Обратная инженерия 200 AI-стартапов показывает, что 146 из них просто обертка над ChatGPT или Claude
Было проведено техническое расследование 200 коммерческих AI-стартапов с анализом сетевого трафика, декомпиляцией кода и отслеживанием API-вызовов. Результаты оказались неожиданными: 73% компаний работают поверх чужих API, добавляя лишь промежуточные слои и яркие маркетинговые обертки, а разрыв между обещаниями и реальностью поражает масштабом.
Как проводилось исследование?
Целью было собрать реальные данные. Для этого был создан инструмент, автоматически анализирующий стартап-сайты:
- Сбор 200 доменов с YC, Product Hunt и LinkedIn
- Мониторинг сетевого трафика и вызов API
- Декомпиляция JavaScript-пакетов
- Сопоставление API-вызовов с известными сигнатурами ИИ-сервисов
- Сравнение заявлений в маркетинговых материалах с реальностью
В выборку вошли коммерческие компании старше шести месяцев и заявляющие о собственной инновационной технологической базе.
Паттерн №1. «Собственная модель», которая на деле представляет собой GPT-4 с инструкцией «никогда не признаваться пользователю»
Каждый раз, когда на сайте висит фраза «собственная LLM-модель», запросы уходили на api.openai.com. В 34 из 37 случаев «проприетарная AI-система» оказывалась простым вызовом GPT-4 с кастомным промптом.
В инвесторской презентации это звучит как «уникальная проприетарная модель». Без обучения, без архитектурных отличий. Только промпт, запрещающий упоминать OpenAI.
Себестоимость запроса: $0.033.
Цена для клиента: $2.50 (или $299 в месяц за 200 запросов).
Наценка: около 75 раз.
Паттерн №2. RAG-архитектура, которую маскируют ярким маркетингом
RAG (Retrieval-Augmented Generation) полезная и широко применяемая схема. Но 42 компании из выборки выдают стандартный стек (OpenAI Embeddings + Pinecone + GPT-4) за «собственную семантическую инфраструктуру».
Себестоимость запроса: $0.002
Цена для клиента: $0.50-$2.00
Наценка: 250-1000 раз.
Арзитектура рабочая, но называть её инновационной или прорывной всё равно что объявить WordPress собственной платформой.
Паттерн №3. «Мы обучили собственную модель»
Лишь около 7% компаний действительно проводят обучение моделей с нуля. У них видна инфраструктура SageMaker, Vertex AI, GPU-мониторинг, S3-артефакты.
Почему это важно?
- Инвесторам: большинство «AI-стартапов» это не исследовательские компании, а интеграторы API.
- Клиентам: значительная часть стоимости это наценка за удобство, а не за уникальность.
- Разработчикам: порог входа ниже, чем кажется.
- Индустрии: массовое искажение технологической реальности создаёт пузырь. Чем больше абстрактных слов вроде «продвинутая AI-система», тем меньше конкретики под капотом.
Когда «обёртка» не проблема?
Есть компании, которые честно заявляют «Built on GPT-4» и делают ставку на UX, данные и отраслевую экспертизу. Есть те, кто действительно обучает собственные модели для медицины, финансов, промышленности. Есть и новаторы, создающие новые способы взаимодействия с моделями через агентов, память и мульти-модальные системы. Именно они формируют здоровую часть рынка.
Главные выводы
- Стек технологий вторичен по отношению к проблеме, которую решает продукт.
- Прозрачность ключевой критерий доверия.
- Использовать API-модели не позорно. Врать о них да.
- На этапе «золотой лихорадки» выигрывают не те, кто громче, а те, кто честнее.
Эпоха AI-обёрток неизбежна так же, как когда-то были «собственные дата-центры», гибридные мобильные приложения и «блокчейн-на-всё». Со временем рынок очистится. Прозрачные и компетентные выживут, остальные исчезнут.
Напишите в комментах пользуетесь ли вы ИИ сервисами-обертками и что вы думаете о наценке для пользователей?
Если вам близка тема AI, технологий и будущего - добро пожаловать в мой канал обсудить и поделиться апдейтами.