McKinsey: 13 главных технологических трендов, которые будут меняют мир и бизнес (ЧАСТЬ 1)

McKinsey выпустили свежий отчёт о технологических трендах. 13 направлений, которые уже влияют на бизнес и скоро будут влиять ещё сильнее.

Мы сделали короткую выжимку, а также прикладываем полный текст документа.

1️⃣Agentic AI (Агентный искусственный интеллект)

Agentic AI — искусственный интеллекта, который не просто отвечает на вопросы, как чат-бот, а может самостоятельно планировать и выполнять сложные задачи.

В отчёте отмечается:

🔘Рост вакансий в этой области с 2023 по 2024 год составил +985%.
🔘Инвестиции в 2024 году достигли $1.1 млрд.

По оценке McKinsey Agentic AI сейчас находится на стадии экспериментов (уровень 2 из 5). Это значит, что компании пока только тестируют технологии в небольших проектах и не внедрили их в повседневную работу.

Но с учётом темпов развития тренд может быстро перейти к более широкому применению.

2️⃣Artificial Intelligence

Искусственный интеллект (AI) — кажется, никому уже объяснять не нужно. Давайте сразу к цифрам.

Согласно исследованию:

🔘 78% компаний уже используют AI хотя бы в одной бизнес-функции.
🔘 $124,3 млрд инвестиций в 2024 году — это лидер среди всех 13 трендов отчёта.

AI находится на стадии масштабирования (уровень 4 из 5). То есть компании массово внедряют технологии в реальную работу.

Но при этом всего 1% организаций считают, что полностью "созрели" для работы с AI — впереди ещё много адаптации и перестроек.


3️⃣Application-Specific Semiconductors

Раньше компьютеры работали на универсальных чипах, которые подходили «почти для всего».

Сегодня в мире ИИ и высоких нагрузок нужны специальные микросхемы, заточенные под конкретные задачи — например, обучение нейросетей, видеоигры, обработку сигналов или управление дронами. Такие чипы называются специализированными полупроводниками.

Они мощнее, дешевле и эффективнее в узких задачах. Это как разница между универсальным ножом и отверткой с нужной насадкой.

В чём этот тренд проявляется?

🔘Количество патентов в этой области резко выросло — особенно в 2023–2024 гг.
🔘Компании вкладывают всё больше денег в создание своих чипов: Google Tensor (для AI в смартфонах), Apple Neural Engine (для фото и видео), NVIDIA H100 (для обучения нейросетей).

Причина — огромные нагрузки от ИИ, требующие новых чипов: чтобы обрабатывать данные быстрее, дешевле и с меньшими затратами энергии.

4️⃣Advanced Connectivity

Advanced Connectivity — это всё, что делает интернет быстрым, стабильным и доступным везде, даже в глуши. Речь идёт о

🔘5G и 6G-сетях — сверхбыстрая мобильная связь,
🔘спутниковом интернете — как у Starlink,
🔘 сетях интернета вещей (IoT), где связаны между собой заводы, автомобили и даже холодильники.

Эти технологии дают устройствам мгновенно обмениваться данными, а значит, позволяют управлять машинами удалённо, использовать AR/VR, контролировать технику в реальном времени — и всё это с минимальной задержкой.

🔘В 2024 году количество внедрений и пилотов таких технологий выросло на 50%.

🔘Рынок связи снова начал расти после падения в 2023 году: инвесторы верят в долгосрочную отдачу.

🔘Спутники низкой орбиты, как у SpaceX и Amazon, уже обеспечивают интернет в регионах без покрытия.

Пример: ветряные электростанции используют спутники и 5G, чтобы получать диагностику в реальном времени — даже в открытом море.

Тренд уже на стадии масштабирования (уровень 4 из 5). 5G активно внедряется в городах, спутники выходят на орбиту, а «умные» датчики подключаются к фабрикам и логистике. Но до полного охвата и стабильности ещё нужно время.

В следующих постах разберём остальные тренды. Stay tuned!

@mofl_co

McKinsey: 13 главных технологических трендов, которые будут меняют мир и бизнес
(ЧАСТЬ 2)

Продолжаем разбор отчёта.

➡️ ЧАСТЬ 1

5️⃣Cloud and Edge Computing

Cloud и Edge — это два способа обработки информации.

Облачные технологии (Cloud) — это когда данные и программы хранятся не на вашем компьютере, а на мощных серверах где-то в интернете. Это удобно, экономит ресурсы и позволяет масштабировать работу.

Edge computing — это когда данные обрабатываются там же, где они получены: например, на заводе, в машине или даже в холодильнике.

Эти подходы дополняют друг друга. Облака дают вычислительную мощь, Edge — скорость и автономность. Вместе эти технологии базовая инфраструктура для трендов, таких как ИИ, AR/VR, робототехника. Это подтверждается рынком: инвестиции в эти технологии в 2024 году выросли почти на $50 млрд.

6️⃣Immersive Reality

Immersive Reality — это технологии, которые стирают границу между реальным и виртуальным миром. Сюда входят:

🔘VR (виртуальная реальность) — когда вы полностью погружаетесь в цифровую среду через очки/шлем.
🔘AR (дополненная реальность) — когда цифровые объекты накладываются на реальный мир, как в Pokémon GO.
🔘XR (смешанная реальность) — комбинация двух подходов.

Эти технологии уже используют в образовании, промышленности, играх и медицине. На ветряных электростанциях техник надевает AR-очки и видит схему турбины прямо перед глазами — это безопаснее и быстрее, чем искать инструкции на бумаге.

🔘Инвестиции в 2024 году выросли почти на $9 млрд
🔘Число внедрений и пилотов +50% за год.
🔘Появляются платформы, которые делают технологии более доступными — например, гарнитуры без проводов, облачные AR-сервисы и т.п.

Технологии уже рабочие, но не везде ещё стали стандартом.

7️⃣Digital Trust and Cybersecurity

Сегодня всё больше решений принимают машины: ИИ-системы, роботы, алгоритмы. Поэтому на первый план выходит доверие к тому, что всё работает безопасно, прозрачно и без скрытых рисков.

Digital Trust включает:

🔘Кибербезопасность (защита данных, сетей, устройств)
🔘Проверку подлинности (например, через биометрию)
🔘Этику и прозрачность ИИ (что и как делает модель)
🔘Системы отслеживания (например, «цифровой след» в поставках лекарств)

Эти технологии сейчас на стадии пилотирования и ограниченного внедрения (уровень 3 из 5). Многие компании тестируют решения, но массовое использование пока впереди — мешают фрагментированность, недостаток регулирования и высокая чувствительность к ошибкам.

Люди, бизнес и государства не просто хотят технологий. Они хотят понимать, что они безопасны.

8️⃣Quantum Technologies

Обычные компьютеры работают с битами — 0 / 1. Квантовые компьютеры используют кубиты, которые могут быть одновременно и 0, и 1. Это свойство называется суперпозицией.

Ещё кубиты могут запутываться друг с другом (entanglement), что позволяет им обрабатывать данные в параллели — как будто компьютер пробует все возможные варианты сразу, а не по очереди.

Это делает квантовые технологии особенно полезными в задачах, где нужно моделировать сложнейшие процессы. Например:

🔘Разработка новых лекарств и материалов — квантовые компьютеры могут моделировать молекулы и химические реакции
🔘Новые способы шифрования — они могут как взламывать текущие системы защиты, так и создавать супернадёжные
🔘Оптимизация логистики — рассчитать оптимальный маршрут для 10 000 грузовиков, учитывая трафик, погоду и загруженность складов. Обычному компьютеру на это понадобятся часы, квантовому — секунды.

Но всё это пока в фазе Frontier Innovation (уровень 1 из 5): большинство проектов пока исследовательские или экспериментальные, и лишь немногие тестируют их на практике.

Квантовые технологии — это не про сегодня, а про завтра и послезавтра.

@mofl_co

McKinsey: 13 главных технологических трендов, которые будут меняют мир и бизнес (ЧАСТЬ 3)

➡️ ЧАСТЬ 1
➡️ ЧАСТЬ 2

9️⃣Future of Robotics

Это переход от роботов, которые делают только одну рутинную задачу на заводе, к умным, адаптивным и многофункциональным машинам, которые могут:

🔘Подстраиваться под ситуацию
🔘Обучаться на опыте
🔘Выполнять разные виды задач — от упаковки товаров до ухода за людьми.

Робототехника в целом уже на стадии масштабирования (уровень 4 из 5): многие виды промышленных роботов — зрелые и повсеместно внедрены. А вот гибкие, универсальные и автономные роботы пока только начинают активно входить в обиход.

Будущее робототехники — это многофункциональные, “думающие” роботы, которые не просто повторяют движения, а адаптируются к миру.
Связка с ИИ, сенсорами, облаком и агентными системами даёт роботам новую жизнь — они становятся не инструментами, а самостоятельными помощниками.

1️⃣0️⃣ Electrification and Renewables

Мир постепенно уходит от бензина, угля и газа к электричеству и чистым источникам энергии: солнцу, ветру, воде. Это нужно, чтобы:

🔘сократить выбросы CO₂
🔘уменьшить зависимость от ископаемого топлива
🔘сделать энергетику устойчивее и дешевле в долгосрочной перспективе

McKinsey называет этот тренд одним из самых зрелых и масштабных — он находится на 5 из 5 стадий развития.

В отчёте подчёркивается, что электрификация связана с ростом распределённых энергетических сетей, новыми источниками энергии и повышением устойчивости энергосистем.


1️⃣1️⃣Industrializing Machine Learning

Машинное обучение (ML) уже давно не новость. Компании обучают модели на данных, чтобы прогнозировать спрос, выявлять мошенничество или рекомендовать товары.
Но одно дело — создать модель, и совсем другое — внедрить её в реальный бизнес.

Этот тренд — про то, как сделать ML массовым, надёжным и управляемым процессом, как, например, бухгалтерию или склад. Это включает:

🔘MLOps — системы, которые помогают развёртывать, обновлять и отслеживать модели
🔘Автоматизацию обучения моделей
🔘Масштабирование ML-решений по всей компании
🔘Инфраструктуру — хранилища, каналы данных, вычисления

Индустриализация ML — это инфраструктура для будущего ИИ. Без неё невозможно масштабировать модели, внедрять их безопасно и обновлять без сбоев.

1️⃣2️⃣Space Technologies

Космос — это уже не только про ракеты и НАСА.
Сейчас начинается новая волна освоения космоса, где ключевую роль играют частные компании, автоматизация и миниатюризация технологий.

Космические технологии включают:

🔘запуск спутников и спутниковые группировки (например, Starlink)
🔘съёмку Земли с орбиты и анализ данных
🔘мониторинг климата и катастроф
🔘инфраструктуру для связи и навигации

Космическая инфраструктура становится критически важной для работы других отраслей: логистики, сельского хозяйства, обороны, энергетики и даже финансов.

Space Tech находится на ранней стадии внедрения — уровень 2 из 5 (Emerging Adoption).
Технологии уже работают и применяются в бизнесе, но масштаб ещё ограничен. Главные барьеры: высокая стоимость, регуляции и сложность проектов.

1️⃣3️⃣Next-generation Software Development

Этот тренд про то, как меняется подход к созданию софта. Если раньше всё писалось вручную, то теперь:

🔘ИИ помогает писать код: подсказывает, дополняет, проверяет ошибки
🔘Компании переходят от «ручного творчества» к автоматизированной сборке и обновлению софта
🔘Используются модульные платформы, где можно собирать приложения, как из кубиков
🔘Разработка становится быстрее, дешевле и доступнее — даже для людей без глубоких знаний в программировании

Главный драйвер — ИИ-помощники для разработчиков, такие как GitHub Copilot и аналоги. Компании переходят к “composable architecture” — архитектуре, где компоненты ПО можно легко собирать, менять и масштабировать. Также растёт интерес к low-code и no-code платформам, где приложения создаются без написания кода.

ИИ и автоматизация делают программирование доступным, быстрым и адаптивным. Это снижает барьеры, ускоряет цифровизацию и даёт компаниям возможность быстро тестировать и запускать новые продукты.

@mofl_co

9 шагов к успешной монетизации продукта

По данным Simon-Kucher & Partners, 72% новых продуктов не достигают целей по прибыли или выручке. Основная причина — компании начинают с разработки, а про монетизацию думают в конце. Фреймворк Мадхавана Рамануджама помогает выстроить процесс так, чтобы цена и ценность были в центре.

1️⃣ Обсудите цену в самом начале

Не ждите готового продукта, чтобы говорить о цене.
Проведите интервью с клиентами, чтобы узнать:

🔘приемлемую цену,
🔘«дорого» и «слишком дорого»,
🔘за какие функции они готовы платить.

Это сразу покажет, стоит ли запускать продукт, и избавит от перегрузки ненужными функциями.

2️⃣ Сегментируйте аудиторию — one size fits none

Среднего клиента не существует. Разделите рынок на группы с разными потребностями и готовностью платить:

🔘те, кто хотят лучшее решение
🔘те, кому важна скорость
🔘те, кто ищет минимальную цену

Пример с водой: из-под крана — бесплатно, а Liquid Death в банке — $10. И ведь покупают.

3️⃣ Конфигурация и бандлы

Для каждого сегмента нужен свой набор функций:

🔘Leader — must-have
🔘Filler — nice-to-have
🔘Killer — функция, которая отпугнёт клиента, если за неё платить

Бандлы (пакеты) часто повышают выручку: клиенты берут больше, чем при покупке по отдельности.

4️⃣ Выберите модель монетизации

Как вы берёте деньги, часто важнее, чем сколько:

🔘подписка
🔘freemium
🔘оплата за использование
🔘динамическое ценообразование

Пример Michelin: вместо продажи шин за штуку стали брать деньги за км пробега. Это понравилось клиентам и увеличило прибыль.

5️⃣ Определите стратегию ценообразования

Выберите, что важно именно сейчас:

🔘Maximisation — максимальная прибыль или выручка здесь и сейчас.
🔘Penetration — низкая цена для быстрого захвата доли рынка.
🔘Skimming — сначала продаём дороже ранним последователям, потом снижаем цену для остальных.

6️⃣ Внешний бизнес-кейс

После того как вы узнали готовность платить и сегменты рынка, интегрируйте эти данные в финансовую модель: цены, прогнозы продаж, прибыльность.
Обновляйте бизнес-кейс по мере выхода продукта на рынок. Это поможет вовремя корректировать стратегию и избегать сюрпризов.

7️⃣ Говорите о ценности, а не функциях

Ну, это база. Клиенты покупают выгоду, а не список характеристик.

8️⃣ Используйте поведенческое ценообразование

Люди принимают решения не всегда рационально.

Вот пример: У одного SaaS-сервиса было три тарифа: 49$ - 79$ - 149$. Распределение покупок: 58% - 30% - 12%.

А потом тарифную сетку поменяли. Стало: 49$ - 99$ - 179$ - 299$ (супер-ультра-макс тариф). Как изменилось соотношение покупок? 43% - 41% - 14% - 2%

Цена за средний тариф выросла на 20$, но покупать его стали больше. Он стал выглядеть привлекательнее на фоне более дорогих тарифов.

9️⃣ Тестируйте и адаптируйте

Монетизация — это постоянный процесс.
Следите за поведением клиентов, тестируйте новые форматы, меняйте стратегию под изменения рынка. Продукт и цена должны эволюционировать вместе.

@mofl_co

Можно ли доверять ИИ-агентам шоппинг на маркетплейсах?

Есть расхожее мнение, что в ближайшем будущем мы перестанем сами делать покупки в интернете и поручим это ИИ-агентам. Walmart вот уже готовится к наплыву цифровых ассистентов.

Потенциально это изменит в E-commerce всё: правила конкуренции, способы монетизации и даже дизайн платформ.

В связи с этим возникает логичный вопрос: а как вообще ИИ будет принимать решение о покупке того или иного товара?

Это попыталась выяснить группа учёных в экспериментальном исследовании What Is Your AI Agent Buying?

Они создали симулятор маркетплейса ACES (Agentic e-CommercE Simulator): страницу с 8 товарами в сетке 2×4, где можно рандомно менять цены, рейтинги и теги вроде «спонсировано» или «выбор покупателей». К нему подключили популярных агентов (Claude 4 Sonnet, GPT-4.1, Gemini 2.5 Flash) и посмотрели, как они выбирают.

Что выяснилось?

🔘ИИ не всегда рационален. Даже топ-модели иногда выбирают товар дороже или с худшим рейтингом.

В тестах на «однозначно лучший вариант» ошибка доходила до 9–16% у GPT-4.1. Eсли разница в цене или рейтинге была очень маленькой, ошибки доходили до 25–70%.

🔘У ИИ могут быть фавориты. В эксперименте со степлерами лидером стал Amazon Basics: Claude Sonnet 4 выбирал его в 80% случаев, GPT-4.1 — в 94,2%, Gemini 2.5 Flash — в 81,6%.

В эксперименте с фитнес-часами Claude Sonnet 4 упорно отдавал предпочтение одной модели (45% покупок), а GPT и Gemini выбирали её примерно в 25% случаев.

🔘Позиция на странице решает. GPT-4.1 тяготел к товарам в первом столбце, Claude Sonnet 4 полюбил товары из середины (столбцы 2 и 3), а Gemini 2.5 Flash прилипал к третьему стролбцу.

🔘Реклама не помогает. Тег «спонсировано» снижал вероятность покупки, а вот «Overall Pick» от платформы увеличивал выбор почти вдвое или втрое.

🔘В целом поведение похоже на человеческое. ИИ чаще выбирает товары дешевле, с выскоким рейтингом и большим количеством отзывов. Но сила этих факторов у разных моделей отличается.

🔘ИИ-продавец иногда может уговорить ИИ-покупателя. Если попросить ИИ усилить описание товара, то в 75% случаев это никак не влияло на вероятность покупки.

Но в 25% cлучаев продажи резко возрастали. К примеру GPT-4.1 стал покупать коврик для мыши с обновлённым описанием на 21,8% чаще, а Gemini 2.5 Flash — чехол для iPhone 16 на 23,6% чаще.

- - -

Рынок, где решения принимают агенты, будет другим. Побеждает не обязательно тот, у кого лучше продукт, а тот, кто умеет подстраиваться под «предпочтения» ИИ. Ожидаем, что появтся целый класс сервисов, которые будут оптимизировать товары и площадки именно под ИИ-покупателей.

@mofl_co

Какие ИИ-стартапы привлекли больше $100 млн в 2025?

По данным TechCrunch в этому таких компаний уже 33. Для сравнения: за весь 2024 год таких стартапов было 49.

Про мега-раунды OpenAI, Anthropic, Thinking Machines Lab и Anysphere (Cursor), вы, скорее всего, в курсе. В этом материале расскажем о проектах, которые реже мелькали в информационном поле, но были высоко оценены инвесторами.

Все сделки в один пост не поместятся. Отобрали самые интересные наш взгляд.

🛑Decart — $100 млн | $3.1 млрд | Series B

Разрабатывает технологии, которые ускоряют обучение и инференс крупных генеративных моделей.

На базе собственного оптимизационного стека команда создала:

— MirageLSD — преобразует прямой видеопоток с задержкой <40 мс
— Oasis — модель для генерации интерактивных миров в реальном времени

🛑Fal — $125 млн | $1.5 млрд |
Series C

Единый API-доступ к 600+ моделям для генерации контента (изображения, видео, аудио, 3D). Все вычисления выполняются на облачной инфраструктуре Fal, поэтому пользователям не нужно покупать дорогие GPU и настраивать окружение.

🛑EliseAI — $250 млн | $2.2 млрд | Series E

Разговорный ИИ для автоматизации процессов в недвижимости (аренда, обслуживание жильцов) и здравоохранении (запись пациентов, кол-центр, оформление рецептов)

🛑Ambience Healthcare — $243 млн | $1.5 млрд | Series C

ИИ-ассистент для врачей: записывает приемы, ведет истории болезни, автоматически проставляет коды диагнозов в электронные мед. книги.

🛑Reca AI — $110 млн | $1 млрд+ | Series B

Создаёт сверх-эффективные мульти-модальные модели (текст + картинка + видео + аудио), которые можно разворачивать в облаке, on-prem или прямо на устройстве. Благодаря фокусу на оптимизации вычислений даёт производительность уровня GPT-4 / Gemini при меньших затратах.

🛑Harmonic — $100 млн | $0.875 млрд | Series B

Cтроит Mathematical Superintelligence (MSI) — семейство нейромоделей (флагман Aristotle), которые умеют решать задачи формальной математики и проверяют свои ответы, исключая «галлюцинации».

🛑OpenEvidence — $210 млн | $3.5 млрд | Series B

"ChatGPT для врачей", который за секунды находит и конспектирует лучшие медицинские исследования, помогая врачам принимать решения. Сама компания говорит, что их сервисом ежедневно пользуется почти половина всех врачей США.

🛑Glean — $150 млн | $7.25 млрд+| Series F

Work AI проект, который превращает разрозненные корпоративные данные в единую, "умную" поисковую строку: сотрудник задаёт вопрос обычным языком и мгновенно получает ответ или готовый документ, основанный на информации из внутренних систем компании.

🛑Snorkel AI — $100 млн | $1.3 млрд | Series D

Snorkel AI делает для данных то, что Git сделал для кода: превращает громоздкую ручную разметку данных для обучения ИИ в управляемый, программируемый процесс, что во много раз ускоряет разработку корпоративных ИИ-моделей.

🛑Celestial AI — $250 млн | $2.5 млрд | Series C

Оптические межсоединения для ИИ-систем — использует свет вместо электричества для передачи данных, что ускоряет и удешевляет обучение моделей.

🛑 Eudia — $105 млн | NA | Series A

Автоматизирует рутинные задачи для юридических отделов в крупных корпорациях — анализ контрактов, управление рисками, M&A due diligence, соответствие требованиям.

@mofl_co

Что такое анти-питчи и как с ними бороться?

Анти-питч — стандартная фраза для убийства новых идей. У каждой индустрии есть готовый набор возражений, которые повторяются на автомате. Эндрю Чен разобрал тему в новом эссе.

Примеры анти-питчей:

🔵AI-стартап: "Это просто GPT-обертка" / "OpenAI сделает то же самое через пару месяцев"
🔵Маркетплейс: "Столкнётесь с chicken-and-egg проблемой. Без продавцов нет покупателей, без покупателей нет продавцов"
🔵Фитнес-приложение: "Рынок переполнен. Люди качают, не пользуются, удаляют"

Люди говорят это автоматически, не вникая в продукт. Большинство стартапов проваливаются — статистически скептик прав. Плюс критиковать в такой форме очень просто: зацепился за одну деталь и списал всю идею.

Вот что советует Чен, чтобы парировать анти-питчи:

🛑Не попадайте в чужие фреймы

Кто задает рамки — тот управляет дискуссией. Если вам говорят "очередной X", предложите своё сравнение с более выигрышным бенчмарком: "нас лучше сравнивать с Y".

Главное не уходить в отрицание. Отрицание создает связь, а не разрушает.

🛑Заранее продумайте возможные анти-питчи

Выпишите 5 стандартных возражений к вашей нише. Найдите формулировки продукта, которые их не вызывают. Протестируйте новые описания.

🛑Фильтруйте источники критики

✅Кого слушать: клиентов, инвесторов, команду
❎Кого игнорить: случайных советчиков, журналистов-хайперов

А вы сталкиваетесь с анти-питчами? Какие самые частые / бесячие возражения приходится отрабатывать?

@mofl_co

В AI побеждает не технология, а дистрибуция

Miqdad Jaffer, Head of Product в OpenAI, опубликовал разбор того, за счёт чего побеждают ИИ-продукты.

Главная мысль: любую фичу можно скопировать за неделю, единственная реальная отстройка от конкурентов — это то, как распространяется ваш продукт.

Примеры

Perplexity не обошла OpenAI по качеству модели, но сделали так, чтобы каждый расшаренный ответ приводил новых пользователей бесплатно.

Clay не просто запустили CRM tool. Они придумали роль "GTM Engineer", и теперь каждый найм этой позиции работает на их дистрибуцию.

Не воспринимайте AI-продукт как SaaS

В SaaS можно было сначала найти PMF, и уже потом заняться каналами продвижения. Маржинальные издержки стремятся к нулю → раздавать бесплатные доступы можно сколько угодно.

В AI каждый запрос стоит денег. Вирусность без контроля экономики = банкротство на compute.

Поэтому дистрибуция — это не GTM-стратегия, которую добавляют потом. Это принцип проектирования продукта с первого дня.

Задайте себе эти вопросы перед запуском:

🔵Распространяется ли продукт сам?
🔵Встраивается ли он в существующий workflow пользователя?
🔵Создаёт ли результаты, которыми хочется делиться?
🔵Улучшается ли экономика с ростом?

В статье — 15 тактик дистрибуции. Вот как их применили лидеры рынка:

🛑ElevenLabs — Output-as-Distribution

Каждый AI-клон голоса в TikTok стал их рекламой. Продукт спроектирован так, что результаты распространяются сами.

🛑Lovable — Category Naming + Creator-Native Adoption

Создали мем "vibe coding" — люди сами несут их бренд. Плюс создатели постят "я заработал $6000 на проекте из Lovable" — это и туториал, и доказательство.

🛑Perplexity — Viral Artifacts + Trust Loops

Поиск с цитатами, где каждый ответ хочется расшарить. Формат с источниками создаёт доверие, а шаринг — бесплатную дистрибуцию.

Полный список 15 тактик прикрепили на картинке к посту.

@mofl_co

Как сделать вирусный видео-анонс продукта (с примерами)

Видео-анонсы (launch video) продуктов стали новой нормой. Фаундеры учатся работать с алгоритмами социальных сетей, чтобы собрать wait-листы, сделать первые продажи и привлечь внимание инвесторов.

A16Z собрали кейсы, когда такие анонсы выстрелили в X с сотнями тысяч и миллионами просмотров, и обсудили с авторами, как они этого достигли.

Вот главные советы:

🔵Сфокусируйтесь на демонстрации продукта и результатов (>50% ролика)
🔵Продумайте сильный хук, который заставит кликнуть на видео
🔵Рассказывайте словами клиента. Поговорите со 100+ людьми из целевой аудитории — они должны чувствовать, что вы обращаетесь лично к ним
🔵Грамотно подобранные use cases важнее красивого продакшена
🔵Будьте аутентичны. Говорите о том, что действительно важно команде, а не гонитесь за охватами любой ценой
🔵Оптимальная длина: 1,5 - 2 минуты

Впрочем, как ни крути, в первую очередь решает сам продукт. В примерах ниже есть анонс на 23 секунды вообще без слов, набравший 1.6 миллиона просмотров.

Давайте смотреть примеры:

Shortcut — superhuman Excel agent

FLORA — единый холст, объединяющий разные ИИ-модели для креативных задач

OpenSesame.dev — превращает ИИ-шные API в интерфейсы естественного языка

Ember — платформу для понимания и контроля внутренних процессов AI-моделей

MCP, позволяющий Claude напрямую работать с Blender

@mofl_co

Как изучить незнакомый рынок через построение продукта

Отман Лараки и Элад Гил запустили health-tech стартап Color в 2015 году. До этого они успешно работали в Google и Twitter, но опыта в здравоохранении было ноль.

Спустя 10 лет Color стоит $1 млрд. Она помогает компаниям выявлять онкологические риски сотрудников через генетические тесты и виртуальные консультации.

Для First Round Review Лараки поделился тактиками, которые помогли бывшим разработчикам и менеджерам освоиться в чуждой для себя индустрии.

По мнению Лараки нет смысла изучать рынок отдельно от продукта. Нужно билдить и в процессе набираться опыта и экспертизы.

Разберитесь в финансовых потоках

Найдите всех участников цепи — от поставщиков до конечных покупателей. Разберитесь в мотивации каждого: что движет их решениями, как между ними выстроены денежные транзакции.

Выясните, кто:
🔘влияет на решение о покупке?
🔘кто его принимает?
🔘кто устанавливает цену?
🔘как реально платит?

Это нужно, чтобы получить объективное представление, как устроен рынок.

Разложите юнит-экономику на винтики

Color хотели продавать тесты за $250 вместо $4000. Детально разложили все издержки и по каждому пункту искали, где можно сэкономить — договаривались о скидках, рассматривали альтернативных поставщиков.

Это помогло понять структуру затрат в индустрии и выявить неэффективности рынка.

Обращайтесь к правильным экспертам

Если хотите с кем-то проконсультироваться, не пишите самым известным людям в индустрии. Ищите специалистов, которые работают "в поле", но меньше проявляются публично или медийно.

Color в своё время обратились к Мари Клейр Кинг, обнаружившей связь между генетикой и онкологическими заболеваниями. До этого она вообще не работала с бизнесом и скептически к нему относилась. Но команде удалось убедить её в серьёзности своих намерений, и она согласилась сотрудничать.

Будьте готовы к пивотам

Color несколько раз меняли концепцию продукта. Начинали с тестов для индивидуальных клиентов, а пришли к виртуальной онкологической клинике для крупных работодателей.

Каждый пивот казался провалом, но был необходимым шагом к пониманию рынка.

Не думайте, что все вокруг — дураки

Придя из другой индустрии многие вещи будут казаться странными и нелогичными. Но в большинстве случаев окажется, что у них есть рациональные причины.

Color удалось снизить цену теста до $250, но это не решило проблему: затраты на биллинг через страховые съедали маржу. Ключ в балансе между "я тут всё переверну" и "если работает, не трогаем".

@mofl_co

Как cеконд-хэнд продаёт 17 миллионов вещей в год с помощью ИИ

ThredUp — один из крупнейших маркетплейсов подержанной одежды.

Компания выкупает у людей ненужную одежду и перепродаёт её онлайн. В 2023 году через платформу прошло 17 миллионов вещей.

Главная фишка ThredUp — карусельная система автоматизации площадью 100 000 квадратных футов для хранения и комплектации заказов. Система включает автоматическое взвешивание, определение габаритов, фотографирование и печать этикеток.

В этот проект ввалили $400 млн инвестиций, зато теперь обрабатывают десятки тысяч уникальных SKU в день. Весь путь от приёмки вещи до попадания в каталог на сайте занимает буквально пару часов.

В итоге во втором квартале 2025 удалось достичь валовой маржи в 80%.

Что там делает ИИ?

Чистоту и состояние вещей пока проверяют руками, но ИИ уже определяет категорию товара, цвет, размер и даже снимает мерки.

Также внедрили ценообразование с помощью ML моделей, которые учитывают бренд, состояние, спрос и другие факторы. Модель постоянно учится на данных о продажах и становится точнее.

А для покупателей запустили двух ИИ-помощников:

StyleChat — это виртуальный стилист в формате чата-бота, который подбирает образы запросу и может показать, как вещь будет выглядеть на человеке.

Поиск по фото — загружаешь картинку → получаешь похожие товары из каталога.

Клиентам нравится: по данным ThredUp товары, найденные с помощью поиска по изображению, покупают на 85% чаще.

Если заинтересовало, вот ещё пара материалов по теме:

🔘Репорт Business Insider про ThredUp. Можно посмотреть, как выглядит их
🔘Статья How AI is transforming inventory management
🔘Статья ThredUp's AI-Powered Supply Chain Achieves 79.5% Gross Margins in $35B Resale Market

@mofl_co

Просто забейте: на что пользователям плевать, и вам не стоит тратить время

Вот вы собрали MVP продукта, получили первых пользователей и даже начали зарабатывать деньги. Над чем работать дальше?

Понятное дело, идей и задачек на 10 лет вперёд: здесь пофиксить, там улучшить, тут добавить новую фичу.

И вот появляется соблазн заняться тем, что кажется важным лично вам, но пользователям, по факту, всё равно.

На эту тему классный пост написал Арвид Каль. Он делает Podscan — сервис, который ищет упоминания брендов в подкастах по ключевым словам.

Он поделился вещами, которые казались ему критически важными, но жизнь показала, что с ними можно не запариваться.

➡Интерфейс

Арвид неделями дорабатывал дизайн-макеты, но за всё время существования сервиса только один клиент дал негативную ОС по интерфейсу.

Все остальные просто пользовались каждый день.

Если никто не жалуется, значит, интерфейс просто достаточно хорош. Всё остальное — перфекционизм основателя.

➡API

Как и многие разработчики, он мечтал сделать API на уровне Stripe.

Но из сотен пользователей только один когда-либо пожаловался на странное имя эндпоинта. И то он не был платным клиентом.

Остальные просто хотели, чтобы API был стабильно работал.

➡Документация

Был период, когда Арвиду казался очень важным выбор платформы для базы знаний. Он изучал и сравнивал варианты, думал, как сделать, чтобы было КРУТО.

Но начал просто с Notion. И до сих пор держит там несколько публичных страниц с пометкой «Public – Do Not Delete».

Качество документации — важно. Где она лежит — не так уж сильно.

Классная мысль: главное, чтобы текст документации легко копировался для работы в ChatGPT или Claude.

➡Интеграции

Арвиду казалось, что клиенты ждут поддержку десятков форматов данных. Но всем хватало возможности импортировать и экспортировать CSV или Excel.

➡Поддержка

Раньше он стремился отвечать мгновенно, чтобы впечатлить клиентов.

Но оказалось, что платящие $200 в месяц клиенты спокойно ждут ответа день-два. Им важнее, чтобы вопрос был решён качественно. А вся переписка ведётся через e-mail.

Вывод

Для каждого фаундера и бизнеса набор важных и неважных аспектов будет свой.

Но важна сама мысль: если что-то просто работает, то, возможно, стоит переключиться на другие задачи.

Мысль не новая и даже избитая. Но на практике видим, что очень многие склонны уходить в бесконечное улучшательство там, где это даст примерно 0 положительного эффекта на бизнес.

Так что просто напоминаем об этом и вам, и себе.

Завершим классной цитатой Арвида:

Your customers are using your product to solve their problems, not to admire your craftsmanship. They want reliability over refinement, functionality over fanciness, and results over architectural beauty.

Build something that works, document it so people can use it, be there when they need help – even if not instantly – and keep making the core value proposition better. That’s what matters. That’s what people pay for. Everything else? That’s just founder vanity.

@molf_co