Я исследовал 32 идеи AI-продуктов. До следующего этапа дошли четыре

Первичный скрининг не должен выбирать продукт за меня. Его задача проще: убрать идеи, на которые пока не стоит тратить более дорогие исследования и разработку. Из 32 гипотез после первого прохода я оставил четыре.

В предыдущей статье я написал, почему после приглашения в Sber500xDisrupt решил не бросаться сразу делать MVP.

У меня было 32 B2C AI-гипотезы.
Задача первого этапа была не выбрать победителя, а достаточно дёшево уменьшить пространство ошибок.

Если коротко: из 32 гипотез после первого скрининга я оставил 4:

• персональную AI-сказку для ребёнка;
• автоматический AI-клипмейкер;
• AI-таролога;
• помощника для сложных переписок.

Я сравнивал идеи по 8 параметрам: рынок, наблюдаемый спрос, готовность платить, частота использования, retention, distribution, скорость MVP и роль AI.

При этом несколько образовательных продуктов получили более высокие оценки, чем мои финалисты.
Я исключил их уже вторым фильтром - мне самому неинтересно заниматься этой темой.
Это важная часть результата.

Как я делал первый скрининг

Для каждой гипотезы я использовал одну и ту же рамку.

Восемь параметров, каждый от 0 до 5:

1. Market - есть ли достаточно большой и понятный рынок.
2. Demand - видно ли, что люди уже пытаются решать эту задачу.
3. WTP - платят ли пользователи за похожий результат.
4. Frequency - насколько часто возникает сама Работа.
5. Retention - есть ли естественная причина возвращаться.
6. Distribution - есть ли правдоподобный путь к первым пользователям.
7. MVP - насколько быстро и дёшево можно проверить основную ценность.
8. AI advantage - создаёт ли AI отдельную ценность или просто украшает обычный продукт.

Максимум - 40 баллов.
Отдельно я смотрел конкуренцию и риски. Они не растворялись внутри общего балла, потому что один серьёзный блоке способен сделать бессмысленной даже красивую сумму по остальным параметрам.

Важно: score здесь - не измерение рынка и не доказательство product-market fit.
Это сравнительная экспертная оценка для первого прохода.
Она нужна, чтобы понять, куда смотреть глубже.

Я специально прогнал гипотезы через несколько AI-систем

Мне было интересно не только получить ответы, но и посмотреть, насколько устойчивым окажется сам метод.

И здесь сразу появилась полезная проблема.
Один из ИИ-агентов вообще начал исследовать не тот список и придумал собственные гипотезы.
Такой результат я исключил полностью.

Это хороший пример того, почему нельзя просто сказать: «Пусть пять моделей оценят идеи, а потом усредним баллы».
Если исходные данные поплыли, среднее значение становится только более убедительной ошибкой.

Поэтому сначала я зафиксировал канонические 32 гипотезы, а другие модели использовал не как независимых «судей», а как способ найти расхождения, слабые места и вопросы для проверки.

Четыре идеи, которые я понёс дальше

№7. AI-таролог - 31/40

На первом проходе эта идея оказалась неожиданно сильной.

Плюсы:

• понятная и уже существующая платная категория;
• потенциально высокая частота;
• простой MVP;
• эмоциональный сценарий;
• результат легко пересылать и обсуждать.

Главный вопрос для глубокого исследования:
это быстрый продукт, который способен удерживать пользователя месяцами?

Мне важно разделить эти две вещи.
Продукт может отлично собирать первые регистрации и при этом очень быстро выгорать.

№11. AI-клипмейкер - 30/40

Здесь сильнее всего выглядит сама работа.
У создателя контента уже есть длинное видео или стрим.
Из него нужно:

• найти сильные моменты;
• нарезать;
• оформить;
• адаптировать;
• опубликовать.

За эту работу уже платят деньгами или временем.
То есть мне не нужно сначала объяснять рынку, зачем вообще существует задача.

Но конкуренция здесь серьёзная.
Главный вопрос:
какое конкретное отличие позволит сделать не ещё один универсальный генератор Shorts, а отдельный продукт?

Без ответа на этот вопрос высокая оценка рынка сама по себе ничего не даёт.

№5. Помощник для сложных переписок - 29/40

Мне интересна здесь не клавиатура как интерфейс.
Мне интересна сама “работа”.

Есть сообщения, на которые трудно ответить:

• знакомство;
• флирт;
• конфликт;
• извинение;
• важное объяснение;
• разговор, где легко испортить отношения одной формулировкой.

Первый MVP вообще не обязан интегрироваться в клавиатуру.
Более дешёвая проверка:
скриншот -> понимание контекста -> три варианта ответа

Главный вопрос:
будет ли эта “работа” возникать достаточно часто, чтобы пользователь возвращался и платил, несмотря на чувствительность личной переписки?

№30. Персональная AI-сказка для ребёнка - 29/40

Это самый личный для меня кандидат.
У меня есть собственный сценарий, который можно наблюдать почти каждый вечер.
Но я не хочу путать собственный опыт с доказательством рынка.

Поэтому здесь основной вопрос особенно жёсткий:
получится ли из генерации сказок регулярный семейный ритуал или это “игрушка” на несколько вечеров?

Сам генератор сказок сделать легко.
Гораздо сложнее создать причину возвращаться.

Возможно, она находится не в новой случайной сказке, а в другом устройстве продукта:

• постоянные персонажи;
• продолжающийся мир;
• память о ребёнке;
• события прошедшего дня;
• темы, которые сейчас важны семье;
• голос;
• вечерний ритуал.

Именно это нужно проверять.

Но самые высокие оценки получили не мои финалисты

Вот здесь произошёл для меня более интересный поворот.
Среди лидеров первого скрининга оказалось много образовательных продуктов.

Например:

• №27 - тьютор, который объясняет задачу, а не просто решает её - 34/40;
• №29 - персональный маршрут подготовки к экзамену - 33/40;
• №26 - AI-тренер произношения - 31/40;
• №25 - наставник для детских «почему» - 29/40;
• №32 - практика языка голосами любимых героев - 28/40;
• №31 - системная проверка домашней работы - 26/40.

Если смотреть только на таблицу, мне следовало бы продолжать исследование как минимум части этих продуктов.

Но я не хочу.
Не потому, что считаю рынок плохим.
А потому, что не хочу следующие годы заниматься экзаменами, домашней работой или постановкой произношения.
Это и есть второй фильтр - founder fit.

Я специально не смешивал его с рыночным score.
Сначала хотел увидеть, что говорит исследование.
Потом уже разрешил себе сказать: этот рынок может быть хорошим, но это не мой продукт.
Для меня это честнее, чем заранее занижать оценки идеям, которыми не хочется заниматься.

Что произошло с остальными 22 идеями

Ниже не окончательные приговоры рынкам.
Это причины, по которым я не вижу смысла тратить на эти идеи следующий дорогой раунд исследования прямо сейчас.

Сильные баллы, но слишком большой риск или слабый founder fit

• №23. Место, где можно выговориться - 31/40.
  Высокий потенциальный спрос, но слишком чувствительная зона эмоциональной поддержки и высокий риск безопасности
  .

• №15. Заметки, которые думают - 30/40.
  Сильная “работа”, но сложный доступ к пользовательским данным, высокая конкуренция и риск превратиться в функцию существующей платформы.

• №16. Почта, которая делает - 30/40.
  Сильная повседневная задача, но продукт сильно зависит от почтовых платформ, разрешений и интеграций.

• №9. Песня без студии - 29/40.
  Понятная эмоциональная ценность, но очень сильная конкуренция, стоимость генерации и вопросы прав.

• №20. Личный финансовый коуч - 29/40.
  Большая проблема, но нужны чувствительные финансовые данные, доверие и инфраструктура.

Хорошие идеи, но для первого эксперимента есть более простые

• №14. Агент на шаг впереди - 28/40.
  Полезность понятна, но нужен глубокий доступ к рабочему контексту и множеству интеграций.

• №19. Инвестиции на тренажёре - 27/40.
  Есть учебная ценность, но много бесплатных заменителей и финансовые риски.

• №1. Семейный диспетчер - 26/40.
  Реальная проблема координации, но willingness-to-pay и отдельная AI-ценность пока выглядят слабее.

• №10. Переиграть историю - 26/40.
  Интересная AI-native механика, но слишком дорогой игровой MVP для первого теста.

• №3. Игра в себя - 25/40.
  Сильная идея, но мне пока не видно достаточно убедительного retention loop.

• №17. Напарник по фокусу - 25/40.
  Проблема существует, но AI пока выглядит скорее улучшением привычного productivity-продукта.

• №22. Привычка как игра - 25/40.
  Высокая частота возможна, но ещё нужно доказать, что именно AI создаёт основной продуктовый эффект.

Слишком много платформенных или продуктовых ограничений

• №2. Поиск «своих» - 24/40.
  Холодный старт, доступ к социальному графу, безопасность и непонятный стимул продления после успешного знакомства.

• №6. Семейный секретарь - 24/40.
  Сильная “работа”, но много интеграций с сообщениями, почтой и календарями.

• №13. Куда ушёл день - 24/40.
  Для хорошего продукта нужен чувствительный сбор активности пользователя, а WTP пока неочевиден.

• №21. Вторая память - 23/40.
  Большой потенциальный продукт, но тяжёлый MVP, безопастноть и зависимость от данных разных платформ.

• №24. Друг на экране блокировки - 22/40.
  Идея зависит от ограничений мобильных ОС и может оказаться скорее поверхностью для другого продукта, чем самостоятельная “работа”.

Высокая частота ещё не означает хороший бизнес

• №4. Мем-дилер - 22/40.
  Сообщения происходят постоянно, но готовность отдельно платить за подбор мемов выглядит слабее.

• №18. Одно точное место - 21/40.
  Ресторан выбирают регулярно, но у пользователя уже много бесплатных способов решить задачу.

• №8. Примерочная без примерки - 18/40.
  Проблема большая, но тяжёлый MVP и естественная логика встраивания в фешена в продажи.

• №12. Сцена без страха - 18/40.
  Полезный сценарий, но сравнительно низкая частота и сложность онлайн-взаимодействия.

• №28. Лаборатория в одном окне - 22/40.
  Продукт выглядит скорее профессиональным исследовательским инструментом, чем массовым B2C-сервисом.

Несколько выводов после первого прохода

Частота сама по себе ничего не гарантирует

Мемы используются каждый день.
Это ещё не означает, что пользователь хочет отдельную платную подписку на AI-мемы.

Для продукта важна не частота действия вообще, а частота ценной работы, ради которой человек готов возвращаться именно в этот продукт.

Большая проблема не всегда означает самостоятельный продукт

Виртуальная примерка решает заметную боль в продажах.
Но чем сильнее я смотрю на неё, тем естественнее она выглядит как функция магазина или маркетплейса, а не как отдельный B2C-бизнес, который я должен сейчас строить.

Сильный конкурент не обязательно плохой сигнал

В случае с клипмейкером наличие крупных игроков не убило гипотезу.
Наоборот, оно подтверждает, что работа существует и за неё платят.

Но меняет вопрос.
Не «есть ли рынок?», а:
где конкретно существующие продукты делают работу недостаточно хорошо?

Один риск способен перевесить красивый счетчик

Идея AI-сервиса, куда можно выговориться, получила высокий балл.
Но если продукт работает с человеком в эмоционально уязвимом состоянии, нельзя просто добавить риск как ещё одну строчку и усреднить.
Граница ответственности становится частью самой продуктовой модели.

Почему я не считаю этот рейтинг результатом исследования

Потому что пока это только быстрое исследование.
У меня ещё нет доказанного:

• willingness-to-pay по четырём финалистам;
• реального retention;
• стоимости привлечения;
• unit economics;
• устойчивого distribution;
• данных реального использования.

Именно поэтому я изначально решил начинать с исследования, а не с разработки.
Первый этап просто сделал следующую проверку дешевле.
Было 32 направления.
Стало 4.

Теперь вместо поверхностного исследования десятков идей можно потратить время на конкретные рынки, конкурентов, пользователей и механику продукта.

Что исследую дальше

По каждому финалисту я хочу получить не ещё один общий score, а ответ на его главный неизвестный вопрос.
Персональная AI-сказка:
может ли продукт стать устойчивым вечерним ритуалом, а не одноразовой генерацией?

AI-клипмейкер:
есть ли конкретный сегмент и wedge, где ещё один продукт действительно нужен?

AI-таролог:
что здесь сильнее - быстрый viral acquisition или долгосрочное удержание и подписка?

Помощник для переписок:
достаточно ли часто возникает сложная коммуникация и готов ли пользователь регулярно отдавать AI приватный контекст?

После этого вполне может оказаться, что из четырёх останется два.
Один.
Или ни одного.

Для меня это нормальный результат.
Цель этого процесса не доказать, что одна из 32 идей обязательно хорошая.
Цель - понять, какой продукт действительно заслуживает следующего вложения времени и денег.