Аарон Леві — співзасновник і CEO Box, хмарної компанії з оцінкою близько $4 млрд, якою користуються приблизно 64% компаній зі списку Fortune 500. Він щодня бачить, як великі корпорації впроваджують штучний інтелект, і паралельно активно перебудовує власну роботу навколо AI?інструментів. Його особистий стек — це не абстрактна «продуктивність з AI», а дуже конкретний набір сервісів і звичок: від кодових асистентів до генеративного дизайну та довгих промптів у документах.
Цей матеріал розбирає, як саме Леві організовує свій AI?робочий день: які інструменти вважає базовими, як делегує агентам дослідження ринку, чому більше не пише перший рядок коду сам і як змушує моделі робити за нього 75% чорнової роботи в дизайні.
Базовий AI?набір Леві: код, універсальна модель і «дослідник»
Леві мислить про AI?інструменти як про обов’язковий робочий стек, а не як про «цікаві іграшки». У його базовій конфігурації є три ключові компоненти, кожен з яких закриває свою роль.
Перший компонент — кодоцентричний асистент на кшталт Codeium. Для нього це не просто автодоповнення, а спосіб радикально збільшити вихід коду без пропорційного збільшення часу розробника. Леві виходить з того, що майбутні бенефіціари AI в розробці — це не ті, кого замінять моделі, а ті, хто навчиться керувати кодовими агентами. Саме тому в його стеку є спеціалізований інструмент, заточений під програмування: він генерує функції, пропонує архітектурні рішення, допомагає з інтеграціями, але відповідальність за якість, безпеку та продакшн залишається за інженером.
Другий елемент — універсальна велика модель, яку Леві використовує як «загальний мозок». У цій ролі в нього виступає Claude. Такий інструмент потрібен не для вузької задачі, а для всього, що вимагає міркування, структурування, пояснення чи творчої роботи з текстом: від формулювання стратегії до підготовки матеріалів для зустрічей. Універсальна модель стає інтерфейсом до власних ідей: вона допомагає їх розкласти, перевірити, переформулювати і перетворити на щось, з чим уже можна йти до команди.
Третій обов’язковий елемент — дослідницький інструмент на кшталт Perplexity. На відміну від класичного пошуку, такий сервіс не просто видає посилання, а агрегує, узагальнює і структурує інформацію. Для Леві це означає можливість ставити складні запитання про ринок, конкурентів чи технології й одразу отримувати синтезований огляд, а не десятки вкладок у браузері. У його стеку Perplexity — це «аналітик на вимогу», який працює поверх відкритих даних і пришвидшує перший, найважчий етап будь-якого дослідження.
Разом ці три інструменти формують каркас, на який Леві навішує всі інші AI?процеси. Код?асистент дає швидкість у розробці, універсальна модель — гнучкість мислення, а дослідницький сервіс — глибину контексту.
Маркетингові й продуктові ідеї без Google: як Леві делегує дослідження агентам
Одна з найпомітніших змін у його роботі — спосіб, яким він збирає інформацію про ринок. Замість класичного сценарію «десятки пошукових запитів, відкриті вкладки, ручні нотатки» Леві перекладає більшу частину цієї рутини на AI?агентів.
Коли йому потрібно розібратися в сегменті або зрозуміти, що роблять десятки компаній у певній ніші, він не проводить години в Google. Натомість формулює завдання для агента: зібрати дані про гравців, їхні продукти, моделі монетизації, позиціонування, сильні й слабкі сторони. Агент проходиться по відкритих джерелах, агрегує інформацію і повертає вже структурований зріз ринку.
Це не просто економія часу. Такий підхід змінює саму логіку дослідження. Замість того, щоб обмежуватися кількома компаніями, до яких «дотягнулися руки», Леві може одразу дивитися на десятки чи сотні гравців. Агент не втомлюється, не забуває зберегти посилання, не плутає таблиці. Людина підключається там, де починається інтерпретація: що з цього важливо саме для його бізнесу, де є прогалини, які гіпотези варто перевірити далі.
У такій схемі AI стає не заміною аналітика, а його форсажем. Леві використовує агентів як інструмент первинного «просіювання» інформації. Далі він уже працює з узагальненим матеріалом, ставить уточнювальні запитання, просить побудувати альтернативні сценарії або порівняти різні стратегії. Це дозволяє витрачати більше часу на мислення, а не на механічний збір даних.
Показово, що він не намагається повністю викинути людину з цього процесу. Навіть маючи агентів, які можуть обійти сотні джерел, Леві залишає за собою роль того, хто ставить рамку дослідження, перевіряє висновки й ухвалює рішення. AI для нього — це спосіб розширити поле огляду, а не передати йому право вирішувати, куди рухатися компанії.
Прототипи без коду: чому перший варіант пише AI, а не засновник
Ще одна сфера, де Леві радикально змінив власну практику, — розробка програмного забезпечення. Він прямо визнає, що сьогодні покладається на AI для створення софтверних прототипів замість того, щоб самому писати перший варіант коду.
Це не означає, що він відмовився від технічної компетенції. Навпаки, він наголошує, що засновнику чи керівнику важливо бути «достатньо технічним», щоб розуміти, як працюють інструменти, які він використовує. Але замість того, щоб витрачати години на ручне написання базового функціоналу, Леві формулює вимоги до прототипу в промпті, а далі дозволяє моделі згенерувати першу реалізацію.
Такий підхід змінює роль людини в розробці. Якщо раніше засновник, який умів кодити, змушений був балансувати між стратегією й інженерною рутиною, то тепер він може зосередитися на постановці задачі, архітектурних рішеннях і перевірці результату. AI бере на себе чорнову роботу: створення каркасу застосунку, базових екранів, простих інтеграцій.
Важливий момент: Леві не ідеалізує ці прототипи. Він розуміє, що код, згенерований моделлю, потребує рев’ю, доопрацювання, перевірки безпеки й масштабованості. Але для нього цінність у тому, що перший робочий варіант з’являється набагато швидше. Це дозволяє раніше тестувати ідеї, показувати їх команді, збирати фідбек і вирішувати, чи варто інвестувати в повноцінну реалізацію.
У цьому сенсі його особистий стек відображає ширшу тенденцію: програмісти й технічні лідери, які приймають AI як інструмент прискорення, отримують перевагу. Вони не відмовляються від своєї експертизи, а навпаки, використовують її, щоб краще керувати моделями. Леві прямо говорить, що саме такі інженери — ті, хто працює з кодовими агентами, — стануть головними вигодонабувачами від AI?революції в розробці.
Дизайн на 75% від AI: як виглядає новий робочий тандем з дизайнерами
Як людина, яка керує продуктом, Леві часто опиняється в ситуації, коли потрібно донести до команди візуальну ідею: інтерфейс, сторінку, елемент UX. Раніше це означало або спробу намалювати щось від руки, або довгі пояснення дизайнерам словами. Тепер він використовує генеративні моделі зображень як проміжну ланку.
Схема виглядає так: Леві формулює задум у вигляді детального текстового опису й віддає його AI?моделі для генерації візуалу. На виході він отримує дизайн?чернетку, яку оцінює як приблизно «на 75% готову». Це не фінальний макет, але вже достатньо конкретний, щоб показати напрямок: композицію, стиль, ключові елементи.
Далі в гру вступають професійні дизайнери. Вони беруть AI?чернетку й доводять її до продакшн?рівня: виправляють деталі, адаптують під бренд?гайди, продумують стани, інтеракції, доступність. AI у цій моделі не замінює дизайнера, а скорочує шлях від абстрактної ідеї в голові керівника до першого візуального артефакту, з яким уже можна працювати.
Цей підхід змінює динаміку взаємодії між продуктовими лідерами й креативними командами. Замість багатьох раундів пояснень «я мав на увазі ось це» Леві приходить до дизайнерів із конкретним зображенням, яке можна критикувати, переробляти, покращувати. Це зменшує кількість непорозумінь і пришвидшує цикл ітерацій.
Водночас він не намагається обійти дизайнерів. Навпаки, підкреслює, що AI?генерація дає лише «приблизно три чверті» результату. Останні 25% — це нюанс, смак, розуміння користувача й контексту бренду, які поки що залишаються в зоні відповідальності людини. Саме тому в його особистому стеку генеративні зображення — це інструмент спільної роботи, а не спосіб скоротити команду.
Замість пам’яті — довгі промпти: чому Леві зберігає контекст у документах
На тлі буму «персональних AI?асистентів» із постійною пам’яттю Леві обирає більш приземлений, але контрольований підхід до контексту. Замість того, щоб покладатися на складні системи persistent memory, він віддає перевагу довгим, детальним промптам, які зберігає в документах.
Його логіка проста: добре сформульований промпт — це специфікація задачі. Якщо зберегти його як текстовий документ, до нього можна повертатися, редагувати, ділитися з колегами, адаптувати під нові сценарії. Це дає прозорість і відтворюваність: будь?хто в команді може побачити, з якими інструкціями працює модель, і зрозуміти, чому вона дає саме такі результати.
Такий підхід контрастує з ідеєю «чарівної пам’яті», де асистент нібито сам запам’ятовує все про користувача й контекст його роботи. Леві, навпаки, явно фіксує те, що хоче донести до моделі. Він будує довгі промпти, які описують роль AI, бажаний стиль відповіді, обмеження, приклади правильних і неправильних результатів. Потім просто копіює цей текст у нову сесію, коли потрібно відтворити той самий тип роботи.
Це дисциплінує й самого користувача. Щоб написати такий промпт, потрібно чітко сформулювати, чого ти хочеш від моделі, які критерії якості, який формат виходу. Фактично це змушує мислити як продуктового менеджера для власного AI?асистента. Леві використовує документи як репозиторій таких «специфікацій», які з часом еволюціонують разом із його задачами.
Перевага цього підходу ще й у тому, що він легко масштабується на команду. Замість того, щоб кожен співробітник окремо «навчав» свого асистента, компанія може мати спільну бібліотеку промптів для типових процесів: дослідження ринку, підготовка презентацій, аналіз контрактів. Леві своїм прикладом показує, що іноді простий текстовий документ із добре продуманими інструкціями дає більше контролю й передбачуваності, ніж складні системи пам’яті.
Висновок: AI як розширення можливостей, а не магія
Особистий AI?стек Аарона Леві виглядає приземлено й прагматично. У ньому немає культу «повної автономії» чи віри в те, що агенти ось?ось замінять усіх. Натомість є чітке розуміння ролей: кодовий асистент для швидкості розробки, універсальна модель для мислення, дослідницький інструмент для глибини, генеративні зображення для візуальної комунікації й довгі промпти в документах для керованого контексту.
У кожному з цих сценаріїв AI робить за нього 60–75% чорнової роботи, але фінальне слово залишається за людиною — чи то в аналізі ринку, чи в архітектурі прототипу, чи в дизайні продукту. Леві демонструє модель, у якій засновник або керівник не відмовляється від відповідальності, а використовує інструменти, щоб розширити власні можливості: будувати більше, швидше й на ширшому інформаційному полі, ніж це було можливо раніше.
Джерело
YouTube: $4B Founder: The Next 3 Years Will Make 100 New Founders Rich