AI-услуги: где открыты ниши и какую из них строить

Управляющее резюме

Что именно строить — и почему это защищено

• Не «магически верный код», а честная конструкция. Продукт уверенно и дёшево закрывает лёгкие ~70% классификаций, а на спорных позициях не угадывает, а честно поднимает флаг и передаёт эксперту с готовым обоснованием. Низкая точность на самых трудных группах — это заложенная конструкция, а не провал.
• Ров — корпус, калибровка и эскалация, а не точность модели. Правота строится на проприетарном корпусе (решения ФТС/ЕЭК, судебная практика, ОПИ), на калибровке уверенности и на workflow эскалации. Сам движок-классификатор копируется; корпус и калибровка — дорого и долго.
• Двойной рынок — общее ядро, но не «один в один». Номенклатура ТН ВЭД ЕАЭС едина, ядро переносится; но корпус и правоприменение под Казахстан (свой КГД, keden.kz, свой КоАП) надо строить отдельно — это отдельная услуга, а не бесплатный бонус.
• Категория почти не занята. Настоящий ИИ-движок есть лишь у одного игрока (NIKTA) — и тот без массового self-serve; инкумбенты с дистрибуцией (Альта-Софт, ТКС, Контур) работают на справочниках, а не на ИИ.

Что делать дальше

• Вся рекомендация опирается на две оценки из одиночных источников — точность ИИ-классификации и долю выигранных бизнесом споров. Пока они не подтверждены собственным замером, вердикт остаётся условным.
• За 90 дней проверить эти два числа по плану валидации; вход — через канал batch-классификации SKU для селлеров маркетплейсов, где инкумбенты слабы.
• Финмодель — это масштаб при успешной валидации, а не параллельная уверенность.

Отчёт — экспресс-формат; рыночные оценки помечены, источники и достоверность — в конце.

1. Задача и рамки

• Вопрос. Найти, куда внедряется ИИ и где открыты незанятые, но растущие ниши; выбрать ту, которую целесообразно строить небольшой командой. Рынок — Россия + Казахстан, один продукт на оба.
• В скоупе. Карта зрелости ИИ по процессам экономики; локализация на РФ; отсев гипотез; досье по рекомендованной нише; план проверки.
• Вне скоупа. Детальный технический проект, юридический и патентный аудит, многомесячный due diligence, финальная инвестиционная модель.

2. Методология

Мы не составляем список модных тем. Рынок прогоняется через четыре последовательных фильтра:

Принцип честности: уверенность каждой цифры помечается, подтверждённые данные отделяются от отраслевых оценок.

3. Карта зрелости ИИ и где открыты пустоты

Экономика разложена на 6 кластеров процессов (контент, разработка/ИТ, клиентский фронт, бэк-офис, аналитика/обучение, вертикальные операции).

Ключевой сдвиг. Деньги уходят с «ИИ-подсказчиков» на «ИИ-исполнителей» — автономные агенты, замыкающие процесс целиком. Тормоз фронта — не качество моделей, а доверие и ответственность за автономное действие. Рекомендованная ниша сидит ровно на этом фронте — вертикальный разбор документов под одну регулируемую задачу (ТН ВЭД).

Российская специфика. Гиганты (Яндекс, Сбер, МТС) и инкумбенты заняли нижний слой, но автономный слой свободен — каждый запирает ассистента в своей экосистеме. Уход иностранных лидеров создаёт вынужденный спрос. Вывод: ров чаще в данных и в «слепой половине» процесса, а не в самой модели.

4. Воронка отбора

Из 30+ пересечений процессов отобрано 15 зон активного фронта, из них 7 финалистов прошли гейт go / kill. Воронка не только находит победителя, но и доказательно отсекает красивые ловушки — в этом основная ценность для основателя.

5. Рассмотренные и отклонённые альтернативы

Шесть направлений с крупным рынком отклонены. Корневая причина одна — отсутствие защищаемости для небольшой команды (гигант закрывает нишу бесплатной функцией, барьер входа низкий, либо рынок структурно отвергает формат).

Урок: размер волны без рва = смерть для малой команды. Большая растущая категория притягивает и гигантов, и копировщиков. Поэтому «списки трендов» часто ведут основателей прямо в ловушки.

6. Рекомендованная ниша: ИИ-классификатор кода ТН ВЭД ЕАЭС

Вертикальный ИИ-движок, который по описанию товара определяет 10-значный код ТН ВЭД с объяснимым обоснованием — для подачи декларации и спора с таможней.

В чём ров — и почему он держится

• Продукт устроен честно. ИИ закрывает лёгкие ~70% классификаций уверенно и дёшево; на спорных позициях он не угадывает, а поднимает флаг и отдаёт эксперту с готовым обоснованием. Поэтому низкая точность на спорных позициях (≈48% на «грязных» наименованиях у селлеров) — это заложенная конструкция продукта, а не его провал.
• Ров — корпус и калибровка уверенности. Правота строится на проприетарном корпусе (решения ФТС/ЕЭК, судебная практика с аргументацией «почему код X, а не Y», правила ОПИ) и на калибровке: система знает, где коду можно доверять автоматически, а где обязателен человек. Это дорого собрать и вечно дорого поддерживать — ТН ВЭД меняется, разовая копия устаревает.
• Почему это не догонит NIKTA быстро. Единственный настоящий ИИ-игрок силён в самом движке, но движок копируется за квартал. Наш клин — связка «корпус спорных кейсов + калибровка + канал селлеров маркетплейсов», которой у него нет.

Объём рынка

• Логика SAM. ~110–250 тыс. целевых аккаунтов × средний чек 1,5–3 тыс. ₽/мес × 12 мес ≈ 2,5–6 млрд ₽/год.
• Логика SOM. Захват 1–3% SAM ≈ 1,5–4,5 тыс. платящих → ARR 30–160 млн ₽ к 3-му году.
• Логика TAM. 3,79 млн деклараций × ценность классификации 300–1 000 ₽ ≈ 1–4 млрд ₽ (узкий слой «определение кода»); весь кошелёк ПО и услуг декларирования — десятки млрд ₽.

Конкуренты

Водораздел рынка — кто на ИИ, а кто на справочнике / АПУ (статистика по историческим декларациям).

Свободная позиция: инкумбенты с данными и дистрибуцией (Альта, ТКС, Контур) — НЕ на ИИ; настоящий ИИ только у NIKTA (B2B-интеграция без self-serve и публичных цен). Прозрачного per-SKU / подписочного тарифа на ИИ-классификацию не публикует никто.

Экономика и монетизация

• Оффер. ИИ-классификация 5–30 ₽/SKU против ручных 500–1 000 ₽/код — дешевле в 30–100 раз.
• Модель. Free-tier → SaaS-подписка (990–2 900 ₽/мес селлеру, 5–30 тыс. ₽/мес брокеру) → per-SKU/batch → премиум «PDF-обоснование под классрешение». Валовая маржа 80–95%.

Юридическая модель ответственности

Для таможенной ниши ответственность — не второстепенный риск, а часть продукта. Если ИИ дал код, а импортёр получил доначисления и штраф (ст. 16.2 КоАП — 50–200% платежей или конфискация), формально отвечает декларант, но доверие он отдал сервису. Поэтому ответственность закрывается тремя механизмами:

• Разделение ролей. Продукт — ассистент: финальное решение и подпись декларации за человеком; на спорных кодах система сама требует подтверждения, а не «молчит».
• Премиум-обоснование под классрешение — как продукт. За повышенный чек система готовит пакет для предварительного классификационного решения ФТС (ПКР) — юридически значимый код на 5 лет. Так ответственность превращается из риска в платную ценность.
• Аудит-трейл и страховка. Каждое решение сопровождается обоснованием по ОПИ; для верхнего тарифа — опция страхования ответственности.

7. Финансовая модель (сценарии при успешной валидации)

Важно: это не прогноз, а масштаб при условии, что валидация пройдена. Логика: захват 1–3% адресуемого сегмента (SAM ~110–250 тыс. аккаунтов), ARPU 1,5–3 тыс. ₽/мес. Числа иллюстративные.

От пилота к масштабу: 3 платящих пилота подтверждают спрос, дальше рост идёт через канал SKU-селлеров (SEO «код ТН ВЭД» — ~415 тыс. запросов/мес + партнёрства с фулфилментом и брокерами).

Для сравнения: выручка одного юрлица лидера рынка (Альта-Софт) — порядка 115 млн ₽ (2023). Ниша вмещает нового игрока, не упираясь в потолок.

8. План действий и валидация (90 дней)

Прежде чем вкладываться в полноценную разработку, нишу нужно проверить по трём гейтам. Решение scale / pivot / kill принимается на 90-й день.

Ключевые риски и митигации

• Альта-Софт прикрутит ИИ. Митигация: скорость + вход через сегмент селлеров (не её аудитория) + ров в UX-обосновании и интеграциях с маркетплейсами.
• Точность на «грязных» описаниях. Режим «уверенность + эскалация к эксперту», обучение на исторических декларациях, распознавание по фото как второй сигнал.
• Юридическая ответственность за код. Закрывается отдельной моделью (разделение ролей, классрешение под ключ, аудит-трейл и страховка).

Приложение А. 15 зон фронта ИИ в РФ

Зоны активного фронта, ранжированные по размеру волны. «Соло» — реализуемо ли направление небольшой командой.

Приложение Б. Итоги go / kill (7 финалистов)

Приложение В. Источники и достоверность

Метки: ✓ — подтверждено первоисточником или 2+ изданиями; оц. — оценка или один источник.

Методология данных: экспресс-разведка через открытые источники и сервис частотности запросов; цель — приоритизация и решение go / kill, не аудированная инвестиционная модель. Оценки помечены и даны диапазонами.