Идея продукта с ИИ: проверить самому, прежде чем платить подрядчику
Самая опасная и сложная часть запуска нового продукта или услуги находится в самом начале пути - на стадии зарождения идеи. Типичная картина выглядит так. Руководитель приходит к подрядчику с идеей, в которой уверен. Подрядчиком может быть студия разработки, конструкторское бюро, агентство или контрактное производство, а идеей может быть приложение, новая услуга или линейка продукции. Руководитель знает своих клиентов и их боль. Подрядчик выслушивает его и задаёт вопросы, на которые у руководителя пока нет ответов: кто именно будет платить, сколько стоит привлечь одного клиента, что должно войти в первую версию, а что может подождать. Потом подрядчик предлагает начать с аналитической фазы. Её оплачивают отдельно, она длится несколько недель или месяцев, и в конце заказчик получает документы, которые описывают его собственную идею.
Подрядчик здесь ничего не делает неправильно, потому что без этой работы он не сможет честно оценить проект. Однако выходит так, что первые деньги и первые недели или месяцы уходят на то, чтобы заказчик понял, чего он хочет, и только после этого начинается сама работа. А в дополнение приходится тратить время и силы на то, чтобы подрядчик понял, чего хочет заказчик.
Ещё пару лет назад иначе было почти нельзя. Разобрать рынок, посчитать юнит-экономику, описать клиентов, расписать требования и нарисовать макеты руководитель сам не успевал, а нанимать под это отдельную команду только ради проверки идеи было дорого. В итоге проверка любой идеи выходила дорогой и долгой или была вовсе недоступна, и многие этот путь просто пропускали. Сейчас большую часть этой черновой работы можно сделать вместе с ИИ. Поэтому меняется и порядок действий. Сначала руководитель сам решает, стоит ли идея денег, и только потом заказывает её исполнение.
Где теряются деньги
Когда руководитель задумывает новый продукт, он обычно боится, что подрядчик сорвёт сроки, ошибётся в расчётах или выйдет за бюджет. Продукты при этом гибнут чаще по другой причине. Их запускают, не проверив, нужны ли они кому-то за деньги и сойдётся ли экономика, а когда это выясняется, исправлять уже поздно и дорого.
Это видно и на большой выборке. CB Insights в 2026 году разобрала 431 закрывшуюся компанию с венчурным финансированием. У 43 % продукт так и не совпал с рынком, у 19 % не сошлась юнит-экономика, и две трети провалов по рынку пришлись на ранние компании, которые этот рынок так и не нашли. Деньги кончились почти у всех (70 %), но аналитики прямо пишут, что это финальная причина, а корневые лежат в рынке и экономике продукта (CB Insights, 2026). Выборка здесь стартаповая, однако новый продукт внутри действующей компании живёт по тем же законам, только проигрыш там списывают тише.
Вторая сторона той же проблемы в том, что ошибка в постановке задачи дорожает с каждым следующим этапом. В NASA посчитали, что если исправление ошибки в требованиях на этапе требований стоит одну условную единицу, то на проектировании оно стоит уже от 3 до 8, при изготовлении от 7 до 16, на испытаниях от 21 до 78, а в эксплуатации от 29 до полутора тысяч (NASA, 2004). Расчёт делали для сложных систем вроде космических аппаратов, поэтому точные коэффициенты к приложению или новой услуге переносить не стоит, но порядок понятен любому, кто переделывал запущенный проект. Получается, что дешевле всего исправить ошибку до первого платежа подрядчику.

Что изменил ИИ
С приходом ИИ исполнение подешевело, а постановка задачи подорожала. Черновик исследования, расчёт, документ или макет ИИ теперь делает за минуты, а вот понять, что именно нужно сделать и зачем, по-прежнему может только тот, кто отвечает за результат. Для руководителя с идеей продукта это хорошая новость, потому что как раз черновая работа и мешала ему проверить идею самому.
Во второй книге серии, «Цифровая трансформация. Системный подход», в главе об управлении продуктами я описывал универсальный алгоритм запуска нового продукта. Он начинается с описания идеи, потом идёт детализация через интервью с клиентами, карту клиентского пути, метрики, риски и финансовый план, затем первичное прототипирование, возврат к идее с критикой и только после этого минимальная версия продукта. Без ИИ этот путь занимал около 6-8 месяцев и требовал команды. Сама методика с тех пор не изменилась, и пересказывать её здесь я не буду. Теперь значительную часть шагов руководитель проходит сам, а команда ему нужна уже на этапе исполнения.
На «Соколе», операционной системе руководителя, путь до решения занял около трёх с половиной месяцев. Сначала за месяц мы собрали первый прототип, потом две недели говорили с целевой аудиторией и по итогам этих разговоров развернули идею. Следующий месяц ушёл на то, чтобы разобрать сценарии и собрать кликабельный прототип, и ещё месяц на показ целевой аудитории и разговоры, по которым принималось решение. Сравнение с книгой не совсем прямое, потому что там путь доходит до минимальной версии продукта, а на «Соколе» эти месяцы ушли на прототипы, разворот идеи и проверку на аудитории. Но именно эта часть пути отвечает на вопрос, делать ли продукт вообще, и именно её теперь можно пройти без команды. Это опыт одного продукта, и нормой его считать нельзя.
Со вторым продуктом, Seknum, ассистентом по контактам и персональной CRM, порядок был уже другим. Сначала месяц ушёл на общение с целевой аудиторией: мы проверяли саму идею и собирали проблемы будущих пользователей. Только после этого началась сборка минимальной версии для бета-тестирования, и за месяц она готова на 85 %. Сейчас идёт доводка и настройка ИИ-функций, и это самая долгая часть работы, а без ИИ-функций сборка заняла бы ровно месяц. Но даже с доводкой вся сборка займёт не больше двух месяцев. Затраты на ИИ за два месяца составили 400 долларов, это две подписки по 100 долларов в месяц, на Claude и ChatGPT, а работа шла в их средах для разработки, Claude Code и Codex. Причём подписки шли и на другую работу (тренинги, статьи, другие задачи), а на Seknum уходило около 70-80 % их лимитов. Эти два ИИ работали в паре: перепроверяли друг друга и закрывали слабые места друг друга.

Похожую картину описывает Карим Лакхани, профессор Гарвардской школы бизнеса, который руководит там институтом по ИИ. На его сессиях для топ-менеджеров люди, знающие ИИ, по его словам, «из третьих рук», за полтора часа собирают приложение под задачу своей компании. Сначала они злятся на ИТ-директора, у которого «пять лет просили» то же самое, а потом делают вывод, что если сами не освоят ИИ, то не смогут вести за собой команду. Это наблюдение одного преподавателя, но по нему видно, как сдвинулась граница того, что руководитель может сделать своими руками.
Рынок движется туда же. Lovable, один из сервисов, где приложение собирают описанием задачи на обычном языке, к концу августа 2026 года вышла на 600 млн долларов годовой выручки, и на платформе создано больше 70 млн проектов (AI Magazine, 29.10.2026). В России «Битрикс24» опросил тех, кто так собирает программы в компаниях: 81 % из них не считают разработку своей основной работой, а 52 % начинали почти без технических навыков («Битрикс24», 2026).
Путь из пяти шагов
Путь от идеи до решения одинаков для приложения, услуги и физического продукта, меняется только то, что вы в конце несёте подрядчику. ИИ на каждом шаге работает как собеседник, который задаёт неудобные вопросы и быстро готовит черновики, а решения принимаете вы.

Первый шаг: из идеи в структуру
Идея в голове руководителя обычно звучит как «клиентам нужно вот это». Начать стоит с того, чтобы ИИ провёл с вами интервью: кто конкретно клиент, какую задачу он сейчас решает и как, сколько ему это стоит, почему он будет платить именно вам. ИИ здесь полезнее всего как интервьюер и критик. Если попросить его сразу описать продукт, вы получите гладкий среднерыночный текст, в котором вашей идеи уже не будет.
Второй шаг: проработка с разных сторон
Дальше вы смотрите на идею глазами рынка, клиента и денег. ИИ помогает собрать картину конкурентов и альтернатив, прикинуть объём рынка, описать сегменты клиентов, разложить каналы привлечения и посчитать юнит-экономику: сколько стоит привлечь клиента, сколько он принесёт за время работы с вами и где точка безубыточности. Получив расчёт, попросите ИИ его оспорить. Пусть назовёт самые слабые допущения и покажет, что будет, если каждое из них сдвинется на 20 %.
Третий шаг: решение «делать, не делать или менять»
Это главный шаг. Всё, что вы получили на первых двух шагах, остаётся гипотезами, потому что ИИ знает мир по чужим текстам и про ваших клиентов знает ровно то, что вы ему рассказали. Решение «делать» должно стоять на живых сигналах, то есть на действиях клиентов, которые чего-то им стоят: интервью, на которое человек потратил час, предзаказ, письмо о намерениях, оплаченный пилот. ИИ поможет составить вопросы для интервью и разобрать ответы, но разговаривать с клиентами придётся вам. В мировой практике этот принцип называют развитием клиентов (customer development). Стив Бланк описал его в книге «Четыре шага к озарению» в 2005 году, Эрик Рис в 2011-м развил идею в «Бережливом стартапе», и ИИ этот принцип не отменяет, он ускоряет подготовку к разговору с клиентом. Если живых сигналов нет, честный ответ звучит как «пока не делать», и это тоже ответ.
Четвёртый шаг: документы
Если решение «делать», вы описываете продукт так, чтобы подрядчик мог его оценить без долгих разговоров. Сюда входят видение продукта на одну страницу, список того, что должно войти в первую версию, с приоритетами (что обязательно, что желательно, что подождёт), сценарии использования и критерии, по которым вы примете работу. Для софта это бэклог и техническое задание, для услуги регламент и сценарий обслуживания, для физического продукта требования к изделию и целевая себестоимость. ИИ хорошо собирает такие черновики, а ваша задача в том, чтобы каждое требование можно было проверить.
Пятый шаг: макет или пилот
Для приложения это кликабельный прототип или макеты экранов, которые сейчас можно собрать без программиста. Для услуги это пилот на нескольких клиентах вручную, без автоматизации. Для физического продукта это эскиз, 3D-модель или образец. Прототип показывает замысел, спрос он не доказывает, и в эксплуатацию он не идёт.
Возьмём условный пример не из ИТ. Производственная компания думает запустить для своих клиентов сервис обслуживания оборудования по подписке. На первых двух шагах руководитель с ИИ описывает, кто у клиента отвечает за простои и сколько они ему стоят, прикидывает цену подписки и себестоимость выезда инженера. На третьем шаге он предлагает нескольким крупным клиентам подписать письмо о намерениях или оплатить пилот на квартал. Если клиенты соглашаются, он описывает регламент обслуживания и уровень сервиса и проводит пилот силами своих инженеров вручную, без отдельной системы. Подрядчик, который потом будет делать систему учёта заявок, получает уже проверенный процесс и понятные требования.
Врезка. Пять запросов к ИИ по шагам
Запросы можно давать в любой ИИ-ассистент, в квадратных скобках ваши данные. Как строить такие запросы, я разбирал в статье «Техника вопросов к ИИ: форма и среда».
«Проведи со мной интервью по идее [описание в двух предложениях]. Задавай по одному вопросу: кто клиент, какую задачу он решает сейчас, сколько это ему стоит, почему он заплатит нам. После десяти вопросов собери ответы в описание на одну страницу и отметь, где мои ответы слабые».
«Посчитай юнит-экономику для [продукт] при цене [X] и стоимости привлечения клиента [Y]. Потом назови три самых слабых допущения и пересчитай результат, если каждое окажется на 20 % хуже».
«Составь вопросы для 30-минутного интервью с [тип клиента], чтобы понять, есть ли у него эта проблема и платит ли он за её решение сейчас. Вопросы не должны подсказывать ответ и не должны описывать мой продукт».
«По этому описанию продукта [вставить] составь список требований к первой версии с приоритетами „обязательно, желательно, подождёт“ и к каждому обязательному требованию добавь критерий приёмки, который проверяется ответом „да“ или „нет“».
«Опиши экраны кликабельного прототипа для сценария [сценарий]: что видит пользователь, что он нажимает, что происходит дальше. Для услуги вместо экранов распиши шаги пилота на пяти клиентах».
Почему это может не сработать
Первое возражение против этого подхода звучит так: это работа продакт-менеджера и подрядчика, а у руководителя хватает своих задач. Это правда, и становиться продактом на постоянной основе руководителю не нужно. Речь о том, чтобы пройти путь один раз, на этапе, когда решается, тратить ли деньги вообще, потому что именно тогда никто, кроме него, не знает, зачем продукт нужен.
Второе возражение касается качества исследования. Кабинетный разбор с ИИ даёт среднерыночную картину, а бизнес зарабатывает на том, что отличается от среднего. Об этом я подробно писал в статье «Почему ИИ не заменит руководителя: 4 причины», и это ограничение здесь никуда не исчезает. Поэтому решение в этом пути принимается на живых сигналах клиентов, а ИИ на первых двух шагах работает критиком.
Третье возражение самое серьёзное: руководитель, который сам собрал прототип, начинает считать его продуктом. В опросе «Битрикс24» 35 % тех, кто собирает программы с ИИ, не проверяют получившийся код на безопасность или не знают, как это сделать («Битрикс24», 2026). Прототип, собранный за выходные, не имеет архитектуры, защиты данных и сопровождения, и выпускать его к клиентам нельзя. Поэтому у прототипа должны быть названы цель, срок и тот, кому вы его передаёте, а дальше его делают профессионалы.
С чем идти к подрядчику
Итог всего пути помещается на одну страницу. Если вы можете её заполнить, разговор с подрядчиком пойдёт об исполнении.
Что положить в пакет | Зачем это подрядчику | Как проверить себя |
|---|---|---|
Решение и его основание: какие живые сигналы вы получили | понять, что проект не остановят через месяц | можете назвать клиентов, которые подтвердили спрос действием |
Клиент и его задача | делать продукт для конкретного человека | клиент описан так, что его можно найти и позвонить |
Юнит-экономика и целевая цена | понимать, в какую себестоимость нужно уложиться | цифры пересчитаны при сдвиге главных допущений на 20 % |
Состав первой версии с приоритетами | оценить объём и не делать лишнего | в первой версии только то, без чего клиент не заплатит |
Сценарии и критерии приёмки | знать, как вы будете принимать работу | каждое требование можно проверить ответом «да» или «нет» |
Макет, прототип, пилот или образец | увидеть замысел своими глазами | его видели живые клиенты |
Ограничения: срок, бюджет, данные, регуляторика | не предложить невозможное | ограничения записаны на бумаге |
Перед походом к подрядчику проверьте себя по трём пунктам. Хотя бы несколько клиентов подтвердили интерес действием. Экономика сходится, даже если главные допущения окажутся на 20 % хуже. Первую версию продукта можно объяснить на одной странице так, чтобы подрядчик оценил её без встречи. Если хотя бы один пункт не выполнен, идти рано.
Что меняется в разговоре с подрядчиком
Руководитель, который прошёл этот путь, приходит к подрядчику ставить задачу. Это меняет и сам разговор. Можно сразу спросить, что в вашем пакете подрядчик считает самым рискованным, какие требования он убрал бы из первой версии и почему, из чего складывается его оценка. Хороший подрядчик на такие вопросы отвечает охотно, потому что с подготовленным заказчиком ему проще работать, и сам скажет, где ваш прототип придётся переделать с нуля.
Аналитическая фаза у подрядчика (в международной практике её называют discovery) при этом может остаться. Она станет короче и будет касаться его области (архитектуры, технологии, производства), потому что вопрос, зачем нужен продукт, вы уже закрыли сами. Подрядчик по-прежнему нужен, и делать продукт за него руководитель не должен. Выбор подрядчика, договор и приёмку я разбирал в книге «Искусственный интеллект. Практическое руководство», а здесь речь о том, с чем к нему приходить.
Вместо вывода
Если у вас сейчас есть идея нового продукта или направления, на этой неделе можно сделать три вещи. Попросите ИИ провести с вами интервью по идее и записать ответы. Посчитайте с ним юнит-экономику и попросите оспорить самые слабые допущения. Поговорите с пятью потенциальными клиентами и посмотрите, готов ли кто-то из них сделать шаг, который ему чего-то стоит. После этого у вас будет либо решение «не делать», которое сэкономит деньги, либо основа для пакета, с которым можно идти к подрядчику и говорить с ним на равных.
Что почитать дальше
О том, как устроено управление продуктом без ИИ, я писал в статьях «Управление продуктами. Часть 1» и «Часть 2». Подробнее о том, как руководителю работать с ИИ на практике, рассказано в книге Джимшера Челидзе «Искусственный интеллект. С неба на землю». Скачать книгу бесплатно.
Источники
CB Insights. Why Startups Fail: Top 9 Reasons. Обновлено 06.03.2026
Stecklein J. M. et al. Error Cost Escalation Through the Project Life Cycle. NASA JSC, 2004
AI Magazine. Lovable: Europe’s Vibe Coding Platform Crosses US$600m ARR. 29.10.2026
«Битрикс24». Вайбкодинг не только для программистов. 10.10.2026
Карим Лакхани, интервью каналу Silicon Valley Girl, 30.10.2026 (23:21)
Blank S. The Four Steps to the Epiphany, 2005; Ries E. The Lean Startup, 2011



