AICaverОдин человек вместо компании. Сделал ли ИИ бизнес проще — или просто позволил нам рисковать в одиночку?
Ещё совсем недавно у хорошей идеи была довольно неприятная особенность: её нужно было кому-то реализовать.
Допустим, вы маркетолог. Вы отлично понимаете рынок, знаете, где взять первых клиентов, и однажды замечаете проблему, за решение которой люди, кажется, готовы платить. Прекрасно. Теперь вам нужен программист. Потом дизайнер. Затем выясняется, что нужен ещё один программист, потому что первый занимается backend, а приложение почему-то должно иметь frontend. Кто-то должен всё это протестировать, подключить платежи, написать тексты, настроить аналитику и разобраться, почему после очередного обновления половина пользователей больше не может войти в аккаунт.
И вот вы уже не человек с идеей. Вы работодатель. Или человек, которому срочно нужны деньги, чтобы им стать.
На этом фундаменте выросла значительная часть стартап-культуры последних двадцати лет: сооснователи, ангелы, seed rounds, акселераторы и венчурные фонды. Чтобы проверить, способен ли ваш бизнес заработать миллион, иногда сначала требовалось потратить несколько сотен тысяч.
ИИ начал ломать эту последовательность.
В 2026 году дизайнер может написать программу, маркетолог — собрать приложение, человек, не знающий языков программирования, — выпустить коммерческую игру в Steam. А опытный инженер с несколькими AI-агентами в некоторых задачах уже способен выполнять работу небольшой команды. Стартап теперь можно начать, не создавая сначала компанию.
Звучит как начало эпохи солопренеров.
Но здесь есть одна проблема: возможность самостоятельно сделать продукт и возможность самостоятельно построить хороший бизнес никогда не были одним и тем же.
И мне стало интересно: что именно изменил ИИ? Сделал ли он предпринимательский успех более вероятным? Или просто сделал неудачную попытку дешевле?
Стена действительно рухнула
Начнём с хороших новостей: технологическая часть этой истории — не выдумка.
Один из самых показательных недавних примеров — Payout, приложение, созданное для хакатона. Первая версия появилась за десять дней. По данным самого проекта на Devpost, приложение набрало более 17 тысяч пользователей, 1 750 платных подписчиков и принесло чуть больше $30 тысяч выручки. Это уже не прототип, который основатель торжественно показал маме и трём друзьям в Telegram. Люди достали кредитные карты.
Ещё интереснее история китайского приложения 小猫补光灯 — по сути, маленького экранного источника света для видеозвонков и селфи. Его создатель не был профессиональным разработчиком. Первую версию он собрал с Cursor примерно за час, решая очень конкретную и довольно банальную проблему. В дальнейшем приложение получило сотни тысяч загрузок, а платная версия, по опубликованным данным разработчика, принесла сотни тысяч юаней.
Час.
Конечно, между «первой версией за час» и работающим бизнесом лежит всё остальное: доработка, распространение, поддержка, платежи. Но ещё несколько лет назад первый шаг требовал хотя бы человека, умеющего программировать. Теперь иногда достаточно человека, который умеет достаточно хорошо объяснить машине, что ему нужно.
В корпоративной разработке эффект выглядит иначе. В опубликованном в 2026 году case study один staff engineer с четырьмя AI-агентами выполнил инициативу, первоначально рассчитанную на четырёх разработчиков, примерно за половину запланированного времени. Авторы оценили снижение прямых кадровых затрат более чем в 85%.
Правда, там есть важная деталь, которую легко потерять по дороге к заголовку «ИИ заменил четырёх программистов»: человеком в центре эксперимента был опытный staff engineer. Авторы отдельно отмечают роль качественных спецификаций и накопленных знаний о системе.
Машина оказалась отличным усилителем. Но усиливала она не пустое место.
Когда открыть фабрику может каждый
Если производство программного продукта резко дешевеет, происходит совершенно предсказуемая вещь: люди начинают производить больше программных продуктов.
И вот здесь история о демократизации предпринимательства начинает слегка менять выражение лица.
По данным RevenueCat, количество новых subscription apps в их массиве выросло примерно с 2 тысяч в месяц в начале 2022 года до более чем 14,7 тысячи в месяц к началу 2026-го — более чем в семь раз. Можно было бы ожидать, что вслед за этим началась великая миграция денег к новым разработчикам.
Не совсем.
В исследовании RevenueCat 69% всей выручки от подписок по-прежнему приходится на приложения, появившиеся до 2020 года. На приложения, запущенные в 2025 году и позже, — около 3%. Среди новых subscription apps примерно 17,3% достигают $1 000 месячной выручки в течение первых двух лет. До $10 000 добираются около 4,6%.
Это не статистика солопренеров и не вероятность успеха стартапа: выборка RevenueCat устроена иначе. Но она хорошо показывает другую проблему. Создавать приложения стали намного быстрее, чем появилось новых человеческих глаз, кошельков и часов в сутках.
В играх картина похожая. По подсчётам Криса Зуковски из How To Market A Game, в 2025 году в Steam вышло 20 282 игры. Только 608 из них получили тысячу или больше отзывов — около 3%. Тысяча отзывов не является официальным порогом коммерческого успеха, но для Steam это уже очень серьёзный уровень traction, часто соответствующий выручке как минимум в сотни тысяч долларов.
Опять же, это не значит, что «97% разработчиков провалились». Там бесплатные игры, эксперименты, хобби-проекты, мусор и продукты с совершенно разными целями. Но направление видно хорошо.
ИИ сделал производство дешёвым. Человеческое внимание дешевле не стало.
Возможно, даже наоборот.
А потом один парень зарабатывает сто миллионов
И именно здесь любые аккуратные рассуждения о медианах начинают раздражающе плохо сочетаться с реальностью. Потому что одиночки действительно выигрывают.
Иногда — неприлично много.
Schedule I, практически в одиночку созданная Тайлером, превратилась в один из крупнейших инди-хитов последних лет. Оценки продаж и gross revenue давно ушли в десятки миллионов долларов, а сама игра стала культурным феноменом Steam.
Megabonk продал миллион копий примерно за две недели. Причём его история особенно показательна. Сначала она выглядела как любимая интернетом сказка: неизвестный разработчик внезапно выпускает первую игру и просыпается знаменитым. Затем автор добровольно снялся с номинации The Game Awards за лучший дебют, объяснив, что это на самом деле не первая его игра — раньше он выпускал проекты под другими именами.
Очень современная версия overnight success.
Ночь длилась несколько лет.
У Tangy TD другая траектория. Solo developer Cakez работал над игрой четыре года, параллельно стримя разработку и постепенно собирая вокруг неё людей. За первую неделю после релиза Steam показывал около $245 тысяч gross revenue. Через месяц — уже около $788 тысяч.
Есть Paddle Paddle Paddle: несколько месяцев разработки, более 270 тысяч проданных копий и примерно $826 тысяч gross по данным автора. Но здесь появляется полезная бухгалтерия. После возвратов, налогов, комиссии платформы, доли издателя и других вычетов сумма, которую разработчик описывал как реально оставшуюся ему, была уже ближе к $250 тысячам.
Всё ещё великолепный результат. Просто не $826 тысяч.
Именно поэтому рассказы о солопренерах особенно хорошо выглядят в заголовках и несколько хуже — в Excel.
Сколько стоит бизнес, у которого нет зарплат?
Есть гораздо менее знаменитый пример, который мне нравится именно своей обычностью.
В августе 2026 года разработчик выпустил в Steam HEXSTORM: Tears of Arcadia. Он много лет работал в игровой индустрии с визуальной частью проектов, но не умел программировать. Код новой игры, по его словам, был написан с помощью AI.
На проект ушёл примерно год и около 1 000 документированных часов работы. После релиза игра за первую неделю принесла немного больше $11 тысяч gross. После возвратов, налогов и 30-процентной комиссии Steam разработчик ожидал получить около $6 тысяч. Дальше продажи стабилизировались примерно на 20–30 копиях в день. Сам автор предполагал, что при сохранении динамики первый год может принести около $25 тысяч.
Для дебютной игры это хороший результат. А технологически — вообще замечательный: человек, который не умеет программировать, самостоятельно создал коммерческий software product, выпустил его сразу на трёх операционных системах, нашёл покупателей и начал получать деньги.
Эксперимент удался.
Но теперь поменяем вопрос. Не «может ли один человек с ИИ сделать игру?» Может.
А «была ли тысяча часов его времени хорошей предпринимательской инвестицией?»
И ответ внезапно становится гораздо менее очевидным. Если игра действительно принесёт $25 тысяч за первый год, это $25 выручки на каждый из первых тысячи часов работы — ещё до последующей поддержки, обновлений и альтернативной стоимости времени.
А рядом лежит китайское приложение, первая версия которого заняла примерно час и впоследствии принесла десятки тысяч долларов. Рядом Tangy TD: четыре года труда и сотни тысяч долларов за первый месяц. Рядом Paddle Paddle Paddle: несколько месяцев и очень серьёзные шестизначные деньги. Рядом Schedule I: годы труда и результат совершенно другого порядка.
Все они называются одинаково: solo success.
Экономически это совершенно разные животные.
Метрика, которой не хватает историям о солопренерах
Стартап-медиа любят MRR. ARR ещё лучше. Проданные копии, valuation, acquisition price — совсем хорошо.
Для солопренера я бы добавил ещё одну метрику:
Return on Founder Time.
Потому что отсутствие зарплат не означает отсутствие производственных затрат. Если основатель потратил на продукт две тысячи часов собственной жизни, эти две тысячи часов не исчезли из бухгалтерии только потому, что никто не выставил за них invoice. Просто расход спрятался.
И здесь становится понятнее, что именно сделал ИИ. У любой предпринимательской попытки есть как минимум четыре цены: деньги, которые нужно потратить до встречи с первым покупателем; компетенции, которые раньше приходилось покупать через сотрудников и подрядчиков; собственное время основателя; и, наконец, рыночный риск — вероятность того, что после всего этого людям продукт окажется не нужен.
Первые две цены AI уже обрушил.
С третьей всё гораздо интереснее. С четвёртой — тем более.
ИИ может позволить одному человеку сделать работу пяти специалистов. Но работа пяти специалистов от этого не обязательно исчезает. Иногда её просто начинает делать один очень уставший человек.
Автор HEXSTORM хорошо описывает неделю запуска: больше десяти патчей за первые три дня, настройка баланса на живых пользователях, борьба с возвратами и негативными отзывами, сон по три часа.
Команды нет. Но работа команды на месте.
Возможно, мы вообще задаём неправильный вопрос
Обычно дискуссия об AI entrepreneurship сводится примерно к этому: повысит ли ИИ вероятность успеха стартапа?
Пока я не вижу убедительных данных, позволяющих ответить «да». Более того, рост предложения позволяет предположить, что конкурировать за внимание становится только сложнее.
Но допустим даже, что вероятность успеха каждого отдельного продукта вообще не изменилась. AI всё равно способен радикально изменить предпринимательство.
Представим очень условного основателя десять лет назад. У него есть $100 тысяч. Каждый серьёзный MVP стоит $50 тысяч. У него две попытки.
Сегодня тот же человек способен сделать десять прототипов за несколько тысяч долларов, показать их реальным пользователям и инвестировать месяцы работы только в тот, где кто-то начал доставать кредитную карту.
ИИ не обязан повышать вероятность удачной ставки. Он позволяет делать больше ставок.
И здесь становится особенно интересно смотреть не на людей, которые четыре года строили один шедевр, а на серийных makers. Marc Lou выпускает продукты один за другим. Pieter Levels годами работает похожим образом. Создатель Rusty’s Retirement Jordan Morris рассказывал, как делает несколько небольших прототипов, показывает их людям и продолжает работу над тем, который вызывает наиболее сильную реакцию.
Возможно, настоящий AI-native solopreneur выглядит вовсе не как человек, способный в одиночку три года строить огромную компанию. Возможно, его главное преимущество в другом.
Он способен очень дёшево ошибаться.
Двадцать часов. Не работает. Убить.
Ещё сорок. Никому не нужно. Убить.
Сто часов. Появились первые десять платящих клиентов.
Вот теперь можно работать.
Если это так, AI действительно способен увеличить шансы предпринимателя на успех — но совсем не тем способом, который нам обычно продают. Не делая каждую идею лучше, а позволяя пережить больше плохих идей.
Так кому повезло больше всех?
И только теперь имеет смысл вернуться к вопросу, с которого я первоначально начал это исследование: кто получает больше преимуществ — программисты, маркетологи, продуктовые менеджеры или люди вообще без технического опыта?
После нескольких десятков кейсов мне всё меньше нравится сама постановка. Профессиональный опыт никуда не исчез. Изменилось другое: часть недостающих компетенций теперь можно сравнительно дёшево арендовать у машины.
Для программиста это огромный подарок. Он и раньше мог построить продукт, но ему требовались дизайн, тексты, исследования, тестирование, локализация, поддержка, иногда маркетинг. Теперь часть маленькой компании помещается в его подписках на AI-сервисы. Есть и экспериментальные подтверждения: в одном исследовании Google профессиональные разработчики с AI примерно на 21% быстрее справлялись со сложной задачей, а кейс одного staff engineer с несколькими агентами показывает, насколько далеко эта модель может зайти в подходящих условиях.
Но интересно, что исследования дают и противоположный результат. В эксперименте METR опытные open-source разработчики, работавшие со знакомыми им репозиториями, с AI выполняли задачи примерно на 19% медленнее.
Самая прекрасная деталь исследования: разработчики при этом считали, что AI их ускоряет.
Мне кажется, половина современной офисной жизни поместилась в одну эту цифру.
Позднейшие данные METR уже дают признаки того, что новые инструменты начинают ускорять и таких специалистов. Технология движется слишком быстро, чтобы высечь одну цифру на камне. Но общий рисунок интересен: ИИ очень хорошо умножает существующую компетенцию. Гораздо меньше доказательств, что он стабильно создаёт её из ничего.
Именно поэтому сильным кандидатом на роль нового солопренера выглядит product manager. Он привык превращать мутное «хочу вот такую штуку» в требования, разбивать работу на части, приоритизировать и принимать результат. В каком-то смысле хороший PM уже умеет руководить командой, только теперь часть команды не просит зарплату и никогда не спорит на daily meeting.
Маркетолог получает другое преимущество. Раньше его проблема могла звучать так: «Я знаю, кому это продать. Но я не могу это построить». AI начинает убирать вторую половину предложения. А поскольку производство software становится всё дешевле, умение находить покупателей, наоборот, дорожает.
Ещё интереснее domain experts. Бухгалтер может двадцать лет видеть одну и ту же идиотскую проблему, за решение которой десять тысяч бухгалтеров готовы платить по $20 в месяц. Программист эту проблему никогда не заметит. Бухгалтер замечает — но раньше между наблюдением и продуктом стояла команда разработки. Теперь стена стала значительно ниже.
Наконец, creators уже владеют тем, чего всем остальным отчаянно не хватает: вниманием. Когда создание приложения стоит всё меньше, несколько миллионов подписчиков могут оказаться более ценным стартовым капиталом, чем способность самостоятельно написать backend.
Поэтому победителем пока выглядит не конкретная профессия. Скорее человек, у которого уже есть хотя бы одно редкое преимущество — техническая глубина, аудитория, знание рынка или продуктовое чутьё, — а всё остальное AI позволяет временно закрыть без найма пяти людей.
Есть ещё один неприятный эффект
До появления современных AI-инструментов у человека без технического опыта существовала полезная преграда: он не мог сделать продукт.
Звучит странно называть это преимуществом, но такая стена заставляла его идти к другим людям. Найти технического сооснователя. Поговорить с разработчиком. Показать концепцию издателю. Попытаться попасть в акселератор. Попросить у кого-нибудь денег.
И все эти люди начинали задавать ужасно раздражающие вопросы. Кто за это заплатит? Почему? Сколько? Какие есть конкуренты? Почему пользователь не решает эту проблему уже сейчас? Почему именно вы? Зачем вам вообще восемнадцать месяцев разработки?
Иногда основатель уходил после такого разговора обиженным.
Иногда — спасённым.
ИИ убирает необходимость получать разрешение. «Я хочу сделать приложение». — Отличная идея. «А игру?» — Конечно. «А marketplace для владельцев аквариумных креветок с блокчейном?» Ну, если достаточно хорошо сформулировать prompt, машина и тут не станет портить вам настроение.
Способность самостоятельно реализовать идею означает, что человек теперь способен очень долго не сталкиваться с рынком. И поэтому AI может одновременно снижать финансовый риск и увеличивать риск собственного времени.
Раньше основатель мог сжечь $200 тысяч инвестора. Теперь он способен значительно экономнее сжечь две тысячи часов своей жизни.
Может быть, команда была не только расходом
Культ one-person company обычно рассматривает сотрудников как проблему, которую наконец удалось удалить из системы: зарплаты, налоги, менеджмент, совещания. Человек заболел. Человек уволился. Человек почему-то имеет собственное мнение. На этом фоне AI-agent выглядит практически идеальным коллегой.
Но команда выполняет ещё одну функцию. Дизайнер говорит программисту, что интерфейс невозможно понять. Маркетолог говорит founder, что его любимая feature никому не нужна. Sales приносит с рынка фразу клиента, после которой приходится переделывать половину продукта. Инвестор забирает долю компании, зато периодически задаёт вопрос, почему график продаж лежит на полу.
Люди создают трение.
А трение иногда полезно.
В истории HEXSTORM AI помогал разработчику даже выбирать цену. Модель рекомендовала около $14, считая, что слишком дешёвая игра может восприниматься хуже. Реальные покупатели оказались менее философски настроены: после жалоб цену пришлось снижать.
ИИ помог сделать игру. Цену бизнеса всё равно назначил рынок.
Китай уже увидел следующую проблему
Особенно хорошо новый парадокс виден в китайском исследовании one-person companies, опубликованном в 2026 году.
Авторы собрали около 1 500 анкет и провели более ста часов интервью и разбора кейсов. Примерно 75% участников имели нетехнический профессиональный background. То есть технологическая демократизация там вполне реальна.
Но больше половины участников назвали одной из главных проблем поиск клиентов. Исследователи описали ситуацию почти идеальной фразой:
«Избыточная способность создавать, недостаточная способность привлекать клиентов».
Кажется, именно сюда мы и пришли.
Двадцать лет стартап-индустрия пыталась удешевить создание продукта: open source, cloud, no-code, app stores, Stripe, AWS, GitHub. А теперь AI ударил по последней большой статье расходов — человеческой интеллектуальной работе.
Мы наконец научились производить почти столько software, сколько захотим.
И обнаружили, что никому не обещали столько же покупателей.
Так наступила ли эра солопренеров?
Думаю, да.
Только она выглядит немного иначе, чем на YouTube thumbnails.
Самая интересная возможность AI заключается, возможно, не в том, чтобы один человек строил компанию в одиночку. Она в том, что один человек теперь может проверить бизнес до того, как ему понадобится компания.
Это принципиально другая модель. Раньше путь часто выглядел так: идея → команда → деньги → продукт → рынок. Теперь всё чаще возможно: идея → AI → прототип → рынок. И только потом — продукт → команда? → инвестиции? → масштабирование?
Знаки вопроса здесь важнее всего.
Если рынок молчит — закрыть. Если пользователи приходят, но не платят — переделать или закрыть. Если первые двадцать человек платят — продолжить. Если тысяча платит — возможно, пора нанимать людей.
А может быть, и нет.
Именно здесь AI способен в конце концов действительно изменить вероятность предпринимательского успеха. Не потому, что машина научилась предсказывать, какой стартап станет следующим миллиардным бизнесом. Если бы она умела, венчурные фонды уже представляли бы собой несколько серверов и очень довольного бухгалтера.
А потому, что стоимость ошибки падает.
Основатель может проверить пять идей на том капитале, которого раньше хватало на одну. Десять. В некоторых случаях — пятьдесят. И сохранить настоящие деньги, годы и команду для той, которая впервые подала признаки жизни.
Возможно, именно здесь проходит граница между двумя очень похожими солопренерами будущего.
Один скажет:
«Теперь я наконец могу построить всё сам».
Другой:
«Теперь мне наконец не нужно строить всё, чтобы узнать, стоит ли это строить».
Мне кажется, второй понял AI немного лучше.
Потому что ИИ пока не сделал успешный бизнес лёгким. Он сделал попытку построить его значительно дешевле.
И, возможно, настоящая революция солопренеров состоит не в том, что один человек теперь способен без особых усилий создать успешную компанию. А в том, что впервые один человек может позволить себе сравнительно дёшево выяснить, есть ли у него вообще компания, которую стоит создавать.