Уроки из провала ИИ-платформы: как запускать фичи с положительной юнит-экономикой

Я люблю смотреть на громкие ИИ-запуски через призму юнит-экономики. В одном недавнем кейсе платформа с ИИ-персонажами показала редкую концентрацию «залипания»: люди часами в чате, виральность, крупный облачный партнёр, новые подходы к разработке. И всё равно операционный минус и риск распродажи активов. Это хороший материал, чтобы зафиксировать, где бизнес на ИИ теряет деньги и как перестроить продукт под маржу.

Сформулирую тезис прямо. Время в продукте ничего не значит, если нет измеряемой ценности для клиента и понятной модели оплаты за эту ценность. В ИИ-сервисах стоимость обслуживания растёт с каждым сообщением, а не только с новым пользователем. Поэтому стратегия «больше экранного времени» без ранних ограничителей и прайс-архитектуры приводит к масштабированию убытка.

Где прячется cost-to-serve в ИИ-фичах

Cost-to-serve — это стоимость обслуживания одного клиента: от каждой генерации ответа до поддержки. В ИИ она складывается из нескольких чувствительных элементов. Первый слой — инференс (процесс генерации ответа нейросетью) большой языковой модели (LLM — нейросеть, которая генерирует текст). Он тарифицируется по токенам — кусочкам текста во входе и выходе, а не по количеству сообщений. Чем длиннее контекст, тем дороже каждое «привет». Если вы храните длинные диалоги и каждый раз подмешиваете историю, чек растёт незаметно, но стабильно.

Второй слой — защита и качество. Модерация входов и выходов, перегенерации (повторные прогоны модели) при неудачных попытках, фильтры безопасности. Каждая такая прокладка сама ИИ-модель и стоит денег. Третий слой — скорость. Если вы обещаете ответ за секунды, приходится держать модели «тёплыми», масштабировать мощности, платить за пик. Латентность — это задержка ответа, и за её сокращение вы тоже платите ресурсами.

Четвёртый слой — мультимодальность (текст, картинки, голос, видео в одном продукте). Это вкусно смотрится в демо, но дороже текста в несколько раз и размножает вспомогательные сервисы: хранение, транскодинг, антивзлом. Пятый слой — человеческий контур (включение людей для проверки сложных кейсов). Как только в процесс попадает живой оператор на валидации, вы видите расходы на зарплаты и регламенты. И ещё есть рассинхрон: монетизация чаще подписочная «за месяц», а себестоимость прыгает «за каждую сессию».

Почему «залипание» не равно выручка

Залипание полезно, когда оно рождает ощутимый результат для клиента: документ, код, план, закрытую потребность. Если ценность эфемерная — общение «просто поболтать» — люди неохотно переходят на платёж, а вы продолжаете оплачивать каждую реплику. Парадокс: активность растёт, ARPU (средняя выручка на пользователя) стоит на месте, а COGS (себестоимость) распухает.

Есть ещё поведенческая ловушка. Когда продукт даёт дофамин быстро и дёшево, аудитория привыкает к бесконечности: без лимитов и очередей любой барьер к оплате кажется несправедливым. Перекручивать гайки постфактум больно. По моим наблюдениям, устойчивые ИИ-продукты вводят архитектуру ограничений с первого дня и объясняют её как заботу о качестве: меньше шумных запросов — выше точность и скорость для тех, кому реально нужно.

Дизайн ограничений — это такой же продукт, как фича. Он формирует ожидания, экономит токены и выращивает готовность платить за предсказуемый результат.

Как упаковать прайс и ограничения, чтобы масштабировать маржу

Начну с базовой логики. Тарифы должны отражать потребление дорогих ресурсов. Если основная себестоимость в токенах и скорости, ступени тарифа должны двигаться по лимитам токенов в месяц, приоритету очереди и максимальной длине контекста. Простой «безлимит за копейки» сжигает деньги. Рабочая лестница: бесплатный слой с жёсткими дневными лимитами и задержками ответа; платный план с повышенными лимитами, приоритетом и инструментами; корпоративный план с контролем качества и отчётностью.

Дальше — метеринг (счётчик потребления и тарификация по использованию). Ставьте счётчик на то, что реально стоит денег: длинные истории диалога, генерации изображений, быстрый режим, апскейл качества (повышение качества/разрешения). Это объяснимо и предсказуемо для обеих сторон. Привычная аналогия — мобильная связь: минуты, гигабайты, скорость после исчерпания пакета. Люди прекрасно понимают такую механику, если вы показываете счёт и предупреждаете заранее.

Третий элемент — пакеты ценности. Продавать только «часы в чате» сложно. Продавайте завершённые результаты: шаблоны документов, готовые сценарии прозвона, обученные профили ассистентов под роль, наборы промптов (промпт — инструкция нейросети) с гарантией качества. Результаты легче оценить в деньгах, и люди готовы платить за экономию времени и риска.

Четвёртый — ограничения по дизайну ответа. Чем короче и структурнее ответы, тем меньше токенов и перегенераций. Введите целевые пресеты (готовые настройки) длины, баны на болтовню в дорогих режимах, авто-свёртку истории диалога в конспект. Объясняйте, что сервис оптимизирует точность и скорость. Это экономия без ощущения «отрезали крылья».

Технические решения, которые прямо снижают COGS

Гибридный стек спасает маржу. Лёгкая модель отвечает на простые вопросы, тяжёлая подключается только на сложные кейсы. Маршрутизация по сложности (распределение запросов между моделями) может строиться через эвристики (простые правила) или маленькую модель-классификатор (модель, которая определяет сложность запроса). Это как кассы в супермаркете: мелкие покупки через быстрые кассы, тележки — на обычные.

Сокращайте контекст. Храните длинные чаты, но в инференс подавайте выжимку вместо всей истории. Используйте эмбеддинги (числовые векторы смысла) и поиск по векторной базе (хранилище этих векторов для быстрого поиска по смыслу), когда нужно вспомнить факты, из которых строится ответ. Это снижает число токенов во входе и поднимает точность. Там, где можно, добавляйте кэширование (сохранение готовых ответов для повторного использования) ответов и подсказок: повторяющиеся запросы должны стоить ноль.

Управляйте перегенерациями. Жёстко лимитируйте число «перегенерить» на запрос, предлагайте выбор формата перед ответом, а не после. Это дисциплинирует и уменьшает число холостых запусков модели. Для мультимодальности держите это платным аддоном и поясняйте, что картинка дороже текста. Люди нормально относятся к фактам, если вы говорите об этом честно и заранее.

И включайте аналитику себестоимости на уровне сессии. Трекер токенов, глубина контекста, доля кэша, число модерационных проходов, время в очереди. Цель — видеть маржу по пользователю и по фиче в разрезе дня, а не в конце месяца. Тогда у вас есть шанс выключить прожорливую механику, пока она не съела бюджет.

Про стратегию: ценность, фокус и правила игры

ИИ-чат — это инструмент решения задач. Чем раньше вы сфокусируетесь на узких сценариях с деньгами у клиента, тем быстрее появится оплатёжка. Обозначьте целевую аудиторию и сделайте продуктовую дорожку для «профи»: горячие клавиши, автозаполнения, интеграции, экспорт. Профессионалы платят за скорость и надёжность, а не за бесконечный диалог.

И зафиксируйте правила игры публично. Лимиты, очереди, метеринг, поведение при превышении, апгрейд в один клик. Ядро экономики должно быть объяснимым с первого контакта. Тогда «залипание» превратится в выручку, а рост пользователей — в рост маржи. Если нужна помощь с расчётом вашей прайс-архитектуры и дизайном ограничений, напишите в gerasimova.tut — соберём юнит-экономику, в которую приятно масштабироваться.