# Startup Ideas, Timing & AI: How To Build The Next Big Thing | Sravanth Aluru | FO572 Raj Shamani Источник: https://www.youtube.com/watch?v=80ETOGyTZhs Канал: Raj Shamani Опубликовано: 08.10.2026 --- Чтобы создать бизнес будущего, ваша идея обязана казаться окружающим глупой, иначе в ней попросту нет секрета для смены парадигмы. Мы входим в эпоху, где ИИ перестает быть инструментом и превращается в «центральный мозг» организации, оркестрирующий работу людей и проверяющий на прочность саму человеческую способность выносить суждения. Либо вы перестраиваете компанию под логику экспоненциального роста сегодня, либо инерция и средний менеджмент поглотят ваш капитал раньше, чем вы успеете адаптироваться. ## 🚀 Стратегии прорыва: Инкрементальный рост vs Экспоненциальный сдвиг [[JUMP:03:17]] В мире стартапов существует фундаментальное разделение на два типа «игры», правила которых практически не пересекаются [03:31]. Шравант Алуру подчеркивает, что прежде чем нанимать команду или искать инвестиции, основатель должен честно ответить себе: строит он улучшенную версию существующего или создает новый рынок с нуля [03:45]. ### Инкрементальный vs Экспоненциальный рост [[JUMP:03:17]] Шравант разделяет бизнес на два полярных подхода: 1. **Инкрементальная игра (Линейный рост):** Это бизнес, основанный на понятном, «здесь и сейчас» спросе [06:49]. Здесь вы берете неэффективный процесс и делаете его на 10–20% лучше, дешевле или быстрее [09:14]. В такой игре важен **Product-Market Fit (PMF)** с первого дня, так как вы выходите на конкурентное поле, где правила уже известны [06:36]. Успех здесь — это последовательное движение от 1 до 5, 10 и 20 [22:06]. 2. **Экспоненциальная игра (Смена парадигмы):** Это создание будущего, которое кажется миру «глупым» или невозможным на старте [03:17]. Если ваша идея понятна всем, значит, в ней нет «секрета», на котором строится монополия [03:57]. В этой игре PMF может не наступать годами — примером служит OpenAI, которая годами занималась глубоким обучением, прежде чем стать феноменом [07:18]. Здесь вы либо получаете всё (1000x), либо ничего [05:14]. Ключевое различие кроется в метриках: если в линейном бизнесе вы измеряете успех прибылью и долей рынка, то в экспоненциальном — **«накопленным обучением» (compounded learning)** [10:33]. Пока продукт не захватил мир, единственное, что имеет значение — как быстро команда узнает, «что не работает» [15:27]. Ранее в разговоре собеседники вскользь упомянули, что подобные прорывы часто зависят от правильного тайминга. ### Психотип основателя: Левое против правого полушария [[JUMP:13:00]] Выбор типа бизнеса напрямую зависит от архитектуры мозга предпринимателя — того, что Алуру называет «Founder-Market Fit» [16:58]. * **«Левополушарный» лидер (Логика и Структура):** Идеален для инкрементального бизнеса [13:02]. Ему нужно любить процессы, структуру и быть устойчивым к монотонности [16:34]. Эффективность для него — это высшая ценность. Если такой человек пойдет в «футуристический» стартап, он быстро выгорит из-за отсутствия предсказуемости [17:01]. * **«Правополушарный» визионер (Любопытство и Хаос):** Необходим для экспоненциальных прыжков [13:15]. Его главный двигатель — **любопытство**, позволяющее заходить в зоны «неизвестного неизвестного» и не сдаваться после провалов [15:02]. Шравант отмечает, что в его компании Avtar.ai вместо «общего собрания сотрудников» (All-hands) проводят «собрание всех мозгов» (All-brains), подчеркивая важность нелинейного суждения каждого участника [16:07]. Важно понимать, что экспоненциальный путь — это игра «ва-банк» [23:37]. Основатель должен обладать внутренней паранойей, так как в отсутствие внешней конкуренции на ранних этапах легко превратиться в «научную лабораторию», которая никогда не выпустит продукт [10:47]. ### Принцип «Сначала Почему»: Миссия против идеи [[JUMP:12:38]] Шравант утверждает, что мир переоценивает значимость конкретной «идеи» [12:07]. По статистике, более половины компаний радикально меняют свой продукт в процессе развития [11:40]. Истинная устойчивость стартапа строится не на приверженности решению, а на преданности проблеме. Ключевые элементы устойчивого стартапа: * **Эмоциональная связь с проблемой:** Основатель должен иметь «личные счеты» с тем дисбалансом спроса и предложения, который он пытается устранить [12:22]. * **Готовность быть непонятым:** Если вы строите нечто фундаментальное, вас будут называть глупцом, и это нормально [05:40]. Шравант признается, что чувствовал комфорт, когда его умные друзья из банковской сферы спрашивали, не сошел ли он с ума, увольняясь с престижной работы [06:23]. * **Риск-менеджмент:** Алуру предостерегает молодых предпринимателей от «прыжков в бассейн» без подготовки [20:35]. Если ваш банковский баланс равен нулю, вы сдадитесь через три месяца, какой бы великой ни была миссия [20:48]. Сначала нужно привести себя в состояние, позволяющее рисковать [21:01]. В конечном счете, успех — это разница между вашими ожиданиями и результатом [22:58]. Для кого-то победой является 10% роста в год, а для кого-то — только изменение мирового ландшафта через десятилетний цикл [24:59]. ## 🧠 Искусственный интеллект как новая промышленная революция [[JUMP:27:15]] Сравант Алуру утверждает, что мы находимся в эпицентре тектонического сдвига, который по масштабам превосходит появление интернета, персональных компьютеров и мобильных технологий вместе взятых [30:15]. Основная причина такой оценки заключается в том, что впервые в истории технологии начинают напрямую бросать вызов возможностям человеческого мозга [30:27]. Ключевые тезисы о масштабе перемен: * **Четыре десятилетия адаптации:** Вспоминая прошлые промышленные революции (когда машины начали заменять физический труд человека), Сравант отмечает, что мир переживал этот переход около 40 лет, сопровождавшихся социальной болью и необходимостью адаптации [28:18]. Учитывая современный темп жизни, текущий «период боли» от ИИ займет минимум десятилетие интенсивных трансформаций [28:31]. * **Дисрапция «белых воротничков»:** ИИ в первую очередь ударит по интеллектуальному труду. Первыми «под нож» пойдут кодеры [27:39], но следом изменения коснутся всех категорий знаний-работников (knowledge workers) [27:52]. * **Корпоративное давление:** На уровне крупных корпораций уже сейчас наблюдается экстремальное давление со стороны советов директоров [28:44]. Компании вынуждены внедрять ИИ не из любопытства, а ради выживания рыночной стоимости акций. В некоторых кейсах уже сейчас 60% задач, которые раньше выполняли люди, автоматизированы [28:57]. * **Вертикальные возможности:** Несмотря на доминирование гигантов, огромные ниши остаются свободными. Алуру приводит в пример сельское хозяйство: внедрение ИИ и робототехники в фермерство позволит людям перестать заниматься тяжелым рутинным трудом и переключиться на инновации в агрономии [31:21]. Ранее в разговоре они касались того, как экспоненциальный рост стартапа требует совершенно иного типа мышления от основателя [25:39]. В контексте ИИ это означает переход от простого написания кода к созданию «центрального мозга» организации, который самообучается на каждом действии сотрудника [29:11]. ### 🕰️ Проблема тайминга: когда выходить на рынок [[JUMP:33:22]] Сравант убежден, что большинство стартапов гибнут не из-за отсутствия тренда, а из-за фатальных ошибок в выборе времени (тайминга) [34:02]. Однако в играх с экспоненциальной доходностью правила выбора времени контринтуитивны. **1. Пять лет раньше лучше, чем один год позже** Для молодого основателя, стремящегося к невероятным возвратам на капитал (equity game), быть «слишком ранним» выгоднее, чем прийти на рынок, когда он уже сформирован [41:11]. Алуру подчеркивает: «Я бы предпочел опоздать на 10 лет и играть в инкрементальную игру или прийти на 5 лет раньше и играть в экспоненциальную» [41:52]. Быть на год позже — значит войти в рынок, где шум уже заглушил сигналы, а LinkedIn переполнен неточной информацией [42:43]. **2. Преимущество отсутствия шума** Ценность раннего выхода в том, что вы учитесь и создаете продукт, когда мир еще не кричит об этой технологии [42:43]. Как только тренд становится мейнстримом, качество экспертизы падает, а информационное пространство превращается в «эхо-камеру» [43:11]. Ранний вход дает возможность «узнать секрет до того, как его узнает мир» [41:24]. **3. Ловушка советов от гигантов** Молодые фаундеры часто совершают ошибку, следуя советам крупных промышленников и владельцев конгломератов [45:19]. Для миллиардера с неограниченным капиталом стратегия «зайти последним и раздавить всех масштабом» (last mover advantage) работает идеально [44:00]. Но у стартапа нет такого капитала [45:44]. Совет Алуру: * Учитесь у тех, кто на 5–10 шагов впереди вас [46:41]. * От тех, кто на 1000 шагов впереди, берите только вдохновение, но не тактические советы [46:53]. **4. Выбор темы вместо идеи** Тайминг неразрывно связан с устойчивостью темы. Алуру советует выбирать не «бизнес-возможность», а масштабную проблему (First Principle Why) [38:07]. Например, если ваша тема — борьба с депрессией, вы можете начать с лекарств, но если они не сработают из-за побочных эффектов, вы переключитесь на медитацию или социальные структуры [39:00]. Если вы преданы теме, а не конкретному способу реализации, вы переживете любые ошибки в тайминге [36:37]. В конечном итоге, предприниматель должен быть готов «пройти через кладбище» неудачных итераций, чтобы достичь своей большой цели [38:19]. В мире ИИ, где всё может измениться за одну ночь из-за публикации одной научной работы [48:36], адаптивность и верность долгосрочной миссии важнее, чем попытка угадать идеальный момент для запуска [48:11]. ## 🧠 Корпоративная инерция и концепция «Центрального мозга» организации [[JUMP:55:07]] Переход к AI-native структуре — это не просто вопрос внедрения новых инструментов, а фундаментальный вызов для архитектуры современных компаний. В этом процессе ключевым препятствием становится не отсутствие технологий, а человеческий фактор и накопленная годами операционная неэффективность. ### Инерция корпораций: почему гиганты проигрывают стартапам [[JUMP:55:07]] На бумаге крупные корпорации (incumbents) имеют колоссальное преимущество перед стартапами: у них есть накопленные десятилетиями данные и отлаженные каналы дистрибуции [54:54]. Однако в реальности владение «золотой жилой» данных редко конвертируется в технологическое лидерство из-за трёх факторов: 1. **Политизированность решений:** В больших организациях внедрение ИИ часто наталкивается на внутреннюю борьбу за влияние. Руководители могут саботировать проекты, если не получают единоличного признания за их успех [55:32]. 2. **Отсутствие гибкости (Agility):** В то время как AI-native стартапы могут мгновенно развернуть тысячи ИИ-агентов [1:03:51], корпорации тонут в процессах согласования. Личные бонусы сотрудников часто значат больше, чем долгосрочный результат компании [56:13]. 3. **Проблемы Change Management:** Главная сложность не в том, чтобы заставить модель работать, а в том, чтобы заставить организацию измениться [56:38]. Инерция и страх сотрудников перед переменами становятся непреодолимым барьером, который «съедает» любое преимущество в данных. Спикер отмечает, что если корпорация не сможет пройти через эту трансформацию в ближайшие 2–3 года, она неизбежно проиграет стартапам, которые строят свои процессы на базе ИИ с первого дня [1:03:10]. ### Концепция «Центрального мозга» организации [[JUMP:57:05]] Для решения проблемы инерции Avatar.ai предлагает внедрение «Центрального мозга» (Central Brain) — интеллектуального слоя, который оркестрирует все рабочие процессы [59:04]. Любая организация в своей основе состоит из трех элементов: данных, решений на их основе и последующих действий [57:31]. ИИ должен пронизывать все три этапа. Ключевые характеристики «Центрального мозга»: * **Слой онтологии:** Это придание бизнес-смысла сырым данным [59:28]. Например, для системы «клиент» — это не просто строка в таблице, а сложная сеть связей (возвраты, история взаимодействий, влияние на прибыль), которые ИИ понимает в контексте бизнеса [59:41]. * **ИИ как Chief of Staff:** У каждого сотрудника появляется свой «начальник штаба», который фильтрует информацию, дает доступ только к нужным данным и координирует задачи [59:55]. * **Устранение «процессного жира»:** Опыт внедрения таких систем показывает, что 40–50% эффективности теряется просто на неэффективном менеджменте среднего звена [1:00:49]. ИИ-оркестратор заменяет рутинную координацию, сообщая каждому, что и когда нужно сделать, устраняя человеческие трения [1:01:02]. Ранее в разговоре собеседники касались темы того, что ИИ — это новая промышленная революция, и концепция «Центрального мозга» является практическим воплощением этого тезиса, превращая сотрудников в «сверхлюдей» [1:00:23]. ### Риск деградации и стратегия «Человек в контуре» (HITL) [[JUMP:1:04:34]] Использование ИИ несет в себе скрытую угрозу — риск интеллектуальной деградации сотрудников. Если просто дать людям инструменты вроде ChatGPT или Copilot как помощников, они начинают «аутсорсить» свое мышление [1:06:58]. Радж Шамани приводит пример из собственной практики: после внедрения ИИ в один из ключевых отделов, сотрудники перестали генерировать оригинальные идеи и стали выдавать усредненный, «глупый» результат [1:04:49]. Они теряют навык принятия самостоятельных суждений, становясь зависимыми от подсказок модели [1:09:47]. Чтобы избежать этого, Сравант Алуру предлагает радикально изменить подход: * **ИИ должен тянуть человека, а не наоборот:** Нельзя позволять людям использовать ИИ просто как инструмент для создания черновиков документов [1:08:09]. * **Роль человека — только суждение:** Нужно перестроить роли так, чтобы ИИ-агент выполнял всю техническую работу и предоставлял человеку только те моменты, где требуется качественное суждение, интуиция или решение в условиях неопределенности [1:10:39]. * **Обучение через контроль:** Человек в этой схеме (Human-in-the-loop) не исполнитель, а валидатор, чьи решения обучают систему [1:09:20]. Такой подход позволяет отделить supply (предложение/труд) от demand (спроса), создавая нелинейный рост бизнеса без пропорционального увеличения штата [1:15:11]. Это дает возможность лидерам сосредоточиться на росте, а не на сокращении затрат через увольнения [1:15:23]. ## 🧠 AI-Native: новая структура ролей в компании [[JUMP:1:15:36]] Переход к по-настоящему ИИ-нативной организации требует радикального пересмотра должностных инструкций и самой сути человеческого труда. Шравант Алуру подчеркивает, что современные лидеры рынка больше не рассматривают ИИ просто как инструмент для снижения затрат — они видят в нем «двигатель нелинейного роста» [1:15:49]. В истинно ИИ-нативном фреймворке человек не должен выполнять ни одной задачи, которую может сделать модель; вместо этого люди перемещаются на «верхний слой», становясь уровнем принятия решений и суждений (judgment layer) [1:16:02]. Основные принципы новой структуры: * **ИИ как ведущий, человек как эксперт:** ИИ «тянет» за собой процесс, подготавливая черновики, аналитику и варианты действий, а человек лишь выбирает или корректирует их [1:16:41]. * **Устранение «черновой» работы:** Задачи вроде написания брифов или первичного поиска информации больше не должны делегироваться сотрудникам-людям, так как это не развивает их навыки и делает их уязвимыми перед автоматизацией в будущем [1:16:16]. * **Адаптация новых сотрудников:** ИИ-нативная среда решает проблему «одиночества» новичка; новые сотрудники могут задавать «глупые» вопросы ИИ-аватару, не опасаясь осуждения, что ускоряет индукцию с 2-3 месяцев до считанных дней [1:17:34]. Шравант утверждает: если в вашей компании есть хотя бы одно описание вакансии, которое может быть полностью заменено текущим уровнем ИИ, вы не являетесь ИИ-нативной организацией и лишь «откладываете неизбежное» [1:21:14]. Преимущество стартапов перед корпорациями (о которых упоминалось ранее в контексте инерции гигантов) заключается в том, что у них нет груза старых регламентов, и они могут сразу строить команду вокруг человеческого суждения, а не процесса [1:21:29]. ### Центральный мозг и управление знаниями через Knowledge Graphs [[JUMP:1:18:26]] Для реализации ИИ-нативного подхода требуется создание мультиагентной системы, где у каждой роли есть доступ к своему срезу данных на основе прав доступа (RBAC) [1:18:51]. В отличие от старых систем, которые выдавали просто сухие данные, современный «Центральный мозг» организации предоставляет **инсайты для действий** (actionable insights) [1:19:31]. Чтобы избежать смешивания контекстов (например, не путать данные по разным клиентам или проектам), Алуру предлагает использовать **графы знаний** (Knowledge Graphs) и онтологии [1:22:58]. Это позволяет ИИ понимать отношения между объектами бизнеса — клиентами, действиями и результатами. Важнейшим инструментом здесь становятся «бизнес-правила» или Safeguards: например, правило о том, что недавний успешный человеческий эксперимент должен иметь приоритет над историческими данными модели, очищая «память» ИИ от устаревших паттернов [1:24:47]. ### Экономика SLM: малые языковые модели для бизнеса [[JUMP:1:31:21]] Несмотря на мощь гигантских моделей вроде GPT-4 или Claude, будущее корпоративного ИИ лежит в плоскости прикладных, специализированных решений. Шравант отмечает, что 95–97% пилотных ИИ-проектов в компаниях терпят неудачу [1:33:17], потому что бизнес пытается использовать ИИ как «пластырь на тонущем корабле», не меняя архитектуру данных. Ключевые аспекты экономики малых моделей (SLM): * **Защита частных данных:** Компании осознают необходимость защиты своих данных как основного конкурентного преимущества («рва»), поэтому переходят к локальным или специализированным моделям [1:31:33]. * **Точность на уровне задач:** Для достижения высокой точности в конкретных индустриях (например, в здравоохранении) не нужны универсальные AGI-модели; достаточно моделей, обученных на узком домене [1:31:46]. * **Демократизация доступа:** То, что сегодня требует участия дорогих ML-инженеров с зарплатами в миллионы долларов, через 18 месяцев станет доступным через простые интерфейсы, как это произошло с HTML-кодингом [1:29:50]. В качестве примера успешного прикладного ИИ Шравант приводит компанию Palantir, чья оценка основана именно на умении работать с корпоративными данными, и подчеркивает, что его собственные проекты конкурируют с такими гигантами именно за счет фокуса на прикладных задачах, а не на «фундаментальном» ИИ [1:32:51]. ### Инвестиционная игра: капитал как токсичный актив [[JUMP:1:35:17]] Шравант Алуру, опираясь на свой опыт в инвестиционном банкинге на Wall Street, дает жесткий совет основателям: **избыточный капитал токсичен** [1:35:28]. Если основатель не понимает, как превратить 1 рупию в 10, привлечение 50 миллионов долларов только ускорит крах стартапа. Главные уроки фандрайзинга: 1. **Не ради PR:** Привлечение денег ради славы или в ответ на действия конкурентов (дилемма заключенного) лишает фаундера ясности видения [1:37:01]. 2. **Коэффициент оптимизма:** Фаундеры всегда переоценивают краткосрочные успехи и недооценивают долгосрочные. Шравант советует применять «дисконт-фактор» к своим планам, прежде чем называть инвестору сумму [1:36:09]. 3. **Элеватор-ответы:** Вместо многословного сторителлинга лучше иметь четкие односложные ответы на «известные неизвестные» вопросы. Пауза в 1 минуту в разговоре с инвестором может быть эффективнее, чем бесконечный поток слов [1:39:09]. 4. **Перевернутые песочные часы:** Основатель не «просит о милости», получая деньги. Он **дает возможность** венчурному капиталисту вложить средства в одну из 10 стоящих идей из тысячи, которые тот видит за год [1:40:13]. Инвестор ищет не инкрементальный рост (о котором шла речь в начале интервью), а 10-кратную или 100-кратную отдачу [1:38:30]. Если у фаундера есть «заработанная убежденность» (earned conviction), основанная на годах обучения, фандрайзинг становится естественным процессом передачи возможности, а не продажей мечты [1:38:05]. ## 🧘 Психология основателя, эволюция ИИ и проект Varya [[JUMP:1:43:45]] Заключительный этап беседы Сраванта Алуру с Раджем Шамани сосредоточен на внутренней кухне предпринимательства и технологическом прорыве, который совершает Индия. От управления собственным эго до создания видео-моделей, которые в десятки раз эффективнее западных аналогов — путь основателя стартапа требует не только технического гения, но и философской устойчивости. ### Психология «одинокого» основателя и управление эго [[JUMP:1:43:45]] Быть основателем — значит постоянно балансировать на грани между ощущением собственного всемогущества и реальностью, которая быстро приземляет. Сравант отмечает, что успех часто рождает опасную иллюзию «авторства» всех достижений (illusion of doership) [1:44:09]. Когда компания закрывает крупный раунд или продукт становится виральным, эго неизбежно раздувается, но уже через неделю реальность наносит ответный удар, возвращая основателя на землю [1:43:32]. Главная мантра, которую Алуру выработал за 11 лет пути: «Проживай взлеты с юношеским смирением, а падения — с уверенностью» [1:43:45]. Он сравнивает предпринимателя с Арджуной из «Бхагавад-гиты», который должен быть сфокусирован на своей цели, позволяя «вселенной» (или Кришне как возничему) заботиться об остальном [1:43:57]. Основные принципы ментальной гигиены лидера: * **Отказ от лишнего багажа:** Алуру приводит метафору своей матери о человеке, который едет в поезде, но продолжает держать тяжелый чемодан на своих плечах [1:42:10]. Большинство основателей перегружают себя ненужной ответственностью за исходы, которые они не контролируют. * **Фокус на Карме:** Единственное, что подвластно человеку — это его действия и использование времени в продуктивном направлении, а не конечный результат [1:42:49]. * **Следование первым принципам:** Личные убеждения не должны нарушаться ради внешнего одобрения. Это позволяет накапливать «сложные проценты обучения» (compounded learning), когда спустя годы разрозненные знания складываются в единую эффективную систему [1:46:19]. Ранее в разговоре собеседники касались того, как психотип основателя и баланс полушарий влияют на принятие решений, что перекликается с опытом Сраванта на Уолл-стрит, где его «левополушарный» расчет в итоге встретился с «правополушарным» видением будущего [1:46:44]. ### История ИИ: от «нечеткой логики» до трансформеров [[JUMP:1:50:56]] Алуру подчеркивает, что нынешний бум ИИ — это не внезапное явление, а результат 60-летней эволюции [1:50:56]. Работая в инвестиционном банкинге в начале 2010-х, он наблюдал, как Google поглощал DeepMind, что стало для него математическим сигналом: вопрос внедрения ИИ — это вопрос «когда», а не «если» [1:51:21]. Эволюция технологий шла по нарастающей: 1. **Детерминированный мир:** Традиционное ПО, состоящее из жестко кодифицированных правил [1:51:34]. 2. **Fuzzy AI (Нечеткая логика):** Ранний этап развития ИИ, когда технологии использовались в производстве для предсказания переменных, которые нельзя описать простыми правилами (например, прогнозирование порчи продуктов в рыболовной промышленности) [1:52:01]. 3. **Нейро-нечеткие сети:** Переход к более сложным структурам в 2003-2005 годах [1:53:18]. 4. **Эра Трансформеров:** Переломный момент наступил с публикацией научной работы Google «Attention is all you need» [1:53:18]. Именно появление архитектуры трансформеров и механизма внимания (attention mechanism) позволило ИИ предсказывать следующий токен так, что это стало казаться человеческим интеллектом [1:53:46]. Это был переход от «алгебры» (детерминизма) к «исчислению» (нелинейной интуиции) [1:54:57]. Для Avdar это стало сигналом к смене курса: компания, уже имевшая миллионный контракт с Amazon на внедрение 3D-визуализации [1:55:36], решила полностью сфокусироваться на новых моделях, понимая, что тест Тьюринга становится устаревшим [1:54:28]. ### Проект Varya: индийская видео-модель и ИИ-инклюзия [[JUMP:1:58:38]] Проект Varya стал ответом на вызов демократизации технологий в Индии. В условиях ограниченного капитала по сравнению с гигантами Кремниевой долины или Китая, команда Avdar сделала ставку на эффективность [1:59:33]. Varya — это первая индийская видео-модель, созданная в рамках миссии «India AI» [1:58:38]. Ее ключевые особенности: * **Экономическая эффективность:** Модель в 27 раз дешевле в эксплуатации, чем лучшие открытые аналоги (например, китайская Vidu 2.0) при сопоставимом качестве [2:01:20]. * **ИИ-инклюзия:** Цель проекта — дать доступ к ИИ тем, кто не может платить по тарифам западных сервисов. Это фермеры, использующие камеру телефона для диагностики болезней растений [2:00:27], и учителя в небольших городах вроде Райпура, создающие образовательные аниме для школьников [2:02:30]. * **B2B применение:** Varya позволяет ритейлерам на Amazon создавать видео для дешевых товаров, где ранее создание контента не окупалось из-за высокой стоимости продакшена [2:03:25]. Сейчас модель доступна с открытыми весами для разработчиков, а команда уже готовит версию 2.0, которая будет включать липсинк (синхронизацию губ) и нативную работу с аудио [2:04:02]. Сравант верит, что это поможет Индии превратиться из страны «пользователей ИТ» в нацию «создателей продуктов», чьи технологии будут вибрировать по всему земному шару [1:50:05].