Модуль: AI-стартап

Актуальность: 2 августа 2026 года.

Модель

AI-стартап продаёт результат workflow, а не доступ к модели. Ценность может создаваться автоматизацией, повышением качества, скоростью, новым типом продукта или снижением риска. Защитимость строится на дистрибуции, данных с законными правами, интеграции в процесс, качестве/доверии и экономике — не только prompt.

Перед модулем обязательны ../AI_BUSINESS_AUDIT.md, ../METRICS_AND_FINANCE.md и ../compliance/INDEX.md.

Главные вопросы аудита

• кто платит за какую дорогую задачу и как измеряет результат;
• почему обычные правила/поиск/человек/готовый сервис недостаточны;
• какой baseline и порог ошибки допустимы по сегментам;
• имеются ли законные качественные данные и право на feedback;
• где человек проверяет, останавливает и обжалует решение;
• как TCO и маржа меняются с объёмом/контекстом/поддержкой;
• как пережить смену модели, цены, API, доступности и регулирования;
• какой канал и workflow создают повторное использование/оплату;
• что является воспроизводимым преимуществом после копирования функции.

Обязательные показатели

• активация и частота завершённой полезной задачи;
• качество относительно baseline по типам ошибок/сегментам;
• доля ответов, требующих исправления/эскалации;
• время и стоимость человеческой проверки;
• inference/API/инфраструктура на задачу и валовая маржа;
• latency, failure rate, fallback и инциденты;
• retention/повторная оплата и расширение;
• CAC/payback и время enterprise-пилота;
• стоимость разметки/evaluation/поддержки;
• концентрация модели, провайдера, датасета и ключевого специалиста.

Характерные узкие места

• демо впечатляет, но не входит в ежедневный workflow;
• нет эталонного набора и воспроизводимой оценки;
• качество среднее высокое, но опасные ошибки неприемлемы;
• human-in-the-loop не заложен в цену/мощность;
• RAG/агент получает чрезмерные данные и права;
• API из РФ недоступен/нестабилен или условия меняются;
• использование чужого контента/датасета не имеет ясных прав;
• функция легко копируется платформой, а дистрибуции нет.

РФ: право и налоги

Нет предположения, что слово «AI» создаёт отдельное разрешение или снимает обычные обязанности. Проверять персональные данные/локализацию/поручения, коммерческую тайну, авторские и смежные права, изображение/голос, рекламу и защиту потребителя, отраслевые запреты, безопасность, экспорт/доступность API, договорную ответственность и условия гранта/ИТ-льгот. Правовой режим use case проверять на дату запуска по ../RU_LEGAL_TAX.md.

Типовые ошибки

• искать «применение AI», а не дорогую проблему;
• считать оценку моделью независимой истиной;
• не хранить версию модели/prompt/eval;
• автоматизировать необратимое действие без подтверждения;
• обещать отсутствие ошибок или «полную замену сотрудника»;
• забывать стоимость исключений, поддержки и модерации;
• передавать клиентские данные провайдеру без основания/договора;
• принимать инвестиционный интерес за продуктовый спрос.

Источники опыта

vc.ru/ai, AI Tinkerers, Latent Space, Y Combinator Library, Hacker News и NIST AI RMF (документ). Материал старше текущей версии модели проверять особенно строго; искать провалы внедрения, качество в production и стоимость контроля.

15 направлений гипотез

1. Узкая вертикальная задача с дорогой ручной проверкой.
2. Copilot вместо полной автоматизации.
3. AI как слой контроля/поиска аномалий.
4. Human service с AI внутри до self-service продукта.
5. Retrieval по законной базе с цитированием источников.
6. Платная оценка/аудит данных до внедрения.
7. Workflow-интеграция вместо отдельного чата.
8. Цена за завершённую проверенную задачу.
9. Маршрутизация простых случаев AI, сложных — человеку.
10. Маленькая/локальная модель ради цены, приватности или доступности.
11. Multi-model fallback и независимость от провайдера.
12. Evaluation/monitoring как самостоятельная ценность.
13. Данные/feedback loop с явными правами и выгодой клиента.
14. Партнёрство с отраслевым оператором, владеющим дистрибуцией.
15. Non-AI версия продукта как baseline и аварийный режим.

Дешёвые проверки

• concierge: человек выполняет обещанный результат с AI внутри;
• 20–50 обезличенных реальных задач против baseline;
• shadow-mode без воздействия на клиента;
• платный ограниченный пилот с типами ошибок и стоп-условием;
• ручная оценка TCO на 10× объёме;
• интервью об уже совершённой покупке/ошибке, не об интересе к AI;
• тест смены модели и отключения провайдера.

Когда закрывать гипотезу

• проблема редкая/дешёвая или клиент не меняет процесс;
• качество опасных случаев ниже порога и не контролируется;
• человеческая проверка уничтожает вклад/скорость;
• права на данные/контент нельзя обеспечить;
• пилот не переходит в оплату или повторное использование;
• стоимость/доступность провайдера делает модель неустойчивой;
• преимущество исчезает при обычной автоматизации или готовом сервисе;
• риск внешнего действия несоразмерен возможной ценности.