Живое исследованиеОбновлено 17 авг., 15:47

Unreal Labs · evidence-программа

AI Work
Economics.

Проверяем, готовы ли компании платить за стоимость принятой AI-работы — а не за ещё один dashboard токенов и лимитов.

Главный denominator

(provider + infra + failures + review + engineering) / принятый успешный workflow

Качество treatment должно оставаться в preregistered non-inferiority ε.

Как мы к этому пришли

research runs

26 discovery · 10 audit · 4 adversarial

813

канонических claims

canonical ledger; private expert signals считаются отдельно

611

source URLs

543 технически доступны

противоречий

храним явно, не усредняем

продуктов / сущностей

capability и market map

company cases

12 prior + 8 bounded Spend Management cases

/01

Путь исследования

Мы не прыгаем сразу к продукту.

Каждый этап убирает отдельный класс самообмана: от иллюзии согласия до ложной экономии и выдуманного спроса покупателей.

Сейчас06 / 09

Данные от покупателей и операторов

Вышли из интернета в реальность

Spend Management добавил 8 company-like reports и 3 respondent generalizations поверх двух ListenLabs ответов. Выборка показывает account/seat surface, неполный tracking и policy tightening, но всё ещё не даёт buyer-grade authority, artifacts, WTP или paid pilot.

8 bounded company cases · 2 operator responses · 0 buyer confirmations

/02

После 40 исследовательских запусков

Что пережило проверку.

Это не финальное решение о продукте, а текущий набор тезисов, которые не сломались после независимого аудита и попыток опровержения.

Метрикавыжило

Полная стоимость одного принятого успешного workflow

Токены, seats и экономия по list price — промежуточные переменные, а не бизнес-результат.

Первый wedgeусловно

Customer-controlled audit до control layer

Subscription/entitlement audit проще проверить; workflow economics сильнее как moat, но требует outcome data.

Поверхностивыжило

Account, seat, repo и personal spend важнее API-only view

6/8 bounded cases явно содержат account/seat/personal surface; это pattern внутри выборки, не prevalence.

Архитектуравыжило

Cross-surface evidence + approved change вместо hard budgets

Claude Enterprise уже даёт member limits; Cloudflare — multi-provider dollar budgets. Generic enforcement не wedge.

Не продуктовая ниша

Что мы перестали продавать самим себе

01Generic tracing / observability как самостоятельный wedge

02Hard budgets и alerts как дифференциация

03Universal benchmark comparison без task-specific evals

04Сэкономленные токены как главная outcome-метрика

05Funding, logos, stars или keyword volume как customer demand

/03

Конкурирующие гипотезы

Восемь способов оказаться неправыми.

Выбери гипотезу: справа — текущая оценка, контргипотеза и конкретный признак опровержения. Открытая гипотеза означает ровно «открыта», а не «почти доказана».

Возможный wedgeH-A

Атрибуция остаётся ручной, но invoice-grade точность и срочность ещё не доказаны.

Компании видят общий AI-spend, но не могут надёжно связать его с workflow, фичей, пользователем, агентом или инженерным решением.

Контргипотеза

Текущие billing, gateway и observability-системы уже дают покупателям достаточную атрибуцию.

Что её опровергнет

Несколько репрезентативных компаний распределяют spend по принятым бизнес-результатам с минимальным ручным трудом в текущих инструментах.

/04

Первичные данные · Spend Management + operator

Видим governance gap. Standalone budget пока не видим.

Восемь bounded company cases показывают account/seat surface, неполный tracking и restrictive controls. Но это convenience sample: quantified loss, measured savings, buyer authority, artifacts, WTP и paid pilots всё ещё на нуле.

6/8

account / seat / personal surface

API-only продукт пропустит заметную часть наблюдаемой картины

7/8

tracking отсутствует или существенно неполон

Это visibility gap, не доказательство готовности покупать

5/8

caps, eligibility, запрет или approval

Текущий job часто governance, а не model optimization

Evidence boundary

8 case-like reports + 3 generalizations. Convenience sample; per-case names скрыты, counts не являются процентами рынка.

0 quantified loss0 measured savings0 WTP0 artifacts0 paid pilots

Decision

62,5/100: validation opportunity, не build-now decision

Сначала сравнить два bounded audit offer. Платформу строить только после paid/budgeted evidence в одном wedge.

“Internal visibility уже отвечает «где возник расход», но в ответах нет систематической связи с accepted outcome — «было ли оно того». Это directionally поддерживает outcome-aware accounting, не доказывая demand.”

Текущий рабочий процесс

Два режима: invoice-led forensics через logs/reports и launch-time containment через monitoring/caps; дальше — homegrown attribution и manual quality review.

Блокер внедрения

Internal-build momentum, сомнение в incremental net savings и отсутствие приемлемого способа передать даже redacted artifacts.

стартов

завершено

подтверждений покупателя

артефактов

согласий на пилот

квота инженеров

2 completes внутри broad Engineering segment: Engineering IC + Product owner. Buyer/signatory coverage по-прежнему 0; нужен responsibility gate, а не только role label.

Buyer signal · conflictingCASE-010 · CASE-011 · EXP-001 · EXP-002 · EXP-003

Категория распознаётся. Покупатель пока расходится.

Что услышали

Private investor предположил CFO и запросил deep insights + monitoring. Product owner из CASE-011 назвал CTO владельцем бюджета и signatory, а internal attribution — уже достаточным.

Что меняем

Проверять CFO/Finance и CTO/AI Platform как отдельные buying paths; generic reconciliation dashboard стал ещё слабее, external tool должен доказать incremental net savings.

Чего это не доказывает

Это один investor opinion и два non-buyer interviews. WTP, authority, urgency, customer artifact и пилот по-прежнему не подтверждены.

/05

Библиотека оптимизаций

Что вообще можно оптимизировать.

Одиннадцать рычагов: безопасные структурные ограничения, изменения за гейтом оценки и решения, зависящие от загрузки и операционной экономики.

LEV-001Кэширование промптаПовторно использовать стабильные префиксы prompt/context через provider prompt caching.средняя

LEV-002Пакетная обработкаАсинхронная batch-обработка у провайдера.низкая

LEV-003Маршрутизация моделейРаспределять или каскадировать задачи между дешёвыми и сильными моделями.высокая

LEV-004Сокращение контекстаУбирать лишний context, system и tool payload, сохраняя состояние задачи.высокая

LEV-005Стратегия capacityВыбирать pay-as-you-go или provisioned throughput по реальной утилизации.высокая

LEV-006Бюджеты и квотыОграничивать budgets и alerts по проекту, команде или ключу.средняя

LEV-007Контроль loops и retriesОграничивать retries и находить no-progress или tool loops.средняя

LEV-008Self-hosted моделиИспользовать fine-tuned open-weight или self-hosted модели для подходящих turns.высокая

LEV-009Отложенная загрузка toolsЗагружать через tool search только релевантные schemas.не указана

LEV-010Выполнение через кодГде безопасно, заменять разговорную tool choreography на code execution или CLI.не указана

LEV-011Семантический кэшПовторно использовать семантически эквивалентные ответы, а не только byte-identical prefixes.не указана

/06

Гейты решения

Что должно случиться до решения о пивоте.

Исследование по открытым источникам закончено. Остальные доказательства нельзя получить ещё одним красивым отчётом — нужны люди, приватные данные и парный эксперимент.

Подтверждение покупателя

15 authority conversations; ≥3 recent incidents; ≥2 artifact/signer commitments

сейчас2

Доступ к данным

≥1 redacted sample или customer-controlled zero-export join

заблокирован0

Техническое подтверждение

База против изменения на 50–100 реальных задачах

в очереди0

Коммерческое подтверждение

≥1 paid/budgeted audit для proof; ≥2 pilots в одном wedge до narrow MVP

заблокирован0

Коммерческий риск

Технический пробел может существовать без отдельного большого бизнеса.

K01 · рыноксредне-высокая

Модели дешевеют быстрее, чем растёт полезное потребление.

K02 · конкуренциявысокая

Существующие инструменты уже закрывают достаточно workflow.

K03 · платформавысокая

Провайдеры коммодитизируют независимые cost controls.

K04 · архитектуравысокая

Central proxy видит слишком мало трафика или создаёт security risk.

K05 · валидациявысокая

Цена task-specific evals съедает найденную экономию.

K06 · коммерциявысокая

Нет владельца одновременно с болью и бюджетом.

K07 · правонеизвестно

Data access и terms блокируют deployment.

K08 · moatвысокая

Dashboard и recommendations легко копируются и не создают moat.

Текущий тезис · 62,5/100: validation opportunity, не build-now decision

Audit first.
Control layer — только после оплаты.

Возможная ниша — customer-controlled reconciliation, cost per accepted outcome и approved intervention. Generic limits, dashboards и gateway budgets уже закрываются incumbents. Покупатель, signer, WTP и recurring budget пока не доказаны.

Вернуться к этапам