Иногда самые любопытные AI-проекты проходят почти бесшумно: без громких рейтингов, без сотен отзывов и без волны обсуждений. В этой подборке — как раз такие случаи: продукты с очень слабым публичным сигналом, но с идеями, которые выглядят сильнее их текущей видимости.

Avoca Systems

Avoca Systems делает узкоспециализированную автоматизацию для радиологии: запись пациентов, направления, звонки, напоминания и последующие действия с учётом реальных операционных правил клиник. Это интересно тем, что проект не пытается быть универсальным помощником для всех сразу, а заходит в болезненный вертикальный процесс, где ошибки дорого стоят, а ручной труд всё ещё огромен.

Почему находка недооценена: на странице Launch YC у проекта был всего 1 голос примерно через 15 часов после публикации. При этом команда заявляет, что решение уже работает более чем в 250 клиниках, снижает долю брошенных звонков примерно с 30% до 2% и расширяется в США. Такой разрыв между реальным внедрением и слабой публичной заметностью встречается нечасто.

Traceforce

Traceforce следит за тем, как сотрудники используют AI-инструменты на рабочих устройствах: какие приложения, MCP-серверы и навыки подключены, какие действия выполняются и где могут возникнуть утечки данных. Ставка здесь на важный, но пока ещё недооценённый слой защиты: не сетевой шлюз, а поведение агентов прямо на устройстве.

Почему находка недооценена: запуск на YC набрал лишь 3 голоса примерно за 20 часов. Между тем команда говорит о развёртывании на 1 500+ устройствах и пилотах с более крупными компаниями. Для рынка, где число корпоративных AI-агентов быстро растёт, это выглядит как точка входа в очень своевременную категорию.

Bizmark

Bizmark строит операционную систему для производителей, дистрибьюторов и розницы: хочет превратить таблицы, разрозненные ERP-фрагменты и знания сотрудников в процессы котировок, планирования, закупок и управления запасами. Идея важна потому, что физические отрасли часто богаты данными, но бедны удобными цифровыми контурами принятия решений.

Почему находка недооценена: у запуска было только 4 голоса примерно через 19 часов после публикации. При этом сам замах большой — не очередной универсальный чат, а попытка встроиться в повседневные решения, от которых зависят маржа, сроки и оборачиваемость.

TBP

TBP — свежий инструмент для улучшения запросов к моделям. По описанию на BetaList он задаёт уточняющие вопросы и применяет более сильные приёмы построения запросов локально или через облачные модели. Идея не выглядит модной, но решает очень практическую задачу для людей, которые хотят получать лучшие ответы без глубокого погружения в ремесло составления запросов.

Почему находка недооценена: это свежая однодневная публикация на BetaList с почти нулевым внешним следом в поиске. Часто именно так выглядят инструменты, которые ещё не попали в поток обсуждений, но могут оказаться полезным базовым слоем для повседневной работы с AI.

Bullshit Detector

Bullshit Detector упаковывает проверку спорных утверждений в агентный рабочий процесс: система разбирает видео, статьи, посты и PDF-файлы, ищет подтверждения по источникам и даёт численную оценку достоверности. Это любопытно не как очередной пересказчик текста, а как попытка сделать воспроизводимую проверку утверждений с цепочкой ссылок.

Почему находка недооценена: на Show HN у проекта было только 2 балла и не было обсуждения, а репозиторий на GitHub показывал 12 звёзд и 0 форков. Для редакторов, исследователей и аналитиков такая заготовка может оказаться полезнее, чем её нынешняя популярность подсказывает.

Burnless

Burnless делает память сеансов и накопление рабочего контекста для командных AI-инструментов, чтобы не пересылать один и тот же объём переписки снова и снова и уменьшать затраты на контекст. Это важная инфраструктурная идея для тех, кто работает с агентами в командной строке и упирается в лишние токены, потерю состояния и повторные объяснения.

Почему находка недооценена: на Show HN у проекта было 2 балла без обсуждения, а у репозитория — всего 1 звезда и 0 форков. Для очень ранней инфраструктуры это ещё не сигнал успеха, но это точно сигнал, что рынок пока почти не обратил внимания на полезную проблему.

Если смотреть на подборку целиком, общий мотив здесь один: самые интересные вещи нередко появляются не там, где уже есть толпа. Одни команды строят защиту для будущего корпоративных агентов, другие автоматизируют узкие отраслевые процессы, третьи улучшают базовые рабочие слои — память, проверку фактов, качество запросов. И почти все пока живут с минимальной публичной видимостью. Именно поэтому за ними стоит следить сейчас, а не после громкого всплеска интереса.