Деньги есть: рынки AI agents, knowledge management и AI meeting assistants крупные и растущие; конкуренты берут $19–399/mo и $14–150/seat/mo.
ЗАХВАТ38
Захват ценности слабый: Mem0, Zep, Supermemory, Letta, screenpipe, Granola уже имеют funding, API, paid plans и distribution; Apache-2.0 снижает защиту от форков.
ДОСТУП66
Apache-2.0 разрешает коммерческое использование и closed-source деривативы, но мешают macOS-only, TCC permissions, privacy/security liability, alpha maturity и маленькая команда.
«Потенциал есть, но capture топит: рынок горячий, конкуренты уже сильнее и ближе к каналам продаж.»
Рыночный анализ · Обзор
Persome — локальная macOS-система, которая строит “HUMAN.md”: проверяемую модель того, как человек работает, думает, решает и на чём сейчас сфокусирован.
personal AI memory / local-first agent memory / MCP / productivity / privacy techЗРЕЛОСТЬ · ЭКСПЕРИМЕНТ
Persome собирает сфокусированную активность на Mac после разрешений macOS, импортирует Markdown, Obsidian, Notion и локальные папки, строит слои Point → Line → Face → Volume → Root. Важные выводы привязываются к доказательствам, а контекст отдаётся через MCP в Codex, Claude Code, Claude Desktop, Cursor и OpenCode.
Какую боль решает
AI-агенты плохо знают владельца, теряют контекст между сессиями, не понимают текущие цели и заставляют человека каждый раз пересказывать рабочее состояние.
Сценарии использования
+Восстановить, где пользователь остановился в коде, заметках или проекте.
+Дать Claude Code или Codex персональный контекст целей, стандартов качества и незавершённых задач.
+Искать в личной памяти с источником, timestamp и receipt ID.
+Строить локальную, редактируемую, экспортируемую и удаляемую модель предпочтений и решений.
+Запускать безопасные локальные задачи “пока сплю” без внешних действий без разрешения.
Целевой пользователь
Power users на macOS, разработчики с AI coding agents, исследователи, founders, knowledge workers и privacy-sensitive пользователи.
macOS AX-first local memory для agents, Markdown/SQLite; очень близкий early-alpha аналог.
Позиционирование
Persome — нишевый догоняющий, не лидер. Сильная дифференциация — Personal Model/HUMAN.md с доказательствами и MCP для coding agents; слабость — рынок уже занят более звёздными OSS и funded-продуктами.
OS-level developer memory, local chat history и AI copilot.
Users/revenue не раскрыты.
Free$0
Pro$18.99/mo
Текущая монетизация проекта
Монетизация самого Persome не подтверждена. В README/pyproject нет cloud, paid support, open-core, billing или sponsors; сейчас проект выглядит как early OSS/hobby/research project под Apache-2.0.
Коммерческий потенциал
ПОТЕНЦИАЛ · СРЕДНИЙ
Заработать можно, но не продажей Python-библиотеки. Перспективный путь — packaged local-first product для developers и teams, где Persome выступает runtime-ядром.
Спрос и рынок
Спрос высокий, но не на термин “личная модель”, а на agent memory, local context и meeting/work knowledge. Ближайшие платёжные рынки: AI agents, knowledge management и AI meeting assistants; точный TAM для local personal model for MCP agents не подтверждён и, вероятно, меньше.
Ров / защищённость
Текущий ров слабый: Apache-2.0, свежий код и маленькая community. Потенциальный ров — накопленный local personal graph, evidence receipts, trust/privacy UX, integrations и enterprise policy layer; главный ров должен быть distribution + trust, не алгоритм.
Модели монетизации
+Paid desktop app / Pro installer: подписка $10–25/mo за signed app, auto-update, backup и polished viewer.
+Team/enterprise local deployment: $30–100/seat/mo за admin policies, allow/deny app rules, audit, MDM, SSO и data-retention.
+Paid MCP/connectors для Claude Code, Cursor, Codex, Obsidian, Notion, Linear, GitHub и Slack.
+Support/compliance package для privacy-sensitive организаций.
+Hosted optional sync с encrypted/BYOK-моделью, чтобы не конфликтовать с privacy positioning.
Что нужно, чтобы сделать продукт
+Signed native macOS app, auto-update и crash-safe installer.
+Доказанные evals: качество recall, hallucination rate, latency, storage/CPU.
+Threat model, security audit, encryption-at-rest и consent workflow.
+Billing, onboarding и документация для non-developers.
+Стабильные releases и backward-compatible DB migrations.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
Apache-2.0 разрешает коммерческое использование. Можно использовать в closed-source продукте, продавать сервис или десктоп-приложение и модифицировать код; нужно сохранять license/NOTICE и учитывать patent grant/termination.
Риски и подводные камни
ВЫСОКИЙПРОЧЕЕ
Сбор screen/AX/OCR activity создаёт риск утечки паролей, PII и коммерческой тайны.
ВЫСОКИЙКОНКУРЕНЦИЯ
screenpipe, Supermemory, Mem0, Zep, Granola и Letta уже монетизируют и быстрее займут каналы.
ВЫСОКИЙПРОЧЕЕ
Platform risk: macOS permissions, Screen Recording/Accessibility, notarization и изменения Apple policy.
ВЫСОКИЙПРОЧЕЕ
Проекту около 6 дней, classifier alpha, v0.3.2; есть риск поломок и потери данных.
СРЕДНИЙЮР. СЕРАЯ ЗОНА
Workplace capture может требовать политик согласия, особенно при записи экранов, документов и сообщений.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
5 контрибьюторов, организация без verified, маленький owner footprint.
СРЕДНИЙПРОЧЕЕ
Semantic modeling требует hosted/local provider; качество и стоимость зависят от внешних моделей.
НИЗКИЙЛИЦЕНЗИЯ
Apache-2.0 коммерчески безопасна при сохранении license/NOTICE и учёте patent grant/termination.
+Звёзды OSS-аналогов и часть ссылок были взяты из собранного разбора, а не перепроверены сейчас.
+Для коммерческих аналогов не все цены и scale подтверждены двумя независимыми источниками; confidence поэтому medium.
+Оценки TAM для узкой ниши local personal model for MCP agents не подтверждены; использованы смежные рынки AI agents, knowledge management и AI meeting assistants.
+Limitless pricing в собранном разборе отмечен как неуверенный: точная структура bundle/старых цен не подтверждена.
+Fireflies valuation взята из вторичного источника.
+Granola valuation взята из одного медиа-источника.
+Otter.ai scale ограничен G2 reviews; revenue/users не подтверждены.
+Pieces users/revenue не раскрыты.
+Zep публичная выручка не найдена.
+Монетизация самого Persome не подтверждена отдельной pricing/support страницей.
+Риски privacy/security, platform risk, legal/consent и moat частично являются экспертной оценкой на основе характера продукта, а не измеренными фактами.
Intuition-Lab/personal-model собрал 14 звёзд за окно, тогда как у автора всего 5 подписчиков — эффективная аудитория ≈ 275. Это даёт surprise-индекс 0.0444 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.