1. Валидация идей — конкурентное поле (8 кандидатов)
  2. Ideas v3 — Стрим 4 · Company Brain (moat-first инверсия, реж

Ideas v3 — Стрим 4 · Company Brain (moat-first инверсия, режим повышенной строгости)

Метод: инверсия [moat]×[seed] · 4 web-поиска · Контекст: стрим дважды бит (нокаут кластера I04/I05/Company Brain по K4+G4+G1; pipeline забит 4 задачами). Горизонтальный org-brain НЕ генерился by design. Проходной угол — узкий функциональный срез памяти с механической outcome-петлёй и КРОСС-клиентским компаундом. Честный итог: 2 кандидата (1 сильный + 1 с ⚠️-флагом), 13 отброшено. Квота «мин. 1 не-S1» выполнена (К1). Сырьё exhaust_scan_v3 для стрима 4 съедено другими стримами (#7→I08-семья, #11→FactoryBench, #6→латентность) — поле узкое, это подтверждает нокаут-диагноз, не опровергает.

К1 · ScopeLedger — память «что обещали vs что съело» для сервис-фирм (не-S1)

  1. Формула: We build a delivery-memory ledger for агентств/консалтингов/интеграторов 10–200 чел solving «SOW обещает одно, часы съедают другое: маржа испаряется, фирма наступает на те же клаузы каждый квартал» via клаузо-уровневый парсинг SOW/прайсинга → join с таймшитами/PSA → размеченный корпус клауза→оверран→маржа → quote-copilot: red-flag клаузы + калиброванные приоры оценок at $500–1.5k/мес + benchmark-тир give-to-get.
  2. Moat (P1+P2+P5): каждый закрытый энгейджмент = размеченная пара «клауза/оценка → факт-часы → маржа»; приоры per сервис-тип×клауза×ICP компаундят кросс-клиентски («unlimited revisions в fixed-fee → медианный оверран X%»). PSA-инкумбент (Scoro/Productive/Kantata) видит часы, но не обещания — SOW-текст живёт вне PSA; join обещание↔факт создаёт только продукт. Маржой агентства не делятся публично — отдадут только нейтральному give-to-get бюро (Verisk-логика).
  3. Seed: S2+S4 — энгейджменты Workeron.Agency (SQ2-03) + билды AI Factory = первые размеченные пары без единой продажи; дальше корпус создаёт сам продукт.
  4. Right-to-win (не-AmA): dogfooding студии — она сама сервис-фирма с таймшитами и SOW; экспертиза Workhold в outcome-прайсинге сервисов (тезис их же стрима 2).
  5. Analogy-чек: WTP доказана — Parakeeto (CFO-сервис: benchmark variance est-vs-actual 10–20%, delivery margin 60–70% — консалтинг без продуктовой петли); механизм «оценка→факт корпус» = RSMeans/ISBSG-семья (кузены BuildFact/FactoryBench — механизм заимствован, домен третий, честно заявляю родство). Занятость: SOWaudit = point-in-time чеклист-аудит SOW БЕЗ факт-петли; PSA = workflow per-customer. Клетка «клауза→факт-оверран cross-agency корпус» свободна.
  6. G4: модель распарсит SOW и напишет каверзные клаузы; распределения «клауза→фактический оверран» берутся только из join'а с таймшитами — данные, модели их не видят.
  7. K1: ежедневно (таймшит-join); закрытия энгейджментов еженедельно на портфеле (нижняя граница — честно).

Отстройка: FactoryBench (стрим 1) = agent-билды для build-vs-buy DD; Day1/PriceLab (стрим 2) = сервисы-as-outcome; I02 = тул-стек. ScopeLedger = продукт для сервис-фирм о их собственных обещаниях. Не SOP Builder (там авторинг процессов, тут коммерческая память с исходами).

К2 · Relay — handover-память frontline-точек с ramp-петлёй по кассе (⚠️ capture-половина занята)

  1. Формула: We build a handover-memory OS for multi-site frontline сетей (retail/QSR/аптеки, 20–500 точек) solving «менеджер точки уходит (текучка 60–80%/год) — локальное знание обнуляется, точка проседает на месяцы» via exit/rotation/отпуск-capture агент (локальные quirks, вендоры, люди, оборудование) + copilot преемника; каждый вопрос преемника + POS-кривая точки размечают, какое знание реально сокращает time-to-baseline at $150–300/точка/мес.
  2. Moat (P5+P1+P2): каждый handover = экспертно-размеченный слепок роли; вопрос без ответа = captured gap → допрос предыдущего/регионала; связка с кассой взвешивает знание по KPI-эффекту. Кросс-клиентски компаундят НЕ локальные факты, а онтология ролевого знания + ramp-кривые per формат точки — у Glean/Notion нет ни канала (у frontline нет документов), ни outcome-связки с POS.
  3. Seed: S1→S4 — Weeden 55 точек: handover'ы + POS приказом; дальше каждый handover внешних сетей пополняет корпус.
  4. Right-to-win: полигон 55 точек = первые ramp-кривые за квартал без продаж; собственная касса = верификация эффекта.
  5. Analogy-чек: механизм «захват tacit→outcome» доказан Gong; спрос на exit-capture виден — Sensay (offboarding→AI-ассистент), AverisAI (в разработке). ⚠️ Занятость: capture-половина занята ими горизонтально (knowledge-workers, без outcome-петли); Axonify-класс = training-контент, не handover. Выживает только вертикальный срез: handover-событие + POS-петля + ramp-бенчмарк. Идея слабее К1 — флаг честный.
  6. G4: интервью проведёт любая модель (и Sensay); корпус «вопрос преемника × ramp-кривая той же точки» создаётся только в момент handover-события со связкой с кассой — данные, не модель.
  7. K1: ежедневно (вопросы преемников + POS-поток); handover-события еженедельно на сети 50+ точек.

Отстройка от pipeline: SOP Builder = prescriptive-документы без outcome-петли; UniWorkCity = курсы; MaxWorker = generic outcome-платформа; SQ4-02 org-brain = горизонтальные знания компании. Relay = событийная память ПЕРЕДАЧ + измеряемый ramp. От FloorTalk (стрим 5): тот слушает продажи в зале (железо+consent), Relay берёт знание менеджера без железа.

Отброшено (mini-KO, одной строкой)

  1. Горизонтальный org-brain / overlay / «второй мозг» — не генерился: G1-коллизия SQ4-01/02 + прошлый нокаут K4+G4 (Notion/Glean/Bond, Q2'26).
  2. ExitBrain (горизонтальный offboarding знаний-работников): клетка занята — Sensay, AverisAI; без outcome-петли не отстроиться (вертикальный выживший срез = К2).
  3. ExperimentMemory (память A/B-тестов + cross-client приоры): данные на земле Statsig/Eppo (анти-портфель §3); multi-tenant агрегация = их нативный ход (урок DiffRisk).
  4. MeetingMemory (commitments→done): нативная фича meeting-ботов и foundation-моделей (анти-портфель §5), G4 не держит.
  5. ForecastLedger (калибровка всех прогнозов компании): per-домен инкумбенты владеют петлёй (Clari — revenue), горизонталь = org-brain smell (K4).
  6. FieldFix (память техников: симптом→фикс→callback): занято — Aquant, XOi; земля ServiceTitan.
  7. VarianceLedger (FP&A-память «почему цифра съехала»): K1 = месячный цикл + земля FP&A-платформ (Datarails/Aleph-класс).
  8. ConcessionLedger (deal-desk память уступок→renewal): латентность исхода 12 мес (анти-портфель §7) + земля Salesforce/CPQ.
  9. CreativeMemory (креатив→performance приоры): занято — Pencil/VidMob-класс.
  10. HoldcoMemory (память BU-отчётов→калибровка заявлений менеджмента): запрещённая зона «борд» + K1 месячный + Standard Metrics/Chronograph.
  11. MSPBrain (тикет→фикс→recurrence cross-client): MSP-AI переполнен (Pia, Rewst, Thread; знание, web не тратился).
  12. ShiftLog (память пересменок 24/7-операций): j5/Shiftconnector заняли workflow + коллизия по seed/покупателю с GridSense.
  13. FrontHire (скрининг→90-дн retention frontline): занято Sapia.ai (знание) + урок латентности GreyHunter.

Приоритет

Топ-1: ScopeLedger — единственная карточка стрима с полностью структурным G4 (join обещание↔факт не существует ни у PSA, ни у CLM, ни у модели), корпусом на своей земле, нулевым cold start (студия сама себе первый клиент) и не-S1 квотой. Топ-2: Relay — самая дешёвая валидация в пуле (Weeden, приказом, без продаж), но capture-половина клетки уже занята горизонтальными игроками → выживание зависит от того, докажет ли POS-петля отстройку за 1 квартал пилота. Больше честных кандидатов в стриме нет — поле подтверждает прошлый нокаут: без узкого среза с исходами стрим 4 непроходим.