Когда офлайн-бизнесу действительно нужен AI-продукт — и с чего начинать

Последние пару лет я всё чаще разговариваю с владельцами офлайн-бизнесов об одном и том же. Это не стартаперы и не продакт-менеджеры. Это люди, которые уже построили устойчивые компании: сервисные сети, юридические фирмы, образовательные проекты, медицинские сервисы. У них есть выручка, команды, клиенты. Бизнес работает. Но почти каждый такой разговор рано или поздно приходит к одному вопросу: «Нам тоже нужно делать какой-то AI-продукт?»

Обычно за этим вопросом стоят две разные мотивации. Первая — вполне рациональная. Хочется снизить издержки, автоматизировать часть операций, повысить маржинальность. Многие процессы действительно переносятся в цифровую среду, и игнорировать это уже невозможно. Вторая — гораздо менее рациональная, но абсолютно понятная. Страх не успеть.

Каждую неделю в ленте — новый инструмент: Claude Code, OpenAI Codex, Cursor, Replit Agent. И к каждому — история: «Я сел вечером и собрал работающий сервис». «Заменил финансовый отдел одним промтом». «Автоматизировал весь маркетинг за выходные». «Сделал AI-ассистента, который закрывает 80% обращений в поддержку». Замените Excel, замените отдел продаж, замените сервис-менеджеров — и так далее по списку.

Темп развития технологий и их практическое применение таковы, что игнорировать это действительно нельзя. Конкуренты запускают приложения. Клиенты решают часть задач через ChatGPT. Появляются стартапы, которые делают за месяц то, на что раньше уходил год. Возникает ощущение, что если сейчас ничего не сделать, через несколько лет можно просто остаться в стороне от рынка.

Этот страх нельзя назвать надуманным. Он вполне реален. Но сам по себе страх — ещё не стратегия. Именно в этот момент компании чаще всего совершают первую серьёзную ошибку.

Главная ошибка при запуске AI-продукта

Вот реальная история. Детали изменены, но суть — один к одному. Сервисная компания, офлайн. Около десяти лет на рынке, широкая сеть точек по стране. Бизнес работает, клиенты приходят, услуги оказываются. Основная ценность компании — опыт специалистов и доверие клиентов. Личный контакт — ключевое.

Но рынок постепенно меняется. Часть задач, которые раньше решали только специалисты, начинают закрывать автоматизированные сервисы. Часть взаимодействий переходит в онлайн. ChatGPT уже умеет делать то, за что клиент раньше платил живому эксперту. У основателя появляется амбиция: построить AI-продукт и перевести значительную часть бизнеса в digital. Решение выглядит логичным. В компании появляется продакт-менеджер, собирается команда разработчиков, начинается разработка приложения.

Через год выясняется, что продукт существует — но только формально. Это то, что сам основатель довольно точно назвал «болванкой-заготовкой». Технология есть. Интерфейс есть. Но на несколько базовых вопросов так никто и не ответил.

Первый — для какого именно клиента этот продукт. У сервисной компании десятки типов услуг и совершенно разные клиентские сегменты: от человека, которому нужна разовая помощь, до бизнеса, который ведёт постоянное обслуживание. Им нужны разные вещи, они готовы платить за разное, и цифровой продукт для них выглядит по-разному. Попытка сделать «для всех» привела к тому, что не подошло никому.

Второй вопрос — почему клиент вообще выберет приложение, а не привычного специалиста. В сервисном бизнесе, где ключевая ценность — доверие и личный контакт, это совсем не очевидно. Человек приходит к конкретному эксперту, потому что верит в его опыт. Перенести это доверие на интерфейс — отдельная и нетривиальная задача, которую нельзя решить просто хорошим дизайном.

И третий — фундаментальная развилка, которую так и не разрешили. Компания строит самостоятельную IT-платформу, которая со временем станет отдельным бизнесом? Или усиливает существующий сервис технологией, чтобы специалисты работали эффективнее? Это разные продукты, разные команды, разные бюджеты и совершенно разные горизонты окупаемости. Пока ответа нет — разработка движется в обоих направлениях одновременно и не достигает результата ни в одном.

Пока компания ищет ответы на эти вопросы, разработка продолжается и постепенно превращается в довольно дорогой эксперимент. По данным McKinsey, около 70% инициатив цифровой трансформации не достигают поставленных целей — и причина почти никогда не в технологиях. В подобных проектах расходы на команду легко достигают 10–30 миллионов рублей в год, даже без учёта маркетинга.

Подобные истории встречаются гораздо чаще, чем принято думать. Запуск AI-продукта без ответа на вопрос «зачем» — это паттерн, который я разбирал в контексте выхода на новые рынки, и в цифровых продуктах он проявляется ровно так же.

Почему офлайн-компании ошибаются с цифровыми продуктами

Есть неочевидная причина, по которой именно офлайн-компании попадают в эту ловушку чаще других. Они хорошо знают своего клиента. Десять лет работы, тысячи взаимодействий, отточенное понимание, за что люди готовы платить. Это сильная сторона — но именно она и мешает. Потому что цифровой клиент — это не тот же человек, только с телефоном в руке. Это другое поведение.

Человек может доверять врачу или юристу лично — и при этом никогда не установить приложение этой компании. А может наоборот: пользоваться цифровым сервисом регулярно, но к живому специалисту обращаться только в крайнем случае. Кто-то готов платить за удобство, а кто-то — за экспертизу, и это разные продуктовые предложения с разной экономикой.

Офлайн-компания, привыкшая к своим клиентам, переносит это понимание в digital и получает продукт, который логичен изнутри — но не нужен снаружи. «Мы знаем наших клиентов» — самая опасная фраза на старте цифрового продукта. Вы знаете своих офлайн-клиентов. Как они будут вести себя в digital — это открытый вопрос, и ответ на него часто оказывается неожиданным.

Вторая часть ловушки — иллюзия прогресса. Нанять разработчиков, показать прототип, посчитать закрытые задачи — это видимая работа. CEO из офлайна привык к ощутимым результатам. А стратегическая работа — исследования, интервью, моделирование — выглядит как «люди просто разговаривают». Поэтому разработку начинают раньше, чем нужно. Не из глупости — из привычки к действию.

Что действительно стоит понять до старта

Первое, что стоит сделать, — не спрашивать клиентов, нужен ли им цифровой продукт. Они скажут «да» из вежливости или «нет», потому что не могут представить то, чего ещё не существует. Оба ответа бесполезны.

Гораздо важнее понять, с кем вы на самом деле конкурируете. И вот здесь начинается неочевидное. Главный конкурент цифрового сервиса в консервативной отрасли — не другой сервис. Это привычка. Люди годами решают задачу определённым способом — через знакомого специалиста, через звонок, через «а, не буду ничего делать». Эта инерция сильнее любого интерфейса.

А с недавних пор появился второй неожиданный конкурент: ChatGPT и подобные инструменты, которые уже закрывают часть потребностей бесплатно и прямо сейчас. Чтобы ваш продукт выиграл у «бесплатно и прямо сейчас», ему нужно нечто, чего у бесплатного нет: контекст клиента, глубина, доверие, удобство.

Второе — разобрать собственную цепочку создания ценности и посчитать её. Не в абстрактных терминах, а буквально: сколько стоит привлечь клиента, сколько стоит каждый этап оказания услуги, где самые дорогие операции, где самые долгие. Когда цепочка разложена и посчитана, картина почти всегда выглядит иначе, чем представлял себе CEO.

И иногда выясняется, что компании не нужно приложение для клиентов — достаточно AI-ассистента, который готовит черновики для специалистов или автоматически обрабатывает типовые обращения. Это не цифровой продукт в привычном смысле. Это изменение себестоимости, которое может дать больший эффект, чем любое приложение.

И третье — поговорить не с теми, с кем обычно разговаривают. Не с руководителями и не с клиентами в формате «хотите ли вы приложение». А с сотрудниками, которые каждый день работают на передовой — менеджерами на точках, операторами, специалистами. Они видят, где клиенты путаются, где процессы ломаются, где компания теряет деньги. Часто они уже придумали обходные решения — просто никто не спрашивал. По моему опыту, в этих разговорах больше продуктовых инсайтов, чем в формальном исследовании рынка.

Что AI изменил в запуске цифровых продуктов

До недавнего времени даже проверка продуктовой гипотезы требовала серьёзных ресурсов. Нужно было собрать команду: разработчика, дизайнера, продакт-менеджера. Подготовить инфраструктуру. Спланировать несколько месяцев разработки. Минимальный бюджет на рабочий прототип начинался от нескольких миллионов рублей — и это только на то, чтобы проверить, нужен ли продукт рынку. Сегодня многое изменилось.

Когда я запускал AI-сервис для родителей Growly, я довольно долго откладывал разработку. Не потому, что не было идеи — а потому что технический порог входа казался слишком высоким. База данных. API. Интеграции. Архитектура. Даже лендинг на Tilda занимал дни и выглядел не так, как хотелось. Все слова про серверы и деплой создавали ощущение, что без разработчика не обойтись. А найм разработчика — это время, деньги и управленческая нагрузка, к которой основатель-нетехнарь обычно не готов.

Однажды вечером я попробовал собрать прототип через Claude Code. Рабочий MVP на телефоне появился примерно через час. Оно было далеко от идеала, но это уже был живой продукт, а не макет в Figma. Ещё месяц я просто дорабатывал его, по несколько часов в день — менял логику, подкручивал интерфейс, добавлял функции, рефакторинг, безопасность, интеграции, промптинг. Работал напрямую с продуктом, а не с техническим заданием для кого-то другого.

Но это не означает, что разработчики больше не нужны. Архитектура, инфраструктура, интеграции, UX и пр. — на определённом этапе всё равно требуют специалистов. Разница в том, что стоимость проверки идеи стала на порядок ниже. Основатель с ясным видением может сам собрать работающий продукт, вынести его на рынок — и по результату принять решение: масштабировать, развернуть или закрыть.

И это меняет саму логику команды. Раньше запуск цифрового продукта означал: нанять десять человек, выстроить процессы, начать спринты. Сегодня на старте достаточно AI-инструментов и одного-двух человек на ключевых позициях. Часть кода потом переиспользуется, где нужно — точечно привлекаешь специалистов. Полноценная команда разработки появляется не на этапе гипотезы, а на этапе масштабирования — когда уже понятно, что масштабировать.

О том, как AI меняет не отдельные инструменты, а саму модель взаимодействия бизнеса с клиентом, я писал отдельно.

Но здесь появляется новая ловушка

Иногда доступность инструментов приводит к другой крайности. Если продукт можно собрать быстро, возникает соблазн просто начать делать и смотреть, что получится. Логика кажется безупречной: раз запуск стал дешёвым — давайте тестировать больше гипотез, быстрее отметать лишнее. Пять концептов за месяц, пятьдесят за полгода.

Но клиенты — не лаборатория для экспериментов. Особенно в сервисном бизнесе, где отношения строятся на доверии. Если человек несколько раз попробует сырой продукт и не получит ценности, он просто перестанет возвращаться. Хуже того — он перестанет воспринимать вас как серьёзного игрока. Вы не можете прийти к своей аудитории с тридцатью разными предложениями и посмотреть, что «залетит». На третьем-четвёртом заходе люди перестают отвечать на сообщения. Доверие — ресурс, который сгорает быстро и восстанавливается медленно.

Это особенно критично для офлайн-бизнеса, который выходит в digital. Ваш главный актив — репутация и отношения с клиентами, наработанные годами. Каждый неудачный цифровой эксперимент, с которым столкнётся ваш клиент, бьёт не по «тестовому продукту», а по основному бренду.

Поэтому последовательность на самом деле не изменилась. Сначала нужно понять, для кого продукт, какую задачу он решает и почему клиент вообще будет им пользоваться. А уже потом строить.

AI не отменяет стратегию. Он резко снижает стоимость проверки — но проверять нужно осмысленное видение, а не случайные идеи. Сначала подумать, исследовать, поговорить с людьми, сформировать гипотезу. А потом — да, проверить её за неделю и за копейки. Без найма команды. Без миллионов на первый тест. Это принципиально другая экономика. Но дисциплина мышления — та же.

Когда цифровой продукт действительно имеет смысл — и когда нет

Самый честный тест, который я знаю, звучит так: можете ли вы назвать конкретное поведение клиента, которое ваш продукт изменит?

Не «улучшим клиентский опыт». Не «автоматизируем процессы». А конкретно: сейчас клиент звонит и ждёт на линии двадцать минут — а будет получать ответ за тридцать секунд. Сейчас специалист тратит три часа на подготовку документа — а будет тратить двадцать минут. Сейчас клиент уходит после первой покупки — а будет возвращаться, потому что сервис помнит его контекст.

Если такого изменения нет — если продукт просто переносит существующий процесс в приложение, ничего принципиально не меняя, — он, скорее всего, не нужен. Клиент не будет им пользоваться, потому что у него нет причины менять привычку.

Причём изменение не обязательно должно быть обращено к клиенту. Иногда самый сильный эффект — внутри. Компании не нужно приложение для клиентов. Ей нужен внутренний инструмент, который меняет экономику каждой транзакции: AI-ассистент для специалистов, автоматизация бизнес-процессов, система, которая снижает себестоимость услуги. Это не «цифровой продукт» в привычном смысле — но это может дать больше, чем любое клиентское приложение.

С чего начать создание AI-продукта для бизнеса

Когда офлайн-бизнес приходит с идеей AI-продукта, задача почти никогда не состоит в том, чтобы сразу начать разработку. Задача — перевести разговор из логики «что мы хотим построить» в логику «за что клиент действительно будет платить». И для этого нужно ответить на конкретные вопросы.

Зачем нам продукт и какую бизнес-задачу мы решаем? Не «сделать приложение», а конкретно: снизить себестоимость услуги за счёт автоматизации рутины. Или сократить цикл повторной покупки. Или создать новый канал выручки. Если задачу нельзя сформулировать в одном предложении — к разработке приступать рано.

Для кого этот продукт? Не «для наших клиентов вообще», а для конкретного сегмента с конкретной проблемой. Кто эти люди, в какой ситуации они оказываются, как решают задачу сейчас, что их не устраивает, готовы ли платить за другое решение. Ответить на эти вопросы без клиентских исследований — глубинных интервью, количественных опросов — невозможно. Всё остальное — догадки.

Как сейчас устроены бизнес-процессы? Где в цепочке создания ценности самые дорогие операции? Какие этапы занимают непропорционально много времени? Что делают сотрудники руками, хотя могли бы не делать? Часто ответ на вопрос «нужен ли нам продукт» лежит не в клиентских потребностях, а в собственной операционке — в стоимости каждой транзакции, в загрузке специалистов, в ручной рутине, которая съедает маржу.

Кто наш реальный конкурент? Не тот, кто делает похожий продукт, а тот, кто решает ту же задачу клиента. Для цифрового сервиса в консервативной отрасли главный конкурент — привычка делать по-старому. Или ChatGPT, который уже сейчас закрывает часть потребностей бесплатно. Многие команды фокусируются на прямых аналогах и полностью упускают эти альтернативы.

Как это будет зарабатывать деньги? Модель монетизации — не «сколько стоит подписка». Это архитектура ценности: что бесплатно, чтобы привлечь; что платно, чтобы зарабатывать; как растёт выручка с одного клиента со временем. Для некоторых бизнесов лучшая модель — вообще не прямая монетизация продукта, а использование его для снижения себестоимости основного бизнеса.

Какой объём инвестиций нужен и когда ожидаем отдачу? Юнит-экономика по нескольким сценариям, оценка CAC (стоимость привлечения клиента) и LTV (сколько денег клиент приносит за всё время), горизонт окупаемости. Без этого любой бюджет — просто число.

Ответы на эти вопросы — не абстрактная «стратегическая работа». Это конкретный набор действий: анализ рынка и конкурентов, глубинные интервью с клиентами из разных сегментов, количественная проверка гипотез, формирование продуктового видения, проектирование бизнес-модели, стратегия выхода на рынок. На выходе — не презентация, а документ, на который опирается дальнейшая работа: что строим, для кого, как зарабатываем и сколько нужно вложить.

На практике глубина этой работы зависит от ситуации. Иногда нужно полное погружение, иногда — достаточно быстрой проверки.

Если неизвестных много — компания только думает о цифровом продукте, рынок непонятен, клиентские сегменты не исследованы — имеет смысл пройти полный цикл. Полноценное исследование рынка и конкурентов, включая непрямых. Интервью с клиентами. Количественная верификация. Продуктовое видение. Бизнес-модель: сценарии монетизации, экономика, оценка инвестиций и горизонт окупаемости. Стратегия выхода на рынок. Это несколько месяцев работы, но на выходе — чёткое понимание: что именно разрабатывать, в каком порядке и с какой командой. А главное — стоит ли вообще.

Если есть сильная экспертиза в рынке, но нет уверенности в цифровой ставке — можно начать быстрее. За несколько недель выбрать один-два самых перспективных клиентских сценария, где технология может дать реальный скачок. Параллельно — быстрый мэппинг рынка: что уже существует, какие идеи работают, что можно взять за основу.

Спроектировать сценарий и собрать рабочий MVP — не слайды, а продукт, который можно потрогать. Довести до состояния, когда его можно показать реальным клиентам. Через три недели на руках — работающая заготовка и конкретный ответ: стоит ли вкладываться серьёзно.

Оба подхода решают одну задачу: принять решение на данных, а не на интуиции. Иногда после быстрой проверки становится понятно, что нужно полноценное исследование. Иногда — что продукт уже можно масштабировать. Иногда — что строить ничего не нужно, и это тоже результат.

В любом случае это стоит многократно дешевле, чем год разработки вслепую. Я работаю в таком формате и называю его Product-to-Market Sprint.