Сфотографировал — и получил деньги: два старшеклассника сделали $30 млн по этой формуле, и вы можете её скопировать

Вы открываете App Store, вбиваете «AI», и 10 из первых 50 результатов — это приложения для фото. Те AI-продукты, которые реально приносят деньги в последние пару лет, выглядят до смешного просто. Это не универсальные гигантские модели, с которыми можно болтать о философии, писать код или генерировать кино. Это крошечные утилиты с настолько скудным функционалом, что хочется спросить: «И за это реально берут деньги?». Вы наводите камеру смартфона, делаете один снимок, приложение выдает вам одну фразу — а потом вы платите ему 10 долларов каждый месяц.

Выложу самые болезненные цифры прямо сейчас.

Приложение под названием Cal AI умеет лишь одно: вы фотографируете свою тарелку с едой, а оно показывает количество калорий. Его создали два 17-летних школьника, релиз состоялся в мае 2024 года. Спустя 18 месяцев: более 15 миллионов загрузок и годовая выручка свыше $30 млн. В декабре 2025 года приложение купила компания MyFitnessPal, а команду из 7 человек полностью забрали к себе. По прогнозам Forbes, к 2026 году выручка достигнет $50 млн.

7 человек. Одна функция фото. Тридцать миллионов долларов.

За этим стоит воспроизводимая формула отбора идей, и она уже доказала свою эффективность не раз. Сегодня я разложу эту формулу по полочкам и заодно покажу, что делать, если вы не умеете писать код.

1. Пользователям не нужна информация, им нужно не думать головой

Большинство создателей продуктов ищут боли пользователей неправильно. Они думают, что людям не хватает информации — расскажи им, и они заплатят.

Чёрт с два. В 2026 году информация ничего не стоит. Хочешь узнать калорийность порции пасты? Поисковик за три секунды выдаст двадцать ответов, и бесплатно.

Так почему Cal AI берёт деньги?

Потому что человек на диете приходит в ресторан, берёт меню, видит двадцать блюд — каждое слово ему понятно, но он не знает, что заказать. Много ли жира? Углеводы не взлетят до небес? Если съем это сегодня, придётся ли завтра компенсировать тренировкой? Теоретически ему нужно: распознать ингредиенты, прикинуть граммы, узнать калорийную плотность каждого, всё сложить и сверить с остатком дневной нормы. Эта процедура занимает пять минут, три раза в день — девяносто раз в месяц.

Это и есть «усталость от решений» из поведенческой экономики: чем больше решений принимаешь, тем хуже их качество. Пользователю нужен не совет — ему нужен железный ответ, который заставит его замолчать.

Кое-кто это сделал: снимаешь меню на камеру, и AI прямо говорит, какое блюдо брать. Десять минут мук сжимаются в трёхсекундное решение.

Такие приложения сейчас живут отлично. Возьмём MenuFit из App Store: более 1 млн загрузок, 4,8 звезды, 53,9 тыс. оценок, базовая подписка — $9.99 в месяц. В нише подписок продукт с миллионом загрузок и десяткой за месяц — это реальный, живой бизнес.

II. Три условия отсева — не хватает одного, и всё рушится

Если наложить все эти кейсы друг на друга, вырисовываются три фильтра — это не готовая бизнес-формула, а критерии для выбора направления:

Высокая частота × Муки выбора × Ввод камерой

Почему этот рынок открывается только в 2026 году? Потому что первые два условия существовали всегда, а третье разблокировалось лишь с созреванием мультимодальных моделей. Раньше заставлять пользователя вручную вбивать «куриная грудка 150 г, брокколи 100 г» было дороже, чем посчитать самому — такой продукт обречен. Теперь «поднял телефон» — это единственное действие. Издержки падают с «напечатать тридцать символов» до «одного нажатия», и только тогда все три условия наконец сходятся.

Разберу каждое по отдельности — большинство спотыкается ровно на одном из этих звеньев.

Условие первое: высокая частота

Событие должно происходить раз в день, а лучше три. Еда — идеальный сценарий: трижды в день, тысяча раз в год. Пользователь открывает ваше приложение трижды в сутки, и психологический барьер к оплате падает до невероятно низкого уровня. Обратный пример: «помочь выбрать оптимальную схему ипотеки» — такая потребность возникает дважды за жизнь, монетизировать её можно только разовым платежом, а разовый платеж означает, что вам до конца дней придется закупать трафик.

Условие второе: муки выбора

Пользователь должен находиться в моменте, когда решение нужно принять прямо сейчас, но он не может определиться. Перед меню, полкой в магазине, винной картой — всё это точки блокировки решения. А вот «я хочу изучать нутрициологию» — не блокировка, это обучение. Обучение не срочное, а не срочные потребности конвертируются в оплату крайне редко.

Решения, принимаемые под эмоциональным давлением, имеют одну особенность: пользователь платит за чувство облегчения, а не за информацию. Человек на диете в ресторане достает телефон, фотографирует блюдо, видит «320 ккал» — и спокойно ест. Он платит не за цифру «320 ккал», а за избавление от мук выбора в этот самый момент. Вот истинный источник готовности платить.

Условие третье: ввод фотографией

Мультимодальные модели — это двигатель текущей волны. В материале TechCrunch отмечается, что точность распознавания у Cal AI составляет около 90% — не 100%. Для человека на диете трехсекундный ответ с точностью 90% гораздо ценнее, чем пятиминутный ответ с точностью 100%. Снижение веса — это статистика, а не точная наука; среднедневная погрешность < 5% вполне допустима.

Три. Пять шагов от нуля до запуска

Эти пять шагов выполняйте строго по порядку.

Шаг 1: выбирайте сценарий, а не функцию

Возьмите лист бумаги и запишите моменты из собственной жизни, когда «нужно прямо сейчас принять решение, но каждый раз колеблешься». Пишите только о том, где застреваете лично вы, а не о том, где, как вы гадаете, застревают другие. Вот несколько направлений для ориентира:

• Винная карта в баре: в каком бокале меньше всего калорий (жесткая потребность для фитнес-аудитории, а у этих людей высокая платежеспособность)
• Снеки в магазине у дома: сфотографируйте обратную сторону упаковки, и пусть скажут, можно ли это на диете
• Еда в аэропорту / на вокзале: пересадка два часа — как поесть и не сорваться
• Состав в супермаркете: сфотографируйте ингредиенты, и пусть скажут, нет ли там того, чего вы стараетесь избегать

Это последнее направление уже доказало свою жизнеспособность. Seed Oil Scout — приложение, которое помогает пользователям избегать ресторанов и продуктов с семечными маслами. По открытым данным: более 1 млн загрузок и 14 тысяч оценок со средним баллом 4.8. Прямо внутри приложения они встроили магазин: пользователи могут кликнуть и купить подходящие продукты — забирают прибыль по двум каналам одновременно, подписки и комиссии с продаж.

Шаг 2: Валидируйте нишу через вертикальные данные, а не через Google Trends

Выбрали сценарий — пока не пишите код. Потратьте двадцать минут, чтобы проверить, не выдумали ли вы этот спрос сами.

Но здесь есть подвох, о котором нужно сказать сразу: методы с использованием Google Trends и поисковых подсказок не работают для трафика в App Store. Поведение пользователей в поиске App Store кардинально отличается от Google, и критерии оценки популярности ключевых слов там совершенно иные. Cal AI вообще пробился не за счет Google — он вырос на конверсии из видео в TikTok и рейтингах на Product Hunt.

Правильный метод валидации:

1. Откройте App Store, подключите VPN к целевому рынку (например, регион США), вбейте свой основной англоязычный ключ (например, menu calorie) и проверьте топ-10 выдачи: есть ли там аналоги с downloads > 100K, которые до сих пор обновляются.
2. Зайди на Sensor Tower (сторонняя аналитика сторов), посмотри кривую загрузок лидеров ниши по этому ключу — тренд вверх или вниз.
3. На Reddit и Quora в профильных subreddit ищи «X decision», «X help» и меряй плотность жалоб: чем больше нытья — тем реальнее боль.

Аналоги стабильно живут + на Reddit люди раз за разом задают похожие вопросы = спрос существует по-настоящему, а не в твоей голове.

Шаг 3: Делай, не пиши с нуля

Тех-стак Cal AI — без секретов: TechCrunch пишет прямым текстом — он дёргает модели Anthropic и OpenAI, плюс RAG (технология, позволяющая AI подтягивать внешнюю базу знаний для ответов), и сверху скормили пачку open-source баз данных с фото еды и калориями. Никакой собственной модели, никаких прорывов в алгоритмах — это продукт, который пересобрал готовые способности.

В 2026 году твой технический барьер входа выглядит так:

• Распознавание изображений → напрямую подключайте мультимодальные API GPT / Claude (это те самые интерфейсы, что позволяют ИИ «видеть» картинки). Оплата за каждый запрос, порог входа почти нулевой.
• Интерфейс приложения → MVP (минимально жизнеспособный продукт) выкатывается за 4–8 недель, плюс 2–3 недели на прохождение модерации IAP (внутренние покупки), подготовку политики конфиденциальности и налоговых классификаций.
• Приём платежей по подписке → встроенные покупки в App Store / Google Play: платформы сами закрывают глобальные платежи и возвраты за вас.

А вот осмелитесь ли вы урезать функционал до единственной фичи — вот где кроется главная сложность. В Cal AI нет соцсети, нет базы рецептов, нет фитнес-планов. Приложение делает только одно — но с точностью 90%, а затем просто берёт деньги.

Вашу самую первую версию обязательно будет тянуть напичкать новыми функциями. Не поддавайтесь. Каждая добавленная фича размывает то самое чувство абсолютной уверенности, которое возникает за три секунды.

Шаг 3.5: Путь для тех, кто не умеет писать код

Об этом спрашивают чаще всего, поэтому вынес в отдельный пункт.

Если вы вообще не умеете кодить, в 2026 году для вас есть вполне рабочий маршрут:

1. Соберите первую версию на Glide / Bubble / Softr / Adalo (no-code платформы, где приложение собирается простым перетаскиванием интерфейсных компонентов) — эти инструменты уже сейчас умеют обращаться к API GPT-4o Vision, так что создать приложение, распознающее изображения и выдающее текст, технически абсолютно реально.
2. Параллельно найдите на Upwork фрилансера со знанием Swift (язык разработки под iOS) по ставке 30–50 $ в час, чтобы он переписал ваш no-code прототип в нативное приложение, готовое к публикации в App Store.
3. Освойте сами Cursor + Claude Code (инструменты ИИ-кодирования) для последующих итераций.

Этот путь чуть медленнее, зато не требует учить программирование с нуля. Первая версия за 8–12 недель и бюджет 10–30 тыс. $ (включая no-code-подписки + фрилансер + аккаунт Apple Developer за 99 $/год) — и у вас на руках публикуемое приложение.

Шаг 4: впишите буквы «AI» в App Store

В отчёте Sensor Tower есть одна критически важная цифра: Cal AI в среднем паковал в описание в App Store по 35 AI-связанных ключевых слов за квартал, и в итоге AI-поисковые запросы принесли 25% от всех загрузок из поиска.

Четверть всего органического трафика — просто за то, что в названии и описании стоит «AI».

Магазины приложений индексируют «AI» как отдельную категорию: продукты с этим словом в названии попадают в общий пул AI-поиска. Это напрямую связано с алгоритмами веса ключевых слов в ASO (App Store Optimization). Сейчас огромный поток пользователей прямо в App Store вбивает запросы вроде «AI food», «AI scanner», «AI menu». Им плевать на ваш бренд — они ищут саму категорию. Если в названии приложения, подзаголовке или описании нет этих слов, вы не получите ни единого шанса отхватить долю этого трафика.

Это самая дешевая разовая работа, плоды которой вы будете пожинать очень долго.

Шаг 5: Стартуйте с ежемесячной подписки, забудьте про единоразовую продажу

9,99 долларов в месяц — это проверенная ценовая точка-якорь в этой нише.

Почему не продажа навсегда? В высокочастотных сценариях ценность раскрывается постоянно: пользователь нужен сервис сегодня, и он понадобится ему завтра. Модель единоразовой покупки сплющивает ваш доход до одной выплаты, заставляя вас вечно покупать трафик. А подписка гарантирует, что клиент, привлеченный сегодня, будет приносить вам деньги и в следующем году.

Грубый, но отрезвляющий расчет: 10 000 платящих пользователей × 9,99 $ × 12 месяцев ≈ 1,2 млн долларов годовой выручки. Но это потолок валовой выручки, а не деньги в вашем кармане. Вычитаем:

• Комиссия App Store 30% → остаётся 840 тыс.
• Расходы на API модели (при ставке GPT-4o vision $0.01–0.03 за запрос: 10 тыс. пользователей делают по 3 фото в день = 90 тыс. запросов/день ≈ $27–80 тыс. в месяц) → остаётся 760–810 тыс.
• Стоимость привлечения (eCPI в нише Health для iOS в США — около $2–4, 10 тыс. платящих пользователей означают 200–500 тыс. загрузок) → бюджет на закуп трафика $3–2 млн
• Типичный для подписок возврат средств 8–25% → ещё минус 20%

Реальная чистая прибыль — $300–600 тыс., и это цифры, которые тянет лишь Cal AI. Маленький бизнес, способный прокормить 1–2 человек, а не $1.2 млн чистыми на руки.

IV. В чём реальная сложность этого пути

Я расставил препятствия по тому, насколько сильно они вас затормозят, а не по вероятности их возникновения.

Препятствие 1: маркетинг — стена, технологии — нет

Это требует отдельного абзаца: первые шаги занижают технический порог входа и создают иллюзию «с маркетингом тоже справлюсь» — и это ошибка.

Ключевые слова в App Store дают часть трафика, но чтобы пробить отметку в миллион загрузок, почти наверняка придётся закупать трафик. В американском App Store по категории Health CPI (цена за установку) обычно составляет $4–8, а с учётом органики eCPI выходит около $2–4. 1 миллион загрузок означает бюджет на закупку трафика минимум $2–4 млн. Это не бюджет старшеклассника, это бюджет стартапа, готовящегося к раунду Series A.

Команда Cal AI вложила в маркетинг куда больше сил, чем в написание кода. «Релиз — это только начало, а не конец» — это не пустая фраза, это чистая правда.

Если вы раньше занимались e-commerce, для вас есть хорошие новости: ваши навыки закупки трафика на Meta и TikTok, а также опыт работы с ключевыми словами для ASO (оптимизации листингов) на Amazon можно напрямую перенести на App Store ASA (Apple Search Ads). Это ваш входной билет, и уметь писать код для этого не обязательно.

Если вы никогда не закупали трафик, на этом пути придётся сначала освоить этот навык, и только потом приступать к делу.

Сложность вторая: формула — необходимое условие, но не достаточное

Три критерия отбора объясняют лишь «почему люди готовы платить», но не объясняют «почему именно вы должны получить эти деньги».

«Рва» Cal AI — это не «минимум функций», а маховик данных, раскрученный 15 миллионами фотографий. Каждую снимок корректировала модель или живой человек, поэтому база распознавания еды у них в разы точнее, чем у любого новичка. Новичку и миллиона снимков не хватит. Это дата-актив, он нарабатывается временем — никакая формула вам его не даст.

Читатель думает: «Я тоже могу скопировать Cal AI». Но путь от нуля до 10 000 платящих пользователей формула недооценивает. Три условия помогут не наступить на самые очевидные грабли, а выстрелит проект или нет — зависит от синергии UX, маркетинга и исполнительной мощи команды.

Сложность третья: ров неглубокий, но у него есть глубокая сторона

Вы делаете продукт, функционал которого описывается одним предложением, — значит, и скопировать его можно одним предложением. Стандартный ход — «скорость и вертикальная глубина»: кто первым станет выбором по умолчанию в достаточно узком сценарии, тот и забирает поисковый трафик по этому слову. Но серебряной пули на этом пути нет: первые 1000 отзывов, оккупация ключевых слов, объём поиска по бренду — всё это активы, требующие времени.

Более глубокий ров — в пользовательских данных: после миллиона ваших снимков ваша база распознавания точнее на 5%. И именно эти 5% решают, окажетесь ли вы на первом месте в выдаче.

Сложность четвёртая: раскол репутации — это норма

У MenuFit в App Store рейтинг 4,8 звезды, но по текстовым отзывам оценка всего 2,7 — вал негатива сосредоточен на подписке и списаниях. 4,8 — это глобальная средняя звёздная оценка, 2,7 — это оценка пользовательского опыта среди тех, кто пишет текстовые отзывы; проблемы с подпиской и списаниями — массовая беда всей этой ниши.

Зарабатывать на подписке — ок. Но строить модель на том, чтобы усложнить пользователю отмену, — гарантированный провал: в конце этого пути ждут шквал негатива и снятие приложения платформой.

V. 30-дневный тест-фреймворк

Если вы согласны с оценкой выше — берите этот 30-дневный тест-фреймворк и действуйте.

Дни 1–3: набросать пять сценариев, выбрать тот, который бесит сильнее всего, и по методу из шага 2 проверить его через App Store и Reddit.

Дни 4–7: собрать no-code-прототип на Glide / Bubble / Softr + один раз прогнать распознавание по фото (даже если распознаётся только одно блюдо). Бюджет: 0–50 долларов. Точка решения: точность распознавания ≥ 70%? Нет — меняем сценарий.

Дни 8–14: найти 20 целевых пользователей (через Reddit / Discord / Pinterest+Reddit) для бесплатного теста и собрать честную обратную связь — «будут ли платить». Точка решения: из 20 человек ≥ 3 говорят «я готов платить 9,99/мес» — продолжаем; иначе меняем сценарий.

Дни 15–30: найти фрилансера-разработчика на Swift для переписывания нативной версии + написать креативы для App Store + подготовить IAP к публикации. Бюджет: $3000–$8000. Точка принятия решения: на 30-й день вы уверены, что за 60 дней получите 100 реальных платящих пользователей? Если нет — останавливайтесь.

Инстинкт ветеранов e-commerce: «если трафик окупается — масштабируем, если не окупается — сразу рубим». Это правило работает и для приложений. За 30 дней можно валидировать направление — валидируйте; не получается — меняйте. Упорствовать вопреки цифрам — самая дорогая ошибка в этой игре.

Тот лист с пятью сценариями — советую взять его прямо сейчас.

Главные затраты обычного человека на продукт — не деньги, а ожидание «более грандиозной идеи», после которого не делается ровным счётом ничего. Два 17-летних школьника не стали ждать: они сделали простую функцию для фото, а через 18 месяцев их купил MyFitnessPal. Вы не хуже них — но вы будете медленнее, если не начнёте снимать первый кадр прямо сегодня.

Поднимите телефон.