Алине Нагаштай 18 лет. Интерес к ИТ у нее появился еще в детстве. Первый проект – сайт с информацией о динозаврах – она создала еще в 8-м классе. А уже в колледже вместе с одногруппником начала работать над стартапом EduCode, который облегчает работу учителей. Теперь девушка развивает новый проект – Hooked_AI. Этот ИИ-помощник анализирует Reels и дает рекомендации, помогающие видео залетать в тренды.
Специально для Digital Business Алина рассказала, с помощью чего училась создавать первые сайты, как из одного проекта родилась идея для другого и насколько сложно обучить искусственный интеллект правильно анализировать видео.
«Хотелось создавать что-то свое, а не только выполнять школьные задания»
– Я родилась в селе Кордай Жамбылской области. Любовь к технологиям проявилась еще в раннем детстве: постоянно брала ноутбук старшего брата и пыталась скачать разные игры. Правда, иногда это приводило к неприятностям. Например, когда пыталась установить GTA, занесла в систему вирус. Тогда попробовала решить проблему самостоятельно и понять, что именно пошло не так.
В 8-м классе на уроке информатики стала изучать основы Python и писать небольшие скрипты. Например, простые калькуляторы и задачи на работу с циклами и условиями. Но быстро поняла, что этого мало. Хотелось создавать что-то свое, а не только выполнять школьные задания. Дома стала смотреть обучающие видео. Сначала все делала строго по инструкции, а позже пробовала менять код под собственные идеи.
Из YouTube узнала о существовании GitHub – облачной платформы для ИТ-проектов. Туда загружала свои работы. Первым проектом стала лендинг-страница, написанная на HTML. Сайт был посвящен динозаврам и работал максимально просто: при нажатии на карточку животного отображалась вся информация о нем.
С первого раза сделать красиво не получилось – страница выходила кривой. Больше всего пришлось возиться с версткой: карточки съезжали и выглядели неровно, поэтому несколько раз переписывала HTML и CSS, пока все не стало отображаться правильно.
В общей сложности за школьные годы создала около 25 различных проектов. Потом поступила в колледж при Astana IT University на специальность «Разработчик программного обеспечения». Давно для себя решила, что хочу когда-нибудь создать крутой ИТ-продукт.
«Решили создать ИИ-помощника, который будет вместо педагога проверять код»
– В колледже познакомилась с классными ребятами, которые также горели программированием. Например, вместе с Бижаном Ашыхатовым запустили на втором курсе проект EduCode.
Идея возникла из личного наблюдения: постоянно замечали, что педагоги тратят слишком много времени на проверку домашних заданий и кода. Обычно этот процесс занимал 40-45 минут – почти половину пары. За оставшееся время преподаватель должен был успеть объяснить новую тему, помочь отстающим и дать следующее задание.
Тогда решили создать ИИ-помощника, который будет сам проверять код и давать комментарии к выполненной работе. В октябре 2025 года взялись за разработку. «Мозг» платформы писали на Python с использованием фреймворка FastAPI. Бижан занялся архитектурой и логикой, а я отвечала за функционал: регистрацию пользователей, работу с базой данных и настройку интерфейса. Для проверки кода подключили мини-сервис API Judge0, к которому добавили чат-бот Gemini для разбора результатов.
Всего через месяц сделали MVP – сайт, куда преподаватель или сами студенты могли загружать код. Система проверяла его за 10 секунд, после чего выдавала фидбек: есть ли ошибки, что именно сделано не так, как это исправить. После выставляла предварительную оценку. Окончательное решение всегда оставалось за педагогом.
В общей сложности потратили на создание проекта около $160. С проверкой и продвижением продукта помогли преподаватели. Они согласились не только протестировать, но и разослать ссылку на сайт студентам из других групп. Фидбек помог выявить мелкие баги в интерфейсе и навигации. В целом обратная связь оказалась положительной. Монетизировать проект не планировали – решили оставить его бесплатным и доступным для студентов. К тому же отношение к EduCode изначально было как к первому шагу в индустрии, чтобы получить важный опыт и понять, как создавать продукт с нуля. Разработка и доработка сервиса продолжаются, однако основной фокус внимания сместился на новый проект, запущенный в июне 2026 года.
«Было бы круто создать ИИ, способный анализировать Reels и давать подробный фидбек»
– Второй стартап плавно вытек из первого. Чтобы продвигать EduCode, создала профиль в Instagram, куда начала выкладывать карусели и Reels про проверку кода, ИИ-фидбек для студентов и саму идею проекта. Хотела собрать аудиторию, но подписчики не шли.
Для меня это было странно. Меняла стратегии: пробовала разные форматы видео, экспериментировала с последовательностью публикаций, но собирала максимум 800 просмотров. О том, что дело может быть в самом продукте, даже не думала, ведь живые отзывы пользователей оставались положительными.
После очередного незалетевшего видео опустились руки. На эмоциях удалила все ролики, но позже пришло понимание: из-за отсутствия опыта и насмотренности я могла упустить важные детали. Возможно, неправильно подала информацию, не зацепила пользователя в первые секунды или выбрала неподходящий формат. Тогда возникла мысль: было бы круто создать ИИ, способный анализировать Reels и давать подробный фидбек с практическими советами.
Реализовывать идею начала в акселерационной программе nFactorial Incubator. Попала на 8-недельный летний буткемп, где и занялась работой над Hooked_AI – платформой, где ИИ-помощник анализирует видео для Reels и дает рекомендации по их улучшению. Это могут быть лайфхаки, как зацепить зрителя, или полноценный разбор ошибок – с предположениями, на каком именно моменте ролик становится не интересен аудитории.
Сперва занялась изучением боли. Написала блогерам и креаторам в Instagram с вопросом: актуальна ли для них проблема падения просмотров и получается ли понять, что именно пошло не так? Потенциальных пользователей искала через ленту Reels. В итоге удалось собрать обратную связь от 100+ человек.
Многие подтвердили, что понять причину падения охватов практически невозможно. Приходится действовать вслепую и постоянно тестировать разные гипотезы: менять время публикации, обложки, визуал или подачу.
Убедившись, что боль есть, стала делать MVP – сайт с ИИ-ботом, который будет отсматривать загруженные пользователями видео и давать фидбек о силе хука. На это ушло почти полторы недели. За основу виртуального помощника сначала взяла API от Anthropic с моделью Claude 3 Haiku. Однако позже перешла на Gemini – она оказалась быстрее при анализе видео и выдавала более качественные результаты.
«На запуск MVP потратила около $100»
– Параллельно шла работа над библиотекой хуков для ИИ-консультанта. Для этого вручную отбирала залетевшие на миллионы просмотров ролики разных блогеров и креаторов, которые затем загружала в систему. Использовала для аналитики только открытые аккаунты. На основе этих ввидео ИИ дает советы, а также сами пользователи могут посмотреть и найти идеи для своих роликов. Если ИИ предлагает чье-то видео как пример, то обязательно указывает профиль автора.
Позже для удобства создала бот на базе Gemini, автоматизировавший поиск подходящего контента. Он отслеживает ролики, набравшие не менее 1000 лайков за первые 1-3 часа и показывающие высокий темп роста. После этого выборка попадает на модерацию для принятия финального решения – добавлять видео в базу данных или нет.
На создание Hooked_AI ушло около $100 – в основном это траты на API и технические нужды. Как только MVP был готов, начала поиски тестовой группы. Искала людей через Product Hunt и соцсети, включая LinkedIn и Instagram. В первый же день после пилотного запуска на сайт зашло более 100 человек.
Основная проблема, на которую указали пользователи, – просто разбора видео и оценки силы хука недостаточно. Люди попросили сделать так, чтобы система приводила реальные примеры успешных кейсов и давала рекомендации, как улучшить ролик. Также многие хотели загружать свои видео и сразу получать подборку готовых хуков, адаптированных под их контент. Получая такую обратную связь, старалась оперативно дорабатывать промты.
«До конца июля хочу выйти на $1000 MRR»
– Hooked_AI доступен для пользователей с середины июня. Монетизировать стартап решила через стандартную систему подписок. Бесплатно можно получить первые три анализа видео, а для безлимитного доступа к возможностям сервиса необходимо оформить подписку за $12 в месяц.
На данный момент у стартапа около 1500 пользователей, протестировавших бесплатный анализ. Более 10 человек уже приобрели платную подписку.
Цель до конца июля – выйти на $1000 MRR. В этот же период на Demo Day в nFactorial буду презентовать Hooked_AI перед потенциальными инвесторами, от которых хочу получить фидбек и оценку проекта.
В дальнейшем планирую освоить рынок Казахстана и СНГ. Для сотрудничества активно ищу SMM-агентства, маркетинговые команды, образовательные центры и экспертов, развивающих Instagram-аккаунты. Тем, кто только мечтает запустить свой стартап, могу посоветовать одно – не ждать подходящего момента. Hooked_AI начинался с простейшей версии, которая сразу тестировалась на пользователях. Достаточно найти реальную боль, с которой столкнулись сами, создать простое решение и как можно быстрее показать его аудитории.