У Димы Гитлина идея обследования фасадов с дронами появилась в 2022 году, когда он, попав в Нью-Йорк, собственными глазами увидел трудности, с которыми сталкиваются инженеры и архитекторы. Три года она хранилась в ожидании своего часа, и в 2025 году Дима наконец решился запустить проект. Он обратился к нам, в Terekhin Digital Crew, чтобы превратить идею в реальность. Так родился проект ADSAN — Advanced Surface / Structural Analysis.

Задача: запуск стартапа с ограниченными ресурсами

Обычно, прежде чем начать, мы проводим интервью с клиентами, чтобы глубже понять их идею и компетенции. Техническим основателям, как правило, нужна помощь с маркетингом, а предпринимателям — с технической разработкой. В случае с ADSAN сложность заключалась в том, что у основателя были отличные инженерные навыки в сфере строительства, что делало его превосходным отраслевым экспертом, но отсутствовали навыки маркетинга и технической разработки, как и бюджет на развитие.

Таким образом, нашей задачей стало в кратчайший срок — за три месяца — обеспечить проект рабочим MVP и запустить трекшен, чтобы создать основу для доверия первых инвесторов.

Стратегия: от дронов к SaaS с AI

Сначала мы определили географические и отраслевые рынки (Technical Due Diligence, Construction QA, Regulatory Compliance) и провели анализ целевых аудиторий. Мы решили сосредоточить продвижение в США и выделили два сегмента: руководители (те, кто принимает решения) и инженеры (те, кто влияет на решение). Это классический подход для IT-компаний, так как инженеры — активные пользователи и часто выбирают технические продукты, а руководители совершают покупку, следуя их рекомендациям.

Затем мы очистили идею от всего лишнего, используя фреймворк «карта ценности». Первое, от чего мы отказались, были сами дроны. Имея собственный парк дронов, можно стать оператором и предлагать услуги инспекции, но это не стартап, а обычный сервисный бизнес, который сложно масштабировать и который не интересен инвесторам.

Мы сосредоточились на главной проблеме инженеров, которая выражалась простой фразой: «Я стал инженером, чтобы анализировать структуры, а не сражаться с отчётами и бюрократией». Нашей целью стала разработка SaaS-сервиса с AI, который бы брал данные с дронов (RGB, LIDAR, IR) и превращал их в полноценные отчёты о состоянии здания, экономя часы работы. Но стандартное распознавание дефектов — это не инновация. Наша уникальность в том, чтобы предложить инженеру готовые выводы на основе найденных дефектов.

Реализация: пионерская программа и MVP

При ограниченном бюджете мы решили сфокусироваться на двух ключевых функциях: точность распознаванияи глубокая интерпретация. Для обучения нашей модели нам требовались реальные данные. Мы решили убить двух зайцев: запустить пионерскую программу ADSAN, которая бы позволила разрабатывать продукт совместно с рынком, получая экспертизу, данные и ранних пользователей в обмен на бесплатный доступ к ранним версиям приложения.

Мы подготовили всю маркетинговую базу: веб-сайт, соцсети, контент-план и список из 260 высококвалифицированных лидов в США. Мы выпустили несколько статей о себе и пионерской программе в отраслевых изданиях, а затем приступили к аутричу в LinkedIn.

Результаты: трекшен и MVP для инвесторов

К окончанию третьего месяца о компании уже были публикации, в пионерской программе зарегистрировались 5 участников (из 20 необходимых для объёма в $1M в год), мы провели две встречи с крупнейшими заинтересованными клиентами, а наш MVP обрабатывал RGB-данные и выдавал подробные отчёты с возможностью экспорта в PDF.

Уже на втором месяце мы получили предложение от акселератора в Испании, но основатель решил собрать больший пул потенциальных акселераторов и инвесторов. К концу третьего месяца у нас был впечатляющий MVP, готовый трекшен из участников пионерской программы и, что самое важное, — питч для инвесторов, в котором каждая деталь была подтверждена практическими результатами.

Если вам интересно узнать больше деталей о проекте — пишите в комментариях. Мы будем рады рассказать всё в деталях.

Спасибо всем, кто дочитал до конца.