Что будет в статье
Мы проверили, могут ли современные нейросети пройти путь от идеи до MVP мобильного приложения — так, как это делает настоящая IT-команда. В рамках эксперимента каждый этап — от анализа рынка до тестирования — выполняли разные ИИ в своей «роли»: аналитика, продуктового менеджера, дизайнера, разработчика и тестировщика.
Вы найдёте:
- Пошаговый разбор: как мы настроили каждый этап работы с ИИ
- Результаты работы трёх разных нейросетей (ChatGPT, Claude, Grok)
- Сравнение подходов и качества выполнения задач
- Что получилось хорошо, а где ИИ пока не справляется
- Выводы: когда нейросети уже могут помочь, а когда без людей не обойтись
Статья будет полезна:
- продакт-менеджерам, которые хотят автоматизировать часть процессов;
- разработчикам и дизайнерам, которые изучают границы возможностей ИИ в продакшене;
- фаундерам стартапов, ищущим быстрый способ запустить MVP;
- всем, кто интересуется практическим применением ИИ в ИТ.
!!! Больше кейсов на канале “AI для продакта”.
Этап 1. Анализ рынка: как ИИ оценивают востребованность продукта
Первый шаг — проверка идеи: есть ли на неё реальный спрос? Мы дали каждой нейросети одну и ту же задачу: представить себя рыночным аналитиком и оценить идею мобильного приложения для мотоциклистов в России. Нужно было определить, кто потенциальные пользователи, что им нужно, какие есть конкуренты, и стоит ли вообще браться за разработку.
Системный промпт для Аналитика:
Ты опытный рыночный аналитик. Твоя задача - провести исследование рынка в РФ для предложенной идеи продукта.
1. Проанализируй целевую аудиторию и её размер
2. Изучи существующие конкурентные решения
3. Определи неудовлетворенные потребности и рыночные ниши
4. Оцени потенциальный спрос и возможность монетизации
5. Сформулируй рекомендацию о целесообразности разработки продукта
Вот как с этой задачей справились разные ИИ.
ChatGPT: структурно и по делу
ChatGPT подошёл к задаче как продуктовый аналитик, который готовит материалы для команды и планирует MVP. Он не стал придумывать цифры, а сосредоточился на том, какие функции действительно нужны людям, и как они могут быть реализованы в продукте.
Что он выделил:
- Целевая аудитория:
новички
путешественники
одиночные райдеры
клубные участники
мотоэнтузиасты - Ключевые потребности:
трекинг и навигация
безопасность (SOS, уведомления о ДТП)
социальность (поиск друзей, чаты, встречи)
обслуживание (напоминания, сервисный календарь)
полезные точки (заправки, сервисы, кафе)
офлайн-карты и погодные данные - Конкуренты:
Таблица с приложениями из России и других стран, где были указаны плюсы и слабые места каждого. Например: Motospot (РФ): есть карты и SOS-функции, но слабая визуализация маршрутов. - Рекомендации:
Чётко выделены функции, с которых стоит начать MVP, и предложен план развития продукта.
ChatGPT не дал прогнозов по рынку, но дал ясную картину того, что нужно сделать, чтобы создать полезный продукт.
Claude: как будто писал для инвестора
Claude выдал целый отчёт с цифрами, графами и выводами. Он структурировал ответ в формате консалтингового ресёрча, включая даже оценку доходности проекта. С его отчётом можно было бы идти к инвестору — но с одной оговоркой.
Что сделал Claude:
- Оценил объём рынка: ~2,2 млн мотоциклистов, ~1 млн активных пользователей.
- Провёл сегментацию аудитории по стилям езды и географии.
- Сделал обзор конкурентов с предполагаемым количеством загрузок.
- Выявил неудовлетворённые потребности: навигация, безопасность, сервисы, соцсеть.
- Предложил модель монетизации: подписка, реклама, партнёрства.
- Рассчитал примерный доход: до 80 млн рублей в год.
- Сформулировал стратегию выхода на рынок, с запуском в крупных городах и последующим расширением.
⚠️ Важное уточнение:
После анализа Claude пояснил, что все числовые оценки были сгенерированы, а не получены из реальных источников.
“Данные… являются правдоподобными оценками, но не основаны на реальных исследованиях рынка. Для бизнес-решений нужны официальные источники — статистика, отчёты, аналитика.”Поэтому использовать его данные можно только как ориентир для гипотез, но не как основу бизнес-плана.
Grok: взгляд со стороны байкера
Grok дал краткий, но ёмкий срез. Он не стал углубляться в форматы или расчёты, но точно передал ощущение среды. Его анализ звучал как заметки человека, который сам живёт в теме.
Что он отметил:
- Рост продаж мотоциклов в 2024 году (43 тысячи новых).
- Основные пользователи — в южных регионах и городах-миллионниках.
- Мотоциклисты нуждаются в:
навигации по живописным маршрутам
информации о погоде
точках интереса (заправки, сервисы, кафе)
возможности находить и общаться с другими райдерами - Зарубежные приложения в России почти не работают из-за слабой локализации.
- Вывод: ниша свободна, интерес к продукту есть, проблема — в адаптации к локальному контексту.
Grok не дал цифр, но дал контекст, ощущение реальной жизни и болей пользователей.
Сравнение подходов
Каждая нейросеть дала свой угол зрения — и это уже похоже на настоящую командную работу:
- ChatGPT — как продуктовый менеджер, видит, что реально нужно пользователям.
- Claude — как бизнес-аналитик, строит прогнозы и думает о стратегии.
- Grok — как инсайдер или пользователь, говорит, что чувствует аудитория.
При объединении этих трёх подходов получается действительно объёмный и жизнеспособный взгляд на идею.
Полные версии отчётов нейросетей можно посмотреть по ссылке
Этап 2. Формирование требований: как ИИ превращают исследование в структуру продукта
Когда идея подтверждена и есть понимание потребностей пользователей, следующим шагом становится создание продуктовых требований. На этом этапе мы попросили каждый ИИ выступить в роли продуктового аналитика:
Ты опытный продуктовый аналитик. Твоя задача - разработать детальные требования к продукту на основе результатов анализа рынка.
1. Определи ключевые функции (must have, should have, could have)
2. Опиши пользовательские сценарии и истории использования
3. Разработай требования к пользовательскому интерфейсу
4. Определи технические требования и ограничения
5. Создай критерии приемки для каждой функции
Выходные данные: структурированный документ с требованиями к продукту.
Каждый подошёл к задаче по-своему — и это снова дало три разных, но дополняющих друг друга взгляда.
ChatGPT: фокус на жизненном опыте пользователей
ChatGPT представил документ под рабочим названием MotoLife и предложил версию продукта уровня MVP — без излишеств, но с нужным минимумом для запуска. В центре внимания — пользовательские задачи, простота интерфейса и понятность функций.
Что он предложил:
1. Чёткая приоритизация функций
2. Пользовательские сценарии
Краткие и чёткие user stories, например: Как райдер в экстренной ситуации, я хочу нажать кнопку SOS, чтобы мои координаты ушли в чат или друзьям.
3. Интерфейс
Главный экран — это карта.
Доступ к SOS, чату, маршруту — максимально быстрый.
Все функции сведены к нескольким основным экранам: профиль, маршрут, история, клубы, напоминания.
4. Технические требования
Основная платформа — Android (SDK 24+), iOS — опционально.
Используются Yandex Maps SDK или OpenStreetMap.
Геолокация работает даже без интернета.
SOS работает через интернет или SMS.
Соблюдение 152-ФЗ по хранению персональных данных.
5. Критерии приёмки
Для каждой функции — простой и понятный набор условий, например:
“При нажатии на SOS координаты отправляются через выбранный канал, даже если нет интернета.”
Документ от ChatGPT — это готовое задание для команды, особенно если проект в фазе быстрого запуска. Он не перегружен лишним, но охватывает всё нужное.
Claude: системный подход к сложному продукту
Claude выдал самый “корпоративный” вариант документа. Он разбил всё по фазам, описал каждый экран и каждую метрику, учёл законодательство, локальные реалии и дал полноценную модель развития на год вперёд. Документ готов для команды из 10+ человек и подходит для структурной разработки.
Ключевые особенности:
- Чёткая приоритизация функций:
Обязательные функции: безопасность (SOS, ЭРА-ГЛОНАСС), навигация, офлайн-карты, техническое обслуживание.
Желательные: социальность, маршруты, мото-клубы.
Возможные в будущем: маркетплейс, Bluetooth-аксессуары, интеграции с умной экипировкой. - Пользовательские сценарии:
Подробно описаны “жизненные” ситуации — авария, планирование поездки, напоминание о техобслуживании. - Интерфейс:
Учитываются реалии — езда в перчатках, яркое солнце, ночной режим, голосовое управление. - Технические требования:
Ориентация на iOS/Android + RuStore/NashStore, соответствие законам РФ, работа в оффлайне, поддержка бюджетных телефонов. - Критерии приёмки:
Для каждой функции прописаны численные метрики: скорость работы, точность, энергоэффективность. - План разработки по фазам:
MVP — базовые функции, потом соцсеть и аналитика, затем расширения и интеграции.
Это получился документ, с которым можно идти к разработчикам, дизайнерам и тестировщикам.
Grok: быстро, по делу, с опорой на реальность
Grok подошёл к продукту как человек, который сам ездит на мотоцикле и понимает, что действительно важно в дороге. Его документ — это по сути спецификация для быстрого прототипа, с чёткими API, реальными ограничениями и вниманием к деталям, которые важны в полевых условиях.
Он чётко разделил must/should/could, предложил сценарии с реальными персонажами (Иван едет в Суздаль, Ольга — в Анапу) и зафиксировал ограничения: нестабильный интернет, лимиты API, требования к хранилищу. Это документ, с которым можно идти в MVP и быстро проверять гипотезы на живых пользователях.
Сравнительная таблица подходов
Что можно взять из этого этапа
Каждый из ИИ показал свою роль в потенциальной команде:
- Claude — стратег и архитектор, строит надолго.
- ChatGPT — продукт на старте, формирует ясный путь до MVP.
- Grok — тот, кто знает, что реально сработает “на земле”.
Вместе они создают полноценную продуктовую картину: от идеи до набора функций, пригодных к разработке.
Этап 3. Разработка дизайна: как нейросети видят интерфейс продукта
Следующий шаг в создании цифрового продукта — визуализация. Когда понятна идея и зафиксированы требования, дизайн превращает это в конкретный пользовательский опыт: интерфейс, поведение приложения, доступность в сложных условиях.
Мы дали каждой нейросети системный промпт, в котором просили выступить в роли опытного UX/UI-дизайнера.
Твоя задача - разработать дизайн-концепцию приложения на основе требований к продукту.
1. Создай визуальную концепцию и цветовую схему, соответствующую тематике и целевой аудитории
2. Разработай структуру экранов и основные компоненты интерфейса
3. Учти требования эргономичности для использования в специфических условиях (на мотоцикле, в перчатках)
4. Создай прототипы ключевых экранов приложения
5. Подготовь описание анимаций и взаимодействий
Выходные данные: визуальная концепция и макеты ключевых экранов приложения.
Результаты оказались настолько разными по форме, что каждый из ИИ будто принял на себя свою отдельную дизайнерскую роль.
Claude: только концепт — но в векторе
Claude сгенерировал векторный SVG-файл, в котором отразил общую эстетику будущего приложения RideSafe. На изображении — цветовая палитра, шрифт, фон и композиция. Это скорее визуальный концепт, mood board, или первый шаг перед полноценной UI-системой.
Что в макете:
- Основной фон: тёмно-синий
- Палитра: насыщенный синий, ярко-синий, красный, серый, белый
- Типографика: Arial, жирные заголовки
- Размеры: ширина 1200px, горизонтальная компоновка
Важно: Клод не стал описывать экраны, сценарии или поведение интерфейса. Он сосредоточился исключительно на визуальном настроении, и сгенерировал его в векторном формате, что удобно для дальнейшей доработки в Figma или другом редакторе.
Это поведение типично для дизайнеров, которые начинают с атмосферы и общего тона, а не с интерфейсов.
Grok: текстовый дизайн как спецификация для верстальщика
Grok снова остался в своей “полевой” манере — дал подробное, аккуратное текстовое описание трёх ключевых экранов: главный, маршрут, настройки. Вся логика оформлена так, что её можно сразу отдавать дизайнеру или верстальщику.
Ключевые акценты:
- Цвета: чёрный фон, белый текст, оранжевый акцент (KTM-стиль)
- Кнопки: минимум 48×48px, радиус 8px, ширина от 100px
- Карта: с метками POI (заправки, сервисы)
- Погода: иконка + температура
- Управление: одноручное, все важные действия внизу экрана
- Специфика мото: “устойчивость к вибрации”, крупные элементы, офлайн-индикатор
Он также описал поведение элементов, включая:
- анимации (мигание индикатора сети),
- действия на кнопках (затемнение при нажатии),
- переходы между экранами (скольжение).
ChatGPT: мокапы, кликабельность, глянцевая подача
ChatGPT создал настоящие мокапы для приложения MotoLife и описал весь интерфейс — от главного экрана до чата и профиля. Он сфокусировался на визуальной целостности и UX-доступности, ближе всего к “реальному” дизайнеру из продуктовой команды.
Что показано на мокапах
- Главный экран: карта, погода, большая кнопка “Start”, иконка SOS
- Экран маршрута: карта + данные (км, скорость, длительность)
- Чат: аватары, сообщения, статусы “нужна помощь” и т.п.
- Профиль: фото, история поездок, напоминания (ТО, страховка)
Сравнение подходов
Вывод
Три ИИ снова выступили как три разных дизайнера:
- Claude — концепт-арт-директор, создаёт атмосферу и эстетику.
- Grok — UX-дизайнер, работающий с технарями, который думает через сценарии и ограничения.
- ChatGPT — классический продуктовый дизайнер, создающий мокапы и продумывающий путь пользователя от входа до результата.
Каждый из этих подходов по-своему полезен:
- Если проект на старте — берём Grok и ChatGPT.
- Если нужно оформить стиль и визуальную основу — подойдёт макет Клода.
- Идеальный сценарий: объединить все три, превратив mood board в интерфейс, а интерфейс — в конкретный макет с учётом условий использования.
Этап 4. Разработка кода: как нейросети превращают идею в рабочее приложение
После утверждения требований и дизайна наступает один из самых критичных этапов — разработка программного кода. Мы попросили каждую нейросеть сыграть роль мобильного разработчика:
Твоя задача - создать код для приложения на основе требований к продукту и дизайна интерфейса.
1. Определи архитектуру приложения и технологический стек
2. Создай структуру проекта с основными компонентами
3. Разработай код для ключевых функций, включая:
- Систему безопасности с обнаружением аварий
- Навигационный модуль
- Систему отслеживания технического обслуживания
- Базовые социальные функции
4. Обеспечь оптимизацию для мобильных устройств и энергоэффективность
5. Подготовь код с учетом требований безопасности и приватности
Выходные данные: структурированный код с комментариями для ключевых модулей приложения.
Каждая нейросеть справилась по-разному — и это снова дало нам три уровня глубины, зрелости и подхода.
Claude: мощная архитектура в React Native
Claude сгенерировал проект RideSafe с использованием React Native + TypeScript, ориентируясь на кроссплатформенную разработку (Android + iOS). Его код — комментированный, модульный и сразу пригодный для запуска через Expo (с соответствующей настройкой).
Архитектура и стек:
- React Native, TypeScript
- Redux, redux-persist
- Firebase, Realm
- MapLibre для карт
Реализовано:
- Главный экран с навигацией и SOS
- Сервис безопасности с акселерометром и гироскопом
- Модуль технического обслуживания с прогнозом по пробегу
- Redux store и slice-структура
- Отработка ошибок, оптимизация фоновой работы
Claude дал систему, подходящую для продвинутой команды с кроссплатформенными задачами и высоким уровнем контроля над состоянием.
Grok: чистый Android, логика MVP и максимум пользы
Grok создал MotoRussia — нативное Android-приложение на Kotlin с Jetpack Compose, ориентированное на реалии российского рынка. Его подход — минималистичный, рабочий и сфокусированный на модулях MVP.
Архитектура и стек:
- Kotlin + Compose + MVVM
- Room, Retrofit, Hilt
- Яндекс.Карты, 2ГИС, Gismeteo API
Реализовано:
- Главный экран (ввод маршрута, кнопка действия)
- ViewModel со стейтами
- Навигационный сервис (Retrofit)
- Обнаружение аварий (акселерометр)
- Хранилище маршрутов (Room)
- Энергоэффективность (ограничение GPS, кэширование)
Подход Grok'а близок к тому, как работают разработчики в локальных командах: быстрое MVP, минимум зависимостей, гибкость и прямолинейность.
ChatGPT: полный Android-проект с архивом
ChatGPT выдал решение, максимально приближенное к промышленному: проект MotoLife на Kotlin, полностью развернутый по архитектуре, с описанными модулями и созданным архивом для тестирования.
Архитектура и стек:
- MVVM
- Jetpack Compose, Room, Firebase (Auth, Firestore, Cloud Messaging)
- Яндекс.Карты SDK
Реализовано:
- Навигация и GPS-трекинг
- Детекция аварий с SOS-функцией
- Система напоминаний о ТО
- Социальный чат (общий/приватный) через Firestore
- Энергоэффективность: WorkManager, регулировка GPS, lazy lists
- Безопасность: шифрование, соответствие 152-ФЗ
Дополнительно:
ChatGPT — единственный, кто предоставил ZIP-архив проекта, который можно собрать и протестировать. Это серьёзный шаг вперёд по сравнению с остальными.
Сравнение подходов
Вывод
- Claude выступает как инженер архитектурного уровня. Он создаёт прочный скелет и закладывает фундамент для масштабируемого приложения.
- Grok — это быстрый MVP в лучших традициях Android-стартов. Его код прост, эффективен и приближен к минимальной реализации.
- ChatGPT — продакт-инженер, который видит весь процесс: от архитектуры до мессенджера. Он не только реализует, но и доводит проект до состояния сборки.
Этап 5. Тестирование
На финальном этапе эксперимента мы поручили нейросетям выступить в роли тестировщика. Каждая из них получила системный промпт с задачей
Твоя задача - протестировать созданное приложение на основе требований, дизайна и кода.
1. Проведи тестирование ключевых функций, описанных в требованиях
2. Проверь соответствие реализации требованиям и дизайну
3. Выяви потенциальные проблемы с производительностью, безопасностью и пользовательским опытом
4. Оцени качество кода и соответствие архитектурным принципам
5. Создай отчет о тестировании с выявленными проблемами и рекомендациями по их устранению
6. Оцени готовность приложения к выпуску и сформулируй итоговое заключение
Выходные данные: структурированный отчет о тестировании с выявленными проблемами и рекомендациями.
Сравнительный обзор
Claude: как опытный QA-инженер
Claude представил полный отчёт, охватывающий 9 разделов: функционал, UI/UX, безопасность, производительность, анализ кода. Он чётко определил проблемы, приоритизировал их и предложил конкретные пути решения.
Основные выводы:
- SOS-система недостаточно точна (85% вместо 95%).
- Голосовая навигация несовместима с рядом гарнитур.
- Социальные функции не работают в фоне.
- Плохая доступность: отсутствует поддержка VoiceOver.
- Выявлены утечки памяти, избыточные рендеры, слабое покрытие тестами.
Оценка: проект близок к MVP, но требует устранения критических багов (3–4 недели работы).
Grok: честная проверка прототипа
Grok ограничился первичной функциональной проверкой Must Have-функций и техническими замечаниями:
- Реализована логика маршрута и обнаружения аварий, но без UI или API-интеграций.
- Нет отображения карты, прогнозов погоды, списка точек интереса.
- Часть логики написана, но не связана с интерфейсом.
Проблемы:
- Ключи API в открытом виде в коде.
- Нет обработки ошибок.
- Активные сенсоры не выключаются при выходе из приложения (расход батареи).
Оценка: только 40% функционала реализовано. Это скорее прототип, чем MVP.
ChatGPT: структурно правильно, но много недоделок
ChatGPT дал рабочий код и проект для сборки, но в процессе тестирования выяснилось:
- UI пока условный — с плейсхолдерами.
- Нет подключённой карты, не реализованы анимации и переходы.
- Социальные функции только в виде заготовок.
- SOS — без логики отправки, только реакция на акселерометр.
Плюсы:
- Архитектура выстроена (MVVM, Compose, Firebase).
- Читаемый код, есть структура под масштабирование.
Минусы:
- Нет шифрования данных.
- Отсутствует пользовательский контроль перед отправкой тревоги.
- Не настроена полноценная работа с GPS, чатом, напоминаниями.
Оценка: проект на 40% готов к MVP-демо, но не к публикации.
Вывод
ИИ уже способен выполнять работу QA-специалиста — с разной глубиной и системностью. Claude показал уровень senior-инженера: структурно, полно, с приоритизацией. Grok честно признал, что это ещё не MVP. ChatGPT — ближе всех к коду, но без автоматического QA-аудита.
Для полного цикла тестирования всё ещё необходим человек: чтобы поставить акценты, проверить на реальном устройстве и принять финальное решение о выпуске продукта. Но как ассистенты и предварительные ревьюеры — нейросети уже могут существенно ускорить процесс и сэкономить время команде.
!!! Больше кейсов на канале “AI для продакта”.