У 2026 році говорити про «новий AI‑стартап» означає виходити на ринок, де вже є Zoom, Google та десятки нішевих гравців із власними нотатерами й асистентами. Попри це, Granola — AI‑нотатник і інструмент для конспектування зустрічей, яким керує співзасновник і CEO Кріс Педрегал, — за три роки виріс до оцінки в $1,5 млрд. Його команда зробила ставку не на гучний запуск, а на майже старомодну дисципліну: ручні прототипи, тестування «віч‑на‑віч» і рік закритої роботи до першого публічного релізу.
Це історія не про віральний маркетинг, а про те, як саме будувати AI‑продукт у надщільному ринку: з чого починати, як тестувати, коли виходити в публічний простір — і чому Педрегал радить засновникам тримати продукт у приватному режимі, доки він не стане очевидно кращим за конкурентів.
Від перших LLM‑експериментів до ідеї AI‑нотатника
Ключова відмінність Granola почалася задовго до першого користувача. Педрегал уперше серйозно зіткнувся з великими мовними моделями у 2022 році — приблизно за вісім–дев’ять місяців до запуску ChatGPT. Це був момент, коли LLM ще не стали масовим інструментом, але вже було зрозуміло, що вони змінять робочі процеси.
Він не мав чіткої відповіді, який саме продукт треба будувати, але мав сильне відчуття: ця технологія радикально змінить інструменти продуктивності та робочі застосунки. Далі було дві паралельні лінії мислення.
З одного боку, стратегічне питання: чи є в цьому просторі майбутнє, чи це глухий кут? Чи достатньо великий ринок, щоб виправдати роки роботи? З іншого — прагматичний підхід: замість довгих роздумів потрібно якнайшвидше показати людям щось живе й подивитися, як вони реагують.
Саме ця комбінація — високорівнева впевненість у напрямку плюс готовність «не переосмислювати» деталі на старті — і визначила траєкторію Granola. Команда знала, що хоче працювати в зоні AI‑продуктивності, але конкретну форму продукту мала підказати поведінка користувачів.
Прототипи на HTML і JavaScript: як виглядає «vibe‑coding» до ери vibe‑coding
Сьогодні модно говорити про «vibe‑coding» — коли засновник за допомогою AI‑інструментів швидко збирає напівживий прототип, щоб перевірити ідею. Коли Granola тільки народжувалася, таких інструментів ще не було, але підхід був дуже схожим.
Перші версії Granola не мали нічого спільного з відполірованим продуктом, який зараз використовують команди по всьому світу. Це були елементарні HTML‑сторінки з трохи JavaScript — настільки прості, наскільки це взагалі можливо, але достатні, щоб дати людині «смак» майбутнього досвіду.
Команда зробила кілька різних прототипів на базі LLM, кожен із яких досліджував інший сценарій використання. Більшість із них не зачепили людей: користувачі не відчували особливої цінності, не змінювали свою поведінку, не поверталися до цих інструментів.
Єдиний прототип, який викликав справжню реакцію, був максимально простим: реальний час, нотатник, що «сам» веде конспект зустрічі, з яким можна взаємодіяти. Люди бачили, як текст з’являється й структурується, і їхні очі буквально «загорялися». Ця емоційна реакція стала першим справжнім сигналом, що команда намацала правильний напрямок.
Важливо, що на цьому етапі не йшлося про точні метрики чи A/B‑тести. Рішення ухвалювалися на основі якісних спостережень: чи люди взагалі хочуть цим користуватися, чи готові вони підлаштуватися під інструмент, чи відчувають, що це знімає реальний біль.
150 перших користувачів: чому «друзі й друзі друзів» — це не халтура, а стратегія
Після того як стало зрозуміло, що ідея «розумного нотатника для зустрічей» резонує, постало питання: хто має тестувати продукт далі. Команда не пішла шляхом випадкових бета‑реєстрацій. Навпаки, перший пул користувачів був дуже цілеспрямовано сформований із людей, максимально схожих на самих засновників.
Granola будувалася «для себе» — для технічних і тех‑саві knowledge workers, які живуть у Slack, Linear, Superhuman, Gmail, постійно сидять у дзвінках і вже платять за інструменти продуктивності. Тому перші приблизно 150 активних користувачів — це друзі, колеги й друзі друзів, які працювали в стартапах різного розміру, у технологічних компаніях, у ролях, де час у зустрічах і обсяг інформації критично високі.
Це не просто «зручно дістати» людей зі свого кола. Такий підхід дає дві важливі переваги.
По‑перше, ці користувачі мають реальний бюджет і досвід оплати SaaS‑інструментів. Їхня готовність або неготовність користуватися продуктом — це не абстрактна думка, а сигнал із реального ринку.
По‑друге, вони достатньо технічно підковані, щоб терпіти сирість продукту, але водночас вимогливі до якості. Якщо інструмент не економить їм час або створює зайве тертя, вони чесно про це скажуть — і просто перестануть ним користуватися.
У результаті Granola отримала невеликий, але дуже «щільний» тестовий пул: близько 150 людей, які не соромилися давати фідбек і були схожі на тих, хто згодом стане платними користувачами.
Рік «ручної роботи»: по одному користувачу на день, без публічного запуску
Найрадикальніше рішення Granola — це відмова від класичної стартап‑мантри «launch fast». Замість того, щоб якомога швидше викинути продукт у публічний простір, команда провела приблизно рік у режимі закритого тестування.
Щоденна рутина виглядала майже аскетично. Один або два користувачі на день. Засновники буквально сиділи поруч, дивилися, як людина встановлює продукт, як намагається ним користуватися, де спотикається, що її дратує, що не працює взагалі. Потім поверталися додому, виправляли найболючіші проблеми — і наступного дня повторювали цикл з новою людиною.
Це був не масштабований, не «ефективний» процес у класичному розумінні. Але він давав те, чого не дасть жоден дешборд: глибоке розуміння реальних бар’єрів. На ранніх етапах Педрегал бачив не «очі, що світяться», а навпаки — фрустрацію, розгубленість, невміння отримати обіцяну цінність.
Саме це й було завданням: знайти всі місця, де продукт ламається, де UX не інтуїтивний, де AI поводиться непередбачувано, і прибрати ці «шви» до того, як Granola побачить широка аудиторія.
Ключовий момент: команда свідомо не поспішала з публічним релізом, бо не потребувала його для навчання. Коли щодня бачиш, як реальні люди користуються продуктом, публічний запуск не додає нової інформації — він лише множить кількість людей, які зіткнуться з тими самими проблемами.
Dot‑plot як рентген залученості: як Granola вимірювала, чи продукт «живий»
Попри сильний акцент на якісних спостереженнях, Granola не відмовилася від кількісних сигналів. Щоб зрозуміти, чи продукт справді вбудовується в робочі процеси людей, команда створила просту, але показову візуалізацію — dot‑plot.
У цій схемі кожен рядок відповідав окремому користувачу, а кожна колонка — дню. Якщо людина використовувала Granola на зустрічі в конкретний день, у відповідній клітинці з’являлася точка. Так будувалася своєрідна «теплова карта» використання.
Цей інструмент давав кілька важливих інсайтів.
По‑перше, він показував, чи стає Granola звичкою. Якщо користувач з’являвся в системі лише раз на тиждень або раз на місяць, це один тип сигналу. Якщо ж точки заповнювали майже кожен робочий день, було зрозуміло, що продукт зайняв стабільне місце в його календарі.
По‑друге, dot‑plot дозволяв помічати «провали». Якщо активний користувач раптом переставав з’являтися, це був привід запитати, що пішло не так: технічний баг, зміна робочого процесу, втрата довіри до якості AI‑нотаток чи щось інше.
По‑третє, така візуалізація допомагала відрізнити «ефект новизни» від реальної цінності. Багато інструментів отримують сплеск використання в перші дні, але швидко «вигорають». Якщо через кілька місяців dot‑plot для значної частини користувачів залишався щільно заповненим, це вже нагадувало справжній product‑market fit, а не короткочасний хайп.
У підсумку Granola поєднувала інтуїтивні спостереження («очі світяться чи ні») з дуже конкретним питанням: чи люди повертаються до продукту щодня на своїх реальних зустрічах.
Коли «досить добре» стає «час запускати»: момент публічного виходу
Після приблизно року такого інтенсивного, але локального тестування Granola досягла стану, який команда вважала достатнім для публічного запуску. Це не означало, що продукт був ідеальним. Але для перших 150 користувачів він уже «працював» у практичному сенсі: не ламався на кожному кроці, давав стабільну цінність і не вимагав постійної підтримки з боку засновників.
Саме тоді команда вирішила: настав час вийти за межі кола друзів і друзів друзів. Публічний запуск мав іншу мету — не знайти базові проблеми, а зрозуміти, як продукт поводиться в масштабі, коли користувачі приходять із різними контекстами, технічними навичками й очікуваннями.
Важливо, що до цього моменту Granola вже конкурувала не з абстрактною ідеєю, а з реальними альтернативами. На ринку вже кілька років існували AI‑нотатери від Zoom, Google та інших гравців. Тому внутрішній критерій був простим і жорстким: продукт має бути відчутно кращим за те, що люди вже можуть отримати «з коробки» у своїх основних інструментах.
Лише коли команда відчула цю перевагу — як у якості нотаток, так і в загальному досвіді використання — вона дозволила собі вийти в публічний простір.
Чому Педрегал радить будувати в приваті: нове правило для AI‑стартапів
Класична стартап‑мудрість останніх двох десятиліть звучала приблизно так: «Запускайтеся якомога раніше, навіть із сирим продуктом, і вчіться на реальних користувачах». У світі, де створити софт було складно й дорого, це мало сенс: ризик полягав у тому, що ви роками щось будуєте в тиші, а потім виявляється, що нікому це не потрібно.
AI‑епоха змінила баланс. Тепер створити «щось, що працює» стало набагато простіше. Це означає, що ринок заповнений сирими, недопрацьованими продуктами, які користувачі швидко пробують і так само швидко забувають. На цьому тлі Педрегал формулює майже протилежне правило: будувати в приваті або закритій бета‑версії, доки продукт не стане очевидно кращим за конкурентів.
Його аргументація проста.
По‑перше, коли «будь‑хто може зібрати застосунок», єдиним справжнім диференціатором стає якість досвіду. Люди стали набагато чутливішими до дрібних покращень: вони готові змінювати інструменти заради невеликого, але відчутного приросту зручності чи точності. Але це працює лише тоді, коли покращення справді є.
По‑друге, публічний запуск із сирим продуктом тепер не просто «неідеальний» — він може бути шкідливим. Користувачі, які один раз отримали поганий досвід, рідко повертаються, навіть якщо продукт суттєво покращився. У переповненому ринку в них завжди є альтернатива.
По‑третє, закрите тестування з невеликою, але правильно підібраною групою дає достатньо інформації для швидкого навчання. Якщо щодня бачити, як люди користуються продуктом, немає потреби в тисячах користувачів, щоб зрозуміти, що саме не працює.
Тому, відповідаючи на питання, що б він робив, якби запускався з нуля в 2026 році, Педрегал говорить однозначно: будував би в приваті або закритій бета‑версії, доки не відчув би, що продукт «значимо кращий» за все, що вже є на ринку.
Як цей підхід вписується в епоху «будь‑хто може все закодити»
На перший погляд може здатися, що такий повільний, ручний підхід суперечить духу AI‑епохи, де «будь‑хто може завайбкодити будь‑що». Насправді він є прямою відповіддю на цю реальність.
AI‑інструменти справді радикально знизили поріг входу. Щоб зібрати робочий прототип, більше не потрібна велика команда розробників. Це означає, що на ринок виходить набагато більше продуктів, часто створених соло‑засновниками або дуже маленькими командами. Ринок стає щільнішим, конкуренція — жорсткішою, а шум — гучнішим.
У такому середовищі виграють не ті, хто першим показав щось на базі LLM, а ті, хто довів досвід до рівня, коли користувачі відчувають: «це просто працює краще». Саме тому Granola робить ставку не на те, щоб бути «ще одним AI‑ботом, який заходить у дзвінок», а на контроль користувача над власними нотатками, на відчуття особистого інструмента, а не корпоративного «шпигуна» в зустрічі.
Педрегал проводить паралель із цифровою фотографією. Коли камери стали доступними кожному, професійні фотографи не зникли — навпаки, різниця між «просто фото» і «справді хорошим фото» стала ще помітнішою. Так само й у софті: те, що будь‑хто може зібрати застосунок, не скасовує потреби в продуктах, над якими роками працює команда, що «дбає більше, ніж інші».
Уроки Granola для AI‑засновників
Історія Granola дає кілька чітких уроків для тих, хто сьогодні намагається запустити AI‑продукт.
Перший — починати з технологічного зсуву, але не застрягати в абстракціях. Важливо побачити, що LLM або інша технологія справді змінює правила гри, але конкретну форму продукту має підказати реакція користувачів, а не презентація в Notion.
Другий — робити максимально дешеві, але відчутні прототипи. Прості HTML‑сторінки з JavaScript можуть дати більше інформації, ніж місяці розробки «правильної» архітектури. Головне — щоб люди могли «помацати» майбутній досвід.
Третій — ретельно обирати перших користувачів. Друзі й колеги — це не «упереджена вибірка», якщо вони схожі на вашу цільову аудиторію за поведінкою, бюджетом і вимогливістю до інструментів.
Четвертий — не боятися повільного, ручного тестування. Спостерігати за одним‑двома користувачами на день може здаватися неефективним, але на ранніх етапах це найшвидший спосіб виявити справжні бар’єри.
П’ятий — вимірювати не лише «очі, що світяться», а й реальну поведінку. Простий dot‑plot, де кожен день використання позначений точкою, може стати набагато чеснішим індикатором product‑market fit, ніж будь‑які vanity‑метрики.
І нарешті, шостий — не поспішати з публічним запуском. У світі, де користувачі перевантажені AI‑продуктами, перше враження стало дорожчим, ніж будь‑коли. Якщо продукт не відчувається помітно кращим за альтернативи, краще ще трохи побути в тіні.
Висновок: якість як єдина стратегія в перенасиченому AI‑ринку
Granola вийшла на ринок, де AI‑нотатери існували вже сім–вісім років, а великі гравці на кшталт Zoom і Google мали власні рішення. Попри це, продукт Кріса Педрегала зумів не просто вижити, а й вирости до оцінки в $1,5 млрд за три роки. Ключовим фактором став не маркетинг і не першість, а безкомпромісний фокус на якості досвіду — від перших HTML‑прототипів до року закритого тестування з 150 користувачами.
У 2026 році, коли «будь‑хто може зібрати AI‑інструмент», цього вже недостатньо, щоб просто бути на ринку. Єдине, що справді має значення, — наскільки добре працює ваш продукт у руках реальних людей. І в цьому сенсі підхід Granola — будувати в приваті, тестувати «віч‑на‑віч», вимірювати щоденну поведінку й виходити в публічний простір лише тоді, коли ви впевнені у своїй перевазі, — виглядає не обережністю, а новою нормою для AI‑стартапів.
Джерело
YouTube: $1.5B AI Founder: The ONE Rule for Building an AI Startup in 2026