На пути к созданию массового продукта предприниматели часто совершают ошибку, полагаясь на старые метрики успеха. В эпоху искусственного интеллекта прибыльный бизнес с доходом в миллион долларов может оказаться «тупиковой ветвью» эволюции, если он не обладает потенциалом венчурного масштаба.
В этом выпуске Алекс Рампелл, партнер фонда a16z, беседует с Жан-Дени Грезом (Jean-Denis Greze), бывшим CTO компании Plaid и основателем стартапа Town. Они обсуждают, почему Грез закрыл работающий бизнес в сфере налогов, как родилась идея ИИ-помощника, который изменил жизнь Бена Хоровица, и почему будущее принадлежит нейтральным агентам, а не закрытым экосистемам технологических гигантов.
📉 Почему $1 млн выручки — это иногда сигнал к закрытию 0:56
После ухода из Plaid Жан-Дени Грез решил применить возможности больших языковых моделей (LLM) в сфере налогов для малого и среднего бизнеса (SMB). Идея казалась идеальной: налоговое законодательство состоит из текстов, а ИИ отлично справляется с анализом неструктурированных данных . За первый год стартап заработал чуть менее $1 млн и имел четкий план по росту до $2,5–3 млн во второй год .
Однако Грез принял решение закрыть это направление. По его мнению, в эпоху ИИ такой бизнес перестал быть «венчурным» по нескольким причинам:
- Скорость действующих игроков (Incumbents): Грез осознал, что существующие компании (например, Intuit или бухгалтерские платформы) внедрят ИИ для автоматизации налогов своих текущих клиентов быстрее, чем стартап успеет захватить значимую долю рынка .
- Сезонность и низкая вовлеченность: Налоги продаются раз в год. У стартапа нет возможности создать «петлю виральности» или сарафанное радио, так как люди редко хвастаются своим налоговым опытом, а к следующему сезону забывают о сервисе .
- Окно возможностей: Грез подчеркивает, что из-за сезонности у них было узкое окно — примерно с 15 октября по середину ноября — чтобы сменить курс. После этого они были бы обязаны выполнять обязательства перед клиентами еще целый год .
🏗️ Рождение Town: от налогов к операционной системе для работы 10:28
Смена курса привела к созданию Town — ИИ-помощника, который интегрируется с электронной почтой и календарем. Идея возникла из жалоб клиентов налогового сервиса: их больше беспокоил хаос в переписке, подготовка к встречам и рутинные ответы на вопросы, чем сами налоги .
Жан-Дени описывает Town не просто как чат-бот, а как «машину по распределению токенов» (token-allocation machine) . Основные тезисы концепции:
- Работа на скорости ИИ, а не человека: В Town реализована модель, где ИИ-агенты сотрудников могут общаться между собой. Например, если менеджер ищет контакт в финансовом отделе клиента, Town мгновенно находит нужную связь через календари коллег, не отвлекая их сообщениями в Slack .
- Продукт для пользователя, а не для безопасника: Грез сознательно выбрал модель PLG (Product-Led Growth). Он считает, что невозможно создать великий продукт, если ориентироваться только на требования ИТ-директоров и комплаенс. Сначала нужно сделать продукт, который «меняет жизнь» пользователя, а затем адаптировать его под корпоративные стандарты .
- Горизонтальный подход: Вместо того чтобы сразу строить узкое решение (например, «ИИ для юристов»), Town начинает как максимально широкий инструмент, обучаясь на действиях тысяч пользователей в разных нишах .
⚔️ Конкуренция с OpenAI и Anthropic: стратегия нейтралитета 34:03
Один из главных вопросов к прикладным ИИ-стартапам: не раздавят ли их сами создатели моделей (OpenAI, Google, Anthropic), когда добавят аналогичные функции в свои чат-боты? Грез утверждает, что у Town есть несколько фундаментальных преимуществ:
- Нейтральность моделей: Town — это «агностик». Если завтра модель Claude от Anthropic станет лучше в программировании, а GPT-4o — в анализе документов, Town переключит пользователя на лучший инструмент в реальном времени . Компании не хотят быть «запертыми» в экосистеме одного вендора.
- Слой контекста и владение данными: Грез считает, что компании должны владеть своим «слоем контекста» (context layer) — накопленными знаниями ИИ о бизнесе. Если клиент захочет уйти из Town, он должен иметь возможность забрать свои данные за один день .
- Отказ от обучения на данных клиента: В отличие от крупных лабораторий, Town принципиально не использует данные компаний для дообучения глобальных моделей, что является критическим требованием для Enterprise-сектора .
Алекс Рампелл добавляет, что крупные лаборатории сейчас вынуждены фокусироваться на «жирных» вертикалях — программировании, юриспруденции, медицине . Это оставляет пространство для горизонтальных агентов, которые решают проблему «последней мили» в коммуникациях.
🤖 Экономика агентов: от ресторанов до Amazon 23:22
Грез приводит пример того, как ИИ меняет экономику малого бизнеса. Владелец ресторана получает тысячи прайс-листов от поставщиков в PDF и Excel. Проверять их ежемесячно на предмет завышения цен человеком слишком дорого .
- Эффект «Geico»: ИИ-агент может работать в фоновом режиме за $1 в месяц. 11 месяцев он не находит ничего, но на 12-й обнаруживает, что поставщик поднял цену на салат айсберг на 30%, и экономит владельцу тысячи долларов .
- Парадокс Джевонса в ИИ: Рампелл отмечает, что с повышением эффективности использования ресурсов их потребление растет. Когда «стоимость» внимания помощника падает до центов, люди начинают поручать ИИ задачи, которые раньше даже не рассматривались (например, прочтение всей почты для поиска упоминаний о ужинах) .
🌐 Будущее интернета: смерть рекламного договора 52:33
В финале беседы участники обсуждают, как агенты разрушают привычную бизнес-модель интернета. Старый «договор» заключался в том, что пользователь получает бесплатный контент (цену акций на Yahoo Finance) в обмен на свое внимание к рекламе .
- Агенты не смотрят рекламу: Когда по сайтам ходят агенты, а не люди, рекламная модель рушится. Компании вроде Amazon могут начать «воевать» с агентами, блокируя их, но это путь к проигрышу в долгосрочной перспективе .
- Нейтральность против корпоративных интересов: Грез настаивает, что пользователь должен иметь «нейтрального агента», который платит только пользователю. Если агент от Meta будет предлагать вам билеты United Airlines только потому, что они больше платят за рекламу, вы перестанете ему доверять .
- Автоматизация внимания: Ценность агрегации предложения падает. Раньше мы шли на Amazon, потому что человеческое внимание ограничено и нам нужен был один магазин. Теперь внимание автоматизировано, и агент может мгновенно сравнить все магазины мира .
