АI-стартап: История провала

Фото: pixadot.studio/Shutterstock/Fotodom

В России плохо рефлексируется одна простая мысль: для AI-продукта недостаточно иметь хорошую идею и доступ к открытым моделям. Между «идея + ChatGPT» и работающим продуктом пропасть, в которой лежат данные, инженерия, дистрибуция, клиентская база. Большинство громких ИИ-анонсов последних двух лет в эту пропасть и проваливаются.

Хороший пример «Летопись.ai», которую анонимные «инсайдеры» в рекламном телеграме сейчас хоронят с пафосом, объясняя её неудачу тем, что российский бизнес «не доверяет магическому ИИ».

«Летопись» была обречена с момента запуска. Год работы — это конкретные цифры: но мне неизвестно об их продажах в России, публичных кейсах, присутствии в отраслевых рейтингах, российских клиентах. На словах — «технологическая платформа с AI-агентами», но доказательной базы того, что у них есть какая-то собственная технология, за год не появилось.

Представьте, что вы открываете медицинский центр под идею «доказательная медицина с AI-диагностикой». Открывает центр когда-то известный и популярный доктор, к нему записываются по имени. Сейчас он уже на пенсии, но имя на двери работает. Томограф арендованный, в палату пациента не положишь, лаборатория общая на бизнес-центр. Чего точно нет - данных. Тридцати лет историй болезней, КТ и МРТ предыдущих пациентов, журналов исходов через пять и десять лет. У соседней клиники, выросшей из городской больницы, всё это есть. У федеральной сети — тем более. У вас имя и идея.

В таком формате можно работать. Принимать по личной записи трёх-четырёх состоятельных пациентов. Но «доказательной медициной с AI» вы при этом не являетесь, потому что доказательная медицина - это статистика по корпусу случаев, а её у вас нет. Ваш AI работает ровно так же, как тот, что доступен любому человеку с выходом в интернет.

Это можно сравнить с ситуацией «Летописи». В руководстве – рекламщики с известными именами, но не IT-инженеры. Платформа в описании - интерфейс, куда клиент вводит параметры, поверх которого крутятся публичные модели: ГигаЧат или какая-нибудь open-source LLM, любой видеогенератор по API, стандартные рекламные кабинеты для размещения. Технологически это сборка из готовых кубиков. Такую сборку любой потенциальный клиент, у которого в маркетинговом отделе есть толковый сотрудник с навыком писать промпты, при желании и квалификации может сделать себе сам.

Когда такая конструкция не находит клиентов, на неё сверху начинает наваливаться всё остальное. Уход партнёра. Три параллельных суда с бывшими совладельцами. Каждый сюжет по отдельности решается, все вместе создают убийственный для стартапа шлейф.

Это про любую AI-нишу, где сервисов с открытым API стало много, а собственных данных у новых игроков мало. Юрист с GPT-обёрткой против юрфирмы с двадцатилетним архивом договоров проигрывает. HR-стартап с умным скринингом против HeadHunter, у которого вся история наймов в стране, проигрывает. Финансовый советник с LLM против банка с транзакционными данными миллионов клиентов проигрывает. Сразу, не в перспективе пяти лет. А когда Сбер откроет свою платформу (настоящую, со своими данными и AI-агентами) для внешнего рынка в 2026, ниша окончательно схлопнется и для тех, кто пока ещё тянет на репутации.

Российские истории AI-провалов почти не разбираются. Зря. Каждый такой кейс — это короткий чек-лист на входе. Есть ли собственный датасет? Есть ли реальный продукт за пределами лозунгов? Есть ли в команде кто-то, кто понимает в инженерии и венчуре, а не только в красивых презентациях? Если нет – даже обсуждать перспективы пустая трата времени.

Материал отражает исключительно мнение автора, которое может не совпадать с позицией редакции