Lightsage: Оптимизация продукта под ИИ-агентов, которые его выбирают

Почему не твоя, разработчик не знает. И ты не знаешь (а это самое обидное). В аналитике ноль: ни перехода, ни сессии, ни отказа. Просто в какой-то момент установок стало меньше, а ты продолжаешь двигать кнопку на лендинге.

Lightsage привлекли $4M на то, чтобы этот чёрный ящик вскрыть и показать, где именно агент отвернулся от твоего продукта.

Куда поехали внимание и деньги

Двадцать лет подряд битва за выбор шла на территории человека. Заголовок, скриншот, отзыв, цена крупно. Дальше выбор переехал в поисковую выдачу, и родилась целая индустрия по её обработке.

Теперь выбор переехал ещё на шаг, к посреднику, который не человек. Агент не смотрит на дизайн, не проникается формулировкой «мы любим разработчиков» и не ходит на вебинары. Он читает справку, пробует вызов, натыкается на ошибку и молча идёт к следующему кандидату. Продавать ему всё равно что продавать турникету.

Переезжает не весь рынок, а его верхний слой: инструменты для разработчиков, инфраструктура, API. Там, где выбор делается внутри рабочего процесса, а не на встрече с закупкой. Стало это возможно потому, что агент теперь не отвечает текстом, а делает работу, и у него появилась цена ошибки.

Как устроено

Система гоняет тысячи симуляций через поисковые движки с ответами и через кодинг-агентов, каждый раз фиксируя, чей продукт выбран и на каком шаге всё сломалось.

Считается при этом не доля упоминаний, а рабочий контур целиком: документация, API, SDK, консольные утилиты, MCP-серверы, описания инструментов. Ответ конкретный: агент трижды подряд споткнулся вот на этом примере в справке, потому что в нём устаревший параметр.

Платят за это кредитами. Начальный тариф стоит $250 в месяц, следующий $1 000, и внутри одного баланса живут прогоны запросов, прогоны агентов и их оценки. В рублях нижний тариф это примерно двадцать тысяч в месяц, дешевле одного джуна на полставки. Первые клиенты из инструментов для разработчиков, жалуются ровно на две вещи: сломанные доки и сломанные интеграции.

Откуда тяга

Петля здесь замыкается через данные. Больше симуляций, больше найденных поломок; больше починок, выше доля выборов агентом; выше доля, охотнее команда платит за следующий цикл симуляций. Плюс каждая прогонка пополняет общую базу того, как ведут себя разные модели, и эта база работает уже на всех клиентов сразу.

Вот в этой базе и лежит ров. Свои доки руками может проверить кто угодно. А вот повторить накопленную картину того, какая модель на каком типе документации спотыкается, руками нельзя: это вопрос объёма прогонов, а не ума.

Похожие решения

Profound привлекли $155M при оценке около $1B и меряют видимость бренда в ответах моделей. Это соседняя витрина, а не та же полка: их покупатель сидит в маркетинге.

Peec AI собрали $29M, перевалили за $4M годовой выручки и обслуживают 1 300 компаний и агентств. Быстрые, дешёвые, с хорошим интерфейсом, но тоже про бренд и упоминания.

Scrunch AI и AthenaHQ идут в корпоративный сегмент с тем же вопросом видимости и тем же покупателем из маркетинга.

Чем брать соседей

Все перечисленные отвечают на вопрос «как часто нас упоминают». Lightsage отвечает на другой: «почему агент нас попробовал и бросил». Первый вопрос задаёт маркетолог и платит из рекламного бюджета. Второй задаёт руководитель разработки и платит из бюджета продукта, а он больше и стабильнее. Вот в эту щель и стоит лезть: не измерять видимость, а чинить рабочий контур.

Как повторить у нас

В России это уже не теория. По замерам StormWall, с января по апрель 2026 года трафик с ИИ-агентов на российский электронный ретейл вырос в 1,7 раза к тому же периоду прошлого года, а чаще всех по сайтам ходит «Алиса AI», обгоняя DeepSeek, GigaChat, ChatGPT и Perplexity.

Первая ниша тут не ретейл, а российские инструменты для разработчиков и корпоративные API: банковские, телеком, платёжные. Покупателя зовут технический директор или владелец платформы, и купить он хочет одно: чтобы подрядчик, собирающий интеграцию через агента, не ушёл к конкуренту из-за кривого примера в справке.

Первая версия собирается за месяц: прогон запросов через несколько моделей, парсер документации, хранилище результатов, отчёт с ранжированием поломок. Три месяца работы одного инженера, из них половина на прогонщик и хранилище. Продавать через тех, у кого уже просела конверсия из публичного API: они посчитают выгоду быстрее всех.

Кто поедет в обратную сторону

Как только «позиция в ответе агента» станет метрикой в квартальном отчёте, она перестанет означать то, что означала. Это закон Гудхарта в чистом виде: любая мера, ставшая целью, тут же ломается.

Через год мы получим документацию, написанную для машины: плотную, размеченную, идеально структурированную и нечитаемую человеком. И ценность вернётся к тем, кто всё ещё читает документацию глазами: к ведущим разработчикам и архитекторам. Они станут выбирать по внятному человеческому тексту, потому что внятный текст будет означать простую вещь: внутри сидят живые люди, а не оптимизатор.

Дорого будет стоить не то, что оптимизировано, а то, что написано человеком для человека.

А если я не прав

Возможно, я переоцениваю сам сдвиг. Разработчик всё ещё смотрит, что ему подсунул агент, и половину решений переигрывает руками. Пока агент не платит собственной картой, окончательный выбор остаётся у человека, и тогда вся эта отрасль просто новая строчка в бюджете маркетинга.

Условие закрытия

Продукт живёт ровно до того момента, пока модели ведут себя по-разному и меняются чаще, чем клиент успевает починить документацию. В день, когда все агенты начнут читать справку одинаково и стабильно, симуляции превратятся в одноразовый аудит. Аудит стоит дёшево и покупается один раз.