Какой ИИ-стартап выживет: AI-wrapper или AI-native
Юрий Гизатуллин о том, почему Sequoia делит все ИИ-стартапы на два типа и какой из них имеет реальный шанс не проиграть гонку моделей.
Я обратил внимание на материал Sequoia Capital «AI in 2026: A Tale of Two AIs», где фонд предлагает удобную рамку для оценки любого ИИ-продукта. Все ИИ-стартапы сводятся, по сути, к двум типам, и от того, к какому из них относится продукт, зависит, есть ли у него будущее.
Два типа ИИ-продуктов
Первый тип — AI wrapper: красивый интерфейс над чужим ИИ через API. Это может быть генератор презентаций, картинок или текстов, который технически легко и быстро собрать. Проблема в том, что как только OpenAI, Anthropic или Google встраивают такую же функцию в свою основную модель, стартап-обертка теряет причину для существования — модель-провайдер в любой момент может выпустить ту же возможность бесплатно.
Второй тип — AI-native, где ИИ выполняет конкретную роль внутри реального бизнес-процесса, а ценность продукта строится не на самой модели, а на данных и рабочих процессах вокруг нее. Я считаю, что именно этот подход сегодня остается единственно устойчивой стратегией, потому что здесь каждое обновление базовой модели делает продукт лучше, а не отправляет его на кладбище стартапов.
Простой тест на выживание
Мне нравится тест, который предлагают в индустрии: может ли завтра OpenAI выпустить функцию, которую делает ваш продукт? Если ответ да — у вас просто функция, а не бизнес. Если нет, потому что ваша ценность строится на данных, интеграции в рабочий процесс и связи с пользователем — у вас есть реальный ров защиты.
Похожая история уже случалась не раз. Классический пример — платное приложение-фонарик на iPhone, которое приносило разработчику доход, пока Apple не встроила эту функцию прямо в iOS, после чего продукт стал просто не нужен. Автор успел заработать на этом около 500 тысяч долларов, но это разовая история, а не бизнес-модель.
Данные — новый актив, а не модель
Я согласен с выводом Sequoia: гонка за «самым умным ИИ» — это гонка в никуда, потому что стоимость моделей падает почти каждый месяц, а инференс за последние пару лет подешевел кратно. Побеждает не тот, у кого доступ к самой продвинутой модели, а тот, у кого глубже данные, теснее интеграция в процесс клиента и сильнее эффект накопления обратной связи — так называемый data flywheel.
Фраза «данные — новая нефть» звучала в Кремниевой долине два десятилетия, но именно сейчас, в эпоху ИИ, она стала буквально операционной реальностью для оценки стартапов.
Почему момент для запуска — сейчас
Sequoia в октябре закрыла новые ранние фонды на 950 млн долларов — 750 млн под раунды Series A и 200 млн под seed-стадию, а весной привлекла еще около 7 млрд долларов под расширение ставок на ИИ-компании. Приоритет фонд отдает именно проектам, где ИИ встроен как инфраструктура и реальный драйвер эффективности, а не как маркетинговый слоган.
Для меня это означает одно: капитал уже ищет AI-native компании, а не наоборот. Это редкое окно, когда деньги готовы идти в идею раньше, чем идея полностью созрела — но воспользоваться этим смогут только те, кто строит продукт вокруг данных и процесса, а не вокруг чужого API.
Два типа ИИ-продуктов
Первый тип — AI wrapper: красивый интерфейс над чужим ИИ через API. Это может быть генератор презентаций, картинок или текстов, который технически легко и быстро собрать. Проблема в том, что как только OpenAI, Anthropic или Google встраивают такую же функцию в свою основную модель, стартап-обертка теряет причину для существования — модель-провайдер в любой момент может выпустить ту же возможность бесплатно.
Второй тип — AI-native, где ИИ выполняет конкретную роль внутри реального бизнес-процесса, а ценность продукта строится не на самой модели, а на данных и рабочих процессах вокруг нее. Я считаю, что именно этот подход сегодня остается единственно устойчивой стратегией, потому что здесь каждое обновление базовой модели делает продукт лучше, а не отправляет его на кладбище стартапов.
Простой тест на выживание
Мне нравится тест, который предлагают в индустрии: может ли завтра OpenAI выпустить функцию, которую делает ваш продукт? Если ответ да — у вас просто функция, а не бизнес. Если нет, потому что ваша ценность строится на данных, интеграции в рабочий процесс и связи с пользователем — у вас есть реальный ров защиты.
Похожая история уже случалась не раз. Классический пример — платное приложение-фонарик на iPhone, которое приносило разработчику доход, пока Apple не встроила эту функцию прямо в iOS, после чего продукт стал просто не нужен. Автор успел заработать на этом около 500 тысяч долларов, но это разовая история, а не бизнес-модель.
Данные — новый актив, а не модель
Я согласен с выводом Sequoia: гонка за «самым умным ИИ» — это гонка в никуда, потому что стоимость моделей падает почти каждый месяц, а инференс за последние пару лет подешевел кратно. Побеждает не тот, у кого доступ к самой продвинутой модели, а тот, у кого глубже данные, теснее интеграция в процесс клиента и сильнее эффект накопления обратной связи — так называемый data flywheel.
Фраза «данные — новая нефть» звучала в Кремниевой долине два десятилетия, но именно сейчас, в эпоху ИИ, она стала буквально операционной реальностью для оценки стартапов.
Почему момент для запуска — сейчас
Sequoia в октябре закрыла новые ранние фонды на 950 млн долларов — 750 млн под раунды Series A и 200 млн под seed-стадию, а весной привлекла еще около 7 млрд долларов под расширение ставок на ИИ-компании. Приоритет фонд отдает именно проектам, где ИИ встроен как инфраструктура и реальный драйвер эффективности, а не как маркетинговый слоган.
Для меня это означает одно: капитал уже ищет AI-native компании, а не наоборот. Это редкое окно, когда деньги готовы идти в идею раньше, чем идея полностью созрела — но воспользоваться этим смогут только те, кто строит продукт вокруг данных и процесса, а не вокруг чужого API.
Смотрите также