AI due diligence: как венчурные фонды оценивают AI-стартапы в 2026 году

Венчурный рынок пережил период, когда для привлечения финансирования AI-стартапу достаточно было продемонстрировать впечатляющий демо-ролик и сослаться на рост ChatGPT. Этот период закончился. В 2026 году инвесторы применяют к AI-компаниям значительно более строгие критерии оценки, и процесс due diligence стал специализированным.

Первый и ключевой вопрос — защитимость. Если стартап строит приложение поверх API крупного провайдера моделей, что мешает конкуренту повторить то же самое за три месяца? Инвесторы ищут proprietary data, уникальные pipeline обработки данных, сложные интеграции с корпоративными системами — всё, что создаёт барьер для копирования.

Второй вопрос — unit economics с учётом стоимости inference. Многие AI-стартапы обнаружили, что gross margin значительно ниже, чем у традиционного SaaS, потому что стоимость вычислений при каждом запросе съедает маржу. Инвесторы детально анализируют cost per query, тренд стоимости inference и зависимость от конкретного провайдера моделей.

Технический due diligence углубился. Фонды нанимают AI-экспертов для оценки качества моделей, архитектуры данных и технического долга. Вопросы включают: использует ли стартап fine-tuning или prompt engineering? Насколько зависим от конкретной модели? Как устроена система оценки качества? Есть ли flywheel эффект — улучшается ли модель с ростом использования?

Данные стали валютой. Стартапы с уникальными, труднодоступными датасетами оцениваются выше. Инвесторы проверяют: откуда данные, есть ли лицензионные права, соблюдаются ли регуляторные требования, как организовано обновление. Компании, которые генерируют proprietary данные через свой продукт, получают премию.

Команда оценивается иначе, чем для традиционных стартапов. Наличие исследователей из ведущих AI-лабораторий по-прежнему ценится, но инвесторы всё чаще ищут баланс между ML-экспертизой и отраслевым знанием. Стартап, где CTO из DeepMind, но никто не понимает целевую отрасль, вызывает больше скепсиса, чем два года назад.

Регуляторный риск стал обязательным пунктом проверки. EU AI Act, ожидаемое регулирование в США, отраслевые стандарты — инвесторы оценивают, насколько стартап готов к ужесточению требований. Компании в высокорисковых категориях (здравоохранение, финансы, HR) проходят дополнительную проверку.

Retention и engagement анализируются глубже, чем для обычного SaaS. AI-продукт может впечатлить при первом использовании, но потерять пользователя через неделю, когда новизна проходит. Инвесторы смотрят на daily active usage, не только на monthly metrics. Важно, становится ли продукт привычкой или остаётся игрушкой.

Конкурентный ландшафт оценивается в трёх измерениях: другие стартапы, крупные платформы и вероятность того, что провайдер модели сам займёт эту нишу. Последний фактор — так называемый platform risk — стал одним из главных страхов инвесторов после того, как OpenAI и Google неоднократно выпускали продукты, конкурирующие с компаниями в их экосистеме.

Оценки скорректировались. Медианный мультипликатор для AI-стартапов на стадии Series A снизился с 100x ARR в 2023 году до 30-50x в 2026-м. Это всё ещё премия к традиционному SaaS, но инвесторы стали рациональнее. Дисциплина возвращается.

Для фаундеров новая реальность означает необходимость подготовки к значительно более глубокой проверке. Время, когда привлекательная презентация и известный акселератор гарантировали раунд, прошло. Побеждают компании с реальными метриками, понятной экономикой и доказуемой защитимостью.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.