Anthropic за 14 місяців збільшила дохід з $1 млрд до $19 млрд — один із найшвидших ривків у історії технологічного бізнесу. Ключову роль у цьому зіграла growth-команда, яка системно використовує Claude Code як інструмент для автоматизації, експериментів і прийняття рішень. На основі розбору їхніх публічних матеріалів, який провів автор каналу Austin Marchese, вимальовуються чотири базові, але нетехнічні стратегії, що можуть бути корисними будь-якій компанії чи індивідуальному фаундеру.
1. Автоматизація «аналітичної» рутини замість найму ще одного аналітика
У growth-команди Anthropic є принцип: значну частину звичних підходів до роботи доводиться «викинути у вікно». Це стосується насамперед рутинних, але важливих завдань — звітності, варіацій креативів, базового аналізу.
Один із лідерів зростання, Austin Lau, показовий приклад нетехнічного спеціаліста: коли з’явився Claude Code, він буквально гуглив, як відкрити термінал. Попри це, він за годину зібрав Figma-плагін, який генерує варіації рекламних оголошень в один клік. Те, що раніше займало близько 30 хвилин на один пакет креативів, тепер триває приблизно 30 секунд.
Інший його інструмент — Claude-«skill» для responsive search ads у Google Ads. Схема роботи:
- експортується перформанс-дані кампаній з Google Ads;
- разом з існуючими текстами оголошень і цільовими ключами це подається в Claude;
- Claude генерує нові варіації, які:
- відповідають брендовому тону Anthropic;
- вкладаються в обмеження за кількістю символів;
- результат віддається у форматі CSV, який можна одразу завантажити назад у Google Ads.
Ефект — знову ж таки перехід від 30 хвилин до 30 секунд і можливість у 10 разів збільшити обсяг креативів. Людина зосереджується не на вигадуванні текстів, а на виборі найкращих варіантів.
Фактично Claude Code тут виступає як віртуальний аналітик чи джуніор-маркетолог, якому можна делегувати все, що «важливо, але не обов’язково має робити я сам».
2. «Субпорогова» робота, яка раніше ніколи б не окупилася
Друга стратегія — робити те, що раніше не мало сенсу через занадто високі трудові витрати. Austin Lau називає це «sub-threshold work now worth doing» — завдання, які колись відкидалися, бо ROI не виправдовував витраченого часу.
CASH: експерименти, які «просто друкують гроші»
У Anthropic для цього створили систему CASH (Claude Accelerates Sustainable Hypergrowth). Це внутрішня програма, яка віддає growth-експерименти на відкуп AI:
- виявлення можливостей для зростання;
- формування гіпотез і дизайну експериментів;
- запуск тестів;
- аналіз результатів.
Поки що система працює на відносно дрібних змінах — копірайтинг, незначні UI-твіки. Але навіть у такому форматі, за словами head of growth, це інструмент, який можна «натиснути play — і він фактично друкує гроші». Йдеться про експерименти, на які команда ніколи б не знайшла часу, якби їх доводилося робити вручну.
Приклад з іншої галузі: персоналізовані листи в бухгалтерії
Схожий підхід застосовано в бухгалтерській фірмі, з якою працює автор розбору. Раніше після завершення податкової декларації клієнт отримував стандартний лист «Вашу декларацію готово». На написання персоналізованих пояснень по кожному кейсу ніхто не витрачав 1–2 години.
З Claude Code з’явився мікроінструмент:
- бухгалтер завантажує готову декларацію;
- Claude:
- підсумовує ключові моменти;
- формує персоналізований лист клієнту з поясненнями.
Те, що раніше було економічно невиправданим, стає тривіальним. А це вже не просто «приємний бонус», а стратегія зростання: кращий клієнтський досвід → вища ретенція → більше рекомендацій і нижчий churn.
Практичний висновок: завдання, які ви колись відклали як «занадто дрібні» або «занадто трудомісткі», в умовах AI можуть раптово стати вигідними. І Claude Code — інструмент, який радикально знижує поріг входу в такі ініціативи.
3. Інструменти, які потрібні тільки вам: персональний «моат» у growth
Третя стратегія — будувати інструменти, які нікому, крім вас, не потрібні. Austin Lau формулює це як «build tools only you would ever build». Саме тут виникає справжній moat: конкурентам складно відтворити ваші внутрішні, глибоко специфічні процеси.
Гіперспецифічні інструменти для різних ролей
У межах однієї команди growth-ліди будують абсолютно різні речі:
- Для performance-маркетолога
Lau створив плагін, що підключається до Google Ads API. Claude може: - робити запити до живих даних кампаній;
- надсилати на телефон ключові метрики (наприклад, impression share);
- дозволяти змінювати бюджети без відкриття ноутбука.
Це інструмент, який практично нікому більше в компанії не потрібен — але для конкретної ролі він критично корисний.
- Для керівника growth-напряму
Head of growth побудував зовсім інший «skill» — симулятор фідбеку від власної менеджерки. Він: - завантажив у Claude її публічні тексти про продукт;
- додав внутрішні Slack-обговорення;
- описав її фреймворки мислення.
Щотижня він отримує від Claude зворотний зв’язок у стилі: «Виходячи з того, що ти зробив або не зробив цього тижня, ось який фідбек вона дала б тобі». Це спосіб постійно тримати себе в «рамках очікувань» керівника, не відволікаючи його щоразу на уточнення.
Обидва приклади — інструменти, які не масштабуються на всю компанію, але радикально підсилюють конкретну людину в її ролі.
Персональні аналітичні «панелі», які не підходять нікому, крім автора
Автор розбору наводить власний приклад: інструмент аналізу воронки, який:
- відстежує перегляди кожного YouTube-відео;
- прив’язує їх до унікальних посилань на лендинги;
- рахує конверсії в підписку на розсилку.
Так він виявив, що відео з 100 тис. переглядів дає лише 1,2% конверсії в підписку — через те, що в самому відео не було згадки про розсилку. Там, де заклик є, конверсія зростає до 2–3%. Це дуже конкретний, «некрасивий» інструмент, який працює тільки під його контент і структуру воронки, але дає практичні інсайти.
Загальний тренд: growth-маркетинг рухається в бік ролі продакт-менеджера — людини, яка не просто запускає кампанії, а будує власні «продукти» (інструменти, скрипти, skills) для досягнення цілей. Claude Code знижує вартість створення таких внутрішніх продуктів майже до нуля.
4. AI як партнер у мисленні, а не лише «виконавець завдань»
Четверта стратегія стосується не автоматизації, а якості прийняття рішень. Growth-команда Anthropic використовує Claude не тільки для того, щоб «щось зробити», а й для того, щоб зрозуміти, що саме варто робити далі.
Щоденний «співробітник», який дивиться на десятки дашбордів
Head of growth описує власну практику: в нього є «співробітник» на базі Claude, який за розкладом щоранку переглядає 20–25 різних графіків по продуктах. Коли він приходить до роботи, замість сирих дашбордів отримує:
- список метрик, на які варто звернути увагу;
- те, що викликає занепокоєння;
- цікаві інсайти, які можуть бути корисними.
Ключова відмінність від звичайного сценарію «Claude, зроби X» у тому, що тут формулювання радше таке: «Зроби X, а потім скажи, що нам варто робити далі». Це вже не просто автоматизація, а спільне прийняття рішень.
Віртуальні «консультанти» з конкретних доменів
Ще один приклад — побудова «панелі експертів» усередині Claude. Для цього:
- обираються експерти по ключових напрямах:
- продажі — наприклад, підхід Alex Hormozi;
- вірусний ріст — Nikita Bier;
- контент — Gary Vaynerchuk;
- best practices роботи з Claude — засновник Claude Code Boris Cherny;
- їхні публічні матеріали (зокрема, транскрипти з YouTube) завантажуються в проєкт Claude Code;
- на цій базі формується skill, який може відповідати в стилі «що б порадив цей експерт у такій ситуації».
У результаті з’являється набір «thought partners» — віртуальних співрозмовників, які допомагають приймати рішення в продажах, growth-експериментах, контент-стратегії тощо.
Технічно це не «AGI-консультант», а поєднання потужної моделі з чітко підібраним контентом експертів. Але для практичних задач це дає відчутний приріст якості рішень.
Як ці чотири стратегії складаються в єдину модель зростання
У Anthropic не просто автоматизують усе підряд. Є чіткий розподіл фокусу: приблизно 70% часу growth-команда витрачає на «великі замахи» (big swings) і 30% — на дрібні оптимізації. Claude Code допомагає:
-
Автоматизувати аналітичний та рутинний шар
— звільнити час, який раніше «з’їдала» операційка. -
Розблокувати завдання, які раніше були економічно невигідними
— персоналізація, дрібні експерименти, покращення клієнтського досвіду. -
Створювати глибоко персональні інструменти під кожну роль
— те, що формує унікальний внутрішній «моат» і важко копіюється конкурентами. -
Підсилювати senior-рівень мислення
— використовувати AI як партнера в аналізі даних і формуванні рішень, а не лише як «руки».
У сукупності це перетворює Claude Code з просто «кодувального помічника» на системний важіль зростання — як для великої компанії на кшталт Anthropic, так і для невеликого бізнесу чи окремого фахівця, який готовий інвестувати час у побудову власних AI-інструментів.
Джерело
How Anthropic ACTUALLY Uses Claude Code to Grow — Austin Marchese