Zrób zdjęcie i kasuj gotówkę: Dwóch licealistów wyciągnęło 30 milionów dolarów z tego wzoru. Ty też możesz go skopiować

Otwierasz App Store, wpisujesz „AI”, a w pierwszej pięćdziesiątce wyników dziesięć to aplikacje ze zdjęciami. W ciągu ostatnich dwóch lat prawdziwe pieniądze w AI zarabiały produkty, które wyglądały wręcz żałośnie. To nie były wszechstronne modele, z którymi pogadasz o filozofii, napiszesz kod czy wygenerujesz film. To były takie drobnostki o tak banalnej funkcji, że aż pytałeś siebie: „Za to jeszcze komuś płacą?”. Wyciągasz telefon, robisz jedno zdjęcie, aplikacja rzuca ci jedno zdanie, a ty co miesiąc przelewasz za to 10 dolarów.

Zacznijmy od najboleśniejszych liczb.

Aplikacja o nazwie Cal AI ma tylko jedną funkcję: robisz zdjęcie swojego talerza, a ona mówi ci, ile ma kalorii. Stworzyło jej dwóch 17-letnich licealistów, a premiera odbyła się w maju 2024 roku. 18 miesięcy później: ponad 15 milionów pobrań, a roczny przychód przekroczył 30 milionów dolarów. W grudniu 2025 roku zostali przejęci przez MyFitnessPal, a cały 7-osobowy zespół dołączył do nowej firmy. Forbes przewiduje, że w 2026 roku przychody sięgną 50 milionów dolarów.

7 osób. Jedna funkcja ze zdjęciem. 30 milionów dolarów.

Kryje się za tym powtarzalny zestaw kryteriów weryfikacyjnych, który sprawdził się już nie raz. Dziś rozkładam te warunki na czynniki pierwsze, a przy okazji pokazuję ci, co zrobić, jeśli „nie umiesz programować”.

1. Użytkownicy nie potrzebują informacji — potrzebują tego, żeby nie musieli myśleć

Większość ludzi tworzących produkty źle diagnozuje ból użytkownika. Myślą, że klientowi brakuje informacji – wystarczy mu ją podać, a on zapłaci.

Błąd. W 2026 roku informacje nie mają żadnej wartości. Chcesz wiedzieć, ile kalorii ma porcja spaghetti? Wyszukiwarka w trzy sekundy wypluje ci dwadzieścia odpowiedzi – i to za darmo.

Na jakiej zatem podstawie Cal AI kasuje pieniądze?

Bo osoba na redukcji, która idzie do restauracji i dostaje menu z dwudziestoma daniami, rozumie każde z nich, ale nie ma pojęcia, co zamówić. Czy to dużo tłuszczu? Czy węglowodany wystrzelą w kosmos? Jeśli zjem to dziś, to czy jutro muszę odrabiać treningiem? Teoretycznie musiałaby: rozpoznać składniki, oszacować gramaturę, sprawdzić gęstość kaloryczną każdego z nich, dodać to wszystko do siebie i na koniec porównać z limitem, który został jej na dziś. Ten cały proces zajmuje pięć minut. Trzy posiłki dziennie, dziewięćdziesiąt w miesiącu.

To jest dokładnie to, co w ekonomii behawioralnej nazywa się zmęczeniem decyzyjnym: im więcej decyzji podejmujesz, tym gorsza jest jakość tych kolejnych. Użytkownikowi nie brakuje więc informacji. Brakuje mu jednego, pewnego odpowiedu, który kazałby mu zamknąć gębę i po prostu działać.

Ktoś to zrobił: robisz zdjęcie menu, a AI od razu mówi ci, co masz zamówić. Dziesięć minut agonii i wahania kompresuje się w trzysekundową decyzję.

Aplikacje tego typu radzą sobie teraz świetnie. Weźmy na celownik MenuFit z App Store: ponad milion pobrań, 4.8 gwiazdki, 53 900 ocen, a podstawowa subskrypcja kosztuje 9.99 dolców miesięcznie. W kategorii aplikacji subskrypcyjnych produkt z milionowymi pobraniami i dziesięciodolarowym abonamentem to w pełni realny, istniejący model biznesowy.

2. Trzy warunki filtrujące – brak choćby jednego i całość się sypie

Połóż te przypadki jeden na drugim, a wyłaniają się trzy kryteria selekcji – to filtr do wyboru kierunku, a nie gotowy wzór biznesowy:

Scenariusze wysokiej częstotliwości × Dylemat wyboru × Wprowadzanie przez zdjęcie

Dlaczego to zaczyna działać dopiero w 2026 roku? Bo pierwsze dwa warunki istniały od dawna, a trzeci został odblokowany dopiero, gdy dojrzały modele multimodalne. Kiedyś każenie użytkownikowi ręcznego wpisywania „150 g piersi z kurczaka, 100 g brokułów” oznaczało koszty wejścia wyższe niż samodzielne liczenie – taki produkt był skazany na porażkę. Dziś „podnieś telefon” to jedyna wymagana akcja: koszt spada z „wpisania trzydziestu znaków” do „jednego kliknięcia”. Dopiero wtedy te trzy warunki wreszcie się łączą.

Rozłóżmy to po kolei – większość ludzi potyka się na jednym z tych elementów.

Warunek pierwszy: wysoka częstotliwość

Musi dziać się przynajmniej raz dziennie, najlepiej trzy. Jedzenie to idealny scenariusz – trzy razy dziennie, tysiąc razy w roku. Jeśli użytkownik otwiera Twoją aplikację trzy razy dziennie, psychologiczna bariera przed płaceniem spada do niewyobrażalnie niskiego poziomu. Z kolei potrzeba typu „pomóż mi policzyć, który plan kredytu hipotecznego wybrać” pojawia się w życiu dwa razy – możesz zedrzeć z tego tylko jednorazową zapłatę, a jednorazowa zapłata oznacza, że do końca świata musisz kupować ruch.

Warunek drugi: dylemat wyboru

Użytkownik musi znaleźć się w momencie, w którym musi podjąć decyzję natychmiast, ale nie jest w stanie tego zrobić. Przed menu, na półce w sklepie, z kartą win w dłoni – to są punkty zatorowe decyzyjne. Natomiast „chcę poznać dietetykę” nie jest zatorym – to nauka, a nauka nie jest pilna; pilność potrzeb niepilnych konwertuje na płatności na poziomie mikroskopijnym.

Decyzje podejmowane pod presją emocjonalną mają jeszcze jedną cechę: użytkownik płaci za ulgę, a nie za informacje. Osoba na diecie podczas kolacji ze znajomymi podnosi telefon, robi zdjęcie, odczytuje „320 kcal”, a potem z ulgą zjada posiłek. Nie kupuje danych o 320 kcal — kupuje w tamtym momencie uwolnienie od dylematu. I to jest prawdziwe źródło gotowości do zapłaty.

Warunek trzeci: wprowadzanie danych przez zdjęcie

Modele multimodalne to silnik napędowy tej fali. W raporcie TechCrunch wspomniano, że dokładność rozpoznawania w Cal AI wynosi około 90% — nie 100%. Dla osoby na diecie 90-procentowo dokładna odpowiedź w trzy sekundy jest o wiele cenniejsza niż 100-procentowo dokładna odpowiedź w pięć minut. Odchudzanie to gra statystyczna, a nie ścisła nauka; średni dzienny błąd na poziomie < 5% jest absolutnie wystarczający.

Trzy: pięć kroków od zera do wdrożenia

Wykonaj poniższe pięć kroków, dokładnie w takiej kolejności.

Krok pierwszy: wybierz scenariusz, a nie funkcję

Weź kartkę papieru i zapisz momenty z własnego życia, kiedy „musisz podjąć decyzję natychmiast, ale za każdym razem wahasz się przez chwilę”. Zapisuj tylko sytuacje, w których samemu naprawdę utknąłeś — nie te, w których tylko zgadujesz, że inni mogliby mieć problem. Oto kilka kierunków do inspiracji:

• Karta w barze: który drink ma najmniej kalorii (żelazna potrzeba osób aktywnych fizycznie, a ta grupa ma dużą siłę nabywczą)
• Przekąski w sklepie typu convenience: zrób zdjęcie tyłu opakowania, a aplikacja powie Ci, czy możesz to zjeść podczas redukcji
• Jedzenie na lotnisku / dworcu: masz dwa godziny na przesiadkę — jak zjeść, żeby nie zrujnować diety
• Skład produktów w supermarkecie: zrób zdjęcie listy składników i sprawdź, czy nie ma tam czegoś, czego unikasz

Ten ostatni kierunek już wystrzelił. Seed Oil Scout, aplikacja pomagająca użytkownikom omijać restauracje i produkty z olejami z nasion, może pochwalić się otwartymi danymi: ponad 1 milion pobrań, 4.8 gwiazdki i 14 tysięcy opinii. Wewnątrz aplikacji od razu zbudowano sklep, gdzie użytkownicy mogą kupić certyfikowane produkty — twórcy żną zyski z dwóch źródeł jednocześnie: opłat za subskrypcję i prowizji afiliacyjnej.

Krok drugi: Weryfikuj z wykorzystaniem danych z niszy, nie używaj Google Trends

Gdy wybierzesz już scenariusz, nie pisz od razu kodu. Poświęć dwadzieścia minut na weryfikację, czy popyt faktycznie istnieje, czy to tylko twoje własne urojenia.

Ale najpierw ostrzeżenie o pewnej pułapce: metoda oparta na Google Trends i podpowiedziach w wyszukiwarce nie sprawdza się w przypadku ruchu w aplikacjach. Zachowania użytkowników w App Store zupełnie różnią się od tych w Google, a kryteria oceny popularności słów kluczowych również są inne. Cal AI wcale nie wyrosło na ruchu z Google — jego sukces opiera się na współczynniku konwersji z wideo na TikToku i pozycji w rankingach Product Hunt.

Właściwa metoda weryfikacji to:

1. Otwórz App Store, połącz VPN z rynkiem docelowym (np. regionem USA), wpisz swoje główne angielskie słowo kluczowe (np. menu calorie) i sprawdź, czy w pierwszej dziesiątce wyników są podobne aplikacje, które przekroczyły 100 tys. pobrań i wciąż otrzymują aktualizacje.
2. Wejdź na Sensor Tower (platformę z zewnętrznymi danymi ze sklepów z aplikacjami) i sprawdź krzywe pobrań czołowych produktów dla tego słowa kluczowego — patrz, czy trend rośnie, czy spada.
3. Na Reddicie i Quorze, w odpowiednich subredditach, wyszukaj frazy typu „X decision”, „X help” i sprawdź gęstość narzekania — im więcej skarg, tym bardziej realny ból.

Obecność stabilnie działających konkurentów + ludzie na Reddicie, którzy w kółko zadają podobne pytania = popyt realnie istnieje, a nie jest tylko wytworem twojej wyobraźni.

Krok trzeci: Działaj, ale nie pisz od zera

Stos technologiczny Cal AI nie kryje w sobie żadnej tajemnicy: TechCrunch opisał to jasno — aplikacja korzysta z modeli Anthropic i OpenAI, wykorzystuje RAG (technologię pozwalającą AI na przeszukiwanie zewnętrznych baz wiedzy w celu udzielania odpowiedzi) i została zasilana pakietem otwartych baz danych zdjęć z wartościami kalorycznymi żywności. Brak własnych modeli, brak przełomu algorytmicznego — to po prostu produkt, który na nowo zestawił istniejące już możliwości.

W 2026 roku twój próg technologiczny będzie wyglądał następująco:

• Rozpoznawanie obrazu → bezpośrednie wywołanie interfejsów multimodalnych GPT / Claude (czyli API pozwalającego sztucznej inteligencji rozpoznawać zdjęcia), płatność za każde zapytanie, start niemal z zerowym kosztem
• Interfejs aplikacji → MVP (Minimum Viable Product) gotowe w 4–8 tygodni, plus 2–3 tygodnie na przejście weryfikacji IAP (zakupy w aplikacji), polityki prywatności i klasyfikacji podatkowej
• Płatności za subskrypcje → zakupy w aplikacji w App Store / Google Play, platforma bierze na siebie obsługę globalnych płatności i zwrotów

Czy masz odwagę ściąć funkcje do jednej, jedynej? To jest prawdziwe wyzwanie. Cal AI nie ma funkcji społecznościowych, bazy przepisów ani planów treningowych. Robi tylko jedną rzecz, robi ją w 90% dokładnie, a potem pobiera pieniądze.

Twoja pierwsza wersja z pewnością będzie kusić, by dodawać kolejne funkcje. Nie rób tego. Każda dodana funkcja rozmywa to uczucie absolutnej pewności, które ma trwać trzy sekundy.

Krok 3.5: Jak to rozegrać, jeśli nie umiesz kodować

To najczęściej zadawane pytanie od czytelników, dlatego poświęcam mu osobny podrozdział.

Jeśli nie masz pojęcia o kodowaniu, w 2026 roku istnieje jedna konkretna, wykonalna droga:

1. Zbuduj pierwszą wersję za pomocą Glide / Bubble / Softr / Adalo (platformy no-code — wystarczy przeciągnąć komponenty interfejsu i złożyć aplikację). Te narzędzia pozwalają teraz podpiąć API GPT-4o vision, więc stworzenie aplikacji rozpoznającej zdjęcia i zwracającej tekst jest dziś technicznie w 100% wykonalne.
2. Równolegle wejdź na Upwork i znajdź freelancer znający Swifta (język do iOS), stawkę 30–50 USD za godzinę, żeby przerobił Twój prototyp no-code na natywną aplikację gotową do publikacji w App Store.
3. Sam naucz się obsługi Cursor + Claude Code (narzędzia do kodowania z AI) i na nich opieraj kolejne iteracje.

Ta ścieżka jest trochę wolniejsza, ale nie wymaga uczenia się programowania od zera. Pierwsza wersja w 8–12 tygodni, budżet 10–30 tys. USD (w tym subskrypcje no-code + freelancer + konto Apple Developer 99 USD/rok) — i masz wersję gotową do publikacji w sklepie.

Krok czwarty: wpisz „AI” do opisu w App Store

W raporcie Sensor Tower jest jeden kluczowy punkt: Cal AI w opisie w App Store średnio co kwartał upychał 35 słów kluczowych związanych z AI. Efekt? Wyszukiwania związane z AI generowały 25% jego pobrań z wyszukiwania organicznego.

Ćwierć naturalnego ruchu pochodzi z samego dopisania „AI” do tytułu i opisu.

Sklepy z aplikacjami traktują „AI” jak zwykły tag kategorii do indeksowania — produkty z tym słowem w tytule wpadają do puli wyników wyszukiwania „AI”. To bezpośrednio wiąże się z mechaniką wag słów kluczowych w ASO (App Store Optimization). Masz teraz rzeszę ludzi, którzy w App Store wpisują wprost „AI food”, „AI scanner”, „AI menu”. Nie szukają Twojej marki, szukają tej kategorii. Jeśli w nazwie aplikacji, podtytule czy opisie nie ma tych słów, ten ruch po prostu przepłynie Ci między palcami.

To najtańsza jednorazowa robota, a efektami karmisz się potem przez wieki.

Krok 5: Cennik zaczyna się od subskrypcji — odpust się jednorazowym zakupom

9.99 USD miesięcznie to sprawdzony punkt odniesienia cenowej w tej branży.

Dlaczego nie jednorazowy zakup? W scenariuszach wysokiej częstotliwości wartość uwalnia się w sposób ciągły — użytkownik korzysta z aplikacji dziś i będzie z niej korzystał jutro. Model jednorazowy spłaszcza Twój przychód do pojedynczej transakcji i zmusza Cię do wiecznego kupowania ruchu. Subskrypcja sprawia, że klient pozyskany dziś, w przyszłym roku nadal płaci Ci pieniądze.

Proste, ale brutalnie trzeźwe wyliczenie: 10 000 płacących użytkowników × 9.99 USD × 12 miesięcy ≈ 1,2 mln USD rocznego przychodu. To jednak pułap przychodowy, a nie gotówka w Twojej kieszeni. Odejmij:

• Prowizja App Store 30% → zostaje 840 tys.
• Koszty API modelu (przy GPT-4o vision $0,01–0,03 / wywołanie, 10 tys. użytkowników robi 3 zdjęcia dziennie = 90 tys. wywołań/dzień ≈ 27–80 tys. USD miesięcznie) → zostaje 760–810 tys.
• Koszt pozyskania użytkownika (eCPI w kategorii health na iOS w USA to ok. 2–4 USD, 10 tys. płacących użytkowników oznacza 200–500 tys. pobrań) → budżet na kampanię płatną rzędu 300 tys. – 2 mln USD
• Typowy wskaźnik zwrotów dla subskrypcji 8–25% → jeszcze raz odejmij 20%

Realny zysk netto to prawdopodobnie 300–600 tys. USD — i to są liczby, jakie udaje się osiągnąć przy skali, jaką ma Cal AI. To biznes, który utrzyma 1–2 osoby, a nie 1,2 mln czystej gotówki do wzięcia.

4. Prawdziwe trudności na tej ścieżce

Ułożyłem te trudności według tego, jak bardzo mogą cię zablokować, a nie według prawdopodobieństwa wystąpienia.

Trudność 1: Marketing to mur, technologia murem nie jest

To zasługuje na osobny akapit, bo poprzednie kroki zrównały z ziemią barierę technologiczną i mogą sugerować, że „marketing też ogarniesz” — to błąd.

Słowa kluczowe w App Store mogą przynieść Ci część ruchu, ale żeby dobić do miliona pobrań, niemal na pewno musisz kupić kampanię. W amerykańskim App Store w kategorii zdrowie i fitness na iOS CPI (koszt pojedynczej instalacji) wynosi zazwyczaj 4–8 USD, a po wliczeniu ruchu organicznego eCPI spada do około 2–4 USD. Milion pobrań oznacza budżet na kampanię rzędu co najmniej 2–4 milionów USD. To nie jest budżet licealisty — to budżet startupu na rundę Series A.

Ekipa Cal AI wplotła w marketing nieporównywalnie więcej siły niż w pisanie kodu. „Zbudowanie produktu to dopiero początek, nie koniec” — to zdanie jest tu dosłownie prawdziwe, to nie jest pusty frazes.

Jeśli wcześniej robiłeś e-commerce, dla Ciebie to dobra wiadomość: Twoje umiejętności kupowania ruchu na Meta i TikToku oraz doświadczenie z ASO na Amazonie (optymalizacja Listingów) możesz przenieść wprost do App Store ASA (Apple Search Ads). To Twoja wejściówka — brak umiejętności kodowania nie jest przeszkodą.

Jeśli nigdy nie kupowałeś ruchu, tę ścieżkę musisz najpierw opanować, a dopiero potem brać się do roboty.

Trudność druga: wzór to warunek konieczny, nie wystarczający

Te trzy kryteria filtrujące tłumaczą tylko, „dlaczego ktoś jest skłonny zapłacić”, ale nie tłumaczą, „dlaczego to Ty powinieneś te pieniądze dostać”.

Fosa obronna Cal AI to nie „niska liczba funkcji”, ale koło zamachowe danych wygenerowane przez 15 milionów zdjęć — każde zdjęcie zostało skorygowane przez model lub przez człowieka, dzięki czemu ich baza rozpoznawania jedzenia jest znacznie dokładniejsza niż u nowicjuszy. Dla nowicjuszy nawet milion zdjęć to za mało. To aktywo oparte na danych, zbudowane czasem, którego nie da się uzyskać z żadnego promptu.

Czytelnicy pomyślą: „Mogę też skopiować Cal AI”, ale trudność przejścia od 0 do 10 000 płacących użytkowników jest przez prompt mocno niedoceniana. Trzy warunki pozwolą ci uniknąć najoczywistszych pułapek, ale to, czy projekt w ogóle wystartuje, zależy od synergii doświadczenia produktu + marketingu + wykonania przez zespół.

Trudność 3: Fosa obronna jest płytka, ale ma też głęboki wymiar

Tworzysz produkt, którego „funkcję da się opisać jednym zdaniem”, co oznacza, że ktoś inny może go skopiować równie jednym zdaniem. Standardowe podejście to „prędkość i pionowa głębia” — kto pierwszy stanie się domyślnym wyborem w wystarczająco wąskim scenariuszu u użytkowników, ten pochłonie ruch z wyszukiwania tego hasła. Ale na tej drodze nie ma magicznego rozwiązania: pierwsze 1000 komentarzy, pozycjonowanie słów kluczowych, wolumen wyszukiwań hasła marki — to wszystko aktywa wymagające czasu.

Głębsza fosa obronna kryje się w danych użytkowników — po zrobieniu 1 miliona zdjęć twoja baza rozpoznawania będzie o 5% dokładniejsza niż u nowicjuszy. Te 5% decyduje o tym, czy w wynikach wyszukiwania znajdziesz się na pierwszym miejscu.

Trudność 4: Rozdźwięk w opinii to norma

MenuFit ma w App Store ocenę 4,8 gwiazdki, ale średnia z tekstowych recenzji to zaledwie 2,7 — większość negatywów skupia się na subskrypcjach i doświadczeniu z pobieraniem opłat. 4,8 to globalna średnia gwiazdek, 2,7 to ocena doświadczeń użytkowników, którzy zostawiają pisemne recenzje. Fatalne doświadczenie z subskrypcjami i płatnościami to powszechna bolączka w tej branży.

Zarabianie na subskrypcjach nie jest złe. Ale budowanie zysków na utrudnianiu rezygnacji to gwarantowana katastrofa — ta droga kończy się lawiną negatywów i usunięciem aplikacji z platformy.

V. 30-dniowy ramy testowy

Jeśli powyższe wnioski uznajesz za trafne, wdróż ten 30-dniowy ramy testowy:

Dni 1–3: wypisz pięć scenariuszy, wybierz ten, który najbardziej cię blokuje, i zweryfikuj go w App Store oraz na Reddit, korzystając z metody z kroku drugiego.

Dni 4–7: zbuduj prototyp no-code z Glide / Bubble / Softr + doprowadź do działania jednorazowe rozpoznawanie ze zdjęcia (nawet jeśli rozpozna tylko jedno danie). Koszt: 0–50 USD. Punkt decyzyjny: czy dokładność rozpoznawania osiągnie co najmniej 70%? Jeśli nie — zmień scenariusz.

Dni 8–14: znajdź 20 docelowych użytkowników (na Reddit / Discord / PopDaily) i daj im darmowy dostęp próbny, zbierając szczere opinie, „czy zapłaciliby”. Punkt decyzyjny: jeśli co najmniej 3 z 20 osób powiedzą „chętnie zapłacę 9,99/mies.” — idź dalej; w przeciwnym razie zmień scenariusz.

Dni 15–30: znajdź freelancerów Swift do przepisania natywnej wersji + napisz materiały do App Store + przygotuj IAP do publikacji. Budżet 3000–8000 USD. Punkt decyzyjny: po 30 dniach — czy masz pewność, że w ciągu 60 dni zdobędziesz 100 realnych płacących użytkowników? Jeśli nie, zatrzymaj się.

Instynkt weterana e-commerce brzmi: „jeśli kampania płatnego ruchu wychodzi na zero lub na plus — skaluj, jeśli drenuje budżet — tnij natychmiast”. Ta zasada działa przy aplikacjach dokładnie tak samo. 30 dni wystarczy, żeby zweryfikować kierunek — jeśli się nie potwierdza, zmień go. Upór to w tej branży największy koszt.

Kartkę z pięcioma scenariuszami polecam wziąć do ręki już teraz.

Największym kosztem przy tworzeniu produktu nie są pieniądze — to czekanie na „jeszcze większy pomysł”, po którym i tak nic się nie robi. Dwóch 17-letnich licealistów nie czekało: zrobili prostą funkcję aparatu i po 18 miesiącach zostali przejęci przez MyFitnessPal. Nie jesteś od nich gorszy — ale będziesz od nich wolniejszy, chyba że jeszcze dziś zrobisz pierwsze zdjęcie.

Podnieś telefon.