Человек, который не умеет писать код, в одиночку справился со всем ростом маркетинга Anthropic в течение десяти месяцев

Искусственный интеллект действительно может значительно повысить эффективность работы человека.

Недавно в социальных сетях распространилась статья о компании Anthropic. Автор поста Ole Lehmann заявил, что у компании стоимостью 380 миллиардов долларов полностью самостоятельной командой маркетинга роста является всего один человек — маркетолог без технического образования, который самостоятельно занимается платным поиском, платными соцсетями, оптимизацией в магазинах приложений, email-маркетингом и SEO, уже почти десять месяцев.

После публикации поста в комментариях возникли сомнения, но вскоре сам автор подтвердил: его имя Austin Lau — единственный специалист по маркетингу роста, который в течение почти десяти месяцев справлялся один.

Источник: X

В конце января этого года Anthropic опубликовала официальное кейс-исследование, подробно описывающее работу Austin Lau. В тот же период вышел внутренний белый документ «Как команда Anthropic использует Claude Code», в котором описаны кейсы использования внутри десяти команд, включая инфраструктуру данных, юридический отдел и другие. Маркетинг роста — один из них.

В белом документе говорится: команда маркетинга роста сосредоточена на платном поиске, платных соцсетях, мобильных приложениях, email-маркетинге и SEO, — это «нетехническая команда из одного человека», которая использует Claude Code для автоматизации повторяющихся задач, создавая автоматизированные рабочие процессы, обычно требующие значительных инженерных ресурсов.

Источник: Anthropic

Austin Lau — не инженер. В видео кейсе Anthropic он рассказал, что «никогда не писал ни одной строки кода». Когда он впервые начал работать с Claude Code, ему даже приходилось искать в Google, как открыть терминал на Mac. В момент запуска Claude Code его первое впечатление было: «Я вообще не понимал, для кого этот продукт». Как маркетолог, он считал, что его применение неочевидно.

Перелом произошел, когда в корпоративном Slack-канале коллега поделился руководством по установке Claude Code для нетехнических сотрудников. Austin заинтересовался и установил его. Спустя неделю он создал две полностью автоматизированные системы, которые кардинально изменили его работу.

Первая — плагин для Figma. Для платной рекламы в соцсетях и маркетинга в магазинах приложений нужно было обрабатывать множество визуальных материалов. Раньше он делал так: при создании вариаций дизайна копировал рамки в Figma, переключался между Google Документами и Figma, постоянно копируя и вставляя заголовки. Если нужно было подготовить 10 вариантов текста для 5 разных соотношений сторон, это могло занимать полчаса.

Источник: Austin Lau (Anthropic)

Он описал проблему Claude Code, попросив его написать плагин для Figma. В процессе он использовал документацию API Figma, исследовал и создавал прототипы. Первая версия получилась неидеальной, но как старт она подошла. Он доработал её, и в итоге создал рабочий плагин.

Источник: Anthropic

Работает он так: выбираешь статический фрейм с изображением, плагин автоматически распознает заголовки, кнопки призыва к действию, блоки кода и другие компоненты, затем из подготовленного списка текстов массово генерирует отдельные фреймы в Figma, каждый с новым текстом. За один раз можно создать до 100 вариантов рекламы, обработка занимает около половины секунды. Раньше — ручная работа за полчаса — теперь всё делается за 30 секунд.

Вторая автоматизация — рабочий процесс для генерации рекламных текстов в Google Ads. В ответственных объявлениях Google есть строгие ограничения по символам: заголовки — максимум 30 символов, описания — 90. Раньше он писал черновики в Google Таблицах, проверял длину и вручную вставлял их в Google Ads.

Austin создал в Claude Code команду /rsa, которая запрашивает ввод данных для кампании, текущих текстов объявлений и ключевых слов, а затем использует заранее настроенные «навыки агента» — брендовые стандарты Anthropic, правила точности продукта и лучшие практики Google Ads RSA.

Система использует двух специализированных суб-агентов: один пишет заголовки, другой — описания, — каждый внутри своих ограничений по символам, что значительно повышает качество по сравнению с одним общим подсказом.

В итоге Claude Code собирает 15 заголовков и 4 описания в CSV-файл, готовый к загрузке в Google Ads. Austin подчеркивает: созданные тексты — лишь отправная точка. Он оценивает их по ценностным предложениям, тону, отличиям от конкурентов. Но рутинная работа по созданию и форматированию черновиков полностью автоматизирована.

Эти два рабочих процесса уже значительно повышают эффективность, но Austin не останавливается. Он создал сервер MCP (Model Context Protocol), подключенный к API Meta Ads.

Интеграция позволяет ему прямо в Claude отслеживать показатели рекламы, расходы и эффективность, не заходя в интерфейс Meta Ads. Можно спросить: «Какие объявления показывают лучший конверсионный показатель?» или «Где я тратил зря бюджет?» — и получать ответы в реальном времени.

Еще важнее — система замыкается на обратную связь. Austin создал систему памяти, которая фиксирует гипотезы и результаты экспериментов по каждой итерации рекламы. Перед запуском новых вариантов Claude автоматически использует прошлые данные, чтобы улучшить качество генерации. Такой систематический подход к тестированию сотен объявлений обычно требуют отдельного аналитика.

Из белого документа Anthropic видно: благодаря такому подходу создание рекламных текстов сокращается с 2 часов до 15 минут, а объем креативов — в 10 раз. Один маркетолог тестирует больше вариантов и охватывает больше каналов, чем большинство команд.

В белом документе маркетинг роста — лишь один из десяти кейсов. Например, команда инфраструктуры данных использует Claude Code для устранения сбоев в Kubernetes за считанные минуты; команда по логике — без ML-опыта использует его для понимания моделей и их настроек, сокращая время поиска документации с часа до 10–20 минут; команда дизайна использует Claude Code для правки фронтенда, а юристы — для быстрого создания приложений с предсказанием текста для людей с языковыми барьерами, не имея при этом опыта программирования.

Различия в подходах между техническими и нетехническими командами очевидны, но вывод один: Claude Code стирает границы между «что можно сделать» и «что нельзя», — границы, которые раньше определялись только уровнем технических навыков.

Austin Lau подытожил: «Разница между желанием, чтобы что-то существовало, и возможностью сделать это своими руками, гораздо меньше, чем думают большинство».

Конечно, стоит отметить, что growth marketing — это не весь GTM. У Anthropic есть полноценная команда по брендингу, продуктам и коммуникациям. Austin Lau занимается именно результативным маркетингом: платной рекламой, оптимизацией в магазинах приложений, SEO.

В феврале этого года Anthropic запустила телевизную рекламу на Супербоуле — это уже не один человек мог бы сделать. В его рабочие процессы входит создание текстов и брендовых активов, которые изначально разрабатываются командой маркетинга и копирайтинга, а Claude помогает масштабировать их создание и тестирование.

Недавно в LinkedIn Austin добавил некоторые детали. Он отметил, что статья, которая широко распространилась, описывает его опыт как единственного специалиста по маркетингу роста во втором квартале 2025 года — это почти 8 месяцев назад. Позже команда расширилась, хотя и в меньших масштабах, чем предполагает общественное мнение. По его словам: «Наша боеспособность гораздо выше, чем наши численность».

Даже при этом сигнал очевиден: компания с оценкой 380 миллиардов долларов, годовым доходом 14 миллиардов и быстрым ростом, позволила маркетологу без опыта программирования управлять ключевыми каналами роста в течение десяти месяцев — и результаты впечатляют. Это уже доказывает, что потенциал AI для расширения возможностей специалистов по знаниям может быть гораздо выше, чем предполагает существующая организационная структура и привычки найма.

Пока неясно, насколько широко эта модель может быть воспроизведена. Growth marketing — это очень data-driven, процессно-ориентированная и API-дружелюбная сфера, идеально подходящая для автоматизации. В областях, требующих больше межличностных навыков или креативных интуиций, ситуация может быть иной.

В конце раздела о росте в белом документе Anthropic даны три совета: автоматизировать повторяющиеся задачи через API; разбивать сложные процессы на отдельные суб-агенты, а не пытаться охватить всё одним подсказом; перед написанием кода тщательно продумывать общий дизайн процесса в Claude. Эти рекомендации подчеркивают: узкое место в эффективности зачастую не в технических возможностях, а в готовности потратить время на разбор своих рабочих потоков и делегировать части, которые может взять на себя машина.