Стартап, у которого всё получилось. Почти ...👀
Представьте молодую AI-компанию.
Команда несколько месяцев разрабатывала технологию для крупного промышленного предприятия. Переговоры шли долго, но наконец корпорация согласилась на пилот 😍
Наступает день результатов.
AI работает.
Алгоритм справляется с задачей, показатели хорошие, экономический эффект можно посчитать.
⚡️Для фаундеров это тот самый момент, которого они ждали, но ...
Проходит месяц, второй, а контракта всё ещё нет.💏
Что пошло не так?
Оказалось, создать работающую технологию было только половиной задачи.
Теперь её нужно встроить в системы, которыми предприятие пользуется много лет. А ещё объяснить сотрудникам, зачем им вообще AI, который собирается автоматизировать часть их работы.
И история, которая начиналась со слов «пилот успешен», постепенно превращается в несколько лет переговоров и согласований ☺️
В industrial AI путь от первого контакта с корпорацией до масштабного внедрения может занимать 3–5 лет.
И хороший пилот совсем не гарантирует, что в конце этого пути появится большой бизнес.
❗️ Но есть технологии, ради которых этот путь имеет смысл
😃Представим другой стартап.
Где-то далеко от заводских цехов его алгоритм изучает геологические и геофизические данные.
*️⃣Задача — найти признаки того, что под землёй могут находиться полезные ископаемые.
Раньше компании приходилось решать, куда отправлять геологов, где проводить исследования и в какой точке начинать дорогостоящее бурение.
Теперь часть этой работы помогает делать AI.
Примерно по такой модели работает Earth AI: технология помогает находить перспективные зоны и решать, где стоит продолжать разведку.
И здесь AI влияет уже не просто на скорость выполнения какой-то операции.
Он помогает решить, куда направить следующие большие деньги.
Для инвестора это важный момент: ценность технологии начинает выражаться не только в качестве алгоритма, но и в экономике конкретного промышленного процесса.
❗️ И тут появляется ещё одна проблема
Как инвестору понять, действительно ли перед ним технология, способная изменить экономику предприятия?
Одного питч-дека мало.
Представьте, что фаундер говорит:
«Мы сокращаем простой промышленного оборудования на 20%».
Цифра выглядит впечатляюще.
Но инвестор достаёт телефон и звонит знакомому инженеру:
— Слушай, а простой этого оборудования вообще большая проблема?
И может выясниться, что 20% — действительно огромная экономия.
🔖Так в industrial AI появляется ещё один актив инвестора — «экспертиза в записной книжке».
Люди из отрасли, которым можно позвонить и проверить реальность за красивыми слайдами.
Поэтому революции может и не случиться
🔴Завтра утром заводы не станут полностью автономными.
Просто где-то AI раньше заметит поломку. Где-то подскажет, куда бурить. Где-то робот возьмёт на себя повторяющуюся операцию.
А где-то хороший AI-пилот так и останется пилотом.
Поэтому Михаил Тавер описывает industrial AI не как революцию, а как эволюцию «с очень крутым углом».
И вот вопросы ⁉️
🔴Что важнее при оценке industrial AI-стартапа: насколько хорошо работает его технология — или насколько хорошо команда умеет превращать эту технологию в реальный бизнес?
🔴 Как научиться замечать такие вещи до того, как инвестировал?
Именно этому — смотреть на стартап не только через красивый питч, но и через рынок, риски, команду и механику будущего бизнеса — учат в «Венчурной академии».
Сегодня в рамках Академии прошла онлайн-встреча «Венчурный рынок: возможности для инвестора» с Михаилом Тавером.
Если пропустили встречу или хотите вернуться к отдельным мыслям:
➡️ Посмотреть расшифровку сегодняшней встречи
А если хотите глубже разобраться в венчурных инвестициях и попробовать применять эти знания на реальных проектах:
📎 Зарегистрироваться в Венчурной академии