Три вопроса, которые фаундер AI-стартапа задаёт себе в последнюю очередь

Почему это происходит

Не потому что фаундеры врут. Большинство действительно верят в то, что написано в декке. Слово «proprietary» в их голове означает «мы настроили это сами» — а значит, технология наша. Это рационально с точки зрения фаундера, который потратил три месяца на промпт-инжиниринг и интеграции.

Проблема в другом. Рынок обучил фаундеров, что слово «AI» в названии добавляет нули к оценке. По данным Qubit Capital, медианный мультипликатор для AI-стартапов на seed в Q1 2026 составил 28x ARR, тогда как для обычного SaaS это 6-8x. Разница в 3-4 раза только за слово на первом слайде. Логика понятная, результат предсказуемый — фаундеры начинают формулировать продукт под эту премию, иногда не отдавая себе отчёт.

Я видел питч-дек из Петербурга, три разработчика, продукт для юридических документов. На слайде архитектуры — пять блоков, стрелки, «AI Core» в центре. Когда дошли до репозитория, ядро оказалось 140 строками кода, из которых 90 — форматирование промпта для Claude, оставшиеся 50 — парсинг ответа. Фаундер не стал спорить: «Ну да, пока так. Но мы планируем свою модель.»

Что на самом деле определяет ценность

Планируют все. Делают единицы. И это не осуждение — собственная модель требует данных и денег, которых на pre-seed просто нет. Вопрос не в том, есть ли у тебя своя модель, а в том, что именно создаёт ценность в твоём продукте прямо сейчас.

У меня в пайплайне был стартап с чат-ботом для HR. GPT-4 под капотом, промпт на 400 строк, выручка $12K в месяц, оценка $6M — это 41x ARR. Я спросил: «Что случится с продуктом, если OpenAI поднимет цены втрое?» Ответа не было, потому что хорошего ответа не существовало. Через полгода OpenAI выкатил обновление, половина промптов сломалась, выручка упала на 35% — и команда потратила два месяца не на рост, а на починку чужого релиза, который они не контролировали.

Builder.ai — публичный случай того, чем заканчивается разрыв между нарративом и реальностью. Компания привлекла $450M с позиционированием как AI-платформа для разработки, потом выяснилось, что за «AI» сидели люди в Индии. Банкротство. Jasper потерял 80% оценки за год. Copy.ai построил бизнес на GPT-3, позиционируя это как «AI-платформу для контента» — когда ChatGPT стал бесплатным, модель рассыпалась. Это не неудачники и не мошенники. Это люди, которые верили в нарратив сильнее, чем смотрели на структуру своего бизнеса.

Три вопроса, которые стоит задать до питча

Когда фаундер приходит ко мне с AI-стартапом, у меня есть три вопроса. Не потому что я хочу поймать на лжи — просто ответы моментально показывают, за что именно просят деньги.

Первый: «Что произойдёт с продуктом, если ваш провайдер модели прекратит работу?» Если ответ «переключимся на другого» — это подтверждение, что собственной технологии нет. Настоящая технологическая компания не может просто переключиться, потому что её ценность в конкретной модели, данных, архитектуре. Один фаундер сказал мне: «За выходные перепишем под Anthropic.» Я спросил: «А что мешает конкуренту за те же выходные написать ваш продукт с нуля?» Пауза длиннее, чем хотелось бы.

Второй: «Покажите мне что-то, что невозможно воспроизвести за 48 часов.» Один стартап на эту просьбу открыл датасет — 2 миллиона размеченных медицинских записей, три года сбора. Вот это ров. Не промпт, а данные, которые физически нельзя скопировать. Другой стартап показал таблицу сравнения: их подход против прямого вызова GPT-4, с конкретными метриками — точность 94% против 71% на специфическом датасете, латентность 200ms против 2s, стоимость запроса в 15 раз ниже. За таким слайдом стоит работа, и я готов платить за неё премию.

Третий вопрос, самый арифметический: «Какой процент себестоимости составляют затраты на чужие API?» Если больше 40% — это бизнес дистрибьютора с маржой дистрибьютора. Оценивать его нужно соответственно: 3-5x выручки, не 25x. Один фаундер после этого вопроса честно ответил: «62%.» Мы обсудили сделку на условиях SaaS-дистрибьютора, оба остались довольны. Честность в этот момент работает лучше, чем маркетинг.

Когда wrapper — нормальная стратегия

Я бы был нечестен, если бы сказал, что каждый wrapper — плохая инвестиция. Cursor — по сути обёртка над Claude и GPT, но они выстроили такой опыт разработки, что переключение стоит программисту десятков часов привыкания. Это продуктовый ров, не технологический, и он реален. Если маржа 60%+, LTV/CAC выше 3x, churn ниже 5% в месяц — бизнес работает, и вопрос о собственной модели отходит на второй план перед работающей экономикой.

Проблема не в самих wrappers. Проблема в том, что wrapper просит оценку не за то, чем является. Называть перепродажу API «технологической платформой» — примерно как называть интернет-магазин «производственной компанией», потому что на складе лежит чужой товар.

В 2024 году 966 AI-стартапов закрылись — на 26% больше, чем в 2023. Рынок не обвалится разом, как с доткомами. Будет медленная коррекция, каждый квартал отсеивающая тех, у кого нет данных, нет экономики и нет ничего, что нельзя повторить за выходные. Это не трагедия — это нормализация.

Для фаундера AI-стартапа сейчас важнее всего честно ответить на эти три вопроса самому себе. До питча, не после. Инвестор всё равно спросит — лучше знать ответ заранее, и либо исправить ситуацию, либо честно переформулировать, за что именно просишь деньги.

Про это и похожее пишу в Telegram-канале — там короче и конкретнее.