Product Radar
Привет! Меня зовут Егор, я фаундер Pitchy.pro — платформы для быстрой проверки продуктовых и стартап-гипотез.
Pitchy помогает предпринимателям и продуктовым командам изучить рынок, проанализировать конкурентов, определить целевую аудиторию и провести первичную валидацию идеи перед тем, как погружаться в разработку.
В этой статье расскажем, что дал нам грант Polza.ai и как это помогло развить наш продукт.
Pitchy.pro
Продукт недели #1
Спец-награда «Выбор Polza.ai»
Проверяем стартапы на жизнеспособность: спрос, рынок, конкуренты и гранты — в одном месте.
Как работает Pitchy
Одна из ключевых фич нашего продукта — синтетические проблемные интервью. Платформа генерирует портреты представителей ЦА, моделирует с ними диалоги, анализирует ответы и формирует готовый отчет с ключевыми потребностями, возражениями и выводами по гипотезе.
Мы не пытаемся полностью заменить глубинные исследования и разговоры с живыми пользователями. Наша задача — помочь команде быстро протестировать исходные предположения, подсветить слабые места идеи и точно понять, какие вопросы требуют более глубокого изучения.
Мы используем искусственный интеллект практически во всем основном сценарии Pitchy. Модели помогают нам анализировать исходную идею, формулировать продуктовую гипотезу, искать информацию о рынке и конкурентах, определять сегменты аудитории, создавать пользовательские портреты, проводить синтетические интервью и анализировать их результаты.
При этом технически наш продукт это не только чат, который отправляет вопрос пользователя в одну LLM и возвращает ответ. Один запрос может проходить примерно через 5-7 последовательных этапов.
Один ответ Pitchy — это несколько ИИ-моделей и 5-7 этапов обработки.
Сначала система определяет задачу и собирает необходимую информацию. Часть данных мы получаем из собственной базы знаний через RAG. Если нужно, дополняем актуальной информацией из интернета. Затем найденные материалы разбиваются на смысловые фрагменты.
Отдельная модель выполняет reranking: оценивает их релевантность и выбирает наиболее полезный контекст. После этого к работе подключается аналитический рой ИИ-агентов, которые рассматривают задачу с разных сторон и формируют промежуточные выводы.
Все результаты получает основная модель, которая собирает итоговый ответ.
Последний этап — дополнительная проверка. Система повторно анализирует факты и цифры, ищет возможные противоречия, ошибки и галлюцинации. Только после этого результат показывается пользователю.
Почему нам понадобилось около 20 разных моделей
Сейчас под капотом Pitchy работает около 20 моделей, включая семейство Qwen, DeepSeek, GLM и решения от OpenAI.
Мы быстро поняли, что делать ставку на одну универсальную модель для всех операций неэффективно. Для одной задачи критически важен глубокий reasoning, для другой минимальная задержка. Где-то отлично справляется легкая и недорогая модель, а где-то нужен «тяжеловес».
Поэтому архитектура разбита на роли: одни модели отвечают за поиск и обработку данных, вторые за reranking, третьи встроены в аналитических агентов, а финальные модели верифицируют факты и собирают итоговый ответ. Это избавляет от необходимости гонять каждый промежуточный запрос через самую дорогую модель и позволяет ювелирно балансировать между качеством, скоростью и стоимостью.
Однако гибкость породила проблему — инфраструктура начала стремительно усложняться.
На раннем этапе главным барьером стала доступность и стабильность провайдеров. У каждого поставщика свой набор моделей, свои SLA и плавающее качество. Бывало так, что нужная модель просто отсутствовала, а в моменты пиковых нагрузок рос latency. Для Pitchy задержки критичны: запрос пользователя проходит через цепочку последовательных этапов, и если каждый из них проседает даже на секунду, в итоге это выливается в раздражающее ожидание.
Вторая проблема — скорость экспериментов. В ИИ-стартапе невозможно заранее угадать, какая модель покажет себя лучше на конкретном шаге. Это проверяется только на практике: через тесты на реальных сценариях, замеры метрик и пересборку пайплайна. Но интегрировать нового провайдера и настраивать инфраструктуру ради каждой новой гипотезы — непозволительная трата инженерных ресурсов для стартапа.
Как грант для стартапов помог больше экспериментировать
В этот момент мы узнали о грантовой программе Polza.ai для стартапов
Чтобы принять участие, нужно было коротко рассказать о продукте и отправить ссылку на его страницу на Радаре.
Я написал команде Polza.ai, рассказал о Pitchy.pro и задачах, для которых нужен доступ к LLM-моделям. После этого нам подключили грантовый баланс, который мы смогли использовать на реальные запросы к моделям без отдельной инфраструктуры и интеграций с несколькими провайдерами.
Для нас ценность гранта была не только в бесплатном балансе на использование моделей. Он дал возможность проводить больше продуктовых экспериментов, не увеличивая пропорционально расходы на ИИ-инфраструктуру.
Вместо того чтобы заранее выбирать одну модель и пытаться строить вокруг нее весь продукт, мы смогли сравнивать разные варианты на реальных задачах Pitchy.
Например, проверили, какая модель лучше справляется с аналитическим агентом, какая быстрее обрабатывает промежуточные операции, а какую выгоднее оставить только для наиболее сложных этапов.
Для раннего стартапа это важно: значительная часть разработки состоит именно из таких экспериментов, но каждый эксперимент с нейронками это еще и реальные расходы на inference.
Грант позволил снять часть этого ограничения.
Единая инфраструктура оказалась не менее важна, чем сам грант
Второй важный для нас фактор — возможность работать с большим количеством моделей через одну инфраструктуру Polza.ai.
Нам не пришлось создавать отдельную интеграцию для каждого нового поставщика. Подключение оказалось простым, поэтому существующую архитектуру Pitchy не нужно было перестраивать.
В результате, если появляется новая интересная модель, это не обязательно = новый интеграционный проект.
Мы можем быстрее подключить ее, прогнать на нужных сценариях, сравнить с текущими решениями и понять, есть ли смысл включать ее в продукт. Для небольшой команды это экономит не только деньги, но и время разработки.
Что изменилось для Pitchy после гранта
После подключения гранта мы смогли протестировать 16 передовых моделей, которые хотели использовать в своей инфраструктуре. Стало проще сравнивать разные варианты между собой и распределять их по отдельным этапам ИИ-пайплайна.
При этом команде не нужно поддерживать множество отдельных интеграций с поставщиками — доступ к моделям собран в одной инфраструктуре. Это особенно полезно именно на текущей стадии Pitchy.
Архитектура нашего продукта еще развивается. Мы постоянно проверяем новые подходы, меняем роли моделей внутри системы и ищем более эффективный баланс между качеством ответа, скоростью и стоимостью. Поэтому возможность быстро попробовать новую модель для нас ценнее, чем привязка к одному конкретному провайдеру.
Куда мы идем дальше
Сейчас мы хотим улучшать прежде всего качество синтетических интервью и формирование портретов целевой аудитории.
Еще одно большое направление — развитие аналитического роя ИИ-агентов и механизмов проверки результатов. Мы хотим, чтобы выводы Pitchy становились не только точнее, но и лучше проверялись: меньше галлюцинаций, меньше противоречий в цифрах и больше понятных оснований для каждого вывода.
Также будем расширять внутреннюю базу знаний и экспериментировать с новыми моделями по мере их появления.
В перспективе Pitchy должен помогать командам не только на этапе первичной проверки идеи, но и дальше, при проведении исследований, развитии продукта, подготовке к запуску и участии в акселерационных программах.
Почему такая поддержка важна для стартапов
Для стартапа инфраструктура быстро становится отдельной статьей расходов. Чтобы найти подходящую архитектуру, недостаточно один раз выбрать хорошую модель. Нужно постоянно тестировать новые решения, сравнивать их и иногда ошибаться. Поэтому грант Polza.ai стал для нас в первую очередь возможностью экспериментировать быстрее.
Мы смогли направить больше ресурсов на развитие самого продукта, а не на оплату каждой технической гипотезы или поддержку интеграций с разными поставщиками.
А награда «Выбор Polza.ai» стала приятным подтверждением того, что подход, который мы строим в Pitchy, интересен не только нам и нашим пользователям.
Для молодого продукта такая поддержка дает самое ценное — дополнительное пространство для экспериментов.
Будем рады поддержке лайком и комментом на Product Radar:
Pitchy.pro
- Продукт недели #1
- Спец-награда «Выбор Polza.ai»
Проверяем стартапы на жизнеспособность: спрос, рынок, конкуренты и гранты — в одном месте.
⭐️ Эту статью написал «Друг Радара». Вы можете добавить свою статью или обсудить ее идею с нами в боте. Мы поможем на всех этапах подготовки и публикации статьи, а также разметим ее в сторисах нашего Telegram-канала @productradar_official. Редакция Блогов Product Radar бережно сохранила авторский стиль, орфографию и пунктуацию.
