7 037 компаний в моей базе: как я проверил гипотезу корпоративного AI-помощника

После хакатона у меня возник вопрос: можно ли решение для одного предприятия превратить в повторяемый B2B-продукт?

Я проверил в собственном сервисе финансовой отчётности российские компании за 2025 год.
При двух условиях - не менее 100 сотрудников и от 20 млн рублей чистой прибыли - в имеющихся у меня данных нашлось 7 037 организаций с известной численностью.

Это не все такие компании в России и не 7 037 подтверждённых покупателей. Но это конкретная группа, с которой можно начинать проверку идеи корпоративного AI-помощника.

Почему я вообще стал считать компании

25 октября я участвовал в жюри хакатона «Открой#Моспром». Один из корпоративных кейсов был посвящён AI-ассистенту для адаптации новых сотрудников. До мероприятия я уже писал о том, что у такого продукта находится под капотом, а после защит отдельно разобрал вопросы управления знаниями и обращениями сотрудников.

Во время хакатона я задумался о следующем: если крупное предприятие ставит задачу создать такого помощника, сколько других организаций в России имеет смысл рассматривать для похожего продукта? И можно ли из решения под конкретного заказчика сделать повторяемый продукт?

Само по себе наличие корпоративной задачи ответа не даёт. У разных предприятий разные регламенты, источники знаний, системы и требования к безопасности. А ещё должно найтись достаточно компаний, для которых проблема ощутима и которые готовы платить за её решение.

Для начала я решил проверить хотя бы измеримую часть этого предположения - найти компании определённого масштаба.

Как я отобрал компании

У меня есть собственный сервис с финансовой отчётностью российских компаний за разные годы. Здесь я использовал его для первой количественной проверки продуктовой гипотезы.

Я задал 2 условия для данных за 2025 год: от 100 сотрудников и чистая прибыль не менее 20 млн рублей в год. Для подсчёта использовал уникальные ИНН, чтобы одна организация не попадала в результат несколько раз.

Это выбранные мной критерии исследования, а не подтверждённый портрет покупателя. При штате от 100 человек есть смысл проверять повторяющиеся внутренние вопросы, адаптацию и передачу знаний. А прибыль от 20 млн рублей - только предварительный финансовый фильтр, не доказательство доступного бюджета.

В моём наборе данных оба условия выполнили 7 037 компаний. Затем я посмотрел, как меняется эта группа при более высоких требованиях к прибыли, оставив численность от 100 человек неизменной.

Это результаты моего расчёта по имеющимся данным финансовой отчётности и численности. Пороги накопительные: компании с прибылью от 100 млн входят и во все группы с более низкими порогами. Складывать строки нельзя.

Для меня эта таблица стала первой практической опорой. Можно менять финансовую границу и видеть, сколько организаций остаётся для дальнейшей проверки, вместо того чтобы рассуждать об абстрактных «тысячах корпоративных клиентов».

Почему 7 037 - не полный размер рынка

В том же массиве я получил 106 292 организации с чистой прибылью от 20 млн рублей за 2025 год, если пока вообще не учитывать численность сотрудников.

Но данные о количестве сотрудников есть не у всех. У 86 311 таких организаций численность известна, у 19 981 - отсутствует.

Это существенное ограничение: неизвестная численность не означает штат меньше 100 человек. Такую организацию нельзя ни уверенно включить в группу «100+», ни уверенно исключить из неё.

Поэтому 7 037 - это компании, которые прошли оба фильтра в моей базе, а не точное число всех подходящих организаций в России. Сам охват исходных данных тоже не равен исчерпывающему реестру всех российских компаний.

Для дальнейшего исследования выборка всё равно полезна: она даёт конкретную группу организаций, с которой можно работать. Просто нельзя превращать её в доказанный размер рынка.

Какие отрасли выделились

Я посмотрел и на распределение 7 037 компаний по основным видам деятельности. Среди наиболее представленных групп по двухзначным кодам ОКВЭД оказались:

Это разные бизнесы. В компании с распределёнными производственными площадками вопросы сотрудников могут быть связаны с инструкциями и регламентами. В торговой компании - с условиями работы, ассортиментом и внутренними процедурами. При адаптации новичков тоже могут возникать повторяющиеся вопросы, но их частоту ещё нужно проверить.

Но пока это именно направления для проверки, а не вывод о том, что аграрным предприятиям или разработчикам ПО нужен AI-помощник больше остальных. Отраслевая статистика показывает, где в моей выборке больше компаний, но ничего не говорит о частоте их проблем, доступном бюджете и существующих альтернативах.

Что получится, если 350 компаний будут платить по 70 тысяч

Следующий расчёт я сделал уже как предпринимательскую гипотезу.

Допустим, продукт с инфраструктурой и сопровождением стоит 70 000 рублей в месяц.
Это 840 000 рублей в год для одного клиента.
Для компании с чистой прибылью ровно 20 млн рублей такая сумма арифметически равна 4,2% годовой прибыли. Но чистая прибыль - не бюджет на IT, и такое сопоставление не доказывает готовность купить.

Теперь допустим, что со временем удастся получить примерно 5% от найденной выборки, то есть около 350 платящих компаний. При этих условиях арифметика простая: 350 × 70 000 = 24,5 млн рублей выручки в месяц. Если все 350 клиентов платят все двенадцать месяцев, получится 294 млн рублей за год.

Если дополнительно предположить 30% чистой рентабельности, получится условная прибыль 88,2 млн рублей за год. Но реальные затраты на внедрение, поддержку, инфраструктуру, привлечение и удержание клиентов не проверены. Ни предполагаемая доля платящих компаний в 5%, ни 30% рентабельности не подтверждены, а 294 млн рублей - сценарий при полном годе оплаты, не прогноз.

Ключевые неизвестные остаются прежними: захотят ли компании покупать такой сервис, будет ли его польза стоить для них 70 тысяч в месяц и удастся ли обслуживать разных заказчиков без превращения каждой продажи в отдельный дорогостоящий проект.

Что я решил проверять дальше

Первичный подсчёт показал, что в моих данных есть достаточно большая группа организаций, соответствующих двум выбранным формальным условиям. Но ещё не показал, какой именно продукт им нужен.

Сейчас для дальнейшего исследования выделены несколько направлений: помощь новым сотрудникам при адаптации, ответы на внутренние вопросы HR и IT, поиск актуальных регламентов, инструкции для операционных подразделений. В общей сложности я сформировал десять рабочих контекстов, а для их сравнения и углублённой проверки подготовлены четыре отдельных исследовательских пакета.

Следующий вопрос - не просто «у кого больше ста сотрудников?». Важно понять, сколько времени люди тратят на повторяющиеся вопросы, кто отвечает за эту работу, какие решения компания уже использует, где существующие системы не справляются и кто действительно может принять решение о покупке.

Отдельно предстоит разобраться с конкурентами. Корпоративные базы знаний, HR-системы и сервис-дески уже решают часть таких задач. Пока я не знаю, остаётся ли между ними достаточно сильная незакрытая потребность для отдельного продукта.

Проверка финансовой базы не подтвердила спрос. Она помогла выделить наблюдаемую группу компаний и сформулировать следующие вопросы. Для меня это и есть результат нынешнего этапа: вместо одной интересной идеи после хакатона появилась количественная основа, от которой можно переходить к проверке реальных рабочих задач и готовности платить.