**Попросили добавить пояснение, итак:

1.** У обычного SaaS себестоимость почти не растёт с каждой новой операцией. У AI-продукта - растёт.

Каждый новый запрос = реальные расходы: токены, GPU, инференс.

Поэтому AI внедряют только туда, где он окупает себя- в шаги, которые двигают деньги: где повышается конверсия, падает AHT/TTR, снижаются списания, растёт ARPU или retention.

2. Классическая модель seat-pricing (“за пользователя в месяц”) не работает. AI имеет переменную себестоимость, значит, цена тоже должна её отражать.

Используем usage-метрики: запросы, токены, минуты, тарифные лимиты, апселлы на «большой контекст».

3. Метрики делим на три уровня: Model quality - точность, релевантность, “не галлюцинирует”.

Adoption / Usage - насколько активно пользуются и возвращаются.

Business value - сколько денег, экономии или времени это реально принесло.

4. Для каждого AI-сценария ищем свой North Star Metric (NSM) - ту единственную метрику, которая соединяет ценность для пользователя и деньги для бизнеса.

PMF в AI = доказали влияние на NSM и убедились, что эффект окупает стоимость модели

5. Нужно за 2–3 недели дешёвым способом проверить гипотезу:

«Если AI появится в точке X, метрика Y изменится на Z %».

Как это делается:

  • узкий сценарий (один тип вопроса),
  • лёгкая архитектура (RAG + open-source модель),
  • 3–5 % трафика,
  • одна главная метрика и kill-критерий.

Например,

Гипотеза для e-commerce: Если добавить ассистента в карточку сложных товаров (например, смартфоны или ноутбуки), который помогает выбрать модель по критериям пользователя, то конверсия «просмотр → в корзину» вырастет на +3 %.

1. Сценарий: ассистент помогает ответить на вопрос типа: «Какой смартфон лучше для фото до 30 000 ₽?» или «В чём разница между этой и той моделью?»

Выбираем категорию с длинным выбором (смартфоны, ноутбуки, телевизоры).

2. Лёгкая архитектура: Используем RAG-подход: поиск по характеристикам товаров и отзывам.

Генерация на открытой модели с короткими промптами.

Без сложного UI: просто кнопка «Спросить совет» на карточке товара.

Инференс ≈ 0,1–0,2 ₽ за вызов, бюджет пилота до 150 000 ₽.

3. Ограничение масштаба: Только 1 категория («смартфоны»). Только 5 % трафика. Только в мобильной версии сайта.

4. Главная метрика (NSM): Conversion Rate “просмотр → корзина” Поддерживающие метрики: CTR кнопки «Спросить совет» (engagement), среднее время в карточке, стоимость инференса / ROI.

5. Kill-критерий: через 3 недели: uplift < +1 % в CR → останавливаем, стоимость инференса > ценности → пивотим.

Что получили: Через 3 недели видим: CTR кнопки «Спросить совет» = 18 %, CR «просмотр → корзина» + 2,7 %, ROI ≈ 3,5 (дополнительная выручка > стоимости инференса в 3,5 раза).

Тут дальше всплывает вопрос: а как масштабировать?

Об этом в следующем посте.