Парни из Ташкента создали AI-камеры для магазинов и получили $1,8 млн
Шахзод Умирзаков и Джамшид Хакимжонов из Ташкента запустили стартап TASS Vision в 2021 году. Команда создала AI-камеры для магазинов, которые с помощью компьютерного зрения анализируют трафик, определяют пол и возраст покупателей и помогают владельцам торговых точек больше зарабатывать.
Сегодня решения TASS Vision установлены более чем в 2000 магазинах в 10 странах, в том числе в Казахстане, Узбекистане, Перу и Турции. За это время стартап уже привлек $1,8 млн инвестиций.
Для совместного проекта Digital Business и Astana Hub «100 стартап-историй Центральной Азии» сооснователь и CEO TASS Vision Шахзод Умирзаков рассказал, как вручную считал посетителей, пока обучал нейросеть, почему AI-камеры выгодны розничному бизнесу и что будет со стартапом, когда оценка достигнет $100 млн.
«C командой по ночам ставили оборудование на автобусы»
— Как появилась идея создать TASS Vision?
— В 2018 году, когда мне было 19, помогал отцу в бизнесе. Он управлял небольшим автобусным парком, занимался пассажирскими перевозками. В этом бизнесе есть частная проблема: кондукторы присваивают часть выручки, но доказать это трудно. Чтобы изменить ситуацию, предложил отцу устройство, которое автоматически считает пассажиров.
Это был инфракрасный счетчик: когда человек проходил через дверь, он пересекал невидимый луч, и система фиксировала проход пассажира. За 3 месяца собрал устройство и подключил к автобусам. Кондукторы, увидев, что их обман может вскрыться, стали честно работать — и за первые 2 недели доходы выросли почти вдвое, полностью окупив проект.
Потом собрал команду и стал подключать другие автобазы. Помню, как с ребятами по ночам ставили оборудование на транспорт, а утром ложились спать. Днем писали код, печатали корпуса на 3D-принтере, паяли микроконтроллеры — и к вечеру снова шли на автобазу. Позже именно этот проект подтолкнул меня к идее анализировать поведение покупателей в ритейле.
— Почему не остались в транспортной сфере?
— В 2019-м, когда был в Алматы, заметил, что там уже действуют транспортные карты Onay (система безналичной оплаты проезда в общественном транспорте), и понял, что скоро и в Узбекистане появится аналог. Наличные уйдут, и в нашем устройстве не будет смысла. Решил, что нужно менять направление.
Начал искать новую идею: сделал несколько сотен холодных звонков — в ритейл, строительные компании, кафе и рестораны — чтобы понять, где действительно есть спрос на аналитику. Просто спрашивал: «Сколько у вас людей заходит в магазин? Как вы это считаете?»
Реакции были разными. Кто-то говорил: «Зачем это нужно?». Кто-то проявлял интерес. В итоге понял, что в офлайн-ритейле почти никто не понимает, кто именно приходит в магазин и что влияет на продажи. Именно тогда увидел возможность — сделать аналитику для физических точек продаж такой же точной и доступной, как для интернет-магазинов. Вскоре ко мне присоединился Джамшид Хакимжонов. У него была сильная инженерная база и опыт в компьютерных системах — вместе начали проектировать первую версию продукта, которая позже превратилась в TASS Vision.
— Кто стал вашим первым клиентом?
— Крупная узбекистанская сеть электроники Texnomart. Их главный маркетолог сказал, что уже пользуется одной системой, которая подсчитывает количество вошедших в магазин, но ему нужны более глубокие метрики: возраст, пол, поведение покупателей. Тогда пообещали за 3 месяца сделать новое устройство на основе «умных» камер и компьютерного зрения, которое анализирует видеопоток и в реальном времени превращает его в аналитику. Не просто «сколько человек посетило», а «кто зашел и как себя вел».
Рассчитывали завершить проект за 3 месяца, но в реальности обучение нейросетей и разработка алгоритмов потребовали больше времени.
Чтобы выполнить условия контракта, пришлось выкручиваться. Мы были обязаны предоставлять статистику постфактум: после одного рабочего дня. Говорил клиенту, что посетителей распознает ИИ, а сам делал это в ручном режиме. Смотрел 12-часовое видео в ускорении на двух экранах — и за 1,5 часа завершал обработку одного дня. Считал посетителей, определял пол и возраст, заносил данные в Excel, строил графики и отправлял отчеты клиенту. И так 99 дней подряд. Как говорится, fake it till you make it («Сымитируй это, пока не сделаешь это» — английская поговорка, прим. Digital Business). Тогда это был единственный способ удержаться.
Но именно этот опыт помог понять, как должен работать искусственный интеллект. Сравнивая свои результаты с работой модели, видел, что AI дает точность всего 50–60%. Нашли ошибки и дообучили алгоритмы. Через несколько месяцев система действительно начала работать автоматически.
«Два года проектировали собственную умную камеру: от схемы платы до оптики и корпуса»
— Похоже, первые шаги дались непросто — ни специалистов, ни мощностей, а клиент уже ждал результат. Как справлялись и вообще выстраивали экспертизу в AI?
— Что касается экспертизы — первое время у нас не было понимания, как работает искусственный интеллект. Ни у меня, ни у команды. Это был 2019–2020 год, еще до появления ChatGPT и хайпа вокруг AI. Специалистов почти не было — ни в Узбекистане, ни в соседних странах. Поэтому учились буквально с нуля: по YouTube, по статьям, на форумах, в Google. Пробовали — не получалось, снова пробовали.
Двигались медленно, потому что не было ни наставников, ни нужных мощностей. Обучение нейросетей требует серверных ресурсов, а это дорого. Искали обходные пути. Например, наш Head of AI (главный специалист по ИИ) Сирожиддин Нуриев учился в Южной Корее и помогал использовать вычислительные мощности университетской лаборатории, где студенты могли запускать эксперименты. Именно там обучали первые версии модели.
Постепенно набрали внутреннюю экспертизу, довели модель до стабильной точности и смогли перейти от экспериментов к полноценному продукту. Сейчас у нас около 40 сотрудников, включая 12 инженеров в основном офисе и двух исследователей, получивших образование в Южной Корее по магистерским и PhD-программам в сфере ИИ и компьютерного зрения.
— В чем преимущество системы TASS Vision?
— Сейчас большинство магазинов используют сенсоры, которые реагируют на любое движение. Из-за этого система может ошибочно посчитать посетителем даже того, кто просто прошел мимо или махнул рукой у входа.
Погрешность таких датчиков может достигать 40–50%, но их выбирают из-за невысокой цены: ритейл — низкомаржинальный бизнес. AI-аналитика, наоборот, очень точная, но дорогая — от $500 до $1000 в год за один магазин.
Мы предложили решение, которое сочетает обе стороны: высокая точность, как у AI-систем, при себестоимости простого сенсора. Это стало возможным потому, что обработка данных происходит прямо внутри камеры.
— За счет чего это работает?
— AI-системы обычно подключаются к уже установленным камерам в магазинах и анализируют видео через облако — то есть данные отправляются на сервер и обрабатываются там. Это дорого, так как нужно платить за место в облаке. Мы же отказались от этого и перенесли вычисления в устройства. Так себестоимость упала, а данные стали обрабатываться в реальном времени.
Два года проектировали собственную «умную» камеру: от схемы платы и выбора чипсета до оптики и корпуса. По сути, как у Apple: сами разрабатываем дизайн и спецификацию, а производство отдаем партнерам в Шэньчжэне. Затем полностью устанавливаем свою прошивку и софт.
При сроке службы 5 лет камера обходится магазину всего в $2,5 в месяц — против $250, которые обычно тратят на облачные AI-решения. Разница почти в сто раз.
«Рост конверсии на 1% в одном магазине уже покрывает стоимость нашей системы»
— Сколько у вас клиентов?
— Сейчас наши системы установлены более чем в 2000 магазинах в 10 странах. Клиентов привлекали напрямую, без посредников. Точно знали свою аудиторию: непродовольственный ритейл — сети электроники, аптек, магазины одежды. Таких компаний в одной стране немного, максимум сотня, поэтому действовали адресно. Просто составляли список, звонили в офисы. Так шаг за шагом выстраивали продажи и репутацию — через личные встречи и рекомендации, а не через маркетинг.
— Что именно измеряет система и как помогает ритейлу?
— Не просто считаем посетителей — даем инсайты, которые помогают увеличивать продажи. Например, система показывает эффективность маркетинговых кампаний: сколько людей пришло после рекламы и сколько из них реально купили.
Маркетологи видят, какая кампания сработала, а какая просто «съела» бюджет. Система также считает стоимость привлечения клиента (CAC) — раньше офлайн-ритейл почти не мог это измерить.
— А как данные влияют на работу продавцов?
— Помогаем магазинам измерять конверсию: допустим, зашло 100 человек, а покупку совершили пятеро — это 5%. Теперь менеджеры видят эти цифры и добавляют их в KPI сотрудников.
Когда продавцы понимают, что «камера видит», они начинают внимательнее работать с каждым покупателем — и это сразу отражается на выручке. Главная причина низкой конверсии — сервис. Часто человек заходит в магазин, а к нему никто не подходит, не задает вопросы, не помогает — и в итоге он уходит, ничего не купив.
— Есть ли примеры, когда это дало ощутимый эффект?
— Да, одна крупная сеть электроники полностью изменила систему мотивации: убрала фикс и оставила бонус от конверсии. Решение было рискованным, но сработало — продажи выросли на 63% всего за 3 месяца.
По сути, данные помогли выстроить прозрачную систему мотивации. Рост конверсии на 1% в крупных сетях уже покрывает стоимость системы TASS Vision. В среднем, наши камеры окупаются за 6 месяцев.
— Как зарабатывает стартап?
— У нас четыре пакета: Standard, Plus, Pro и Enterprise — с ежемесячной оплатой $29, $49, $69 и $119 соответственно, в зависимости от набора функций.
Standard — базовый план: подсчет посетителей, определение пола и возраста, группы (например, семья или компания друзей засчитываются как один визит), учет сотрудников с бейджами, чтобы данные были чистыми. Также входят мобильное приложение, e-mail-уведомления и базовая статистика. Plus — включает больше функций и отчетов, таких как автоматические ИИ-отчеты с инсайтами, бенчмаркинг и POS-интеграции. Pro — расширенная версия с функцией распознавания лиц, которая позволяет отличать новых и постоянных клиентов и собирать глубинную аналитику по каждому магазину. Enterprise предназначен для крупных сетей, включает персонализированные модули, интеграции и приоритетную поддержку. Сейчас около 70% клиентов планируют переход на Pro-план, где появятся пять дополнительных модулей.
«Партнеру в Перу нас посоветовал ChatGPT»
— Поговорим про инвестиции. Сколько всего средств было вложено?
— На старте у нас не было капитала — вкладывали свои время и знания. Работали за счет предоплат клиентов, а первые $100 000 вложили три ангельских инвестора, среди них — один из учредителей сети Texnomart. Позже нас поддержали UzVC и казахстанская Activat VC — добавили еще $150 000, а участие в 500 Global принесло дополнительные $100 000.
Всего на ранних стадиях привлекли около $350 000 — этих средств хватило, чтобы выпустить первую версию продукта и масштабироваться.
В 2025 году закрыли раунд на $1,5 млн. Лидером стал европейский фонд Purple Ventures с чеком в $500 000. К сделке присоединились Pragmatech Ventures, IT Park Ventures, Big Sky Capital, SABAH.fund и другие — всего 8 инвесторов.
— Насколько сложно стартапу из Центральной Азии привлечь европейские инвестиции?
— Было непросто, хотя у нас все выглядело отлично: 86% маржинальности, ARR около $1 млн, понятная бизнес-модель. Лично написал больше 250 венчурным фондам, и почти все отказали: «Интересно, но нужен traction в Европе или США». В Центральной Азии легко поднять pre-seed, чуть труднее — seed, но выйти на Series A почти невозможно: крупных фондов, готовых провести полный due diligence, мало. Переломным моментом стала встреча с европейским венчурным фондом Purple Ventures — она прошла в декабре 2024-го.
Полгода переговоров, и фонд согласился возглавить раунд. После этого к сделке присоединились остальные. Purple Ventures стал первым независимым европейским инвестором, который сделал исключение ради стартапа из Узбекистана — они поверили, что из Центральной Азии могут выйти глобальные tech-компании.
Средства направили на закупку оборудования, развитие R&D-команды и выход на новые рынки.
— Когда начали выходить на зарубежные рынки и как выстраиваете работу в разных странах?
— После Узбекистана первой страной стал Казахстан — в 2023 году. Сегодня наши системы установлены более в 10 странах — также в Кыргызстане, Азербайджане, Монголии, Таджикистане, Турции, Саудовской Аравии, ОАЭ и Перу.
Ритейл повсюду сталкивается с похожими задачами — понимать, кто приходит в магазин, как работает персонал и что влияет на конверсию. Различия только в языке и часовом поясе: в Перу общаемся на испанском, в Турции — на турецком, в Центральной Азии — на русском.
Работаем по двум моделям. В странах вроде Казахстана развиваем прямое присутствие — открываем компанию, нанимаем команду, ведем продажи и поддержку сами. В других — строим сеть дистрибьюторов, которым передаем продукт и обучение. Они зарабатывают 20–40% маржи и помогают масштабироваться быстрее. Так вышли в Кыргызстан, Азербайджан, Монголию и Таджикистан, а до конца года планируем добавить Грузию и Армению.
Иногда партнеры находят нас сами. Например, в Перу обратилась сеть магазинов электроники: они рассказали, что нас посоветовал ChatGPT. Отправили им камеры, провели пилот на 50 локациях — и теперь они готовятся масштабировать систему на 1100 торговых точек.
— Какие планы на ближайшее время ?
— До конца года хотим завершить выпуск Pro-пакета, который включает распознавание лиц и отслеживание времени пребывания посетителей и подключить новых партнеров в Армении и Грузии.
Через 3-5 лет хотим подключить 15 тысяч торговых точек по всему миру, увеличить годовую выручку минимум на 150% и достичь оценки более $100 млн. После этого планируем сделать M&A-сделку — объединиться или продать компанию стратегическому партнеру, скорее всего, крупному игроку из США. Для меня это логичный шаг, так как TASS Vision — мой первый стартап. После него собираюсь создавать новые, еще более масштабные компании.
— Какие сферы вам интересны?
— Агротехнологии, решение проблем с водоснабжением, устойчивое развитие. Это сферы, которые будут определять жизнь людей в ближайшие 50–100 лет. Хочу создавать продукты, которые останутся полезными долгие годы — решения, которыми будут пользоваться миллионы людей.
