AI Business & Monetization
Build vs Buy vs Partner: практический фреймворк
Стартап потратил 800K долл. и год на создание собственной AI-модели. Конкурент запустился на OpenAI API за 3 недели. Оба закрыли Series A - но второй на 12 месяцев раньше.
- Notion AI: интегрировали OpenAI API за несколько месяцев → сразу 10M+ ARR от AI-тира
- Jasper AI: 75M ARR на GPT-3/4, ни строчки собственного ML-кода
- Harvey AI: 100M ARR — fine-tuned модели на юридических данных (редкий случай, когда Build оправдан)
Предварительные знания
Фреймворк: как принять решение за 10 минут
**Ошибка №1 AI-стартапов:** строить то, что можно купить за 200 долл. в месяц. Инженеры тратят 6 месяцев на кастомное решение, пока конкурент запускается на готовом API за 2 недели. Правильный фреймворк - три вопроса, которые снимают 90% неопределённости.
| Сценарий | Решение | Обоснование | Реальный пример |
|---|---|---|---|
| NLP для юридических документов | Build / Fine-tune | Уникальные данные + core advantage | Harvey AI — 100M ARR |
| Генерация текста для маркетинга | Buy (API) | Commodity, GPT-4 справляется | Copy.ai платит OpenAI 5-10M долл./год |
| AI-фичи в CRM | Partner | Нужна дистрибуция в Salesforce | Einstein GPT — Salesforce + OpenAI |
| Foundation model с нуля | Buy (API) | Стоит 50M+ долл., занимает годы | 99% компаний используют API |
| AI для медицинских снимков | Build | Регуляторика + уникальные данные | Nuance DAX — 7B долл. acquisition |
**Notion AI vs Cohere** - идеальный контраст. Notion интегрировал OpenAI API за несколько месяцев и запустил AI Writing. Cohere потратил 3 года и 270M долл. на собственные модели. Оба правы - для своих целей. Notion не нужна своя модель. Cohere продаёт enterprise клиентам, которым нужна кастомизация и data privacy.
Нужно строить собственную AI-модель, чтобы создать реальный бизнес
99% успешных AI-компаний используют сторонние модели через API
OpenAI/Anthropic/Google вложили 10-100B долл. в создание моделей. Ваше преимущество - данные, UX, дистрибуция и понимание вертикали, а не модель.
Компания строит B2B SaaS для HR с функцией автоматического скрининга резюме. Какое решение выбрать?
Реальная математика: что сколько стоит
Разберём конкретные числа. Часто решение между Build и Buy - это разница между 300 долл./мес и 600 000 долл. в первый год. Посмотрим на реальные сценарии для одной функциональности.
**Скрытые затраты Build:** цифры выше - оптимистичный сценарий. В реальности добавьте: recruitment (30-50K долл. на ML-инженера), задержки проекта (×1.5-2 к срокам), infrastructure ops, monitoring, model degradation. Реальная стоимость собственной модели - 1-5M долл. в первый год для серьёзного продукта.
| Вариант | Год 1 (all-in) | Мес. после запуска | Time-to-market | Контроль |
|---|---|---|---|---|
| Build custom model | 500K–5M долл. | 8–30K долл. | 6–18 мес | Максимальный |
| Buy API (OpenAI/Anthropic) | 5–20K долл. | 200–5K долл. | 1–4 нед | Средний |
| Buy SaaS platform | 10–50K долл./год | 1–5K долл. | 1–2 нед | Низкий |
| Partner (white-label) | 0–50K долл. setup | % от revenue | 2–8 нед | Низкий |
При 100K запросов/мес с avg 700 input + 200 output токенов - сколько будет стоить GPT-4o API?
Партнёрства как leverage: реальные кейсы
Партнёрство - самый underrated вариант. Правильное партнёрство даёт дистрибуцию, которую невозможно купить ни за какие деньги. Три модели со своими экономическими логиками.
| Модель | Как работает | Economics | Когда выбирать | Риск |
|---|---|---|---|---|
| OEM / White-label | Встроить свою AI в чужой продукт | Upfront fee + royalty 10–20% | Есть технология, нет дистрибуции | Зависимость от партнёра |
| Reseller / Marketplace | Продавать чужой AI под своим брендом | Margin 20–40% | Быстрый старт, нет R&D | Ценовое давление |
| Co-build / JV | Совместная разработка и IP | Shared IP + revenue split | Взаимодополняющие активы | Долго, сложно управлять |
| Platform ecosystem | Строить на чужой платформе | Revenue share 15–30% | Нужна чужая аудитория | Правила меняются в любой момент |
**Microsoft + OpenAI** - самое значимое AI-партнёрство. Microsoft инвестировал 13B долл. и получил приоритетную интеграцию в Azure. Результат: Azure AI services принесли 30B+ долл. дополнительного ARR к 2025. OpenAI получил 10B+ долл. в GPU compute и enterprise-дистрибуцию без собственного sales. Win-win: каждый делает то, что умеет лучше всего.
**Правило выбора партнёрства:** партнёр должен иметь то, чего у компании никогда не будет - дистрибуцию, уникальные данные или регуляторный доступ. Если это можно получить самостоятельно за разумные деньги - партнёрство отдаёт слишком много контроля.
Стартап создал отличную AI-модель для анализа медицинских снимков. Технология готова, продаж нет. Что выбрать?
Ключевые идеи
- Build только если это core competitive advantage продукта или есть уникальные данные
- Разница между Buy и Build часто: 300 долл./мес vs 600K долл. в первый год
- Partner — когда нужна дистрибуция, которую нельзя купить: медицина, enterprise, regulated industries
- Microsoft + OpenAI: 13B долл. инвестиция → 30B долл. Azure AI revenue — лучший пример правильного партнёрства
- 99% успешных AI продуктов используют чужие модели
Что дальше
Выбрав стратегию Build/Buy/Partner, нужно выбрать бизнес-модель монетизации. Следующий урок - SaaS + AI: как строить подписочный AI-бизнес.
- SaaS + AI модели — следующий урок
- Типы AI компаний — предыдущий контекст
Вопросы для размышления
- Какой core competitive advantage в AI-продукте стоит строить самостоятельно, а не покупать?
- Назовите 3 функции в потенциальном продукте, которые точно можно купить за 100-500 долл./мес вместо разработки
- Какие партнёрства дают дистрибуцию, которую нельзя получить иначе?