Введение
Отрасль искусственного интеллекта проходит мощную трансформацию, напоминающую доткомовский бум, и предприниматели активно осваивают новые ниши. В отличие от прошлых техноволн, здесь инфраструктура опережает рынок в развитии. Именно этот разрыв между техвозможностями и их внедрением формирует сегодняшние перспективы.
Андрей Радулеску-Бану, основатель DocRouter AI и SigAgent AI, предлагает свежий взгляд. С PhD по математике из Массачусетского технологического института (MIT) и многолетним инженерным стажем, он создал платформы для обработки документов на базе больших языковых моделей (LLM), системы мониторинга ИИ-агентов и работает fractional CTO, помогая стартапам внедрять ИИ-решения.
Путь от академического математика к инженеру и предпринимателю оказался непростым. Он признаёт: прошлый опыт включал многое, кроме предпринимательства. Жалеет, что не начал раньше, сразу после университета. Сейчас наверстывает, планируя запустить шесть стартапов за год.
Такие сжатые сроки типичны для ИИ-предпринимательства. Когда техсдвиги рождают рынки, первопроходцы получают серьёзные преимущества. Главное — действовать быстро, не тратя силы на технологии без реальных задач.
Слои ИИ-стеки
Радулеску-Бану сравнивает ИИ-бум с интернет-революцией. Как раньше с сетями были разработчики свитчей и роутеров, потом софт для приложений и веб-приложения, так и в ИИ формируются слои.
Такая структура важна: разные уровни имеют свои экономику и конкуренцию. Инфраструктурные компании ввязываются в капиталоёмкую гонку за дата-центры и GPU, создавая универсальные решения для всех.
На базовом уровне OpenAI, Anthropic и Google борются жёстко, снижая цены и превращая доступ к языковым моделям в товар. Такие фирмы вынуждены соперничать и не могут узко специализироваться. Им приходится строить универсальные модели для любых задач.
На прикладном уровне всё иначе: специализация — ключ к успеху. Здесь важнее глубокое знание отраслей, процессов и болей, чем грубая вычислительная мощь.
Настоящий шанс — в прикладном слое. Волна только начинается для агентских систем и вертикальных приложений в юриспруденции, медицине, страховании или бухгалтерии. Этот уровень ещё не насыщен, с потенциалом роста на пять лет вперёд.
Сроки совпадают с историей: в дотком-эпоху инфраструктура консолидировалась быстро, а инновации в приложениях шли годами. В ИИ повторяется то же, давая предпринимателям фокус на отраслевых задачах больше времени.
От медкарт к платформе
DocRouter AI родился из консалтинга в нише долговечного медоборудования. Радулеску-Бану год с половиной помогал стартапу обрабатывать записи по кислородным баллонам, креслам-коляскам и маскам CPAP. Всё это — бумажная волокита, идеальная для языковых моделей.
Сектор долговечного медоборудования показывает, как ИИ-шансы прячутся в скучных уголках экономики. Не гламурные потребительские хиты из заголовков, а рынки с реальными болями и платёжеспособными клиентами.
Ключевой инсайт: проблема повторяется в других отраслях, вроде юриспруденции с её подсегментами. Например, фирма просеивает тысячи документов ради одной детали для дела.
Такое распознавание шаблонов — важный навык предпринимателя: видеть общую проблему за конкретными случаями. Бумажные координации мучают юридическую discovery, патентные поиски, страховые претензии и многие процессы. Каждая отрасль думает, что её беды уникальны, но часто это вариации общих тем.
Стратегия: строить переиспользуемые технологии. DocRouter берёт работающее в одном сегменте и превращает в платформу для всех похожих задач в других вертикалях.
Парадокс техоснователя
Логично подумать, что техэкспертиза помогает в ИИ-стартапах. Опыт Радулеску-Бану говорит обратное. Проще начинать без избыточной технарькости. В вертикали важнее знать клиентов и видеть продукт, чем уметь его строить. Продукт почти собирается сам.
Это рушит мифы технарей о бизнесе. Умение проектировать элегантно или тюнить алгоритмы не равно поиску рынков или пониманию процессов. Глубокие техзнания даже вредят, толкая к переусложнению ненужными фишками.
Пример — робототехника в Бостоне. Много MIT-стартапов проваливаются, потому что их ведут дата-сайентисты и инженеры. А Locus Robotics, основанная продавцами, знавшими склады, преуспела больше.
История Locus учит о вертикалях: основатели интегрировали чужие роботы в склады годами, зная ограничения, закупки и боли менеджеров. Техника важна, но сначала закупалась, не разрабатывалась.
Техоснователи могут побеждать. Google запустили инженеры с PhD. Нет жёсткого правила, но лучше начинать без инженерного бэкграунда.
Разница в типе задач. Google решила техпроблему поиска, понятную всем. Вертикальные ИИ-приложения фокусируются на бизнес-процессах, где техника — лишь часть.
Для Радулеску-Бану это личная перестройка. Учится отпускать техдетали, полагаться на других в коде. Техоснователи соблазняются идеальной архитектурой или тангентами, но бизнес требует фокуса на клиентах, а не оптимизации.
Размытие границ консалтинга и продукта
Предпринимателей давят классифицировать: продукт или консалтинг? Инвесторы любят продукты за взрывной рост, консалтинг растёт линейно.
Он нашёл середину. Граница размыта, можно играть на обе. Философия: не тратить работу зря, использовать каждый труд два-три раза.
DocRouter — и продукт, и консалтинг. SigAgent для мониторинга агентов делит infra с DocRouter. 90% общее: база данных, технологии, отличается только прикладной слой. Консалтинг bootstrapiт продукт, строя многоцелевые платформы.
Повышение надёжности ИИ
За год техпейзаж изменился радикально. Год назад языковые модели глючили, галлюцинировали. Теперь они точнее и реже ошибаются.
Это меняет production-системы ИИ. То, что год назад казалось рискованным, теперь надёжно. Задержки из-за reliability оставляют компании позади конкурентов.
Теперь вызов — context engineering. Правильный контекст даёт верный результат, риск снижен. Но сложно дать модели ровно нужное: ни больше, ни меньше.
Context engineering — смесь инфоархитектуры, промтинга и дизайна систем. Нужно знать домен и возможности модели. Это станет отдельной экспертизой по мере зрелости ИИ-приложений.
Регуляции — больше procedural, чем тех. В здравоохранении решают процессами: аудиторы, правила. Фреймворки направляют на правильное строительство.
Такие как HIPAA, SOC 2, PCI DSS, плюс финрегуляции от SEC и FINRA, задают чёткие требования. Многие ИИ-системы не подходят для рискованных сред. Строить с compliance с нуля дорого, ретрофит сложнее, особенно с эволюцией моделей.
Разрыв в внедрении
Техника готова, но отрасли отстают. Доступны крутые инструменты, но бизнес не поспевает.
Проблема в навыках и доверии. Люди не верят агентам, хотя техника готова. В консалтинге видит: в компании 2-3 инженера осваивают, но всего 50-100.
Это типичная диффузия новинок: early adopters экспериментируют, масштабирование требует всех. Курица-яйцо: без команд нет трансформации, без проектов нет навыков.
Инструменты вроде Cursor, Claude 3.5 Sonnet и GitHub Copilot есть, но сопротивление: боятся утечек кода. А ИИ перепишет код за пару ночей с инженерами.
Освоение предпринимательства
Без сооснователей или коллег-предпринимателей Радулеску-Бану искал пути сам. Идёшь на митапы, смотришь через плечо, спрашиваешь.
Это отличается от корпоративного обучения через коллег. Предпринимательство требует целенаправленного нетворкинга. Митапы заменяют офис для обмена опытом.
Сообщество supportive: предприниматели открыты, помогают новичкам. Так он учится на деле, как инженерии, — через встречи и вопросы.
Открытость неожиданна для конкуренции. Возможно, успех в исполнении, не секретах. Или объяснение уточняет мысли. Всё равно ускоряет обучение для активных.
Региональные особенности
Бостон — загадка для ИИ-предпринимателей. Топ-университеты, таланты, но инвестиции не как в Сан-Франциско или Нью-Йорке.
Экосистемы различаются: VC-культура, риски, сети. Затронуто фандрайзинг, найм, экзиты.
Понимать локальные нюансы важно вне Кремниевой долины. Вызовы есть, но и шансы в биотехе, робототехнике, enterprise-софте для ИИ-приложений.
Часть разрыва — в целях успеха. Кремниевая долина за мегаэкзитами с провалами, Бостон от биотеха предпочитает иные риски. Ни один не лучше, но знание помогает в ожиданиях и стратегиях.
Сдвиг мышления
Ключевой сдвиг у Радулеску-Бану — в рисках и шансах. Раньше как сотрудник боялся сайдгигов: работа обязывает даже ночью.
Это лояльность плюс страх конфликтов, блокирующие эксперименты. Но контракты часто позволяют несоперничающие сайды без ресурсов компании.
Теперь рискует иначе: толкает идеи, меняет подходы ради новых ниш.
Видит у успешных: хастлерский менталитет — пробовать, лезть в окно, если дверь закрыта. Ресурсность и адаптивность ключевы в новых рынках без шаблонов.
Перспективы
Шансы в ИИ-приложениях огромны, но время дорого. Волна на старте, как доткомы с риском пузыря. Но приложения будут расти годы.
История учит: дотком оставил Amazon, Google, eBay среди фейлов. Разница в реальных задачах и моделях, не хайпе. То же ждёт ИИ.
Новичкам: техника готова, рынок формируется, разрыв — шанс. Балансировать технику с рынком, строить платформы, действовать пока отрасли учатся.
Шанс в агентском прикладном слое. Для тех, кто освоит гибриды консалтинг-продукт, регуляции и локальные экосистемы, пять лет обещают рост.
С техзнаниями, рынковыми инсайтами и жаждой учиться момент даёт шансы, которых не будет, когда отрасли усвоят возможное. Вопрос не в участии, а в скорости позиционирования.