Американський підприємець і AI-практик Остін Маркезе, відомий своїми практичними підходами до побудови продуктів на базі Claude, у новому відео розкладає по поличках вісім «лупів» — повторюваних AI-процесів, що автоматизують роботу з даними, розробку й самопокращення системи. Кульмінацією цієї архітектури стає восьмий компонент — North Star loop, стратегічний «компас», який стежить, чи взагалі весь цей розумний стек рухається в бік реальних цілей, а не просто генерує активність.
Компас серед інструментів: навіщо потрібен North Star loop
Маркезе описує North Star loop як окремий тип процесу, що стоїть над усіма іншими. Якщо сім попередніх лупів — це спеціалізовані «інструменти», то восьмий — це «компас», який постійно звіряє, куди саме веде вся ця машинерія.
Його завдання не в тому, щоб дати ще один звіт чи ще один набір рекомендацій. Центральний фокус — моніторинг усієї активності в вашій AI-системі та перевірка, чи вона реально штовхає вас у бік зафіксованих цілей. Формула проста: чи все, що ви робите в своїх сесіях, лупах, інжесті даних, насправді спрямоване на досягнення ключового результату, чи це лише відволікаюча робота «заради роботи».
Цей луп працює як протиотрута до типового ефекту від потужних AI-інструментів: чим легше щось зробити, тим простіше витрачати час і токени на несуттєві речі. North Star loop вводить постійну перевірку на відповідність: не «чи це цікаво», а «чи це наближує до того, що ви дійсно хочете отримати».
Крок перший: зафіксувати свою North Star, а не абстрактний «успіх»
Початок роботи з цим лупом — формалізація того, що саме для вас є «північною зіркою». Маркезе наголошує, що перша частина North Star loop — це жорстке «lock in the north star», тобто фіксація конкретних цілей, а не розмитих побажань.
Йдеться не про загальні формулювання типу «рости бізнес», а про вимірювані й чіткі орієнтири. Він наводить серію прикладів цілей, які система має вміти тримати в полі зору: вийти на 100 тисяч підписників, залучити 12 нових клієнтів, відвантажити чотири платні продукти, отримати підвищення, підписати ще кількох клієнтів.
Структура лупа побудована так, що без чітко заданої North Star він просто не має змісту. Вся подальша аналітика, екстраполяції й пропозиції змін базуються саме на цих зафіксованих цілях. Якщо вони сформульовані туманно, система не може коректно оцінити ні ваш поточний курс, ні ступінь відхилення.
Крок другий: аналіз траєкторії всієї AI-активності
Після того як цілі задали, North Star loop переходить до питання «де ви реально рухаєтеся зараз». Друга частина — це аналіз траєкторії, який не обмежується якимось одним звітом чи одиничною взаємодією з моделлю.
Маркезе описує, що луп читає історію сесій у Claude, дивиться на дані, які ви інжестите, вивчає результати інших лупів — фактично все, над чим система працювала останнім часом. Мета — не просто перерахувати активність, а зрозуміти, куди сумарно веде вектор зусиль.
За цією логікою кожен окремий луп, кожен шматок автоматизації, кожен інжестований масив даних стає «голосом» у загальній траєкторії. North Star loop працює як єдиний аналітик, який складає цю мозаїку воєдино й намагається побачити напрям, а не лише перелік задач.
Це особливо важливо в системах, де вже запущено багато різних процесів: інжест даних, внутрішній та зовнішній «alpha farming», кодові лупи, самопокращення, моніторинг екосистеми. Без надбудови у вигляді North Star усе це може перетворитися на складну, але безкурсову машину.
Крок третій: твереза екстраполяція «якщо нічого не змінити»
Третя частина North Star loop — підсумок у вигляді forward extrapolation. Після аналізу траєкторії луп узагальнює, куди ви прийдете, якщо продовжите робити те, що робите зараз, без жодних корекцій.
Маркезе описує це як пряме формулювання: «якщо нічого не зміниться, ось де ви опинитеся». Для нього особисто ця частина стає найсильнішим «ударом», коли стає видно, до якої точки ви прийдете за умовної піврічної інерції.
Сенс не в драматизації, а в тому, щоб сформулювати реалістичний прогноз, базований на фактичних патернах роботи системи й користувача. Такий підхід контрастує з типовим відчуттям «ми ж стільки всього робимо, значить рухаємося вперед». Луп ріже по-іншому: він показує, чи співпадає прогнозована точка приземлення з вашою зафіксованою North Star.
Це перетворює North Star loop на дзеркало, яке важко ігнорувати: воно не обговорює мотивацію чи наміри, а просто показує, до чого вони насправді ведуть.
Крок четвертий: виявити дрейф і запропонувати зміну курсу
Фінальний елемент North Star loop — механізм корекції. Якщо виявлено дрейф, луп не обмежується констатацією проблеми. Він має дві задачі: виявити, що саме тягне вас убік, і запропонувати конкретні варіанти змін.
У структурі, яку описує Маркезе, луп шукає чинники, що відхиляють траєкторію від North Star: певні типи задач, звички в роботі з моделлю, пріоритети в інжесті інформації, структурні перекоси в самому AI-стеці. Далі він формує пропозиції, які речі варто змінити, щоб розвернути систему назад у бік головних цілей.
Це продовжує загальний підхід до його лупів: результатом має бути не просто звіт, а план дій. North Star loop працює в тій же логіці — виявити дрейф, показати причини й сформулювати напрямки корекції, які користувач може прийняти або відкоригувати.
Таким чином, «компас» не лише показує відхилення, а й одразу пропонує курс, не нав’язуючи його, але даючи основу для управлінських рішень.
Чому такий луп — не розкіш, а необхідність
На відміну від інших лупів, які Маркезе позиціонує як інструменти для конкретних задач (інжест, оптимізація, код, самопокращення), North Star loop подається як універсальний — той, «яким, відверто, всім варто почати користуватися».
Причина в тому, що всі попередні елементи його системи спрямовані на швидкість, глибину аналізу й ступінь автоматизації. Вони реально дозволяють будувати й покращувати швидше. Але саме ця швидкість створює ризик: можна дуже ефективно рухатися в неправильному напрямку.
North Star loop зменшує цей ризик, накладаючи поверх усього стеку просте, але невблаганне запитання: чи узгоджується те, що ви робите зараз, із тим, куди ви хочете прийти. Не лише на рівні «відчувається правильно», а на рівні аналізу історії, даних і прогнозу.
У підсумку, у запропонованій архітектурі саме цей луп перетворює набір окремих AI-процесів на цілісну систему управління увагою й ресурсами. Без нього всі інші лупи можуть залишитися просто складною, вишуканою інфраструктурою, яка не гарантує руху до результатів, задекларованих на старті.