За последний месяц я исследовал больше ста продуктовых гипотез. До разработки прототипов дошли три. Этот результат заставил меня иначе посмотреть на главное ограничение ИТ-продукта в эпоху ИИ.

100+ гипотез за месяц: куда переместилось узкое место ИТ-продукта

За последний месяц я исследовал больше ста продуктовых гипотез. До разработки прототипов дошли три.
Для меня это один из самых важных результатов последних месяцев работы с ИИ. Не потому, что я нашёл три особенно хорошие идеи. А потому, что впервые смог достаточно быстро проверить десятки идей, которые раньше могли годами лежать в голове в статусе «надо когда-нибудь сделать».

И выяснилась неприятная вещь.
Проблема была не в том, что я не успевал их разрабатывать. Большинство из них вообще не стоило разрабатывать.

Раньше хорошие идеи всегда как будто были в запасе

У меня как у предпринимателя накапливается свой загашник идей для продуктов.
Вот сервис, который точно кому-то нужен.
Вот функция, которую почему-то никто нормально не сделал.
Вот проект, который можно запустить, когда появятся свободные разработчики.
Вот ещё одна очевидная идея, до которой рынок почему-то пока не додумался.

Проверить всё это было дорого. Чтобы по-настоящему столкнуть идею с реальностью, часто требовалось поставить задачу, спроектировать продукт, собрать первую версию, привлечь разработчиков, потратить несколько недель или месяцев. Обычно на запуск одного IT SaaS сервиса у меня уходило от 1 млн. рублей.

Поэтому у меня существовало очень удобное объяснение:

идея хорошая, просто до неё пока не дошли руки.

Узким местом была разработка. Идей можно придумать двадцать. Сделать получится две или три.
Остальные продолжают жить в голове и почти не рискуют встретиться с неприятным вопросом: а они вообще кому-нибудь нужны?

ИИ начал ломать этот фильтр

Я не считаю корректным говорить, что ИИ уже одинаково ускоряет любую разработку. Данные пока слишком зависят от задачи. В исследовании METR 2025 года опытные разработчики, работавшие со знакомыми зрелыми открытыми проектами, с доступом к ИИ выполняли задачи в среднем на 19 процентов дольше. В феврале 2026 года METR сообщил, что новые данные уже дают некоторые признаки ускорения, но из-за смещения выборки организация считает оценку текущего эффекта ненадёжной.

Мне и не нужно доказывать, что ИИ ускорил ВСЮ программную разработку. Для моего вывода достаточно более узкого изменения.
Для большого класса задач стало намного дешевле попробовать.
Собрать прототип.
Проверить техническую реализуемость.
Написать внутренний инструмент.
Сделать первую рабочую версию.
Переделать её несколько раз.

То, ради чего раньше я сначала искал бы разработчика и ставил задачу в очередь, сегодня во многих случаях можно начать проверять почти сразу. И когда пропускная способность разработки увеличилась, я неожиданно упёрся совсем в другое ограничение.

Сейчас я собрал контур, который должен убивать мои идеи

Последний месяц я сознательно занимался не поиском причин сделать очередной продукт, а поиском причин его не делать. Постепенно из этого вырос собственный исследовательский контур.

Я разбираю саму работу, которую якобы должен решать будущий продукт.
Смотрю вакансии на hh.ru и пытаюсь понять, нанимают ли компании людей для выполнения этой функции.
Исследую поисковый спрос: ищут ли проблему, существующие решения, альтернативы.
Смотрю конкурентов.
Разбираю текущий способ выполнения работы.
Ищу признаки того, что проблема повторяется, стоит денег и достаточно важна, чтобы ради неё менять привычное поведение.
Отдельно пытаюсь понять, кто пользователь, кто отвечает за результат, кто принимает решение о покупке и из какого бюджета вообще могут появиться деньги.

Ни один из этих сигналов сам по себе ничего не доказывает.
Вакансия не означает, что человека можно заменить программой.
Поисковый запрос не означает готовность платить.
Наличие конкурентов не означает, что рынку нужен ещё один продукт.
Разговор с одним потенциальным клиентом не означает массовый спрос.
Но несколько независимых сигналов позволяют гораздо раньше увидеть, что находится под красивой идеей.

И результаты этого процесса оказались довольно жестокими.
Из более чем 100 гипотез до разработки прототипов дошли 3.

Все мои «гениальные идеи» внезапно стали гипотезами

Некоторые идеи лежали у меня несколько лет. Я был практически уверен, что там есть продукт. Раньше проверить это убеждение было сложно. Всегда можно было сказать себе: когда появится время на разработку, тогда и посмотрим.

Теперь я начал смотреть до разработки. И одна за другой идеи начали разваливаться.
Где-то я не нашёл достаточного спроса.
Где-то работа существует, но возникает слишком редко.

Где-то люди действительно сталкиваются с проблемой, но её стоимость слишком мала.
Где-то уже существует способ решения, который объективно хуже потенциального продукта, но достаточно хорош, чтобы никто не захотел переключаться.

Где-то проблема интересная, но покупатель практически недоступен.
Где-то пользователь получает пользу, но непонятно, кто должен платить.
Где-то рынок существует, но я не вижу оснований считать его достаточно большим.

А иногда всё выглядит перспективно, но просто нет достаточных сигналов, чтобы идти дальше. Последняя формулировка для меня принципиальна. Я не могу сказать:

эта идея никому не нужна.

Чтобы доказать отсутствие любого спроса, потребовалось бы следующее отдельное исследование. Мой вывод намного практичнее:

у меня нет достаточных оснований тратить на неё разработку сейчас.

Для предпринимателя этого хватает.
Цель хорошего исследования не в том, чтобы доказать невозможность успеха.
Цель - уменьшить вероятность потратить несколько месяцев на то, что можно было остановить за несколько дней.

Но даже настоящая проблема ещё не является продуктом

Это был следующий уровень моего разочарования.

Допустим, работу я нашёл.
Она действительно существует.
Люди выполняют её регулярно.
Компании нанимают для неё сотрудников.
На рынке есть решения.
В поиске есть запросы.
Кажется, вот он, продукт.
Но нет.

Мне ещё нужно понять, насколько эта работа массовая.
Сколько она стоит сейчас.
Насколько часто возникает.
Насколько одинаково выполняется в разных компаниях.
Кто контролирует бюджет.

Есть ли достаточно сильная причина отказаться от существующего способа.
Можно ли получить клиента по приемлемой цене.
Можно ли повторить внедрение второй, десятый и сотый раз.
Можно ли обслуживать этот продукт так, чтобы под видом программного обеспечения не получился дорогой ручной сервис.

Существование проблемы и существование масштабируемого бизнеса - далеко не одно и то же.
Именно поэтому из 100 гипотез у меня пока не получилось 100 продуктов.
Даже 10 не получилось.
3 дошли до следующего этапа.
И даже про эти 3 я пока не могу сказать, что нашёл массовые продукты. Сейчас у меня есть только основания продолжать проверку.

Я больше не ищу идеи. Я ищу работы

После этих исследований мне вообще стала меньше нравиться формулировка «найти идею для стартапа». Раньше я уже пришёл к принципу сначала исследование, потом продукт, а затем собрал карту из 240 повторяемых работ бизнеса.

Идея существует в голове предпринимателя.
Работа существует независимо от него.
Человек уже пытается что-то сделать.
Компания уже тратит на это время.
Для выполнения функции уже нанимают сотрудников.

Из-за ошибки уже теряются деньги.
Из-за задержки уже возникает ущерб.
Уже существует таблица, подрядчик, программа, ручная инструкция или человек, которыми эту проблему закрывают сегодня.
Вот это намного интереснее идеи.

Особенно меня интересуют работы, которые одновременно:

• регулярно повторяются;
• достаточно дороги;
• имеют понятный готовый результат;
• встречаются у большого числа похожих клиентов;
• могут быть хотя бы частично стандартизированы;
• дают возможность проверить экономический эффект;
• имеют понятного покупателя.

И здесь я начинаю видеть настоящий дефицит. Идей бесконечно много.
Массовых повторяющихся работ с понятной экономикой значительно меньше.

На рынке происходит похожий сдвиг

В марте 2026 года руководитель Y Combinator Гарри Тан рассказывал на SXSW, что параллельно с основной работой запускает несколько ИИ-исполнителей для программирования и получает около 10 тысяч строк кода в день сразу по трём собственным проектам.

Он же говорил, что в некоторых наборах Y Combinator примерно половина стартапов уже производит по 10-20 тысяч строк кода в день. По его словам, при выборе основателей для него становятся менее важными университет и предыдущий известный работодатель, а больше внимания он уделяет продуктовой интуиции, самостоятельности и тому, что человек реально создаёт.

Я бы вообще не измерял ценность разработки строками кода. Иногда лучшие 10 000 строк - это 10 000 Удалённых строк. Но сам сигнал интересен. Если произвести программный код может намного больше людей, умение произвести код становится слабее как самостоятельное конкурентное преимущество.

Ещё показательнее запрос Y Combinator для стартапов осени 2026 года про Small Software - небольшие программы для одного человека или маленькой группы. Y Combinator прямо пишет, что специализированный софт такого типа благодаря агентам стало очень легко создавать, тогда как развёртывание, совместная работа, права доступа и безопасность остаются сложными задачами.

Мне кажется, это важное изменение самой экономики программного обеспечения.

Конкурентом продукта становится не только другой продукт

Представим небольшой специализированный сервис. Он преобразует данные из одного формата в другой, собирает отчёт, обрабатывает документы или выполняет какую-то очень конкретную внутреннюю функцию компании.

Раньше у потенциального клиента был выбор:

• купить готовое решение;
• заказать разработку;
• продолжить делать вручную.

Сейчас постепенно появляется четвёртый вариант:
собрать достаточно хорошее решение самостоятельно с помощью ИИ.

Оно может быть хуже коммерческого продукта. Это не обязательно проблема.
Клиенту не всегда нужен лучший продукт на рынке.
Иногда ему достаточно инструмента, который закрывает именно его задачу.

Это не означает смерть готового программного обеспечения. У коммерческого продукта остаются серьёзные преимущества: надёжность, поддержка, безопасность, интеграции, накопленная экспертиза, обработка исключений, ответственность за результат.

Но одного аргумента «мы это разработали» становится недостаточно.
Если функцию легко воспроизвести, ценность должна находиться глубже.
В данных.
В дистрибуции.
В доверии.
В сложной интеграции.
В накопленном контексте.
В уникальном процессе.
В способности стабильно выполнять функцию.
В доступе к клиенту.
В результате, который сложно получить просто хорошим запросом к модели.

Узкое место перемещается

Раньше цепочка для многих ИТ-проектов выглядела примерно так:

идея -> очередь разработки -> продукт -> маркетинг -> продажи

Самая дорогая часть находилась близко к началу. Поэтому было логично много думать о производительности разработчиков, приоритетах, очереди задач и количестве ресурсов. Мой опыт последнего месяца заставляет меня перевернуть эту конструкцию:

исследование -> проверка спроса -> маркетинг -> продажи -> разработка

Конечно, разработка никуда не исчезает. Сложные продукты по-прежнему сложно создавать.
Архитектура, безопасность, масштабирование, поддержка, интеграции и технический долг никуда не делись.

Но мне становится всё менее интересно использовать разработку как первый способ проверить идею. Потому что чем быстрее я могу построить продукт, тем больше плохих продуктов я способен построить за единицу времени.

Ускорение разработки без улучшения отбора гипотез увеличивает не только скорость создания ценности. Оно увеличивает скорость производства ненужного.

Поэтому мне теперь нужно становиться экспертом в другом

Я много лет занимаюсь ИТ, CRM, интеграциями и автоматизацией. Раньше для меня естественным ограничением была способность что-то реализовать.
Сейчас всё чаще я начинаю с предположения:технически я, скорее всего, найду способ это сделать.

Меня интересует другое.
Нужно ли это делать вообще?
Какая реальная работа стоит под идеей?
Сколько раз она повторяется?
Кто за неё уже платит?
Почему существующий способ недостаточно хорош?
Сколько существует похожих клиентов?
Как их найти?
Какими словами они сами описывают проблему?
Как продать решение ещё до дорогой разработки?
Почему они продолжат пользоваться им через полгода?

Вот где для меня теперь находится основная профессиональная сложность.
Исследования.
Маркетинг.
Продажи.
Дистрибуция.
Понимание поведения клиента.
Поиск повторяющихся работ.
Поиск экономических сигналов.
Отличие интереса от готовности платить.

Если раньше сильный технологический предприниматель должен был в первую очередь уметь организовать производство программного обеспечения, то теперь всё важнее другое умение:

находить то программное обеспечение, которое вообще стоит производить.

ИИ не решил проблему создания продуктов

Он открыл следующий слой этой проблемы.
Код можно производить быстрее.
Прототипы можно делать дешевле.
За месяц можно проверить столько направлений, сколько раньше я просто не смог бы физически запустить в разработку.

И благодаря этому становится виден настоящий дефицит.
Не дефицит идей.
Не дефицит возможностей ИИ.
И даже не обязательно дефицит разработчиков.
Дефицит хорошо подтверждённых работ, которые достаточно массовы, достаточно дороги и достаточно похожи между клиентами, чтобы вокруг них можно было построить повторяемый бизнес.

Фиксирую для себя еще раз выводы: за последний месяц я исследовал больше 100 гипотез. До прототипов дошли 3. Раньше такая конверсия могла бы меня расстроить. Сейчас я смотрю на неё наоборот.

Если исследование убило 97 потенциальных проектов до того, как я потратил на них серьёзную разработку, значит контур сделал именно то, для чего я его строил.

Следующая задача намного сложнее.
Найти среди оставшихся не просто технически реализуемые продукты.
А настоящие массовые работы, за решение которых люди будут регулярно платить.
Похоже, именно туда и переместилось бутылочное горлышко.