Маркетинг-стратег, IT-предприниматель, ментор по вайбкодингу
10+ лет в маркетинге, 300+ клиентских проектов: сайты, реклама, боты. Создатель GoBanana (228K+ пользователей, 11.6 млн ₽ выручки) и VibeCoderz. Делаю AI-продукты сам через Claude Code, Cursor, Windsurf и консультирую тех, кто хочет так же.
🎯 О чём этот конспект: Разбор глубокого интервью Оскара Хартмана о смене бизнес-парадигмы под влиянием ИИ. Почему создание цифровых SaaS-приложений превратилось в перегретый «красный океан», как находить триллионные возможности на стыке LLM и реального оффлайн-сектора, почему падение себестоимости интеллектуального труда кратно раздувает рынки, и почему единственным дефицитным ресурсом осталась смелость действовать в условиях неопределенности.
👤 Кому будет полезно: Вайбкодерам, AI-разработчикам, соло-фаундерам, агентствам автоматизации и стартаперам, которые устали писать однотипные SaaS/боты «в стол» и ищут устойчивые, высокомаржинальные ниши для запуска бизнеса с использованием ИИ.
✨ Что получите: Четкое понимание новой карты бизнес-возможностей на ближайшие 5–7 лет, стратегию продажи AI-решений в консервативный сектор, алгоритм внедрения Generative Engine Optimization (GEO) для оффлайн-бизнесов и готовую ментальную модель работы в кризисных циклах.
1. Истинное предпринимательство: Создание ценности без оглядки на стартовые ресурсы
Контекст: Большинство начинающих предпринимателей попадают в ловушку «игры в LEGO»: они берут только те ресурсы, которые уже есть под рукой (свободный склад родственника, личные накопления, шаблон кода из открытого репозитория), и пытаются собрать из них бизнес. Хартман подчеркивает, что это не предпринимательство, а классический менеджмент или ремесленничество. Предпринимательство по определению гарвардской школы — это преследование масштабной возможности без учета ресурсов, которые ты контролируешь в данный момент. Илон Маск запускает полет на Марс и проекты xAI без готовых технологий и с постоянным фандрайзингом, собирая капитал и ученых под идею. Если у вас есть готовая пошаговая инструкция, доски и смета — вы строитель, а не предприниматель.
Тайминг:[00:03], [10:55], [12:14]
Выгода: Избавление от синдрома самозванца из-за нехватки стартового капитала. Переход от сборки низкомаржинальных микро-проектов к охоте за крупными рынками.
Как применить:
Шаг 1: Формулирование проблемы от боли клиента, а не от имеющихся ресурсов — Claude 3.5 Sonnet / Perplexity] — Определите острую боль на крупном рынке, полностью игнорируя то, умеете ли вы сейчас ее решать. Сформулируйте тезис: какую системную неэффективность вы хотите устранить.
Шаг 2: Стресс-тест гипотезы через фреймворк Хартмана — Cursor / Claude Code] — Запустите промпт для декомпозиции гипотезы на технологические и ресурсные дефициты:
Действуй как жесткий венчурный аналитик фонда Оскара Хартмана.Я хочу проверить бизнес-идею на соответствие критерию "настоящего предпринимательства" (преследование возможности без учета имеющихся ресурсов).Моя идея: [ОПИСАНИЕ ИДЕИ]Рынок: [ОТРАСЛЬ И ЦЕЛЕВАЯ АУДИТОРИЯ]Проанализируй проект по следующим критериям:1. "Ловушка LEGO": собираю ли я проект просто из того, что мне доступно прямо сейчас (код из шаблона, бесплатные API), или я решаю фундаментальную боль рынка?2. Дефицит ресурсов: каких ресурсов (технологии, данные, доступы, эксперты) критически не хватает для реализации этой идеи на уровне 10x эффективнее существующих игроков?3. Архитектура захвата: какие 3 гипотезы нужно проверить первыми, чтобы привлечь недостающие ресурсы (партнеров, клиентов, капитал) до написания полного продакшн-кода?
Результат: Перестаете тратить месяцы на разработку пет-проектов, основанных лишь на том, что «я умею кодить эту функцию», и переключаетесь на валидацию крупных рыночных дисбалансов.
2. Голубой океан: Соединение искусственного интеллекта с оффлайном
Контекст: Сейчас мир цифровых сервисов залит миллионами разработчиков. Сделать интерфейс, обертку над ChatGPT или мобильное приложение благодаря вайбкодингу стало тривиальной задачей: через 2 дня после появления успешной механики на рынке возникает 100 ее клонов. Но в физическом мире — в подвалах, складах, на заводах и в сервисных центрах — царит пустота. Хартман приводит пример дарксторов быстрой доставки: когда он инвестировал в эту модель, в Индии с населением 1,4 млрд человек доставку за 15 минут строили всего 3 фаундера, тогда как мобильные приложения делали 10 миллионов человек. Главная супер-возможность следующих 7 лет — приводить AI в физический бизнес (HVAC/кондиционирование, логистика, юриспруденция оффлайн-сделок, агросектор, локальные производства).
Тайминг:[18:13], [20:44], [22:03]
Выгода: Полный уход от гиперконкуренции в SaaS. Доступ к бюджетам традиционных компаний с чеками от $5,000 до $100,000 за внедрение.
Как применить:
Шаг 1: Выбор «негламурной» оффлайн-ниши в своем регионе — Карты / 2ГИС / Каталоги подрядчиков] — Выберите сферу, где работают с физическими объектами: монтаж вентиляции и кондиционеров, ремонт спецтехники, цеха металлообработки, логистические хабы, локальные юридические бюро.
Шаг 2: Поиск процесса с рутинной обработкой неструктурированных данных — Интервью с владельцем] — Найдите операционное узкое горлышко: расчет смет по кривым чертежам, диспетчеризация заявок на выезд мастеров, согласование рекламаций с поставщиками.
Шаг 3: Разработка локального AI-пайплайна — Cursor + Python + LangChain / LlamaIndex] — Соберите прототип, который парсит PDF-сметы, чертежи или голосовые сообщения прорабов и конвертирует их в структурированную базу данных ERP:
import osfrom openai import OpenAIclient = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))def parse_field_service_report(raw_audio_transcript: str) -> str: """ Превращает неструктурированный голосовой отчет выездного инженера по обслуживанию HVAC/кондиционеров в строгую JSON-структуру для CRM. """ system_prompt = """ Ты — AI-диспетчер сервисной компании по обслуживанию систем кондиционирования. Твоя задача — извлечь из транскрипта голоса мастера ключевые данные: - client_id / адрес объекта - выявленные неисправности - использованные запчасти (наименование, артикул, кол-во) - статус завершения (успешно, требуется повторный выезд) - сумма к оплате за работы и материалы Ответ выдай строго в формате валидного JSON. """ response = client.chat.completions.create( model="gpt-4o-mini", response_format={"type": "json_object"}, messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": raw_audio_transcript} ], temperature=0.1 ) return response.choices[0].message.content
Результат: Вместо попыток продать подписку за $10 глобальным пользователям вы продаете оффлайн-бизнесу оцифровку полевых операций за регулярный фикс в сотни тысяч рублей.
3. GEO (Generative Engine Optimization): Продажа видимости в AI-поиске для локального бизнеса
Контекст: Более 50% решений о покупке товаров и услуг в развитых нишах пользователи начинают принимать с помощью ИИ. Вместо поисковой строки Яндекса или Google клиент пишет в ChatGPT или Perplexity: «Найди топ-3 студии для записи подкастов в Казани с лучшим звуком и соотношением цена/качество» или «Кто лучший поставщик тротуарной плитки в Красноярске?». Если компании нет в обучающей выборке или в поисковой выдаче, к которой обращаются RAG-системы моделей — этого бизнеса не существует. Хартман предлагает простейшую услугу с мгновенной окупаемостью: прийти к владельцу бизнеса, показать слепоту ИИ к его бренду и продать комплексное внедрение контент-фермы и оптимизацию под поисковые ответы LLM.
Тайминг:[24:42], [25:36], [26:10]
Выгода: Продажа высокомаржинальной услуги (от 50,000 до 200,000 руб./мес.) любому локальному бизнесу без необходимости писать сложный софт.
Как применить:
Шаг 1: Аудит присутствия компании в LLM — ChatGPT / Perplexity / Claude] — Протестируйте 10 типовых транзакционных запросов в вашей нише и зафиксируйте, рекомендует ли модель целевой бизнес.
Шаг 2: Генерация коммерческого оффера на основе отсутствия в выдаче — Loom / Скриншоты] — Запишите видеоразбор для собственника: «Вот запрос состоятельного клиента. ИИ рекомендует трех ваших конкурентов, а вас считает несуществующими. Вы теряете 30–50% входящего органического трафика нового поколения».
Шаг 3: Автоматизация фабрики цифрового следа — Cursor + n8n + Firecrawl] — Настройте систему автопубликации экспертных кейсов, отзывов, разборов спецификаций и структурированных данных (Schema.org / JSON-LD) на индексируемых площадках:
Результат: Подписанный контракт на GEO-сопровождение локального предприятия с прозрачной метрикой: попадание компании в топ-3 рекомендаций ChatGPT и Perplexity по целевым запросам города.
4. Падение ценности «чистого интеллекта» и смерть консалтинга за $3,000,000
Контекст: Хартман вспоминает свой опыт работы в Boston Consulting Group (BCG): один аналитический отчет стоил клиенту $3,000,000. Команда молодых выпускников («головастиков») 3 месяца собирала данные и строила модели, чтобы ответить на вопрос уровня «Где ТНК-ВР строить новые заправки?» (вывод: строить там, где высокий трафик и нет конкурентов). Сегодня мультиагентная система на базе LLM формирует анализ аналогичной глубины за 5 минут и $100 себестоимости. Интеллект перестал быть дефицитом — объем вычислительных мощностей в дата-центрах превысил емкость мозгов всего человечества. Дефицитом стало действие: заплатив $3 млн, корпорация была вынуждена строить 50 заправок, чтобы отбить затраты; получив отчет от ИИ за $100, фаундер говорит «круто» и не делает ничего.
Тайминг:[50:18], [51:28], [52:20]
Выгода: Возможность для небольших команд собирать автоматизированные аналитические агентства уровня Tier-1 консалтинга для малого и среднего бизнеса.
Как применить:
Шаг 1: Проектирование роли консалтинговых агентов — CrewAI / AutoGen / LangGraph] — Разбейте классическую структуру консалтинговой команды на специализированных агентов: Аналитик данных, Отраслевой эксперт, Риск-менеджер, Партнер проекта.
Шаг 2: Создание мультиагентного скрипта для бизнес-анализа — Cursor + Python] — Соберите базовый конвейер стратегического анализа локации или рыночной ниши:
# Пример системного промпта для агента "BCG Senior Partner"AGENT_STRATEGY_PROMPT = """Ты — старший партнер международной консалтинговой компании (уровня McKinsey/BCG).К тебе поступил запрос от регионального ритейлера на аудит экспансии.Твоя методология:1. Применяй фреймворк MECE (Mutually Exclusive, Collectively Exhaustive).2. Оценивай барьеры входа, плотность конкуренции, юнит-экономику точки.3. Не давай абстрактных рекомендаций. Каждый вывод должен сопровождаться формулой расчета CAPEX/OPEX и потенциальным ROI на горизонте 36 месяцев.4. Выдели ТОП-3 слепые зоны, которые фаундер игнорирует из-за эмоциональной привязанности к идее."""
Шаг 3: Продажа не «отчетов», а внедрения под ключ — Позиционируйте продукт не как PDF-документ (ценность которого на рынке упала до нуля), а как автоматизированный аудит с гарантией доведения до первых 3 коммерческих действий.
Результат: Создание агентского сервиса глубокой бизнес-аналитики с себестоимостью генерации $5–10 и продажной стоимостью $500–1500 за проект.
5. Закон изобилия (Парадокс Джевонса): Почему ИИ не уничтожит профессии, а масштабирует рынки
Контекст: Общепринятый страх гласит: раз ИИ делает код, контракты и дизайн за секунды, эти рынки сократятся на 90%, а специалистов уволят. Хартман объясняет ошибочность этой логики через закон изобилия и исторические аналогии. У бабушки Оскара было всего 6 платьев за всю жизнь, потому что пошив стоил дорого. Когда станки и фабрики Китая снизили себестоимость платья до $3–5, рынок одежды не сократился на 99% — он вырос в сотни раз, так как современная женщина покупает по 100 предметов гардероба в год. То же самое происходит с юридическими и IT-услугами: раньше контракт стоил $25,000, теперь — $100. Это приведет к тому, что судиться и заключать соглашения станут по любому бытовому поводу (с 43 млн исков в РФ до прогнозируемых 500 млн в год, где ИИ-агенты судятся с ИИ-агентами).
Тайминг:[41:51], [44:30], [45:20], [46:33]
Выгода: Избавление от страха автоматизации. Понимание, где именно взлетит объем микротранзакций в b2b и потребительском секторе.
Как применить:
Шаг 1: Ставка на микро-услуги высокой частотности — Архитектура продукта] — Не делайте софт для «редких больших сделок». Проектируйте системы для решения сотен микро-споров и микро-контрактов в день: автоматическая проверка договоров оферты, претензии по задержкам маркетплейсов, аудит штрафов каршеринга.
Шаг 2: Реализация микро-юриста на базе LLM — Cursor + OpenAI Assistants API] — Соберите утилиту автоматического составления досудебных претензий по бытовым спорам:
import jsonfrom openai import OpenAIclient = OpenAI()def generate_legal_claim(contract_text: str, violation_details: str) -> dict: """ Автоматическое формирование досудебной претензии на основе нарушения условий договора поставки/услуг. """ prompt = f""" Дан договор: {contract_text} Факт нарушения: {violation_details} Составь юридически строгую досудебную претензию с ссылками на статьи ГК РФ. Рассчитай пени и неустойку по ставке ЦБ РФ. Выведи: 1) Резюме нарушения, 2) Текст претензии, 3) Сумму требований. """ response = client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": prompt}] ) return {"claim_text": response.choices[0].message.content}
Результат: Бизнес-модель, ориентированная на взрывной рост объемов дешевых транзакций вместо единичных дорогих продаж.
6. Цикличность экономики: Правило «Никогда не срезай дерево зимой»
Контекст: В кризис с высокой ключевой ставкой бизнес стонет: капитал дорог, планировать дальше пятницы невозможно. Однако Хартман обращает внимание на историю: 80% совокупной прибыли за 30 лет любая индустрия генерирует всего за 3 сверхуспешных года (Nvidia была на грани банкротства 5 раз, прежде чем зафиксировать рекордные $50 млрд прибыли; производители чипов памяти терпели убытки годами до взрыва AI-дата-центров). Ошибка предпринимателей — тратить сверхприбыли тучных лет на дивиденды, а в кризис («зимой») в панике закрывать бизнес и увольнять ключевых людей. Тот, кто победит через 7 лет, начинает строить сегодня ночью. В кризис высвобождаются таланты, дешевеет реклама и снижается напор случайных конкурентов.
Тайминг:[33:24], [35:18], [36:58], [38:15]
Выгода: Сохранение устойчивости бизнеса, защита от кассовых разрывов и гарантированное попадание в следующую восходящую волну рынка.
Как применить:
Шаг 1: Финансовый консерватизм в базовых расходах — Зафиксируйте неприкосновенный операционный резерв (Runway) минимум на 9–12 месяцев жизни компании при нулевой выручке. Запретите вывод дивидендов в фазе неопределенности.
Шаг 2: Позиционирование AI-First компании для снижения костов — Используйте агентные пайплайны (Claude Code, Cursor) для того, чтобы поддерживать выработку команды из 3 человек на уровне прежнего штата из 15 специалистов.
Шаг 3: Противоречивые действия (Contrarian Bets) — Когда конкуренты сворачивают маркетинговые активности и медийное присутствие, агрессивно наращивайте контент и личный бренд: стоимость привлечения внимания в периоды спада падает до минимумов.
Результат: Компания переживает зиму без долгов и кредитов под заградительные ставки, оказываясь монополистом в очищенной от слабых игроков нише к началу нового экономического цикла.
7. Новая роль бизнес-сообществ: От передачи знаний к борьбе с одиночеством и поиску слепых зон
Контекст: Эра классических мастермайндов и инфобизнеса «как сделать бизнес» закончилась. Продажи литературы категории «How-to» на Amazon рухнули на 68%, потому что любой процедурный вопрос (как составить NDA, как настроить мотивацию менеджеров, как запустить рекламу) ChatGPT решает мгновенно и персонализированно. Задавать в сообществе вопрос «как настроить систему KPI» теперь признак дурного тона — с этим нужно приходить уже после диалога с ИИ. Но бизнес-клубы не умерли, они трансформировались: количество соло-фаундеров выросло вдвое, люди испытывают тотальное экзистенциальное одиночество. В клуб приходят не за инструкциями, а за суждением (judgement), психологической поддержкой, выявлением слепых зон и возможностью стать свидетелем чужого реального опыта.
Тайминг:[54:13], [55:40], [57:44], [01:00:50]
Выгода: Экономия сотен тысяч рублей на бесполезных курсах-мастермайндах. Фокус на формировании качественной форум-группы равных предпринимателей.
Как применить:
Шаг 1: Делегирование всех «How-to» задач нейросетям — Перед встречей с ментором или партнером упакуйте базовую фактуру через промпт глубокого анализа:
Действуй как опытный операционный директор и трекер стартапов.У меня есть дилемма: [ОПИСАНИЕ СИТУАЦИИ, НАПРИМЕР: ВЫХОД В НОВЫЙ ГОРОД VS УГЛУБЛЕНИЕ В ТЕКУЩИЙ РЫНОК].Вводные данные: выручка, маржа, текущие проблемы команды: [ДАННЫЕ].1. Сформируй 3 варианта решения с матрицей "Риски / Затраты / Потенциал".2. Опиши ТОП-3 слепые зоны, где я, скорее всего, обманываю себя из-за страха или когнитивных искажений.3. Сформулируй 2 фундаментальных вопроса, которые мне нужно обсудить с равными предпринимателями на совете директоров.
Шаг 2: Формирование форум-группы по принципу свидетельства — Соберите закрытую группу из 6–8 фаундеров схожего масштаба. Введите строгое правило Гештальт-коммуникации: запрет на абстрактные советы («тебе надо сделать так»), общение только через призму пережитого фактологического опыта («когда я открывал филиал, я совершил такую ошибку...»).
Результат: Полное снятие эмоционального выгорания, выявление скрытых рисков в бизнесе до того, как они приведут к кассовому разрыву.
8. «Время тупых и смелых»: Преодоление паралича анализа
Контекст: Финальный и ключевой тезис Оскара Хартмана: доступность гигантского интеллекта парализовала умных людей. Образованные фаундеры бесконечно генерируют промпты, строят финансовые модели, анализируют риски, пишут код через AI-агентов и... не запускают ничего, потому что видят слишком много потенциальных сложностей. Узким горлышком современной экономики стал не интеллект (он превратился в копеечный товар), а смелость действовать без гарантий. Настало время предпринимателей, которые обладают достаточной дерзостью, чтобы войти в темную комнату, взять на себя обязательства, позвонить клиенту и продать несуществующий продукт. Все аналитические расчеты сегодня сделает ChatGPT, но сделать смелый шаг в неизвестность за вас не сможет ни одна нейросеть.
Тайминг:[50:08], [01:05:08], [01:06:15]
Выгода: Преодоление ступора перфекционизма. Сокращение цикла от идеи до первого оплаченного чека с месяцев до 48 часов.
Как применить:
Шаг 1: Ограничение времени на вайбкодинг прототипа (Правило 24 часов) — Используя Cursor / Claude Code, создавайте рабочий прототип (MVP) ровно за один день. Если на разработку первой версии уходит больше 24 часов — проект искусственно усложнен.
Шаг 2: Тест смелости через прямые продажи — До финальной полировки интерфейса сделайте 10 звонков или проведите 5 живых встреч с потенциальными покупателями.
Шаг 3: Искусственное сжигание мостов обязательствами — Заключите предварительное соглашение о намерениях (LOI) или возьмите предоплату с гарантией возврата:
Промпт для подготовки жесткого скрипта звонка клиенту:"Напиши B2B-скрипт для холодного звонка владельцу сервисного центра от лица AI-разработчика.Цель: назначить 15-минутный созвон в Zoom завтра. Никакой 'воды' и общих фраз про инновации. Заход с проблемы: 'Мы разработали конвейер, который забирает на себя 80% рутинного заполнения актов дефектовки вашими инженерами. Хочу показать на ваших реальных данных за 10 минут. Если не сэкономит вам 2 часа в день — больше не побеспокою'."
Результат: Регулярный переход от ментального моделирования к реальным кассовым поступлениям. Запуск бизнеса до того, как страх и аналитический паралич заблокируют инициативу.
FAQ
В: Почему Оскар Хартман предостерегает от создания чисто цифровых SaaS-сервисов? О: Потому что с развитием вайбкодинга порог входа в чисто программные продукты упал до нуля. Любая успешная идея копируется сотнями студий за считанные дни. Рынок онлайн-сервисов превратился в гиперконкурентный «красный океан», где стоимость привлечения пользователя (CAC) превышает пожизненную ценность клиента (LTV).
В: Что значит «соединить ИИ с оффлайном» на практике для вайбкодера? О: Это означает создание решений для бизнесов, работающих с физическим миром: автосервисы, склады, монтажные организации, заводы, юридические конторы. Вы не продаете им абстрактный SaaS, а автоматизируете их «грязные» процессы: распознавание номенклатурных смет, диспетчеризацию выездных инженеров, локальные RAG-системы на внутренних производственных регламентах.
В: Что такое Generative Engine Optimization (GEO) и как на этом заработать? О: GEO — это оптимизация данных компании под поисковые ответы LLM-моделей (ChatGPT, Perplexity, Яндекс Нейро). Более половины пользователей начинают искать поставщиков через диалог с ИИ. Если вы помогаете локальному бизнесу появиться в топ-ответах нейросетей через правильную разметку, генерацию цифрового следа и контент-фермы, вы получаете высокооплачиваемую абонентскую плату.
В: Почему Хартман утверждает, что ИИ увеличит количество работы для юристов, а не сократит его? О: Это проявление парадокса Джевонса: когда себестоимость составления юридической претензии падает с $500 до $1, люди не начинают тратить меньше денег — они начинают судиться и заключать соглашения в 100 раз чаще. Рынок микро-исков вырастет лавинообразно, создавая гигантский спрос на инфраструктуру и финальный человеческий надзор.
В: В чем ключевая разница между предпринимательством и менеджментом по Хартману? О: Менеджмент строит планы строго исходя из ресурсов, которые уже подконтрольны человеку (бюджет, свободная комната, готовый код). Предпринимательство — это преследование огромной возможности без оглядки на то, какими ресурсами вы располагаете на старте. Вы находите проблему, берете на себя риск и привлекаете капитал, людей и технологии уже по ходу движения.
В: Почему инфобизнес и мастермайнды формата «How-To» сейчас умирают? О: Любые процедурные знания («как сделать», «как настроить», «какой шаблон взять») теперь бесплатны и моментально генерируются ChatGPT с точностью под ваш контекст. Продажи прикладных обучающих книг упали на 68%. Людям больше не нужны чужие лекции, им нужны реальные суждения равных практиков, разбор слепых зон и безопасное пространство для преодоления стресса.
В: Что означает фраза «Пришло время тупых и смелых»? О: Сверхвысокий интеллект перестал быть конкурентным преимуществом, так как стал доступен из розетки за $20 в месяц. Умные люди склонны к параличу анализа — они видят слишком много рисков и боятся сделать шаг. Выигрывают те, у кого есть базовая дерзость действовать без гарантий, тестировать гипотезы в реальном мире и брать на себя риски, используя ИИ лишь как исполнительного помощника.
Ресурсы и ссылки
Boston Consulting Group (BCG) — международная консалтинговая компания, методология которой упомянута как пример аналитического интеллекта, заменяемого ИИ-агентами — упомянут в видео
Safe Note (Y Combinator) — стандартизированный инструмент инвестиционных договоров, радикально снизивший транзакционные издержки стартапов — упомянут в видео
DocuSign — платформа электронного документооборота — упомянута в видео
Amazon (сегмент How-to литературы) — аналитика падения спроса на прикладную обучающую литературу на 68% под влиянием LLM — упомянут в видео
Книга Оскара Хартмана «Просто делай! Делай просто!» — фундаментальные принципы действия фаундера без гарантий успеха — упомянута в контексте философии автора
Конспект создан на основе видео «Оскар Хартманн: где искать возможности во время кризиса, выгорание и кто заменит людей» канала ФАУР. Все права на оригинальный материал принадлежат авторам.Источник: https://www.youtube.com/watch?v=HuIx_fT0pZc
Cursor