Список примеров впечатляет: Relay (автоматизация как Zapier) закрылась в августе, Character.ai подала на банкротство через пять лет после запуска, OpenAI откатила переделку ChatGPT в "суперприложение" уже через несколько недель. По данным S&P Global Market Intelligence, 42% корпоративных ИИ-инициатив в итоге свёрнуты. Это не единичные неудачи, а системная картина: индустрия перенасыщена идеями, но большинство из них не находит реального спроса или упирается в технические и экономические стены.
За кажущейся простотой ИИ-сервисов стоит сложная реальность: высокие операционные издержки, быстро появляющаяся конкуренция от гигантов, которые встраивают похожие функции в свои основные продукты, и самое главное — пользователи часто не знают, зачем им этот инструмент нужен, пока его не упростят и не интегрируют в привычное окружение. Relay боролся, пока OpenAI и Google не начали встраивать автоматизацию прямо в свои платформы. Huxe предлагала конвертировать текст в подкасты, но Spotify нарастила собственный ИИ-инструмент и забрала аудиторию. Это не стечение обстоятельств — это фундаментальная динамика рынка.
Ошибки крупных компаний показывают ту же проблему под другим углом. OpenAI за месяц откатила переделку ChatGPT, потому что интерфейс стал запутанней, а не проще. ChatGPT Atlas (браузер), Operator (агент для задач), отдельная DALL-E — все эти ставки либо закрыли, либо поглотили функциями основного продукта. Даже Sora, видеоплатформа OpenAI, не выдержала из-за затрат и оттока пользователей. Microsoft пять месяцев продвигала Recall как революционную «фотографическую память» ПК, но тут же пришлось откатываться из-за скандала с приватностью; и даже после переделки эксперты находят уязвимости. Apple отложила Siri на год из-за багов и в итоге заплатила $250 млн в урегулировании исков по ложной рекламе ИИ-возможностей.
На фоне этого особенно выделяются аппаратные фиаско: Humane AI Pin собрал $230 млн, обещал революцию в носимых устройствах, но столкнулся с проблемами производительности и даже опасностью взрыва аккумулятора батарейки. Компанию買 HP за $116 млн — по сути, списание. Rabbit R1 продал 100 тыс. устройств после анонса на CES, но тут же выяснилось, что девайс недоделан, интеграции хромают, производительность ненадёжна. Rabbit не сдался, переориентировал R1 на задачи управления компьютером, но это уже совсем другой продукт, чем обещали инвесторам.
Общий вывод: ИИ-стартапам сложно выжить, если нет чёткого ответа на вопрос «почему пользователь выберет именно это, а не встроенный инструмент в OS или платформе, которой он уже пользуется?». Когда ChatGPT или Google Workspace добавляют ту же функцию, отдельное приложение теряет основную точку притяжения. Узкие ниши (как Yupp — сравнение моделей) работают дольше, но всё равно упираются в масштаб и монетизацию. Фундаментальная проблема не в качестве технологии, а в бизнес-модели: большинство ИИ-бизнесов копируют друг друга, играют на волне хайпа и не предусматривают, как они будут конкурировать, когда гиганты начнут встраивать то же самое.
Для российского бизнеса это означает: нельзя строить ставку просто на «ИИ-инструмент» без фокуса на конкретную боль и процесс. Российские компании, которые встраивают автоматизацию в свой продукт (например, аналитику в CRM или генерацию контента в маркетинговые платформы), имеют намного больше шансов, чем те, кто пытается продавать standalone-решения. Если нужна автоматизация — лучше встроить в существующий вордфлоу, чем надеяться, что люди будут переключаться между приложениями. Аналогично с агентами для задач: они работают, только если интегрированы в то, что люди используют каждый день, а не отдельная новая привычка.
Ошибки характерны и для российского рынка. Компании часто запускают ИИ-фичи, которые теоретически полезны, но на практике никто не использует, потому что они усложняют интерфейс или требуют другого способа работы. Прежде чем вкладываться в новый ИИ-проект, стоит честно ответить: будет ли это работать внутри существующего экосистема или потребует от пользователя переучиваться? Вторая стратегия почти всегда проигрывает.