у застосуванні між технічними і нетехнічними командами очевидна, але висновок один: Claude Code руйнує межу між тим, що можливо, і тим, що ні, і ця межа раніше залежала майже виключно від технічних навичок.

Austin Lau підсумовує у своєму кейсі: «Різниця між тим, щоб хотіти щось створити, і тим, щоб зробити це власноруч, — значно менша, ніж багато хто думає».

Звісно, слід зазначити, що growth marketing — це не вся стратегія виходу на ринок (GTM). У Anthropic є цілісний бренд, продукт і команда комунікацій, а Austin Lau відповідає за ефективний маркетинг — платний трафік, оптимізацію в магазинах додатків, SEO.

У лютому цього року Anthropic запустила телевізійну рекламу на Супербоулі, що явно не міг зробити один маркетолог. Вихідні матеріали і брендова стратегія спершу створювалися командою маркетингу і копірайтерами, а Claude вже використовувався для генерації варіантів і масштабних тестів.

Недавно Austin додав у LinkedIn додатковий контекст. Він зазначив, що стаття, яка широко поширилася, описує його досвід як єдиного маркетолога у другому кварталі 2025 року — і це вже майже 8 місяців тому. Команда згодом розширилася, хоча й залишилася невеликою — за його словами, «наша ефективність значно перевищує кількість людей».

Навіть за таких умов сигнал дуже сильний. Компанія з оцінкою 380 мільярдів доларів і річним доходом 14 мільярдів, яка на піку швидкості зростання, дозволила одному маркетологу без досвіду програмування керувати ключовими каналами протягом десяти місяців — і результати були хорошими. Це вже доводить, що потенціал AI для масштабування можливостей знаннєвої праці може бути значно більшим, ніж вважає сучасна організаційна структура і звички найму.

Питання лише в тому, наскільки широко цю модель можна повторити. Growth marketing — високодатний, процесний, API-дружній напрямок, тому автоматизація тут цілком можлива. В інших сферах, що вимагають більше людського судження або інтуїції, ситуація може бути зовсім іншою.

У кінці білі книги Anthropic у розділі про зростаючий маркетинг наведено три рекомендації: автоматизувати повторювані процеси через API; розбивати складні процеси на кілька спеціалізованих підагентів, а не намагатися все зробити одним запитом; перед написанням коду ретельно продумати загальну схему роботи у Claude. Це підкреслює, що основний бар’єр для підвищення ефективності — не технології, а бажання витратити час на чітке розбиття робочих процесів і делегування частини роботи машині.