Как бизнес-мышление помогает запускать научные стартапы

В разговоре с основателем ПостНауки, Иваром Максутовым, предприниматель и создатель ИИ-стартапов Георгий Левин рассказывает, почему для бизнесмена важно не удовлетворять клиентский спрос, а сфокусироваться на знакомой нише. Смотрите выпуск на YouTube: Бизнес, AI и будущее маркетинга — Ивар ft. Гоша Левин Проблема универсальных методик В университетах хорошо преподают только те дисциплины, которые основаны на чётких формулах. В креативных профессиях упор должен делаться на практику — но такое решение кажется очевидным далеко не для всех программ. Часто в академической среде, напротив, убивают креативный взгляд на задачи и заставляют работать по давно избитым лекалам, приводящим студента в тупики. Найти успешный подход для своей индустрии можно только опытным путём. Одной из таких индустрий стало предпринимательство. В последние годы на теме бизнеса паразитируют тысячи курсов, онлайн-школ и университетских программ. Студентов учат выдвигать гипотезы о продуктах и проверять их в контролируемых условиях. Ключевое слово — контролируемых: на них можно влиять самому и просчитать заранее. В действительности шанс управлять сферой бизнеса выпадает крайне редко. Программы стремятся систематизировать бизнес как дисциплину, но такие стремления часто игнорируют реальную сложность рынка и уникальность каждого кейса. В результате предпринимательство становится не способом аналитического мышления, а скромным набором техник. Got Intent: приводит ли знание сферы к успешному AdTech-продукту Именно наблюдение Георгия Левина стало основой стартапа Getintent — платформы для закупки цифровой рекламы в формате real-time bidding. На момент его разработки предприниматель знал о проблеме входного барьера: существующие системы не предоставляли пользователю возможности начать работу самостоятельно. Они ориентировались на крупных клиентов с высокими бюджетами и обязательным участием аккаунт-менеджеров. Getintent предложил интерфейс, где была предусмотрена возможность запуска рекламной кампании с минимальной суммой — в режиме self-service. Это решение изменило логику взаимодействия с пользователями. Формирование продукта базировалось на знании отрасли: понимании бизнес-процессов, особенностей закупок и технических ограничений. Секрет успеха заключался в опоре не столько на спрос, сколько на знания Георгия и его кофаундера Владимира Климонтовича. Можно бесконечно строить прогнозы о потенциальной аудитории в отрасли, которая тебе совсем не знакома, — и потратить годы на её изучение. А можно заранее знать обо всех проблемах и привлечь клиентов, которым важны прозрачность и скорость. Другое наблюдение: идти к раскрутке компании нужно постепенно, генерируя способы преодоления препятствий на ходу. Следует дать время на ошибку, для которой затем найдётся решение. CRM.AI: новая стратегия Особенно показательным стал кейс CRMchat.AI. Попытка решить универсальную проблему — нежелание менеджеров по продажам вручную заполнять CRM-системы — выглядела логичной. Однако в процессе реализации выяснилось: всё не так просто. Потребности в CRM различаются в зависимости от индустрии, типа продаж, продолжительности цикла сделки и даже корпоративной культуры. Продукт, изначально задуманный как общий инструмент для всех, начал сталкиваться с невозможностью стандартизировать пользовательские сценарии. Георгий указывает на другой барьер — несовпадение мотиваций. Хотя конечные пользователи демонстрировали интерес к автоматизации, решение принимали руководители отделов продаж, которые считали ручное заполнение CRM частью дисциплины. В результате продукт не получил одобрения руководства, несмотря на положительные отзывы от непосредственных пользователей. Чем бизнес отличается от научного эксперимента В отличие от физики, где теорема работает независимо от контекста, в предпринимательстве закономерности имеют вероятностный характер. Невозможно вывести универсальную формулу, применимую к каждому проекту. Вместо этого предприниматель работает с паттернами — повторяющимися, но не гарантированными сценариями. Вопрос, с которым сталкиваются все, кто пытается обучать бизнесу: какие именно паттерны стоит передавать и возможно ли сформулировать их в виде устойчивых принципов? На сегодняшний день универсального ответа нет, но существует мнение эксперта. Поиск ниши для стартапа Стартапы редко проваливаются из-за недостатка амбиций. Чаще — из-за желания угодить всем. Это подтверждает пример из профессиональной жизни Георгия — проект CRMchat.AI. Его команда попыталась создать инструмент, одинаково полезный для менеджеров по продажам из разных областей. Основной функционал — голосовой ассистент, который фиксирует надиктованные данные в CRM-системе. Однако именно стремление к расширению стало источником сложности. На первом этапе казалось, что идея имеет большой потенциал: менеджеры по продажам во многих компаниях испытывают трудности с ручным внесением данных, а автоматизация этого процесса за счёт голосового ввода могла упростить работу и повысить эффективность. Но в реальности продукт начал сталкиваться с разнонаправленными требованиями. Представители крупных компаний ожидали адаптацию под собственные процессы — включая встроенные триггеры, кастомизированные пайплайны, подтверждение действий руководством. Команды, работающие в сложных технических отраслях, указывали на необходимость фиксировать информацию в строгой логике последовательности, что исключало произвольные голосовые команды. Каждое новое требование становилось исключением из системы, а не её частью. CRM для Web3 в Telegram Сделав работу над ошибками, команда приняла решение сократить масштаб: вместо универсального инструмента — узкоспециализированный продукт. Так появился новый фокус: CRM для стартапов из сферы Web3, интегрированная в мессенджер Telegram. Выбор платформы был обусловлен реальным поведением пользователей: в криптосообществе Telegram часто заменяет и почту, и Slack, и CRM-систему. Это приводит к высокой плотности коммуникаций и проблеме потери информации. Концентрируясь на сегменте пользователей Telegram, разработчики смогли точно сформулировать ценностное предложение: «CRM в Telegram для Web3-команд». В результате сократился цикл продаж, а продукт стал решать конкретную задачу в предсказуемом контексте. Точечный старт не исключает масштабирования — при условии, что выход в соседние ниши можно запланировать заранее. Подход, при котором стартап сначала добивается устойчивости в ограниченном сегменте, а затем переходит к расширению, сегодня рассматривается как одна из базовых стратегий продуктового развития. Дело остаётся за малым — создать продукт на основе ИИ, которым захотят пользоваться. Почему копилот лучше агента Применение искусственного интеллекта в сфере продаж и клиентского обслуживания уже не воспринимается как инновация. Однако подходы к внедрению ИИ-продуктов продолжают существенно различаться. Один из ключевых вопросов — как именно должна быть устроена логика взаимодействия: должен ли искусственный интеллект заменить человека или лишь помогать ему? Георгий однозначно выступает за второй вариант. В терминологии, принятой в технологической среде, это различие обозначается как агент против копилота. Агент предполагает полную автоматизацию: он самостоятельно принимает решения, общается с клиентом, выполняет действия. Копилот, напротив, поддерживает сотрудника в процессе работы, снимая с него рутинные задачи и предлагая опции, не исключая его из зоны принятия решений. Опыт показывает, что для многих компаний предпочтительнее именно копилот. По мнению Левина, копилотные ИИ не только технологически реалистичны, но и более приемлемы для клиентов. Компании, особенно в сегменте B2B, не готовы полностью делегировать искусственному интеллекту ответственность за взаимодействие с заказчиком. Даже в тех случаях, когда поведение клиента предсказуемо, остаётся запрос на эмоциональную чуткость, адаптивность и контекстуальное понимание, которые пока находятся вне зоны полной автоматизации. Новое слово в предпринимательстве — гибридные системы На фоне всех изменений в CRM возникает новая категория продуктов — гибридные системы, которые могут выступать и как копилоты, и как агенты, в зависимости от контекста и уровня критичности задачи. Внедрение таких решений требует высокой точности в проектировании пользовательских сценариев, а также способности быстро адаптировать интерфейсы под разные поведенческие модели. Гибридные системы строятся на идее адаптивности. В основе такого подхода лежит динамическая оценка контекста: система анализирует не только запрос пользователя, но и ситуацию, в которой он сделан — срочность, повторяемость, наличие неоднозначности. В простых случаях — например, запрос на смену пароля — ИИ может действовать самостоятельно. В более чувствительных — например, при жалобе или нестандартной проблеме — инициатива переходит к человеку, а ИИ лишь помогает структурировать данные и предлагать варианты решений. Такая архитектура требует не только технической точности, но и продуманной этической логики: какие границы допустимы для автоматических действий и как обеспечить прозрачность переходов между режимами копилота и агента. Станет ли копилот новой нормой клиентского взаимодействия или уступит место более радикальным формам автоматизации — вопрос остаётся открытым.