БИЗНЕС НА ИИ ТРЕНДЫ ИИ-СТАРТАПОВ 2024–2025 мнение лидеров рынка

1. Общий контекст и суть подкаста

1. Спецсезон «Стартап Секреты» посвящён стартапам, использующим технологии искусственного интеллекта (ИИ). Цель – найти перспективные ниши и сформировать практическое понимание ограничений бизнеса на базе ИИ.
2. Участники подкаста – ключевые представители стартап-экосистемы:Никита Ражев (Yandex Cloud Boost)
   Дмитрий Калаев (ФРИИ)
   Александр Горный (Slackers VC)
   
3. У каждого из гостей своя «насмотренность» на рынок и собственные тезисы о том, куда движется ИИ и как стартапам занять свои ниши.

2. Разговор с Никитой Ражевым (Yandex Cloud Boost)

Основные темы и тезисы

1. Yandex Cloud Boost – грантовая программа Яндекса, которая за ~5 лет выдала более 1300 грантов на сумму 300+ млн рублей.
2. Рост проектов с ИИ: В рамках отдельной программы WCB AI (Yandex Cloud Boost AI) команда даёт гранты стартапам, работающим над продуктами на базе больших языковых моделей (LLM).
3. Типичные сценарии использования ИИ в проектах, которые приходят за грантом:Виртуальные ассистенты, включая обученного на базе внутренних документов помощника.
   Поддержка / саппорт, где ИИ-ассистент помогает операторам быстро переключаться на «живого человека» в сложных ситуациях.
   Генерация SEO-текстов (описания для карточек товаров, объявлений, вакансий и т.д.).
   Саммаризация (протоколирование разговоров, документов).
   Юридические ассистенты (анализ больших объёмов документов, поиск рисков и т.д.) – но пока нет прорывных историй на рынке из-за юридических и этических рисков.
   
4. Почему фундаментальные модели (большие языковые модели) в России разрабатывают в основном корпорации (Яндекс, Сбер):Необходим гигантский капитал и ресурсы.
   Пока не до конца понятно, как это окупается и как сделать прочную бизнес-модель «больших LLM» на российском рынке.
   
5. Точки монетизации стартапов на базе ИИ сейчас:Есть компании с крупной выручкой (сотни миллионов рублей в год), встраивающие ИИ как часть продукта (CRM, аналитика и пр.).
   Есть узкие ниши (суммаризация созвонов, анализ звонков, чат-ассистенты), где можно быстро вырасти и привлечь внимание крупного игрока либо захватить рынок.
   
6. Советы / рекомендации тем, кто начинает AI-стартап:Подумайте об уникальных данных. Если у вас есть уникальный датасет, который сложно повторить конкурентам, – это конкурентное преимущество.
   Сценарии B2B: либо помогаете компаниям зарабатывать больше, либо снижаете им издержки. Если ни то ни другое не работает – вы скорее «фича», которую большие игроки могут «приделать» сами.
   Не забывать о вопросах легальности, ответственности и выстраивании процесса, когда ИИ ошибается, а ответственность несёт живой человек.
   

Ключевая цитата (по смыслу):
«Если вы начинаете работать с LLM, подумайте, где брать уникальные данные и как они дают пользу конечному пользователю. Без базы данных никакой искусственный интеллект не даст вам устойчивого конкурентного преимущества.»

3. Разговор с Дмитрием Калаевым (ФРИИ)

Основные темы и тезисы

1. Роль ФРИИ в экосистеме:Более 400 сделок по инвестициям и 2000 команд, прошедших акселераторы ФРИИ за 10 лет.
   ФРИИ инвестирует собственные деньги, выводит стартапы на рынок и зарабатывает на экзитах.
   Акселератор ФРИИ — это работа с ~200 стартапами ежегодно, детальная проработка бизнес-гипотез, развитие метрик.
   
2. Искусственный интеллект в стартапах:Раньше (10 лет назад) ИИ был нишевой фишкой; теперь «у каждого второго проекта» есть ИИ-подсистема. Потому нет отдельной «строчки» инвестиций в «AI» – ИИ стал базовым инструментом, встроенным в решения.
   Платформенные решения (типа ChatGPT) в России могут делать в основном крупные корпорации (Сбер, Яндекс) из-за высокой стоимости разработки, дефицита GPU и ограничений рынка.
   Прикладные решения (B2B-продукты, AI-модули для оптимизации и т. д.) может делать любая команда.
   
3. Где искать ниши:Уникальный датасет: если у вас есть набор данных, с которыми другим сложно конкурировать.
   Неочевидная узкая ниша: крупным корпорациям она «не интересна» или «не окупается» в миллиардах рублей. Зато там можно занять стабильное положение.
   Большой объём ручного труда, который можно автоматизировать (юридические отделы, сканирование документов, прослушка продавцов, проверка качества обслуживания, и т. д.).
   
4. Почему «большие» компании могут «задавить»:Если ваш рынок настолько большой и вы делаете «универсальный» инструмент, то рано или поздно туда придёт корпорация.
   Лучше ориентироваться либо на средний бизнес и специфические задачи, либо делать то, что корпорациям неинтересно из-за малой выручки.
   
5. Пример:Компания VisionLabs (распознавание лиц) – одна из первых инвестиций ФРИИ (2013). Дорогая разработка, но стала стандартом для ряда банков (оплата «по лицу»).
   UN Histology: сначала сделали marketplace для онкологии (онлайн-диагностика), заработали денежный поток, накопили датасет и только потом внедрили AI-модуль, который ускоряет просмотр снимков.
   
6. Рекомендации AI-стартапам:Не начинайте сразу с «фундаментального» AI – это слишком дорого и долго. Начните с прикладной задачи.
   Фокус на конкретную проблему, где AI даёт 10-кратный рост эффективности.
   Сначала выстраивайте бизнес с живыми клиентами и реальной выручкой, а потом уже усиливайте решение нейросетями.
   

Ключевая цитата (по смыслу):
«ИИ стал базовой гигиеной почти в каждом технологическом бизнесе. Не важно, как вы это делаете – своими алгоритмами или подключаете Яндекс GPT – главное, чтобы бизнес-задача решалась.»

4. Разговор с Александром Горным (Slackers VC)

Основные темы и тезисы

1. Фокус Александра на рынке:Сооснователь синдиката Slackers VC, который инвестирует в B2B-стартапы с генеративным ИИ, преимущественно с фокусом на США.
   Видит генеративные нейросети как «следующую большую волну» вроде интернета, которая повлияет на все сферы жизни.
   
2. Два уровня применения ИИ:B2C / «Помощники для всего»: большие экосистемы (Яндекс, Google, OpenAI) в перспективе сами сделают «100 самых популярных сценариев»: от изучения языка до туристического помощника. Стартапам там сложно конкурировать.
   B2B / Специализированные задачи: огромное поле, где требуется глубокая интеграция в корпоративные процессы (юристы, бухгалтеры, медицина, техподдержка, колл-центры, обучение персонала и т.д.). Именно здесь стартапы могут вырасти и зарабатывать, потому что «большим» игрокам может быть неинтересно делать тонкие решения для узких отраслей.
   
3. Горизонт прибыли и риски:Сейчас многие AI-стартапы убыточны, но быстро растут (пример: Character.AI, Perplexity, Jasper, Glean и прочие).
   Есть небольшие команды, которые уже получают прибыль в узких решениях (например, небольшие Telegram-боты или веб-сервисы, делающие доступ к ChatGPT), но это обычно не «громкие» сделки.
   
4. Ограничения и сложности:Контентная модерация (политика, экстремизм), юридические риски (принятие решений, ответственность за ошибки), этика.
   Сама база (модель) может принадлежать крупному провайдеру (OpenAI, Яндекс, Сбер и т. д.), и стартап зависит от их API, платит за него и должен встроиться в чужую экосистему.
   
5. Советы стартапам:Идти в конкретную, максимально узкую вертикаль, где нужна кастомная интеграция с бизнес-процессами.
   Тщательно понимать «почему вы»: то есть, если проект «очень на виду» и «все большие инвесторы уже отказались», надо задать себе вопрос, почему так. Но сейчас «окно возможностей» открыто, большие игроки не успевают закрыть всё.
   Помнить, что рынок генеративного ИИ быстро перегреется, и через пару лет в «корзину» уйдут многие проекты, не выдержавшие конкуренции.
   

Ключевая цитата (по смыслу):
«Все говорят, что идея решает всё. Но в стартапах на ИИ главное – упорно работать и не останавливаться. ИИ даёт много возможностей, но чтобы сделать успешный продукт, нужно пахать и ещё раз пахать.»

5. Общие «мудрости», итоги и рекомендации

1. ИИ в России:Большие модели остаются за корпорациями из-за стоимости и санкционных ограничений (доступ к GPU, большие инвестиции).
   Стартапам эффективнее идти в узкие прикладные решения, особенно в B2B-секторе.
   
2. Уникальные данные – «новая нефть»:Конкурировать алгоритмами в лоб сложно; главное – иметь собственный ценный датасет или специфическую экспертизу, недоступную крупным игрокам.
   
3. Не забывайте про реальный бизнес:Пилите продукт, за который платят уже сейчас, а нейросети используйте для усиления и масштабирования.
   Сначала — доход и подтверждение спроса, потом — развитие AI-модуля.
   
4. Этика и ответственность:В юридической, медицинской, финансовой сферах ошибки ИИ стоят дорого, возможны претензии со стороны клиентов и госрегуляторов. Нужно строить цепочку, где человек подтверждает решение ИИ.
   
5. Текущие результаты у AI-стартапов:Часть команд уже выходит на сотни миллионов рублей выручки, но большинство – либо очень ранние, либо убыточные, но быстрорастущие.
   «Окно возможностей» для того, чтобы стать лидером в маленькой или средней нише, ещё есть, но оно сузится в ближайшие 1–2 года.
   
6. Главный “секрет успеха”:Много работать и быстро проверять гипотезы: «ИДЕЯ – ничто без активного, упорного труда».
   Вовремя поймать волну, когда спрос на ИИ-решения растёт, а рынок ещё не заполнен «большими» игроками.
   Делать то, что сложно повторить: уникальный датасет, интеграцию в специфические процессы, узкую нишу.
   

Несколько ярких цитат по смыслу

• Никита Ражев: «Если модель машинного обучения ошибётся, ответственность остаётся у человека. Поэтому надо выстраивать процессы, когда человеку понятно, что именно сделал ИИ и какую часть решения проверять вручную.»
• Дмитрий Калаев: «Искусственный интеллект в большинстве современных техстартапов — это уже гигиена. Глупо кричать “У нас есть ИИ!”, потому что скоро это будет как “У нас есть электричество!”.»
• Александр Горный: «Чтобы не стать очередным проектом, который забыли через год, важна специализация. Ты должен найти узкую боль в бизнес-процессах клиента и решать её с помощью генеративных моделей, а не делать “ассистента на все случаи жизни”, который уже завтра появится у гигантов.»

6. Краткое финальное слово

• ИИ-стартапы в России и мире переживают бурный рост: от чат-ботов до узкоспециализированных решений.
• Главная стратегия для команды, у которой нет миллиардов на обучение собственной модели: искать прикладные сценарии в B2B, где крупный игрок не будет конкурировать в ближайшее время, и где можно собрать/создать уникальные данные.
• Не переоценивать “магию” AI: продукт важнее самой «нейросети». Если клиентский бизнес не растёт, никакой ИИ не спасёт. А чтобы взлететь — нужны: (1) реальные пользователи, (2) зарабатывающая бизнес-модель, (3) постоянная работа над улучшением.

Главная мудрость:
«Искусственный интеллект — мощный инструмент, но без упорного труда над конкретной проблемой, продуктом и данными не будет ни денег, ни устойчивого бизнеса.»