The post has been translated automatically. Original language: Russian
Bob Dorf and Steve Blank's The Startup Owner's Manual has long been almost an engineering manual for startups. Her main idea is simple: a startup is not a scaled—down version of a large company, but a temporary organization that is looking for a repeatable and scalable business model.
Therefore, the founder should not just write a business plan, but test hypotheses through customers, the market and real sales.
With the development of LLM, this logic has not disappeared. On the contrary, it has become even more important. But the speed, price, and form of hypothesis testing have changed.
What remains relevant
The first thing that is not outdated is Customer Development.
Blank and Dorf suggested leaving the office, talking to customers, checking out pain, segment, value, and sales channel. This is still relevant today.
LLM can help you formulate questions, assemble interviews, analyze answers, and prepare a landing page. But LLM cannot replace a real encounter with the market.
The problem with many AI startups today is just the opposite: the founder quickly makes a demo, gets a wow effect, but does not check whether the client has real pain, budget, and willingness to change the usual process.
The second thing that remains relevant is that hypotheses are more important than opinions.
In the book, a startup is seen as a set of untested assumptions.: who is the customer, what is his problem, why will he buy, how to reach him, how much is he willing to pay.
This logic has become even more valuable because LLMs have dramatically reduced the cost of prototyping. Now you can build an interface, a bot, a helpdesk, an analytical service, or an internal tool over the weekend.
But a cheap prototype does not mean a found market. It only speeds up the moment when you have to ask an unpleasant question: who really needs it?
The third thing that is not outdated is the MVP.
A minimally viable product is still needed, not for beauty and not for investors. It is needed for training.
The MVP must answer a specific question: does the customer understand the value? Are you ready to register? Are you ready to pay? Are you ready to integrate the product into your workflow?
LLMs are changing the shape of MVPs. Previously, MVP was often a landing page, a manual service, or a very simple SaaS. Now an MVP can be an AI agent, a Telegram bot, an internal copilot, a no-code prototype, or even a semi-automated service where part of the work is done by a human and part by a model.
But the bottom line is the same: MVP is an experiment, not the first version of an ideal product.
What is outdated
The slow verification mechanics are outdated.
In the classical startup methodology, many things involved a long cycle: interviews, analysis, prototype, development, test, and a new iteration. Today, LLMs are reducing this cycle by several times.
In one day, the founder can prepare several positioning options, several landing pages, a list of segments, an interview script, a prototype interface, and a draft commercial proposal.
Therefore, it is not Customer Development that is outdated, but its pace.
A startup that used to be able to test one hypothesis per month now has to test several hypotheses per week.
The idea of MVP as something necessarily technically difficult has also become outdated.
Before LLM, creating a product required programmers, a designer, infrastructure, and time. Now many of the first versions can be assembled faster: AI coding, interface generation, low-code, no-code, ready-made APIs, RAG, vector databases and cloud services have lowered the entry barrier.
But this does not mean that the product has become easier to build. It has become easier to make the first appearance of the product. But it is still difficult to bring it to a reliable service that customers trust.
The idea that technological complexity is a strong defense in itself is outdated.
If the product is built only as a wrapper over LLM, it is easy to replicate. A competitor can quickly create a similar interface, a similar chat, a similar workflow.
Therefore, the defense has shifted. Data, distribution, domain expertise, integration, trust, brand, quality of execution and access to the client process are important.
What have LLMs added to startup methodology?
LLM turned the founder into a small product team.
Now one person can do things faster that previously required multiple roles: market research, texts, prototype, code, documentation, support, interview analysis, hypothesis generation, preparation of presentations and sales scenarios.
But this does not cancel the command. This changes the bar.
If a startup used to compete with other small teams, now it competes with small AI-enhanced teams.
There is another important change: an AI startup can sell not only a tool, but also the execution of work.
Previously, SaaS often sold a program: here's a tool, use it yourself. Now the AI service can sell the result: processed applications, errors found, prepared documents, responses to customers, collected analytics, generated reports.
This greatly changes the founder's mindset.
The question is no longer just what kind of software we create. The question is, what kind of client's work can we take on.
What has become more dangerous
The first danger is the illusion of progress.
LLMs give the feeling that a startup is moving fast: texts, screens, code, presentations, posts, bots appear. But part of this activity may not be movement towards the market, but the production of artifacts.
A startup doesn't need artifacts. A startup needs proven hypotheses.
You can write a beautiful text, assemble a landing page, make a demo and get positive comments. But this does not mean that the client is ready to pay.
The second danger is sameness.
When everyone uses the same models, the same templates, and the same UX patterns, the products start to look the same.
Everyone gets a chat. Everyone gets an AI assistant. Everyone gets a "smart search". Everyone gets text generation.
But the client doesn't need another chat for the sake of a chat. He needs a solution to a specific problem.
Therefore, the winners will not be those who simply added AI, but those who deeply understood the client's process and embedded AI where it really saves time, money or reduces risk.
The third danger is overestimating the speed of development.
AI coding really speeds up many tasks, especially at an early stage. It helps you write draft code faster, make prototypes, test ideas, create interfaces and documentation.
But the quality of architecture, security, maintenance, testing and responsibility do not disappear anywhere.
LLM can help you write the code. But she is not responsible to the client. The responsibility still remains with the team.
How has the startup cycle changed after LLM
Previously, a startup developed something like this: first, an idea appeared, then the team formulated hypotheses, conducted interviews, collected MVPs, found the first customers, and only then moved on to scaling.
Since the advent of LLM, this cycle has become faster and denser.
Now the founder can start with a hypothesis, quickly assemble an AI prototype, show it to real users, get usage data, clarify the pain, automate part of the process, and reach repeatable sales.
The main change is that there is almost no friction between the idea and the prototype.
But there is still friction between the prototype and the business.
The customer still needs to trust the product.
The customer still needs to understand the value.
The client must still be willing to pay.
The client still needs to change his behavior.
That is why the book by Blank and Dorf is not outdated at its core. Some tools, deadlines, and channels are outdated. But the main principle is not outdated: a startup is a search for truth in the market.
LLM did not cancel Customer Development.
They just made it so that bad hypotheses can now be tested faster.
And the good ones can be turned into a product faster.
Книга Боба Дорфа и Стива Бланка The Startup Owner’s Manual долго была почти инженерной инструкцией для стартапов. Ее главная идея проста: стартап — это не уменьшенная версия большой компании, а временная организация, которая ищет повторяемую и масштабируемую бизнес-модель.
Поэтому основатель должен не просто писать бизнес-план, а проверять гипотезы через клиентов, рынок и реальные продажи.
С развитием LLM эта логика не исчезла. Наоборот, она стала еще важнее. Но изменилась скорость, цена и форма проверки гипотез.
Что осталось актуальным
Первое, что не устарело, — Customer Development.
Бланк и Дорф предлагали выходить из офиса, разговаривать с клиентами, проверять боль, сегмент, ценность и канал продаж. Это актуально и сейчас.
LLM может помочь сформулировать вопросы, собрать интервью, проанализировать ответы и подготовить лендинг. Но LLM не может заменить реальное столкновение с рынком.
Проблема многих AI-стартапов сегодня как раз в обратном: основатель быстро делает демо, получает вау-эффект, но не проверяет, есть ли у клиента настоящая боль, бюджет и готовность менять привычный процесс.
Второе, что осталось актуальным, — гипотезы важнее мнений.
В книге стартап рассматривается как набор непроверенных предположений: кто клиент, какая у него проблема, почему он купит, как до него дойти, сколько он готов платить.
Эта логика стала еще ценнее, потому что LLM резко снизили стоимость создания прототипа. Теперь можно за выходные собрать интерфейс, бота, helpdesk, аналитический сервис или внутренний инструмент.
Но дешевый прототип не означает найденный рынок. Он лишь ускоряет момент, когда надо задать неприятный вопрос: кому это действительно нужно?
Третье, что не устарело, — MVP.
Минимально жизнеспособный продукт все еще нужен не для красоты и не для инвесторов. Он нужен для обучения.
MVP должен отвечать на конкретный вопрос: клиент понимает ценность? готов зарегистрироваться? готов заплатить? готов встроить продукт в рабочий процесс?
LLM меняют форму MVP. Раньше MVP часто был лендингом, ручной услугой или очень простым SaaS. Теперь MVP может быть AI-агентом, Telegram-ботом, внутренним copilot, no-code-прототипом или даже полуавтоматическим сервисом, где часть работы делает человек, а часть — модель.
Но суть прежняя: MVP — это эксперимент, а не первая версия идеального продукта.
Что устарело
Устарела медленная механика проверки.
В классической стартап-методологии многое предполагало долгий цикл: интервью, анализ, прототип, разработка, тест, новая итерация. Сегодня LLM сокращают этот цикл в разы.
Основатель может за один день подготовить несколько вариантов позиционирования, несколько лендингов, список сегментов, скрипт интервью, прототип интерфейса и черновик коммерческого предложения.
Поэтому устарел не Customer Development, а его темп.
Стартап, который раньше мог проверять одну гипотезу месяц, сегодня должен проверять несколько гипотез в неделю.
Устарело и представление о MVP как о чем-то обязательно технически сложном.
До LLM создание продукта требовало программистов, дизайнера, инфраструктуры и времени. Сейчас многие первые версии можно собрать быстрее: AI-кодинг, генерация интерфейсов, low-code, no-code, готовые API, RAG, векторные базы и облачные сервисы снизили входной барьер.
Но это не означает, что продукт стал строить проще. Стало проще сделать первую видимость продукта. А вот довести его до надежного сервиса, которому доверяют клиенты, по-прежнему сложно.
Устарела и идея, что технологическая сложность сама по себе является сильной защитой.
Если продукт построен только как обертка над LLM, его легко повторить. Конкурент может быстро сделать похожий интерфейс, похожий чат, похожий workflow.
Поэтому защита сместилась. Важны данные, дистрибуция, доменная экспертиза, интеграции, доверие, бренд, качество исполнения и доступ к клиентскому процессу.
Что LLM добавили к стартап-методологии
LLM превратили основателя в маленькую продуктовую команду.
Теперь один человек может быстрее делать то, что раньше требовало нескольких ролей: исследование рынка, тексты, прототип, код, документация, поддержка, анализ интервью, генерация гипотез, подготовка презентаций и сценариев продаж.
Но это не отменяет команду. Это меняет планку.
Если раньше стартап конкурировал с другими маленькими командами, теперь он конкурирует с маленькими командами, усиленными AI.
Появилась еще одна важная перемена: AI-стартап может продавать не только инструмент, но и выполнение работы.
Раньше SaaS часто продавал программу: вот инструмент, пользуйтесь сами. Теперь AI-сервис может продавать результат: обработанные заявки, найденные ошибки, подготовленные документы, ответы клиентам, собранную аналитику, сгенерированные отчеты.
Это сильно меняет мышление основателя.
Вопрос уже не только в том, какой софт мы создаем. Вопрос в том, какую работу клиента мы можем взять на себя.
Что стало опаснее
Первая опасность — иллюзия прогресса.
LLM дают ощущение, что стартап быстро движется: появляются тексты, экраны, код, презентации, посты, боты. Но часть этой активности может быть не движением к рынку, а производством артефактов.
Стартапу нужны не артефакты. Стартапу нужны подтвержденные гипотезы.
Можно написать красивый текст, собрать лендинг, сделать демо и получить положительные комментарии. Но это еще не значит, что клиент готов платить.
Вторая опасность — одинаковость.
Когда все используют одни и те же модели, одни и те же шаблоны и одни и те же UX-паттерны, продукты начинают выглядеть одинаково.
У всех появляется чат. У всех появляется AI-assistant. У всех появляется «умный поиск». У всех появляется генерация текста.
Но клиенту не нужен еще один чат ради чата. Ему нужно решение конкретной проблемы.
Поэтому выигрывать будут не те, кто просто добавил AI, а те, кто глубоко понял процесс клиента и встроил AI туда, где он действительно экономит время, деньги или снижает риск.
Третья опасность — переоценка скорости разработки.
AI-кодинг действительно ускоряет многие задачи, особенно на ранней стадии. Он помогает быстрее писать черновой код, делать прототипы, проверять идеи, создавать интерфейсы и документацию.
Но качество архитектуры, безопасность, сопровождение, тестирование и ответственность никуда не исчезают.
LLM может помочь написать код. Но она не несет ответственность перед клиентом. Ответственность все равно остается на команде.
Как изменился цикл стартапа после LLM
Раньше стартап развивался примерно так: сначала появлялась идея, затем команда формулировала гипотезы, проводила интервью, собирала MVP, находила первых клиентов и только потом переходила к масштабированию.
После появления LLM этот цикл стал быстрее и плотнее.
Теперь основатель может начать с гипотезы, быстро собрать AI-прототип, показать его реальным пользователям, получить данные использования, уточнить боль, автоматизировать часть процесса и выйти на повторяемые продажи.
Главное изменение в том, что между идеей и прототипом почти исчезло трение.
Но между прототипом и бизнесом трение осталось.
Клиент по-прежнему должен доверять продукту.
Клиент по-прежнему должен понимать ценность.
Клиент по-прежнему должен быть готов платить.
Клиент по-прежнему должен изменить свое поведение.
Именно поэтому книга Бланка и Дорфа не устарела в основе. Устарели некоторые инструменты, сроки и каналы. Но не устарел главный принцип: стартап — это поиск истины на рынке.
LLM не отменили Customer Development.
Они просто сделали так, что плохие гипотезы теперь можно проверять быстрее.
А хорошие — быстрее превращать в продукт.
Share
