ИИ-охранник

Алексей Черняк 15 мая 2026 3 min read

Настроение этой недели: деньги идут туда, где у бизнеса хромают процессы. Рестораны не знают своих гостей, стройки не понимают своих цифр, склады слепо смотрят в камеры. Не «ИИ ради ИИ», а «ИИ, потому что без него процесс работает плохо».

Поехали разбирать.

Это бесплатная версия моей пятничной рассылки. Три обзора из десяти открыты для всех, остальные семь — для подписчиков платной версии, переходите на Tweekly PRO, окупается с первой же внедренной идеи.

Открытые обзоры:
1. Pia Space ($2.4M). ИИ смотрит в 64 камеры одновременно и видит пожар на мониторе 14, пока охранник смотрит на монитор 3. Российский рынок видеонаблюдения — свыше 100 млрд рублей в год.

2. Dil Foods ($7.5M). Берёт простаивающие кухни индийских ресторанов и превращает их в мини-фабрики под 9 региональными брендами. 300+ партнёрских кухонь, 6 городов. В России тёмных кухонь открыто больше 2 500.

3. Dishio ($2.5M). Ресторан не знает своих гостей — они приходят, едят и уходят в никуда. Dishio превращает каждый визит в запись базы данных и автоматически конвертирует её в повторную продажу.

Закрытые (для подписчиков Tweekly PRO):

🔒Производитель лабораторного оборудования тратит $2 500 на каждый выезд инженера к клиенту. Envoke заменяет это интерактивным 3D-симулятором.

🔒 Китайская платформа для аренды простаивающих GPU и CPU. 700 000+ подключённых устройств, 46 дата-центров.

🔒Итальянский «всё в одном» для цифрового маркетинга малого бизнеса: сайт, реклама, соцсети, отзывы, документы — одна подписка. Выручка $18M, EBITDA положительная.

🔒«Мы внедряем ИИ за 2 недели там, где консультанты берут 18 месяцев». Средний клиент получает $5M роста выручки и $8M освобождённого денежного потока. 20+ корпоративных клиентов.

🔒Платформа для разработчиков голосовых ИИ-агентов: 1 миллиард обработанных звонков, 1 млн+ разработчиков, Amazon Ring выбрал вместо 40 конкурентов. Инфраструктура, которую Twilio должен был построить сам.

🔒Устройства как подписка вместо покупки: смартфоны, ноутбуки, iPad — компания платит подписку, стартап владеет, обслуживает, обновляет. 125+ корпоративных клиентов в Индии.

🔒Операционная система для независимых супермаркетов: касса, инвентарь, поставщики, автозаказ — в одной платформе.

Охранник в логистическом центре обычно сидит перед стеной из мониторов. 32 камеры, зависит от объекта. Стандарт видеонаблюдения говорит, что человек физически не способен эффективно мониторить больше 8 потоков одновременно. На экранах 12-16 происходит пожар — охранник смотрит на экран 3.

Это не проблема конкретного охранника, а физиологический предел человека.

Pia Space привлекли $2.4M на замену человеческого внимания алгоритмами.

Что стоит за 64 камерами
Продукт называется MACS (Multi-modal AI CCTV Solution). Подключается к существующей камерной инфраструктуре клиента и добавляет Vision-Language Model сверху.

Алгоритм одновременно смотрит во все потоки, распознаёт аномалии — пожар, вторжение, драку, нарушение зонирования — и отправляет оператору алерт с текстовым объяснением на его языке.

Железо менять не нужно. Работает поверх того, что уже стоит.

Среди подтверждённых клиентов: логистические центры Coupang (крупнейший e-commerce Кореи), нефтехимические заводы Sembcorp, городские службы Сеула.

Почему страховщик станет первым продавцом
Механика роста проекта идёт через страховщиков. Страховые компании начинают давать скидки на страхование имущества при наличии интеллектуального видеоанализа. Это создаёт «бесплатную» продажу: клиент тратит на лицензию меньше, чем экономит на полисе.

Второй маховик роста — управляющие компании недвижимости. Один объект подключился, результат виден — УК тиражирует на все 40 объектов в портфеле. Каждый договор сразу на несколько площадок.

Данные, которые сложно скопировать
Каждый подключённый объект добавляет размеченные видеособытия в обучающую выборку — пожары на складах, кражи в ретейле, нарушения на производстве. Через 18 месяцев накапливаются десятки миллионов часов размеченного промышленного видео. Конкуренту с нуля понадобится $30-50M только на сбор и разметку такого датасета.

Кто еще делит этот рынок

Milestone Systems — датский ветеран с 500 000+ инсталляций по всему миру, инфраструктурная платформа без AI-ядра.
Genetec — канадская платформа физической безопасности, AI-надстройки добавляет через партнёров.
Avigilon — подразделение Motorola Solutions, AI-видеоаналитика для крупного корпоратива.
Macroscop — российский игрок из Перми, 10 000+ инсталляций в России. Есть еще несколько и они, наверняка, уже что-то подобное внедряют.

Как это применить?
Москва входит в топ-5 городов мира по плотности видеонаблюдения. Российский рынок систем безопасности превышает 100 млрд рублей в год — и это без учёта рынка охранных услуг.

Гипотеза: не строить ещё одну систему видеонаблюдения, а добавить интеллектуальный слой поверх уже установленных Trassir/Macroscop через API.

Продавать сначала страховщикам как инструмент снижения риска и скидки на полис — это готовый канал сбыта без холодных продаж.

Где тут антитренд?
Хоторнский эффект: люди меняют поведение, когда знают, что за ними наблюдают. Умные камеры неизбежно порождают индустрию противодействия — маскирующую одежду, паттерны движения, обманывающие Vision-Language Models.

Мир стремительно развивается в сторону тотальной ИИ-слежки за населением (во всех странах). А значит будет растущий спрос на то, чтобы оставаться незамеченным от ИИ-камер и прочего наблюдения.

Тест на жизнеспособность
Если за 5 месяцев не подписал 3 платных контракта с промышленными или логистическими объектами от 100 камер с чеком $15 000+ в год — пивот в аналитический SaaS для страховых компаний.

Ресторатор открыл заведение, взял аренду, нанял повара, закупил посуду. В обед — очередь. С 15:00 до 18:00 — кухня стоит. В 19:00 — снова работа. Простой три часа в день, а аренда идёт 24/7.

Это не проблема одного ресторана. В любом городе с доставкой еды у 60-70% кухонь есть незагруженные окна.

Dil Foods привлекли $7.5M на монетизацию этого простоя. Идея довольно старая, все мы помним волну «темных кухонь».

Как пустая кухня становится франшизным активом
Но Dil Foods не строит собственные тёмные кухни. Вместо этого подключает существующие рестораны как партнёрские производства. Ресторан получает готовые рецепты, упаковку, маркетинг и бренд — и начинает продавать региональную индийскую кухню через Swiggy и Zomato в промежуток между своими основными часами работы.

9 брендов в портфеле: Khichdi Bar, Bihari Bowl, House of Andhra, Junglee Kitchen и ещё пять. Каждый закрывает отдельную нишу региональной кухни. 300+ партнёрских кухонь в 6 городах.

Выручка за три года выросла в 30 раз, по словам одного из инвесторов. Цель — 600 локаций к 2028 году и добежать до оборотов $60M в год.

Два маховика: данные и агрегаторы
Каждый новый партнёрский ресторан добавляет данные о том, какие блюда и в каких районах продаются лучше. Dil Foods использует это для приоритизации следующих городов и брендов. Петля роста: партнёрская кухня → данные о спросе → новый бренд под конкретный паттерн → новые кухни под новый бренд.

Второй маховик: агрегаторы (Swiggy, Zomato) заинтересованы в разнообразии на платформе — Dil Foods получает органическое продвижение как поставщик региональных форматов.

Что держит ресторан внутри
Стоимость переключения. Партнёрский ресторан, проработавший с Dil Foods 6 месяцев, обучил персонал, настроил кухонный процесс, получил рейтинг на агрегаторах под брендами. Перейти к конкуренту — значит начать с нуля на платформах.

Кто идёт той же дорогой

Rebel Foods — крупнейшая в мире интернет-ресторанная сеть, 450+ кухонь, бренды Faasos, OvenStory. Работает на собственной инфраструктуре, не партнёрских кухнях.
EatClub — 250+ облачных кухонь, 7 городов, $97M привлечено.
Rebel OS — отдельный продукт Rebel Foods: «операционная система» для виртуальных ресторанов, прямой конкурент бизнес-модели Dil.
Curefoods — бренды EatFit, CakeZone, 70+ городов.

Как это применить?
Российский рынок тёмных кухонь перевалил за 2 500 объектов к 2024 году, и большинство работают как самостоятельные производства без зонтичного бренда. Рынок общественного питания в России — ₽3.44 трлн.

У нас подобные попытки провалились по причине, что ресторан (кухня) отдает приоритет своим заказам, а партнерские делает по остаточному принципу. Возможно, Dil Foods как-то победили эту проблему.

В чём антитренд?
Эффект Баумоля: в секторах, которые плохо автоматизируются (ручной труд поваров, живое тепло еды), издержки неизбежно растут быстрее производительности.

Тёмные кухни — это попытка автоматизировать дистрибуцию без автоматизации производства. Через 10 лет, когда роботизированные кухни станут доступнее, выиграет тот, кто успел накопить бренды и данные о спросе — а не тот, кто строил дорогостоящую кухонную инфраструктуру. Dil Foods делает правильную ставку заранее.

За 10 лет основатели помогли 2 500 ресторанным брендам привлечь 27 миллионов гостей через диджитал-маркетинг. После этого они спросили себя: а что происходит после того, как гость пришёл?

Ответ оказался неудобным. Ничего не происходит. Гость поел и ушёл. Ресторан не знает его имени, не знает, придёт ли он снова, не знает, почему он ушёл к конкуренту.

Dishio привлекли $2.5M на решение этого недоразумения.

Что происходит после того, как гость поел
Dishio — это ИИ-слой поверх существующей ресторанной технологии. Подключается к QR-меню, системе бронирования, онлайн-заказам и кассе. Собирает данные о каждом госте в единый профиль.

Дальше — автоматические маркетинговые цепочки: гость пришёл впервые → получает сообщение с предложением вернуться через 5 дней → вернулся → попадает в когорту лояльных → получает персональное предложение на день рождения.

Всё это без ручного труда менеджера.
Существующие клиенты: те самые 2 500 ресторанных брендов из агентства Dineline, которое основатели превратили в Dishio. Это не холодные продажи, а монетизация уже работающей базы.

Управляющий сетью как точка входа
Виральность идёт через управляющих несколькими заведениями. Один ресторан в сети запускает Dishio → видит +23% повторных визитов → ставит на все 8 заведений → рекомендует другу из ресторанного чата.

Петля роста: больше ресторанов → больше гостевых данных → лучше модели предсказания → сильнее конверсия → больше ресторанов.

История данных — мощный ров перед конкурентами
История данных. Ресторан, проработавший с Dishio год, накопил поведенческие профили на десятки тысяч гостей — когда они приходят, что заказывают, как реагируют на офферы. Переход к другой системе означает потерю этой истории. Для ресторана это значит начать маркетинг заново с нуля.

Плюс: основатели 10 лет в ресторанном маркетинге. Это не технологи, которые решили автоматизировать. Это отраслевые операторы, которые знают, что реально работает для ресторана в понедельник утром.

Кто уже хочет знать вашего гостя

SevenRooms — полноценная CRM для ресторанов, 13 000+ заведений, в 2025-м куплена DoorDash за $1.2B. Ориентирована на fine dining.
Olo — платформа онлайн-заказов с встроенным гостевым профилем, 700+ ресторанных сетей.
OpenTable — 60 000+ ресторанов, 31M ежемесячных посетителей, доминирует в бронировании, но слабее в маркетинге.
Resy — бронирование + CRM, в 2026-м слился с Tock, 25 000+ заведений совокупно.

Как это применить?
Российский рынок ресторанного общественного питания — ₽2.74 трлн. Сетевых ресторанов в России несколько десятков тысяч — и у большинства нет нормальной CRM.

Среди российских решений: iiko (рабочая лошадка для кассы и склада, не для маркетинга), Яндекс.Еда и Delivery Club владеют гостевыми данными — но не делятся ими с рестораном-партнёром. Это и есть главная боль: ресторан работает через агрегатор и не знает, кто его гость.

Гипотеза: не копировать Dishio, а строить плагин к iiko, который собирает гостевые данные из всех источников и делает базовую сегментацию для маркетинга. Продавать сетевым ресторанам как надстройку за ₽5-10 тысяч в месяц.

В чём антитренд?
Закон Гудхарта: как только метрика становится целью, она перестаёт быть хорошей метрикой. Рестораны, которые оптимизируют повторные визиты через автоматические напоминания, рискуют превратить живое гостеприимство в рассылочный спам. Через 3-5 лет гости, уставшие от «персонализированных» предложений, будут целенаправленно искать рестораны, которые не собирают данные — и платить за это premium. Аналог: кофейни без Wi-Fi, которые специально создают «зону отдыха от экрана».