Стартап на одном промпте: где кончается хайп ИИ и начинается суждение человека

Иногда самые точные наблюдения об ИИ рождаются не в отчётах аналитиков, а в бытовой жалобе на подбор мебели. Пользователь X @adocomplete весь год не может выбрать кресло для гостиной и honestly признаётся: нейросети хорошо умеют визуализировать варианты, но плохо — объяснять, почему один вариант лучше другого. Через пару часов тот же автор роняет фразу-мем: «prompt goes the startup» — весь продукт стартапа умещается в один промпт. На первый взгляд это два разных наблюдения. На деле — одна и та же проблема современного генеративного ИИ, и разговор о ней важнее, чем кажется.

Дизайн через нейросеть: подбирать — да, объяснять — нет

Модели вроде тех, что стоят за image-генерацией, отлично справляются с перебором: дайте им фото гостиной и запрос «акцентное кресло», и через минуту вы получите десяток вариантов по цвету, форме, материалу. Но дизайнерское решение — это не перебор, а аргумент: почему именно терракотовый велюр, а не серый букле, почему низкая посадка, а не высокая спинка. Этого рассуждения модель дать не может — она не держит в голове ваш конкретный диван, свет из окна и то, что кресло должно пережить кота. Автор твита честно добавляет: «так же плохо это делаю и я сам» — и это ключевая деталь. Проблема не в том, что ИИ хуже человека в объяснении выбора, а в том, что у большинства людей в бытовых решениях тоже нет внятного критерия — они полагаются на вкус и интуицию. ИИ здесь не проигрывает человеку, он честно показывает, что задача «объясни выбор» вообще плохо формализуема, а не то, что её решают плохо.

«Стартап на одном промпте»: ирония, ставшая диагнозом

Вторая реплика — «prompt goes the startup» — язвительный комментарий к волне 2025–2026 годов, когда презентация продукта на питч-дне буквально состоит из системного промпта поверх чужой большой модели. Формально это MVP за один вечер. По сути — отсутствие защитимости: если весь продукт умещается в промпт, конкурент скопирует его за час, а через полгода это же сделает встроенная функция самой модели. Стартап на одном промпте — это ставка не на технологию, а на скорость упаковки чужой технологии в интерфейс. Иногда этого достаточно, чтобы найти нишу и продаться раньше, чем рынок насытится. Но как долгосрочная стратегия это работает ровно до тех пор, пока платформа-поставщик модели не решит, что эта ниша ей самой интересна.

Что объединяет кресло и питч: пределы генеративного ИИ

Оба твита указывают на одну границу текущих LLM и мультимодальных моделей: они великолепны там, где нужно быстро произвести много вариантов, и заметно слабее там, где нужно свести варианты к одному обоснованному решению. Для инструментов вроде Claude Code это не абстрактная проблема, а прямое объяснение, почему ценность агентных систем сегодня измеряется не количеством сгенерированного кода, а качеством ревью, выбора архитектуры, отсечения плохих вариантов — то есть суждением, которое пока остаётся преимущественно за человеком или за более дорогим reasoning-контуром модели, а не за первым же выданным ответом.

Отсюда практический вывод и для дизайна интерьера, и для питчей стартапов, и для работы с агентами: не просите ИИ решить за вас, просите его сузить пространство вариантов и explicitly сформулировать критерии, по которым вы сами сделаете последний шаг. Промпт может быть стартом продукта или обсуждения, но он почти никогда не может быть его концом.