21 идея — понятным языком

Документ-переводчик. Каждая карточка отвечает на 8 вопросов: что это одной фразой · как работает петля данных · где применимо (домены) · где применимо (гео) · почему живёт · где умирает · на кого похоже · кто платит + как проверить дёшево. Жаргон расшифрован один раз в Части 0.

Что я добавил сверх твоего запроса (и зачем) — см. Часть 3: карта «семейств» (какие идеи делят один ресурс — чтобы не выбрать два одинаковых по риску), общая таксономия смертей (5 способов, которыми эти модели гибнут — паттерны повторяются), и лакмусовые вопросы для самопроверки на гейте.

Часть 0 · Словарь (расшифровка один раз)

Ров (moat) — устойчивое преимущество, которое конкурент не скопирует быстро. Мы строим рвы не из фич (их копируют за недели), а из накопленных данных, которых у конкурента физически нет.

Петля данных (data-loop / outcome-loop) — продукт, который умнеет от использования: сделал прогноз → увидел реальный исход → стал точнее → привлёк больше клиентов → собрал больше исходов. Как кредитный скоринг: чем больше выданных кредитов ты видел, тем точнее предсказываешь дефолт.

Компаунд — накопление, которое ускоряется. Первые 10 клиентов дают базу, следующие 100 — недосягаемую для новичка библиотеку. Ключевой вопрос всей идеации: компаундит ли петля с ПЕРВЫХ клиентов или это мечта «данные когда-нибудь накопятся» (второе — запрещено).

Seed (затравка) — данные, на которых петля стартует, пока клиентов ещё нет. Четыре типа:

• S1 captive — активы холдинга AmA (~25 бизнесов в 5 индустриях: ритейл Weeden 55 магазинов, стройка, энергетика, психиатрия, каннабис, HR, финансы). Даёт данные приказом, без продаж.
• S2 self-referential — сам Workhold как AI-студия: 24 продукта, которые она строит, генерят уникальные данные о строительстве AI-продуктов (как AWS вырос из внутренней инфры Amazon, Slack — из внутреннего тула игровой студии).
• S3 open-market ничейный — данные, которые рождаются в любой индустрии ежедневно, но никто их не структурирует.
• S4 product-created exhaust — корпуса не существует, пока нет продукта; продукт создаёт его сам своим использованием.

Right-to-win — почему именно ЭТА команда/компания выиграет. Для S1 — актив AmA. Для S2–S4 — обязателен другой источник: экспертиза, dogfooding (ешь свою еду — стань первым клиентом сам), скорость, гео-доступ.

Паттерны рва P1–P8 — механики, которыми петля превращается в ров: P1 outcome-loop (прогноз→исход), P2 cross-customer benchmark (каждый клиент обогащает «норму» для всех), P3 workflow exhaust (продукт сам генерит данные), P4 proprietary sensor (уникальный канал сбора — аудио/телеметрия), P5 expert-labeled corpus (эксперты размечают золотой датасет), P7 compliance corpus (дорогие регуляторные данные), P8 structured-from-unstructured («Bloomberg для X» — первый, кто структурировал хаос индустрии).

K1 (частота боли) — как часто покупатель чувствует проблему. Нужна ежедневная/еженедельная — редкая боль не даёт петле данных и не удерживает подписку.

G4 (гейт foundation-модели) — что останется, если OpenAI/Anthropic завтра добавят эту фичу нативно. Ответ обязателен на входе: если ничего не останется — это обёртка, она умрёт.

Бюро (bureau-модель) — нейтральный третий, куда все игроки сдают данные и получают взамен общую картину. Логика кредитного бюро: банк отдаст историю заёмщика нейтральному бюро, но не конкуренту. Примеры-гиганты: Verisk и ISO (страхование), Dun & Bradstreet, CarFax.

Acceptance-корпус — база «какой формат/ответ проверяющая сторона реально принимает». Не «что написано в правилах», а «что инспектор/аудитор/OEM на практике одобряет». Собирается только через поток реальных подач.

Should-cost — «сколько это ДОЛЖНО стоить» по эталонной базе. В стройке это делает RSMeans/Gordian десятилетиями: справочник цен, на который все ссылаются.

Give-to-get — «сдай свои данные — получи бенчмарк». Механизм, которым бюро набирает корпус: клиент отдаёт свою цифру, чтобы увидеть, как он выглядит на фоне рынка.

Wedge — узкая точка входа, чтобы зайти к клиенту, потом расшириться. Exhaust — данные-побочка рабочего процесса. Captive-доход — деньги от своего же холдинга, а не с открытого рынка (инвестор читает это как самофинансирование, не как рыночный спрос — риск). ICP — портрет идеального клиента. Occupant — конкурент, уже занявший нишу.

Термины по доменам: PSA — софт учёта часов/биллинга в агентствах (Kantata, Scoro). SOW — техзадание/договор с расписанными пунктами. Metrc — обязательная система прослеживания каннабиса в штатах США. MCP — стандарт подключения инструментов к AI-агентам. STT — распознавание речи. Prequal — предквалификация субподрядчика (анкета «допускаем ли к тендеру»). AP/AR — счета к оплате / к получению. NRR — удержание выручки с расширением.

Часть 1 · 21 карточка

Порядок — по силе (тир), а не по стриму: сначала то, на что реально смотреть на гейте. Метка: [Стрим N · MIN-балл]. MIN — минимальная из осей U(рынок свободен)/W(право выиграть)/D(ров); ранжируем по слабейшей оси, не по сумме (одна дыра топит идею).

ТИР 1 — ядро выбора (8 идей)

1. TradeScore — «кредитное бюро субподрядчиков» [Стрим 5 · MIN 3–4]

Одной фразой. Каждый дефект на стройке фиксируется с привязкой к конкретной бригаде/субподрядчику → у каждого субподрядчика появляется переносимый рейтинг качества, как кредитная история. Генподрядчик перестаёт нанимать вслепую.

Петля. Обход площадки → акт дефекта → «чья бригада, какой тип брака» → рейтинг суба. Суб уходит к другому генподрядчику — история идёт за ним только у нас (cross-GC, между компаниями). Чем больше объектов в системе, тем полнее досье на каждого суба → тем ценнее рейтинг → больше объектов заходит.

Домены. Прямо: жилая/коммерческая стройка. Переносится: клининг-подряд в ритейл-сетях, монтаж/сервис оборудования (HVAC, лифты), IT-субподряд, логистические перевозчики — везде, где «исполнитель кочует между заказчиками, а качество наблюдаемо».

География. Работает в любой стране с фрагментированным субподрядом. Сильнее там, где нет централизованного реестра репутации (СНГ, LatAm, Юго-Восточная Азия). В США/UK часть смежной оси (оплаты) занята Levelset — но это платёжная история, не качество; клетка «дефект→рейтинг» свободна.

Почему живёт. (1) Петля платит с ПЕРВОГО объекта: меньше повторного брака у себя = экономия сразу, до всякого network-эффекта. (2) «Неудобность» данных = встроенная защита: суб не хочет, чтобы его история качества следовала за ним — значит инкумбент-анкетчик (Highwire, self-reported prequal) её не соберёт, нужен полевой канал верификации. (3) Эндшпиль — сетевой бюро-эффект (D&B стройки).

Где умирает. (1) Атрибуция брака спорна — суб оспорит «это не моя бригада», данные станут грязными. (2) Генподрядчики не захотят делиться (рейтинг суба — их конкурентное знание). (3) Юридический риск: переносимый негативный скоринг подрядчика = потенциальные иски о клевете/ограничении конкуренции.

Аналог. Levelset (оплаты подрядчиков), D&B, CarFax. Платит. Генподрядчик/девелопер, $1–2k/объект/мес

• плата за скоринг-отчёт. Дёшевый тест. Поставить defect-трекинг на 2–3 объекта AmA, за месяц показать: «эти 3 бригады дают 60% брака» — есть ли готовность платить за то, чтобы не нанимать их снова.

2. Seismo — обсерватория «тихих» апдейтов моделей [Стрим 1 · MIN 3–4]

Одной фразой. Провайдеры (OpenAI и др.) молча подменяют версию модели под капотом — твой AI-агент деградирует, а ты узнаёшь через две недели по жалобам. Seismo непрерывно «простукивает» модели эталонными задачами и ловит момент, когда поведение изменилось.

Петля. Каждый подключённый клиент добавляет свои классы задач в общую сенсорную сеть → точнее отделяем «изменилась модель» от «изменились твои данные» → быстрее и точнее алерты → больше клиентов сдают свои eval-потоки. Один клиент такое не соберёт — нужна кросс-компанейская пестрота задач.

Домены. Любая компания с AI-агентом в проде: финтех (скоринг), healthtech (триаж), e-commerce (поддержка), юртех. Домен-нейтрально — боль общая для всех, кто строит на чужой модели.

География. Глобально, без гео-привязки (SaaS для разработчиков). Лёгкий плюс в ЕС из-за требований AI Act к контролю за поведением систем.

Почему живёт. (1) G4 закрыт СТРУКТУРНО, а не тактически: лаборатория не может аудировать сама себя — нейтральность третьей стороны не копируется фичей (конфликт интересов = ров). (2) Нулевой холодный старт: 24 продукта Workhold × ежедневные eval-раны = сенсорная сеть работает с дня 0, без единого внешнего клиента. (3) Аналог доказан деньгами: ThousandEyes (нейтральный мониторинг чужой инфраструктуры) продан Cisco за ~$1B.

Где умирает. (1) Провайдеры начнут публиковать changelog версий сами → часть боли исчезнет. (2) Рынок может счесть дрейф «терпимым» — платят за острую боль, не за гигиену. (3) Узкий ICP (только серьёзные AI-команды) → медленный путь к деньгам через подписки $0.5–2k.

Аналог. ThousandEyes, Downdetector. Платит. AI-продуктовая команда, $500–2k/мес за endpoint. Дёшевый тест. Запустить сенсор на собственные продукты студии, поймать 1–2 реальных «модель поплыла» → это готовые кейс-стади для первых внешних продаж.

3. ClaimForge — адвокат гарантийных возмещений на стороне дилера [Стрим 3 · MIN 3–4, не-S1]

Одной фразой. Производитель (OEM) режет 5–15% гарантийных заявок дилеров техники. ClaimForge — агент, который готовит заявку идеально под «привычки одобрения» конкретного OEM и апеллирует отказы. Каждый вердикт учит систему, как этот OEM реально принимает решения.

Петля. Заявка → вердикт OEM (одобрил/отказал/урезал + причина) → накапливаем приоры «этот OEM × этот код поломки × эта формулировка → такой исход» → выше процент одобрения у всех дилеров.

Домены. Дилеры сельхозтехники, стройтехники, HVAC, бытовой техники, автодилеры. Шире тот же паттерн «адвокат против структуры, которая решает по непрозрачным правилам»: медицинские страховые апелляции, налоговые апелляции, страховые претензии.

География. Работает везде, где есть дилерская сеть с OEM-гарантией (США, ЕС, крупные авторынки). Сильнее в фрагментированных дилерских рынках без сильных дилерских ассоциаций.

Почему живёт. (1) Ров «конфликтом стороны»: вендоры warranty-софта получают деньги ОТ OEM за СНИЖЕНИЕ выплат — они структурно не могут играть за дилера. Это не «мы лучше», это «они не могут по определению». (2) Быстрые деньги: модель % от возмещённого = доход с первой недели, без подписочного разгона. (3) Free-tool wedge: заявки и так готовят вручную, наш тул просто становится каналом сбора корпуса.

Где умирает. (1) OEM отрубит API-доступ к порталу, увидев системного «адвоката против себя». (2) OEM изменит правила, обесценив накопленные приоры. (3) Экономика: если средняя недоплата мала — % не окупит стоимость.

Аналог. EvenUp (претензии по травмам), Ownwell (налоговые апелляции). Платит. Дилер, 10–20% от возмещённого. Дёшевый тест. Взять warranty-поток собственных парков строй/энерго-техники AmA, прогнать 50 заявок, замерить uplift одобрений vs ручная подача.

4. PermitPilot — агент лицензий и разрешений для мульти-точечного бизнеса [Стрим 3 · MIN 3–4]

Одной фразой. Сеть из 50+ точек (алкоголь, табак, еда, каннабис) ведёт лицензии в Excel + юристы + трекер Avalara; просрочка = закрытая точка. PermitPilot готовит и подаёт заявки, а заодно строит базу «как ведомства реально принимают решения» — сроки, чеклисты, что заворачивают.

Петля. Каждая подача → «юрисдикция × тип лицензии → фактические требования, сроки, исход» → корпус живой муниципальной практики, которого нет ни у кого (ведомства её не публикуют).

Домены. Ритейл-сети, рестораны/QSR, аптеки, клиники, каннабис, логистика (разрешения на перевозки). Всё, где «много точек × регулируемая деятельность × разрешения по географии».

География. Ценность растёт с фрагментацией регулирования. США — идеально (тысячи муниципалитетов, каждый со своими правилами). ЕС/страны с единым регистром — слабее (меньше хаоса = меньше ценности корпуса).

Почему живёт. (1) Хрестоматийная стрим-3 мишень: Avalara = дорогая база записей + ручной managed service + плата за точку — агент-петля каннибализирует его сервисную выручку, он в конфликте с собственной моделью. (2) Captive-старт: Weeden (алкоголь/табак/food-пермиты) + каннабис-BU дают поток подач с дня 0. (3) Боль экзистенциальная: просрочка = закрытая точка = прямые потери.

Где умирает. (1) Частота на грани: одна сеть подаёт заявки не каждый день (K1 слабее, чем у claims). (2) Ведомства оцифруют подачу сами → снизят трение, на котором мы зарабатываем. (3) Юр-ответственность за пропущенный дедлайн (кто виноват, если агент прошляпил renewal).

Аналог. Sphere/Numeral (агенты налоговой регистрации). Платит. Оператор, $100–200/точка/мес + плата за подачу. Дёшевый тест. Взять портфель лицензий Weeden, автоматизировать один цикл renewal, замерить сэкономленные юр-часы и пойманные дедлайны.

5. SwitchCraft — миграция данных как оружие захвата клиентов [Стрим 2 · MIN 3–4, не-S1]

Одной фразой. Последний ров любого legacy-SaaS — боль переезда: перенести данные и настройки так сложно, что клиент не уходит. SwitchCraft продаётся не клиенту, а AI-челленджерам, которые отбирают этих клиентов: «мы бесплатно перевезём твоего нового клиента с legacy-системы». Каждая миграция пополняет библиотеку проверенных схем переноса.

Петля. Каждая миграция = проверенная пара «схема источника → схема цели» + каталог подводных камней. Следующая миграция той же пары систем ≈ бесплатна для нас, а агентство-копикэт каждый раз начинает с нуля.

Домены. Любой рынок, где AI-стартап атакует legacy-инкумбента: CRM, helpdesk/ITSM, биллинг, HR, бухгалтерия. Продаём «оружие захвата» всем нападающим сразу — растёт с каждым новым AI-челленджером.

География. Глобально. Особенно ценно на рынках с сильными окопавшимися инкумбентами (США, ЕС).

Почему живёт. (1) Юнит-экономика N+1 механически падает: повторная пара систем почти бесплатна. (2) Корпус на СВОЕЙ земле — мы храним структурные маппинги (наши), не клиентские данные (их), значит платформа не отрежет. (3) Нулевой холодный старт: каждый стрим-3 билд самой студии нуждается в вытягивании данных из legacy → студия сама себе первый клиент.

Где умирает. (1) Спрос волатилен: зависит от того, насколько активно AI-челленджеры реально отбирают клиентов (если волна замедлится — заказов нет). (2) Каждая пара систем — заново, пока библиотека тонкая (маржа низкая в начале). (3) Инкумбент может специально усложнить экспорт данных.

Аналог. Help Desk Migration/Relokia (прибыльны годами), Mechanical Orchard. Платит. AI-вендор (fixed-fee за миграцию, конечному клиенту free). Дёшевый тест. Сделать 3–5 миграций для собственных билдов студии, замерить, как быстро падает стоимость повторной пары.

6. GhostCall — AI-тайный покупатель [Стрим 2 · MIN 3–4]

Одной фразой. Штаб-квартира сети слепа: соблюдают ли на точке скрипт, апселл, комплаенс? Человеческий тайный покупатель — $50–100 за визит раз в квартал. GhostCall — флот голосовых AI-агентов, которые еженедельно обзванивают каждую точку по сценариям и связывают исполнение с выручкой точки.

Петля. Свой сенсор (синтетический звонящий-флот — таких данных нет ни у кого снаружи) + продольный бенчмарк исполнения между брендами + связка «поведение точки → выручка точки». Копикэту нужны месяцы истории и доступ к кассе.

Домены. Франшизы и сети 50–5000 точек: QSR/фастфуд, ритейл, клиники, автосервис, отели. Везде, где «HQ не видит, что происходит на точке, а исполнение влияет на выручку».

География. ⚠️ Гео-чувствительна к законам записи звонков: в США есть two-party consent штаты (нужно согласие обеих сторон записи — Калифорния и др.) → сценарии сложнее. В ЕС — GDPR-нюансы. Проще в юрисдикциях с мягкими правилами записи. Это фактор дизайна, не блокер.

Почему живёт. (1) Только у нас и звонок, и касса той же точки → связку исполнение→выручка никто не повторит. (2) Дешевейшая валидация всего пула: Weeden 55 точек, звонки без железа, без единой продажи. (3) 10x дешевле человеческого mystery shopping и еженедельно вместо раза в квартал.

Где умирает. (1) Consent-законы записи в жёстких штатах могут закрыть каналы. (2) Точки распознают синтетического звонящего и начнут «играть на камеру». (3) voice-AI переполнен — легко спутать с inbound-агентами, нужна чёткая отстройка «аудит исполнения», а не «ещё один бот».

Аналог. Gong (разговор→исход), индустрия mystery shopping ~$2B. Платит. Франчайзер/HQ, $30–80/точка/мес. Дёшевый тест. Обзвонить 55 точек Weeden неделю, скоррелировать «исполнение скрипта» с чеком той же точки — есть ли сигнал.

7. MarginHawk — аудит счетов поставщиков + индекс «кто сколько платит» [Стрим 3 · MIN 3]

Одной фразой. Поставщики тихо поднимают цены, недопоставляют, добавляют несогласованные сборы в строчки счёта — никто не сверяет каждую строку с контрактом. MarginHawk сверяет автоматически, оспаривает, возвращает деньги, а из потока счетов строит индекс рыночных цен на SKU.

Петля. Каждый счёт → строка «SKU × цена × регион × объём»; каждый спор → исход «что оспаривается успешно». Накапливается и should-cost индекс, и приоры успешных диспутов.

Домены. Мульти-точечный food/ритейл (20–200 точек), рестораны, HoReCa, производство с закупками сырья. Везде, где «много счетов от поставщиков, ручная сверка не делается, цены ползут».

География. Глобально. Сильнее там, где закупки фрагментированы и нет прозрачности цен (развивающиеся рынки — больше «серых» наценок = больше ценность индекса).

Почему живёт. (1) Быстрейшие деньги в пуле: % от возвращённого + free-аудит на входе = доход без подписочного разгона. (2) Конфликт стороны у инкумбентов: AP-софт (Bill.com) продаёт финкоманде нейтральный workflow — рыночный индекс ПРОТИВ поставщиков ломает его нейтральное позиционирование; GPO берут маржу с поставщиков — тот же конфликт. (3) Дешёвый старт на Weeden.

Где умирает. (1) Ramp-класс расширится со SaaS-расходов на физические SKU и накроет клетку. (2) Экономия на скромных объёмах может не окупить % модель. (3) Поставщики начнут прятать наценки хитрее (переупаковка SKU).

Аналог. Levelset, Ramp price intelligence. Платит. Оператор, free-аудит + 15–25% от возвращённого + $500–1k/мес за индекс. Дёшевый тест. Прогнать 3 месяца счетов Weeden, показать сумму пойманных переплат — это прямой ROI-аргумент.

8. ScopeLedger — память «что обещали vs что съело» для сервис-фирм [Стрим 4 · MIN 3, не-S1]

Одной фразой. Агентство подписывает SOW (техзадание) с одними обещаниями, а часы уходят на другое — маржа испаряется, и фирма наступает на те же грабли каждый квартал. ScopeLedger сшивает текст договора с реальными часами и учит: «пункт вроде „безлимитные правки в fixed-fee“ → медианный перерасход X%».

Петля. Каждый закрытый проект = размеченная пара «пункт договора / оценка → фактические часы → маржа» → приоры «тип услуги × пункт × клиент». Quote-copilot подсвечивает опасные пункты при составлении нового договора.

Домены. Агентства (дизайн, маркетинг, разработка), консалтинг, системные интеграторы, юрфирмы на fixed-fee, строй-проектирование. Везде, где «продаём обещание в договоре, а стоимость исполнения непредсказуема».

География. Глобально, боль универсальна. Чуть сильнее там, где сервисный рынок зрелый и конкуренция давит маржу (США, ЕС, Индия-аутсорс).

Почему живёт. (1) G4 полностью структурный: связка «текст обещания ↔ факт часов» не существует ни в PSA (видит часы, не обещания), ни в CLM (видит договоры, не часы), ни у модели. (2) Корпус на своей земле, ест сам продукт. (3) Give-to-get работает: маржой публично не делятся — отдадут только нейтральному бюро.

Где умирает. (1) Частота закрытий проектов у одной фирмы низкая → петля компаундит медленно. (2) Данные грязные: связать пункт договора с конкретными часами тяжело технически. (3) Малый чек + малый рынок сервис-фирм на структурированном учёте.

Аналог. Parakeeto (CFO-сервис для агентств, без продуктовой петли), RSMeans/ISBSG-семья. Платит. Сервис-фирма, $500–1.5k/мес + give-to-get бенчмарк-тир. Дёшевый тест. Взять таймшиты + SOW собственного агентства студии (Workeron.Agency), показать 3 «пункта-убийцы маржи».

ТИР 2 — солидные, но со слабой осью (8 идей)

9. BuildFact — план-vs-факт для девелопера [Стрим 5 · MIN 3]

Одной фразой. Девелопер видит перерасход 15–25%, но не понимает причин. BuildFact еженедельно сводит смету с фактом по каждой позиции и ОБЯЗЫВАЕТ зафиксировать причину отклонения → строит корпус «позиция → отклонение → причина».

Петля. Каждый срез = обучающий пример; приоры по типам позиций появляются с 3–5 проектов. Ключ: поле «причина» обязательно — а его собирает только плательщик-владелец, не подрядчик (тому признавать отклонения политически невыгодно).

Домены. Девелопмент, инфраструктура, капремонт, крупные ИТ/производственные проекты с бюджетом. География. Глобально; сильнее там, где проектное финансирование требует прозрачности (банки, страховщики СМР как покупатели данных).

Почему живёт. (1) Right-to-win: AmA — владелец проектов (не подрядчик), может навязать дисциплину фиксации, которую рынок сам не примет. (2) Данные (корпус причин), не модель — G4 держит. (3) Большой чек + вторичный доход от лицензии банкам.

Где умирает. (1) Петля окупается медленно: прогнозу нужны месяцы срезов (медленнее TradeScore на том же доступе). (2) Подрядчики саботируют фиксацию причин. (3) Procore/InEight могут сделать поле «причина» обязательным.

Аналог. RSMeans/Verisk, nPlan (прогноз сроков). Платит. Девелопер, $2–5k/проект/мес + лицензия банкам/страховщикам. Дёшевый тест. Один проект AmA, 6 недель срезов, показать топ-3 причины перерасхода.

10. AgentActuary — страховое бюро для прод-агентов [Стрим 1 · MIN 3, не-S1]

Одной фразой. Ни у кого нет актуарных данных о рисках AI-агентов в проде: как часто ломаются, во что обходится успешная задача. AgentActuary ведёт таксономию инцидентов и живой индекс «$ за успешную задачу» между компаниями.

Петля. Каждый прод-ран → телеметрия; каждый инцидент+фикс → запись таксономии. Observability-вендоры заперты в per-customer сырых трейсах под NDA — нейтральному бюро компании отдадут то, что конкуренту- вендору не отдадут (логика Verisk).

Домены. Любая компания с AI-агентами в проде + покупатели-страховщики AI-рисков (новый класс). География. Глобально; регуляторный попутный ветер в ЕС (AI Act требует отчётности об инцидентах).

Почему живёт. (1) Нейтральный cross-vendor реестр не может быть нативной фичей вендора моделей (тот сам источник инцидентов — G4 держит). (2) Аналог = Verisk/ISO ($B-паттерн). (3) S2-старт: флот агентов Workhold = сенсор с дня 0.

Где умирает. (1) Рынок страхования AI-рисков ещё эмбриональный — покупатель данных не созрел. (2) Observability-переполнен (15+ тулов) — трудно отстроить «бюро» от «ещё одного мониторинга». (3) Компании не захотят сдавать инциденты даже нейтралу (репутация).

Аналог. Verisk/ISO. Платит. Компания $1–3k/мес + отчёты AI Act + лицензия страховщикам. Дёшевый тест. Собрать таксономию инцидентов по собственным агентам студии, оценить, платят ли страховщики за ранний индекс.

11. BidBank — should-cost из проигравших тендерных заявок [Стрим 5 · MIN 3]

Одной фразой. В тендере виден только победитель — цены проигравших выбрасываются. BidBank даёт бесплатный тул для «левелинга» (сведения заявок), который попутно захватывает 3–7 полных прайс-стеков за тендер, включая проигравшие → строит построчный should-cost по видам работ и регионам.

Петля. Каждый левелинг структурирует полные цены всех участников; после ~50 тендеров — рыночный эталон цен. Заказчик отдаёт проигравшие заявки только в момент левелинга — кто владеет workflow, владеет корпусом.

Домены. Стройка (ядро), госзакупки, промышленные закупки, любой тендерный рынок. География. Глобально; сильнее там, где нет открытых реестров цен (в отличие от части госзакупок ЕС).

Почему живёт. (1) Free-tool wedge даёт доступ к данным, которые все выбрасывают. (2) BuildingConnected видит приглашения/победы, но не продаёт построчные проигравшие цены — клетка данных свободна. (3) Бутстрап тендерами AmA.

Где умирает. (1) Autodesk (владелец BuildingConnected) может включить это в свой продукт — скорость критична. (2) Workflow левелинга уже занят несколькими игроками. (3) Заказчики против передачи чужих проигравших цен (конфиденциальность).

Аналог. Levelset, ZoomInfo (данные как exhaust free-тула). Платит. free-тул + $1–2k/мес за индекс. Дёшевый тест. Прогнать 10 тендеров AmA через левелинг, построить should-cost по 3 видам работ.

12. ResolveLoop — деск эскалаций, чей exhaust = корпус фиксов [Стрим 1 · MIN 3, не-S1]

Одной фразой. Когда AI-агент проваливается и передаёт задачу человеку — это самый ценный момент данных, и он испаряется в Slack. ResolveLoop — инфраструктура передачи агент→человек, которая захватывает триплет «контекст, провал агента, фикс человека» и превращает его в авто-улучшения.

Петля. Каждая эскалация = размеченный пример «провал→фикс» → регресс-тесты и авто-резолв растут → меньше эскалаций у клиента (виден ROI) → больше процессов заводят в деск. Лаборатории никогда не видят человеческое решение — оно происходит в ops-слое клиента после API-вызова.

Домены. Вертикальные agent-first компании: поддержка, обработка заявок, модерация, бэк-офис. География. Глобально.

Почему живёт. (1) Корпус человеческих резолюций недоступен на уровне API — структурная защита. (2) S4-exhaust с первого клиента + dogfood на 24 продуктах студии. (3) Виден прямой ROI (падение эскалаций).

Где умирает. (1) Лаборатории добавят approval/human-in-the-loop примитивы (в Claude Code уже есть) → надо вертикализироваться, иначе съедят. (2) Позиционирование узкое, легко застрять в «ещё один HITL-тул». (3) Конкурент HumanLayer уже щупал клетку.

Аналог. Cresta/Observe.AI (учились на handoff-моментах колл-центров). Платит. seat + per-resolution, upsell за % авторезолва. Дёшевый тест. Поставить деск на эскалации собственных продуктов студии, замерить рост авто-резолва за месяц.

13. Day1 — постслияночная интеграция как сервис [Стрим 2 · MIN 3]

Одной фразой. После покупки компании 6–12 месяцев хаоса: системы, финконсолидация, клиенты — интеграцию CEO делает по ночам, а Big-4 не по карману на сделках $1–50M. Day1 — агентный конвейер day-1/day-100, фиксирующий каждое решение с 90-дневным исходом.

Петля. Каждая интеграция = размеченные пары «решение (что консолидировать) → исход через 90 дней» + маппинги систем → приоры по индустрии×размеру×стеку. Консалтинг не компаундит (playbook уходит с людьми).

Домены. PE roll-up'ы, search-фонды, холдинги-серийные покупатели. География. Глобально; растёт с волной AI-roll-up'ов (General Catalyst и др.).

Почему живёт. (1) Captive-мечта: AmA — серийный покупатель (~25 BU), каждая новая BU = интеграция приказом. (2) Большой чек: $25–60k/сделка → 2–4 сделки = близко к $100K. (3) Отстройка от base-case I08: тот решает «входить ли в сделку», Day1 — «как исполнить после закрытия».

Где умирает. (1) Петля компаундит медленно (90-дневные исходы) — за 4 месяца окна почти не успеет. (2) Сильный captive-запах: доход от интеграций AmA инвестор прочтёт как самофинансирование. (3) Это может остаться дорогим сервисом без software-маржи, если петля не заведётся.

Аналог. AlixPartners/Accenture PMI (консалтинг $B, нулевая петля). Платит. fixed-fee $25–60k + ретейнер. Дёшевый тест. Прогнать одну реальную интеграцию BU AmA по конвейеру, замерить, сколько consulting-часов заменилось.

14. PriceLab — монетизация как услуга для AI-native продуктов [Стрим 2 · MIN 3, не-S1]

Одной фразой. У AI-продуктов токен-косты плавают, а value-прайсинг делается вслепую, эксперименты катить страшно. PriceLab инструментирует usage+billing, проектирует и катит pricing-эксперименты, фиксирует эффект на конверсию/удержание/маржу.

Петля. Каждый эксперимент = пара «изменение→эффект» → cross-portfolio приоры эластичности по категории×ICP×модели монетизации. Консультант не имеет телеметрии; billing-инфра видит usage, но не видит экспериментов.

Домены. AI-native продукты $1–20M ARR. География. Глобально (SaaS).

Почему живёт. (1) S2-полигон: 24 продукта Workhold = captive-лаборатория экспериментов с дня 0. (2) Аналог доказан: ProfitWell/Price Intelligently → exit в Paddle ~$200M. (3) Клетка «для AI-native» (токен-косты, агентный прайсинг) свободна.

Где умирает. (1) Слабейший периметр в пуле: Stripe/Metronome могут агрегировать бенчмарки usage и подмять. (2) Petля живёт в delivery-слое → риск остаться консалтингом. (3) Рынок AI-native продуктов $1–20M ARR пока тонкий.

Аналог. ProfitWell/Price Intelligently. Платит. $2–5k/мес + % от verified uplift. Дёшевый тест. Один pricing-эксперимент на продукте студии, замерить uplift NRR.

15. FactoryBench — should-cost агентных билдов [Стрим 1 · MIN 3−]

Одной фразой. Никто не знает, сколько реально стоит построить AI-агента и какие архитектуры доживают до прода. FactoryBench — база «спека → архитектура → усилия → прод-исход → kill/scale», калиброванная по механизму give-to-get.

Петля. Каждый билд → строка «оценка vs факт, архитектура vs надёжность» → ошибка эстимации падает → оценки становятся sales-артефактом → клиенты сдают данные ради калибровки. Лаборатории видят inference-токены, но не инженерные усилия и kill-решения.

Домены. Энтерпрайзы (build-vs-buy DD), AI-агентства, студии. География. Глобально.

Почему живёт. (1) Полностью вне поля зрения лабораторий — им недоступны effort/outcome данные. (2) S2-корпус: ~24 параллельных билда студии + kill/scale решения = стартовый датасет, которого нет ни у кого. (3) Аналог = RSMeans/Gordian (data-монополия десятилетиями).

Где умирает. (1) K1 на нижней границе: kill/scale решения редки → петля медленная. (2) Спрос эпизодичен (DD-оценку заказывают раз в проект, не ежедневно). (3) Индустрия молодая — «нормы» быстро устаревают.

Аналог. RSMeans/Gordian, ISBSG. Платит. подписка на бенчмарк + per-estimate отчёт для DD. Дёшевый тест. Собрать корпус по завершённым билдам студии, продать один DD-отчёт внешнему энтерпрайзу.

16. GridSense — акустический мониторинг для средней энергетики [Стрим 5 · MIN 3−]

Одной фразой. Среднее энергооборудование ломается без OEM-аналитики (её дают только крупным). GridSense ставит акустику+вибро+телеметрию 24/7 и оцифровывает разборы инцидентов «звук → причина → фикс».

Петля. Акустический baseline каждой машины калибруется с первой недели; каждый инцидент+акт разбора = размеченный отказ (дефицитнейшая разметка). OEM видит только свои машины и только крупных клиентов — мультивендорный mid-size парк ему невидим.

Домены. Средняя генерация, энергокомпании, шире — промышленное оборудование, ЖКХ, насосные. География. Глобально; сильнее там, где много mid-size операторов без OEM-контрактов.

Почему живёт. (1) Proprietary sensor: foundation-модель не ставит микрофоны на турбины — сенсор+корпус остаются при любом G4. (2) S1-полигон: свой энергопарк AmA = установка без продаж + бумажные акты разборов как стартовый корпус. (3) Аналог = Augury (machine health по акустике, unicorn).

Где умирает. (1) Железо = медленный компаунд + capex на сенсоры (тяжёлый старт). (2) Длинный цикл продаж в энергетике. (3) OEM может спуститься в mid-size сегмент.

Аналог. Augury. Платит. $500–1.5k/машина/мес + лицензия страховщикам оборудования. Дёшевый тест. Оснастить 5–10 машин своего парка, поймать 1 предсказанный отказ.

ТИР 3 — с явным флагом риска (5 идей)

17. EvidenceOS — доказательные пакеты под EU AI Act [Стрим 1 · MIN 2–3]

Одной фразой. С 2 августа 2026 деплойеры high-risk AI обязаны вести логи решений (Art. 12), но Datadog/Vanta не производят формат, который примет регулятор. EvidenceOS делает hash-chained журнал решений агента → регулятор-презентабельные паки + базу «какой формат какой аудитор принял».

Петля. Каждый пройденный аудит → пара «формат доказательства → вердикт аудитора» → приоры принятия по каждому notified body → паки пре-валидированы → аудиты быстрее. Код это не соберёт — нужен доступ к аудиторской стороне.

Домены/гео. ⚠️ Гео-ЯДРО: только ЕС (привязка к AI Act). Домены: high-risk деплойеры — health, финансы, HR-скоринг, каннабис-BU. Почему живёт. Регуляторный дедлайн = принудительный спрос; S2+S1-старт (продукты студии сами обязаны комплаиться). Где умирает. Рано-занято (Agent Audit уже продаёт паки) + LangChain пилит нативное Art.12-логирование (G4-давление) → выживает только acceptance-корпус, не сама фича логирования. Платит. €1–3k/мес за agent-систему. Тест. Сделать evidence-пак для одного собственного high-risk продукта, провести через реального аудитора.

18. GreenSeal — enforcement-комплаенс для каннабиса [Стрим 3 · MIN 2–3]

Одной фразой. Каннабис-оператор держит compliance-офицера за $60–80k/год на ежедневную ручную сверку с Metrc; нарушение = лицензия под угрозой. GreenSeal автоматизирует сверку + готовит к инспекциям по корпусу «что инспектор реально штрафует в этом штате».

Петля. Каждая сверка → «расхождение→фикс→(не)нарушение»; каждая инспекция → «findings→remediation→ acceptance». Чеклист-вендоры проверяют правила-как-написано; корпус «как штат реально применяет» — только через операционный поток.

Домены/гео. ⚠️ Гео-ЯДРО: Metrc-штаты США (плюс зависит от того, в каком штате/стране каннабис-BU AmA). Почему живёт. Захолустная вертикаль, куда generic-тулы не идут (banking/reputational барьер = защита); captive-оператор = дисциплина фиксации приказом. Где умирает. Финансовый дистресс всей каннабис-индустрии (клиенты банкротятся) + гео-фрагментация (корпус одного штата не переносится) + федеральный статус может измениться и обнулить нишу. Платит. $500–1.5k/локация/мес. Тест. Автоматизировать Metrc-сверку на каннабис-BU AmA, замерить сэкономленные часы офицера.

19. Relay — память передачи смен на точках [Стрим 4 · MIN 2–3]

Одной фразой. Менеджер точки увольняется (текучка 60–80%/год) — локальное знание обнуляется, точка проседает на месяцы. Relay захватывает знание при уходе/ротации + copilot преемника, и взвешивает знание по кассовой кривой выхода на baseline.

Петля. Каждая передача = слепок роли; вопрос преемника без ответа = зафиксированный пробел; связка с кассой показывает, какое знание реально сокращает time-to-baseline. Кросс-клиентски компаундят не локальные факты, а онтология ролевого знания + ramp-кривые по формату точки.

Домены/гео. Мульти-точечные frontline-сети (ритейл/QSR/аптеки), глобально. Почему живёт. Дешевейшая валидация (Weeden, приказом); связка с POS у Glean/Notion отсутствует. Где умирает. ⚠️ Половина клетки (сам захват знания) уже занята горизонтальными игроками (Sensay, AverisAI) → выживает ТОЛЬКО если POS-петля докажет отстройку за квартал пилота; иначе — «ещё один offboarding-тул». Платит. $150–300/точка/мес. Тест. Прогнать 5 реальных передач смен на Weeden, показать связь «переданное знание → скорость восстановления выручки точки».

20. ToolFax — бюро поломок tool-supply-chain (MCP/API) [Стрим 1 · MIN 2–3, не-S2]

Одной фразой. AI-агент подключён к десяткам инструментов (5800+ публичных MCP-серверов); один тихо сменил схему — агент молча начал врать. ToolFax краулит публичные серверы и ведёт реестр сигнатур поломок «инцидент → сигнатура → безопасная версия для pin».

Петля. Инцидент любого клиента → сигнатура в базе → все клиенты получают превентивный патч → больше интеграций под мониторингом → больше инцидентов захвачено. Модель Snyk: сканер дёшево, advisory- фид платно.

Домены/гео. Команды с прод-агентами, глобально. Почему живёт. Сетевой эффект базы сигнатур > фичи сканера (доказано Snyk/Socket.dev на npm); краулер публичного реестра не требует разрешений (S3). Где умирает. ⚠️ G4 частично УЖЕ случился: Vercel AI SDK добавил detectToolDrift нативно, Anthropic листит серверы. Локальный дифф ≠ кросс-компанейская история, но окно узкое — надо успеть, пока это не стало стандартной фичей рантайма. Платит. сканер дёшево + advisory $1–3k/мес. Тест. Замониторить интеграции 24 продуктов студии, поймать первую реальную поломку схемы.

21. FloorTalk — аудио в торговом зале [Стрим 5 · MIN 2]

Одной фразой. Работа продавца в зале невидима. FloorTalk ставит аудио у кассы/в зале и связывает фразу продавца с чеком той же транзакции + бенчмаркит магазины между собой.

Петля. Фраза продавца → чек той же транзакции = мгновенная разметка исходом; 55 магазинов Weeden дают бенчмарк с первого месяца. Камеры/счётчики инкумбентов не имеют аудио-согласий и связки с кассой.

Домены/гео. Ритейл 20–200 магазинов. ⚠️ Гео: клетка занята в США живыми игроками (InStore.ai, Ethosphere) → выживает как полный Mission Control (аудио+касса+workflow, не point-аналитика) и на non-US рынках. Почему живёт. Мгновенная петля разметки + связь с собственной кассой Weeden. Где умирает. Клетка занята в США + hardware/consent-барьер (микрофоны в зале = согласия покупателей и сотрудников, приватность) + STT коммодитизируется. Самый слабый MIN пула (U=2). Платит. $200–400/магазин/мес. Тест. Один магазин Weeden, связать 100 разговоров с чеками — есть ли сигнал «фраза → апселл».

Часть 2 · «Что ещё в отчёте» — сквозные разрезы

5 способов, которыми ЭТИ модели умирают (общая таксономия)

Полезнее запоминать не 21 риск по отдельности, а 5 паттернов смерти — они повторяются:

1. Платформа-каннибал (encroachment). Foundation-лаборатория или крупная платформа добавляет фичу нативно. Жертвы: ToolFax (Vercel уже), EvidenceOS (LangChain), ResolveLoop, PriceLab (Stripe). Защита: структурный G4 — нейтральность (Seismo, AgentActuary) или данные, которых у платформы нет физически (BuildFact, ScopeLedger).
2. Occupant (клетка занята). Кто-то уже сидит в нише. Жертвы: FloorTalk (InStore.ai), Relay (Sensay), частично BidBank/MarginHawk. Защита: отстройка на под-клетку, которую occupant не держит (у Levelset оплаты → у нас качество).
3. Captive-мираж. Доход только от AmA читается как самофинансирование, не рыночный спрос. Риск у всех S1: Day1, BuildFact, PermitPilot, GhostCall, GreenSeal. Защита: non-AmA сделки в окне 4 мес (условие IC из base-case).
4. Мёртвая петля (латентность / грязные данные). Исход виден слишком поздно или атрибуция спорна. Жертвы: Day1 (90 дней), FactoryBench (kill-решения редки), TradeScore (спор об атрибуции брака), ScopeLedger (связать пункт с часами). Защита: петля, платящая с первого клиента (TradeScore, ClaimForge, MarginHawk).
5. Гео/reg-хрупкость. Ценность привязана к одной юрисдикции или тонет в регуляторном сдвиге. Жертвы: EvidenceOS (только ЕС), GreenSeal (штат + федеральный статус каннабиса), GhostCall (consent-законы записи). Защита: домен-нейтральные модели (Seismo, SwitchCraft).

Карта «семейств» — не выбирай двух близнецов по риску

На гейте важно: две идеи из одного семейства делят один ресурс И один способ смерти. Диверсифицируй.

Сводка «за 30 секунд» — где чья сила и слабость

Лакмусовые вопросы для гейта (задай каждой идее сам)

1. Петля с первого клиента? Если «данные накопятся когда-нибудь» — в отвал (урок анти-портфеля).
2. G4-ответ структурный или тактический? «Мы глубже интегрированы» — тактика (умрёт). «Лаба не может аудировать себя» / «у платформы нет этих данных физически» — структура (живёт).
3. Кто платит НЕ из AmA и когда? Если ответа нет к месяцу 4 — это captive-мираж.
4. Occupant проверен? Есть ли живой игрок в этой самой клетке (не в соседней)?
5. Частота боли ≥ еженедельно? Реже — петля голодает, подписка не удержится.
6. Что продаём в первую неделю? Есть ли событие дохода, которое можно показать инвестору сразу.

Часть 3 · Как это использовать на 🚪 G-I1

Мой диверсифицированный shortlist (по одной из каждого рискового семейства, чтобы не сложить яйца в одну корзину): TradeScore (B, лучший ров) · Seismo (A, единственный без AmA-зависимости) · ClaimForge (D+быстрые деньги) · MarginHawk (страховка hard-clock) · PermitPilot (сбалансирован). Замены под другой вкус: SwitchCraft (если веришь в рынок AI-челленджеров), GhostCall (если приоритет — дешевизна теста), ScopeLedger (третий не-AmA).

Выбранные 3–5 → полный паспорт-конвейер (finder + verifier + паспорт), где цифры и occupant'ы проверяются по-настоящему. Этот документ — для усвоения и выбора, не замена верификации.