Начало эпохи суперагентов

Каждый день миллиарды людей открывают Google, вбивают запрос и получают 10 синих ссылок. Потом кликают по первой. Видят рекламу. Закрывают. Кликают по второй. Половина статьи — вода. Третья. Четвертая. Через 15 минут находят нужное. Или не находят.

Эрик Цзин, парень, который в 2006 году пришел в Microsoft и стал одним из создателей Bing, видел эту боль изнутри. Поработал 15 лет в поисковых системах, понял, как все устроено. И решил: пора ломать.

Genspark только что закрыл раунд на $275 миллионов с оценкой $1.25 миллиарда. Статус единорога за два года. Для сравнения: большинство стартапов тратят 5-7 лет, чтобы дойти до миллиарда.

Что они сделали не так, как все
Забудьте про ссылки. Genspark генерирует Sparkpages, полноценные документы с ответами на ваш вопрос. Спрашиваешь "Как открыть бизнес в Дубае?" — получаешь готовую инструкцию со всеми шагами, цифрами, контактами. Не 10 ссылок на статьи, из которых половина устарела.

Фишка: Mixture-of-Agents. Вместо одной большой языковой модели они запускают девять разных одновременно: GPT-4, Claude, Gemini, DeepSeek, Llama и другие. Работают как коллективный разум. Одна генерирует ответ, другие проверяют, третьи дополняют. Итог — точность на 70% выше, чем у OpenAI Deep Research в корпоративных задачах.

Super Agent — вообще отдельная история. Больше 80 инструментов, которые автономно выполняют задачи. Нужна финансовая модель для инвесторов? Сделает. Презентация в совет директоров? Готово. Веб-приложение с нуля? Тоже не проблема.

И знаете, что самое дикое? Компания достигла $50 миллионов годовой выручки за пять месяцев после запуска Super Agent. Это не стартап. Это ракета.

Почему Google должен нервничать
Поисковый рынок: $185 миллиардов в год только у Google. Но впервые с 2015 года их доля упала ниже 90%. Появились Perplexity AI с оценкой $9 миллиардов, ChatGPT Search, You.com. Рынок шатается.

Люди устали. От рекламы (40% результатов на первой странице - это реклама). От SEO-спама (контент пишут для алгоритмов, а не для людей). От вечного кликанья по ссылкам. Хотят ответ, а не процесс поиска ответа.

Тайминг идеальный. Рынок агентов на искусственном интеллекте растет с $5.4 миллиарда в 2024 до $47.1 миллиарда к 2030 — 45.8% в год. AI-поиск: с $16.3 миллиарда до $73.7 миллиарда. Это не хайп. Это сдвиг парадигмы.

Как они будут расти
Защита в технологии и данных. Комбинация девяти языковых моделей с проприетарным оркестратором. Конкурент не может просто скопировать, потому что магия в координации, а не в моделях. Плюс каждый запрос улучшает систему. Плюс экосистема: API для разработчиков, интеграция с AWS, маркетплейс агентов.

Один CFO крупной компании сказал: "Мы попробовали больше 20 AI-инструментов для квартальных презентаций. Genspark — единственный, который готов для совета директоров." Когда твой продукт становится частью встреч, клиент не уйдет к конкуренту ради скидки.

Что с этим делать
Если вы предприниматель: создайте вертикальную AI-поисковую систему для узкой ниши. Юристы, врачи, инженеры — всем нужен специализированный поиск с пониманием терминологии. Барьер входа низкий, спрос огромный.

Если вы специалист: учитесь работать с множественными языковыми моделями. Prompt engineering для одной модели — вчерашний день. Будущее — в оркестрации нескольких моделей для разных задач.

Еще примеры

• Genspark и Manus  — два моих любимых суперагента, с которых я начинаю практически любую задачу.
• Google AI Overview 89.7% доли рынка, но теряет.
• Perplexity AI $9B оценка, модный, но использует один LLM.
• You.com пытается, но пока не взлетел.

Bing AI 3.88% доли, Microsoft пытается, но интеграция с Windows не спасает.

EdTech — кладбище стартапов. BYJU'S, самый дорогой единорог Индии ($22 миллиарда на пике), сейчас в банкротстве. Большинство онлайн-школ умирает, не дожив до второго года.

На этом фоне история CodeYoung выглядит аномалией. Компания только что подняла $5 миллионов.

Что они делают иначе
Забудьте про групповые классы на 20 человек, где половина спит, а учитель говорит в пустоту. CodeYoung делает обучение один на один: один ребенок, один учитель, персонализированная программа.

Отбор учителей жестче, чем в Google. Процент принятия меньше 1% — из тысячи кандидатов берут десять. Но в этом магия: 80%+ учеников завершают курсы (средний показатель по EdTech — 15-20%), 60% продлевают подписку, NPS выше 65.

Платформа охватывает детей 5-17 лет: программирование, математика, английский, физика, подготовка к SAT и AP. Обучили 25,000+ студентов в 15 странах, провели больше 2 миллионов часов занятий. И самое интересное — основной доход из Северной Америки, где родители готовы платить $100-150 за урок.

Почему это работает, когда другие умирают
После пандемии результаты PISA 2022 показали катастрофическое падение уровня знаний. Традиционная школа не справляется, родители паникуют, репетиторы дорогие. В этом хаосе качественные технологические решения становятся не роскошью, а необходимостью.

Рынок kids coding вырастет с $4.19 миллиарда в 2023 до $22.30 миллиарда к 2033 — 18.2% ежегодно. AI в образовании растет еще быстрее: с $6.5 миллиарда до $208.2 миллиарда к 2034 — 41.4% в год.

Но CodeYoung умнее конкурентов. Не воюет на демпинговом индийском рынке, а экспортирует премиум-услуги в США и Канаду. То есть просто продает время умных индийских учителей богатым американским клиентам с большой наценкой. Это как продавать итальянскую обувь, а не китайские кроссовки. Маржа выше, клиенты лояльнее, бизнес устойчивее.

Что делать с этим знанием
Копируйте модель для экспорта в США и Канаду. Российские EdTech играют на локальном рынке с демпингом — это гонка на дно. Вместо этого найдите 50 лучших учителей, сделайте платформу один на один, позиционируйтесь как "premium Russian education" и продавайте в США за $150 за урок. Валютная выручка, высокая маржа, качественный продукт.

Избегайте EdTech с групповыми классами и низким completion rate. Ищите метрики: 60%+ renewal, 70%+ completion, положительный cash flow. CodeYoung доказывает, что EdTech может быть прибыльным без сжигания миллионов на маркетинг.

AI-персонализация в образовании — растущая ниша. Навыки: adaptive learning systems, learning analytics, образовательная психология + машинное обучение. Зарплата $100K-150K для старших специалистов.

Антитренд: полный офлайн
Пока все оцифровывают образование, откройте сеть офлайн coding camps для детей: 10-15 человек, реальная лаборатория, роботы, 3D-принтеры, никаких экранов.

В Кремниевой долине руководители Meta и Google отдают детей в Waldorf-школы без компьютеров. Иронично, но факт. Позиционирование: "Мы учим думать, а не кликать."

Еще примеры

• BYJU'S FutureSchool потратил сотни миллионов на рекламу, взорвался под тяжестью долгов.
• BrightChamps оценка $650M, но это групповые занятия.
• Vedantu 23 миллиона подписчиков, но масс-маркет. Cuemath фокус на математике, а не на программировании.

Исследователь AI просыпается, открывает arXiv. Там 200 новых статей за ночь. Он должен найти три релевантные. Читает абстракты час. Открывает пять статей. Понимает, что две не то. Скачивает код, который авторы указали. Код не работает. Ищет другие имплементации. Ещё два часа потеряно.

AlphaXiv из Пало-Альто привлек $7M.

Что они сделали и почему это не просто поиск
AlphaXiv это три вещи сразу. Первое: AI-поиск по arXiv papers с пониманием контекста. Спрашиваете «покажи papers про multimodal reasoning с benchmarks на vision-language tasks», система находит именно то, что нужно, а не просто ключевые слова.

Второе: интеграция статей, плюс код. Не просто ссылка на статью, а GitHub и работающие куски кода. Можете запустить эксперимент из статьи за пять минут вместо пяти дней реинжиниринга.

Третье: коллективные обсуждения статей. Можете комментировать строчки в статье, обсуждать с коллегами, форкать эксперименты. Как Google Docs, но для исследований.

Проблема и масштаб
В AI выходит 30-50 статей в день только в категории AI. Человек физически не может обрабатывать такой объём.

От статьи, до реальной практики — огромный разрыв. Нужно найти статью, понять методику, воспроизвести эксперимент, адаптировать под задачу, интегрировать в продукт. AlphaXiv сокращает это с месяцев до дней или часов.

Драйверы роста
Курирование статей через AI. Система не просто индексирует papers, она понимает качество. Какие статьи реально важные, какие ошибочные.

Сетевой эффект через коллективные обсуждения. Чем больше исследователей комментируют и обсуждают papers, тем ценнее платформа. Комментарии становятся частью peer review process, только быстрее и публичнее.

Петля роста через сообщество. Исследователь находит paper на AlphaXiv, видит обсуждения, присоединяется, начинает сам комментировать. Привлекает коллег для совместной работы. Коллеги приводят свои команды.

Как заработать
AlphaXiv для других доменов (областей знаний). Медицина, физика, химия везде та же проблема информационного перегруза. Адаптируйте модель под PubMed или ChemRxiv.

Конкуренты и уникальность

• Semantic Scholar делает AI-поиск по статьям, но без интеграции в код.
• Papers with Code связывает статьи и код, но без взаимодействия ученых.
• Zotero и Mendeley — сервисы для цитирования.

В детстве я иногда играл в автоматы. Стоишь, бьешь по кнопкам, шарик летает, очки накапливаются. Потом игра заканчивается, и никто, кроме тебя, даже не узнает, что ты набрал рекорд. Обидно, правда?

Джей Адельсон, парень, который когда-то основал Equinix (компанию с капитализацией в миллиарды), а потом создал Digg, видимо, тоже страдал от этой несправедливости. И решил исправить.

Продолжение трендов 4-10 в Tweekly Pro.

Что общего у всех продавцов в мессенджерах? Они пишут одно и то же всем. «Здравствуйте, меня зовут Андрей, я представляю компанию». Дальше копипаст. Клиент чувствует этот запах типового текста за километр и сразу блокирует.

Дизайнер кроссовок рисует эскиз. Красиво. Показывает инженерам. Инженеры говорят: технически нереализуемо. Дизайнер переделывает. Инженеры делают 3D-модель. Отправляют на фабрику. Фабрика говорит: такую форму невозможно произвести. Весь цикл занимает недели, а иногда месяцы.

Маркетологу нужен баннер для рассылки. Он идёт к дизайнеру. Дизайнер спрашивает бриф. Маркетолог пишет бриф три часа. Дизайнер делает два варианта через день. Маркетолог не доволен. Ещё итерация. В итоге баннер готов через неделю, а кампания уже неактуальна.

Водитель доставки в Индии живёт в трущобах за час от работы. Просыпается в пять утра, едет на автобусе полтора часа, работает двенадцать часов, едет обратно. Домой приходит в девять вечера. На сон остаётся семь часов. Из которых половину не может заснуть от усталости и шума.

Бренд хочет сделать интеграцию с ютубером. Находит креатора, пишет в директ. Ждёт неделю. Согласовывает условия ещё две недели. Креатор делает видео. Бренд не одобряет. Переделка. Ещё две недели. В итоге одна интеграция занимает полтора месяца. А надо сделать сотню.

Стоматологическая клиника не может найти гигиениста три месяца. Объявления не работают, агентства берут 30% от годовой зарплаты, временные работники ненадёжные. Клиника отменяет приёмы, теряет доход, пациенты уходят к конкурентам.

Tweekly Pro — это:
✅ 10 трендов вместо 3
✅ Доступ к архиву 2,500+ трендов с AI-поиском
✅ Конспекты лучших бизнес-книг
✅ Записи встреч с экспертами
✅ Мини-курсы по поиску бизнес-идей и копированию стартапов

Всего за 990₽/месяц. Окупается многократно, после первой же внедренной идеи.

Увидимся на следующей неделе.

Алексей