Как стартап Blue J превратил ставку на ChatGPT в компанию стоимостью $300 млн
Когда одна идея изменила всё
Представьте себе: зима 2022 года, весь мир помешан на ChatGPT, а у вас есть успешный стартап, который работает, но как-то… застрял. Вот именно это произошло с Benjamin Alarie и его компанией Blue J. Восемь лет разработки, сотни клиентов в области бухучёта, но потолок доходов — всего $2 млн в год. И тут приходит осознание: либо меняться, либо останешься позади.
Alarie — профессор налогового права в университете Торонто — сделал что-то безумное. Он убедил совет директоров полностью переписать компанию на совершенно ненадёжную технологию, которая только-только появилась. Помните, ChatGPT галлюцинировал биографии и выдавал неправду с уверенностью истины? Да, именно на это он ставил.
И знаете, что случилось? Ставка сработала. Недавно Blue J получила $122 млн на Series D, оценка компании взлетела выше $300 млн. Доход увеличился примерно в двенадцать раз. Каждый день приходят 10-15 новых клиентов. Теперь компания обслуживает свыше 3500 организаций — от KPMG до компаний из списка Fortune 500.
От 15 часов к 15 секундам: что изменилось
Вот в чём суть: то, что раньше занимало у налоговых специалистов 15 часов ручной работы, теперь делается примерно за 15 секунд. Это не маркетинговая сказка — это реальная боль индустрии профессиональных услуг. В США сейчас на 340 тысяч бухгалтеров меньше, чем было пять лет назад. И вот-вот 75% всех CPA выйдут на пенсию. Фирмы просто отчаиваются найти инструменты, которые помогут им работать быстрее.
Alarie рассказывает об этом просто: "Люди спрашивают: что вообще делает Blue J? Даём лучшие налоговые ответы. И они отвечают: да, это нам нужно."
История, которая изменила его убеждения
Январь 2023 года. Декан юридического факультета заходит в кабинет на новогоднее поздравление. Alarie просит ChatGPT описать её. Система с полной уверенностью выдаёт биографию. Часть фактов совпадает, а часть — чистая выдумка.
"Она была как: окей, это очень пугающее. Это неправда, и это имеет последствия", — вспоминает Alarie.
И вот что интересно — этот момент очевидного отказа не отпугнул его. Наоборот, укрепил убеждение. Он понимал: первая версия Blue J, созданная в 2015 году, использовала контролируемое машинное обучение для предсказания судебных решений по налоговым вопросам. Это было техническим чудом, но с одним критическим недостатком — она не могла ответить на каждый вопрос по налогам. Когда инструмент подходил, клиенты его любили. Когда не подходил — выбрасывали. Доход застопорился.
Это была проблема, которую могли решить именно LLM.
От "ужасного прототипа" к лучшему в классе за два года
Alarie дал команде шесть месяцев. К августу 2023 честно признаёт: "То, что мы выпустили, было на 100% корявым."
Система отвечала 90 секунд. Половина ответов была с ошибками. Net Promoter Score был просто ужасный — всего 20. Но что произошло дальше?
Команда сосредоточилась на трёх вещах:
- Эксклюзивный контент в огромных объёмах. Blue J получила лицензию на Tax Analysts (Tax Notes) и IBFD — амстердамский глобальный налоговый авторитет, охватывающий 220+ юрисдикций. Alarie подчёркивает: "Мы единственная платформа на земле, которая берёт лучшую информацию о налогах США из Tax Notes и лучшую глобальную налоговую информацию из IBFD."
- Глубокая человеческая экспертиза. В компании работают налоговые эксперты, возглавляемые Susan Massey, которая 13 лет была в Office of Chief Counsel IRS начальником отдела корпоративных налогов. Её команда постоянно тестирует ИИ и улучшает его.
- Беспрецедентный feedback-цикл. В 2025 году Blue J обработала свыше 3 млн запросов по налогам. Каждый запрос — это данные, которые возвращаются в систему.
Результат? Еженедельная активность пользователей: 75-85%. А у традиционных платформ это 15-25%. "Грубо говоря, мы в пять раз интенсивнее используются", — отмечает Alarie.
NPS вырос с 20 до 84. Время ответа — секунды вместо полутора минут. Из 700 запросов неправильно ответят только на один.
Отношения с OpenAI: зачем нужна collaborация с лидерами
Blue J поддерживает необычайно тесные отношения с OpenAI. "У нас очень хорошие отношения, и мы получаем ранний доступ к их моделям", — говорит Alarie. "Это очень collaborative. Мы даём им много качественного feedback о том, как работают разные версии моделей перед выходом."
И это не просто nice to have. Blue J разработала то, что Alarie называет "экологически валидными" тестовыми вопросами — взятыми из реальных запросов налоговых профессионалов, с правильными ответами, определёнными командой экспертов. Это помогает OpenAI улучшать производительность на сложных задачах рассуждения.
Кстати, Blue J тестирует модели от всех больших игроков: OpenAI, Anthropic, Google Gemini, open-source варианты. "Мы не обязательно 100% привязаны к какому-то одному провайдеру", — объясняет он. "Мы постоянно тестируем."
Как работает экономика при unlimited queries за фиксированную цену
Модель сложная. Blue J берёт примерно $1500 за место в год, и это unlimited запросы. При этом переменные затраты на вычисления — это на них. Конкуренция между провайдерами моделей давит на цены API вниз, что помогает. Но рисков всё равно много.
"Мы pre-committed на то, чтобы давать им действительно хороший опыт, неограниченные ответы по налогам за фиксированную цену", — говорит Alarie. "Мы берём на себя большой риск."
Тем не менее, цифры красивые: gross revenue retention выше 99%, а net revenue retention — 130%. Это уровень best-in-class для SaaS.
Конкуренция с гигантами: Thomson Reuters, LexisNexis и другие
Blue J сталкивается с такими монстрами, как Thomson Reuters, LexisNexis и Bloomberg. Все они в 2023-2024 объявили о своих ИИ-возможностях. Но метрики engagement Blue J говорят сами за себя: с 200 клиентов в 2021 выросла до 3500+ организаций.
Почему это так важно: налоговый код меняется не так часто (в США только когда Конгресс что-то решит), а вот экосистема вокруг него живёт каждый день. IRS издаёт новые регулирования, появляются судебные решения, все 50 штатов постоянно обновляют свои налоговые коды.
"Буквально каждый день что-то меняется", — подчёркивает Alarie. "Каждый день мы обновляем материалы. И это только США. Мы охватываем Канаду, Великобританию. Амбиции здесь действительно глобальные."
От налоговых исследований к "глобальному налоговому мышлению"
На что же они потратят $122 млн (общая сумма привлечённого капитала — свыше $133 млн)? На экспансию по географии и продуктам. Blue J уже работает в США, Канаде и Великобритании. План: в итоге охватить 220+ юрисдикций через IBFD-партнёрство.
Будущие фичи могут включать автоматическое создание меморандумов, заполнение налоговых форм, подготовку документов, историю разговоров с контекстом между сессиями. В общем, трансформация из инструмента исследования в то, что Alarie называет "операционный слой для глобального налогового мышления".
Риски остаются: откуда берется доверие?
Но давайте реалистичны. Blue J работает в области, где ошибки имеют серьёзные последствия. Проблема галлюцинаций не исчезла — её минимизировали через тщательный инжиниринг, кураторство контента и человеческий надзор. Модели обучены признавать, когда они не знают ответа, а не выдумывать информацию.
Есть и экономические риски: что если затраты на вычисления взлетят? Что если паттерны использования превысят прогнозы? И есть более тонкие вопросы про профессиональное суждение: по мере того, как ИИ становится умнее, не будут ли люди просто слепо верить его выводам?
Чему может научиться вся остальная индустрия
История Blue J — это не просто о налоговом ПО. Готовность отказаться от восьми лет собственной разработки и переделать всё с нуля на изначально ненадёжном фундаменте — это требует мужества и расчётливого риска.
Ставка сработала не потому, что генеративный ИИ был лучше контролируемого обучения по всем параметрам. Он решал правильную проблему: полнота вместо точности в узких областях. Налоговые профессионалы не нуждались в 95% точности на 5% вопросов. Им нужна хорошо-достаточная точность на 100% вопросов.
Улучшение с NPS 20 до 84 за чуть больше двух лет — это результат неустанной итерации, подкреплённой массивным сбором данных. Партнёрства по контенту создали дифференциацию, которую чистая технология не могла дать. Команда налоговых экспертов обеспечила доменные знания, необходимые для надёжности.
И главное: Blue J понял, что реальная конкуренция — это не с другими стартапами ИИ или даже издателями. Это с "старым способом" — 15 часами ручной работы, с экспертными знаниями, запёртыми в голове уходящих на пенсию профессионалов.
По мере того как ИИ трансформирует одну профессию за другой, такая ясность цели может оказаться важнее технологической изощрённости. Будущее принадлежит не тем, кто строит самый продвинутый ИИ, а тем, кто его эффективнее применяет для решения реальных проблем людей.
Для профессора налогового права, начавшего со скромной идеи улучшить эффективность исследований, создание компании стоимостью $300 млн — это смелая точка финиша. Для тысяч профессионалов, которые теперь отвечают на сложные вопросы в 15 секунд вместо 15 часов, это будущее их профессии, пришедшее раньше, чем ожидалось.
Ставка на ChatGPT, когда он всё ещё выдумывал биографии? Она стала подтверждением того, что иногда самый рискованный ход — это не ходить вообще.
Интересуют ли вас истории о том, как стартапы меняют индустрии благодаря смелым ставкам на ИИ? Как компании преодолевают технические ограничения? Тогда вам определённо нужно следить за развитием ИИ-пространства.
🔔 Чтобы узнать больше о инновациях в ИИ, стратегиях компаний и реальных кейсах успеха, подпишитесь на мой канал «ProAI» в Telegram!
