Деньги, риск и окупаемость: инвесторский взгляд на Physical AI
В этой статье мы взглянем на проекты Physical AI сквозь призму денег.
- Для начала поговорим о том, зачем это вообще нужно.
- После сформулируем вопросы, которые помогут выявить перспективные компании.
- Наконец, обсудим, какие варианты привлечения инвестиций есть у компаний в сфере робототехники.
Приступим!
Почему важно оценивать проекты
Посмотрим на Physical AI (сокращённо — PhAI) глазами инвесторов.
«Подождите, — скажете вы, — какие мы инвесторы? Мы студенты, у нас, может, и капитала нет, чтобы вкладывать во что-то».
Но у вас есть более важный ресурс, причём невосполнимый — время. Неверный выбор карьерного пути или проекта может стоить нескольких лет жизни. Поэтому думать как инвестор — полезный навык, даже если вы пока не управляете финансовым капиталом.
Cash is king. Деньги — жестокий, но эффективный тест жизнеспособности. Особенно в проектах PhAI — часто дорогостоящих и долгосрочных.
Красивые проекты с многообещающими технологиями разбиваются о рынок. Примеров масса:
- Rethink Robotics не смогла превратить яркую идею «дружелюбного промышленного робота» в устойчивый бизнес.
- Бизнес Zume Pizza по роботизированному производству и доставке пиццы в какой-то момент стоил больше $2 млрд, но рухнул.
- Компания Anki продавала симпатичных домашних роботов миллионами штук, но всё равно закрылась.
Во всех случаях итог был похожим: сотни миллионов долларов потерянных денег и массовые увольнения.
У нас нет хрустального шара, заглянув в который можно найти наилучшие проекты PhAI. Вместо этого мы будем задавать вопросы, которые будут работать не как школьный тест, где нужно набрать максимальный балл, а скорее как система фильтров.
В поисках ответов на эти вопросы мы сможем заранее увидеть красные флаги: нет понятной ценности для клиента, не сходится экономика, каждая продажа требует ручной настройки, внешняя среда не готова, а источника денег для многолетнего финансирования нет.
Если таких флагов становится слишком много, проект, скорее всего, обречён. И наоборот: чем меньше красных флагов, тем выше шанс, что перед нами не просто красивая демонстрация технологии, а проект, который можно довести до реальной работы.
Начнём с первого и, наверное, самого важного вопроса.
Вопрос № 1: в чём ценность?
PhAI особенно нужен там, где много физической работы, а людей не хватает или их трудно быстро нанять и обучить.
Если заказов и операций становится больше, то простое расширение штата уже не всегда решает проблему, а классическая автоматизация справляется преимущественно с повторяющимися и предсказуемыми задачами. Поэтому главные области для PhAI сегодня — склады, доставка, производство и инфраструктура.
Гибкость — главное отличие PhAI от классической автоматизации. Классический робот обычно окупался на одной заданной операции — например, сварке кузова на конвейере. Более универсальная PhAI-система может закрывать сразу несколько близких задач, например сварку, контроль качества и позиционирование деталей.
Гуманоиды идут ещё дальше: они обещают работать в уже готовой человеческой инфраструктуре. Но универсальность тоже требует денег на более сложную интеграцию и сервис, поэтому конечный экономический результат здесь пока под вопросом.
Но потребность — это ещё не спрос. Спрос возникает там, где потребность подкреплена деньгами, то есть платёжеспособными клиентами. А они появляются, если PhAI способен доказать свою экономическую ценность.
Нас интересует не абстрактная «полезность», а ценность для конкретной группы клиентов, выраженная в понятных экономических показателях: дополнительная прибыль или экономия. Причём эта ценность всегда относительна, потому что заказчик обычно как-то или кое-как закрывает свою потребность — классической автоматизацией, наймом новой рабочей силы или вообще переносом операций в другой регион.
Иногда ценность PhAI проявляется не в прямой экономии, а в предотвращении более дорогого сценария. Если людей не хватает, а заказы выполнять нужно, даже несовершенная автоматизация может быть экономически оправданна — потому что срыв поставок, потеря клиентов или остановка операций обойдутся ещё дороже.
И важно докапываться до конкретных цифр. Пока проект описывается словами вроде «ускоряет», «улучшает» или «революционизирует», его трудно сравнивать с другими решениями. Но когда появляются понятные показатели: стоимость операции, экономия времени, снижение брака, срок окупаемости, — проект уже можно анализировать как реальный бизнес, а не как набор обещаний.
Пример того, как ценность сформулирована хорошо
«Сейчас участок требует около 1 млн человеко-часов основного производственного персонала в год. Роботизированная система позволяет снизить эту потребность на 60–70% при сохранении текущего объёма выпуска и качества».
Дальше можно просчитать экономию на персонале.
«Ручной и выборочный контроль не позволяет снизить долю брака ниже 3%. Система машинного зрения снижает долю брака до 1% при том же объёме производства».
Компания может оценить свою экономию, если внедрит предложенную технологию.
«Сейчас городская доставка стоит компании 400–500 рублей за заказ. Автономная система снижает полную стоимость доставки до 250–300 рублей при сохранении приемлемой скорости, надёжности и безопасности».
Дальше можно проверять, за счёт чего достигается экономия: меньше затрат на курьеров, выше загрузка, работа в непиковые часы и т. п.
«Сейчас инспекция газопровода проводится с частичной остановкой участка на две недели и требует работы людей в опасной среде. Роботизированная система позволяет проводить диагностику без прекращения подачи газа и снижает риск дорогостоящей аварии».
Здесь ценность не только в экономии на людях. Она в сравнении с текущим способом контроля: чаще, безопаснее, без простоя и с меньшим риском пропустить дефект.
Пример того, как ценность сформулирована плохо
«Внедрение нашей роботизированной системы позволит повысить производительность труда в 1,5–2 раза»
Непонятно, производительность чьего именно труда, на каком процессе, по сравнению с чем и почему такой широкий разброс.
«Наш робот сократит издержки предприятия»
Неясно, какие именно издержки сократятся, на сколько и за какой срок.
«Наша технология полностью изменит логистику будущего»
Это не экономическая формулировка, а рекламный слоган.
Подтверждённая ценность — основа проекта. Если у проекта есть контракт с покупателями или заказчиками — ещё лучше. А если уже начато финансирование — это вообще замечательно. Ничто так не укрепляет веру в заказчика, как стопроцентная предоплата.
Если заказчик не может перевести ценность технологии в деньги, экономию времени или снижение риска, то это пока не рынок, а демонстрация технологии.
Допустим, рынок найден. Но он ещё не доказывает, что проект жизнеспособен.
Следующий вопрос: окупается ли проект для его инициаторов?
Вопрос № 2: окупается ли проект?
Многие технологические проекты рассыпаются, потому что не смогли достичь прибыльности. Чтобы не оказаться в такой ситуации, нужно внимательно считать доходы и расходы.
Здесь нам важны две вещи: юнит-экономика и жизненный цикл.
Что такое юнит-экономика?
Юнит-экономика — это экономика одной единицы бизнеса: робота, внедрённого комплекса, клиента, склада или отдельной операции.
Расчёт юнит-экономики позволяет ответить на вопрос: зарабатывает ли компания на каждом проданном роботе или нет?
Вот как в общих чертах выглядит расчёт юнит-экономики.
Сначала прогнозируем выручку, которая основана на объёмах сбыта и цене продажи решения. Очевидно, что цена не должна превышать экономическую ценность, которую получает заказчик.
Затем считаем все затраты. В PhAI почти никогда не бывает «просто робота»: вокруг него быстро возникает целый клубок расходов. Переменные затраты растут вместе с объёмом производства: материалы, комплектующие, сборка, доставка. Условно-постоянные растут скачками: зарплаты команд, аренда помещений, сертификация, софт и прочее. Разница между доходами и расходами даёт прибыль. Или не даёт — тогда нужно смотреть, что не получается, или закрывать историю.
При этом гибкость PhAI может сократить часть затрат по сравнению с классической автоматизацией. Например, если система может работать в уже существующей инфраструктуре или взаимодействовать с людьми через более естественные интерфейсы, то бизнесу может потребоваться меньше специализированных интеграций и отдельных IT-систем.
Вторая вещь — жизненный цикл. В PhAI важно считать не только продажу устройства, а всю экономику его работы по всему циклу жизни продукции.
Учтём, что линейный рост ранней стадии легко спутать с экспонентой: первые пилоты и повторные продажи могут выглядеть как начало взрывного масштабирования, но дальше рост быстро упирается в производство, интеграцию, сервис и ограниченный круг ранних заказчиков.
Пример хорошей юнит-экономики
Компания продаёт робота за 600 тыс. рублей, покрывая лишь затраты на его изготовление. Но затем в течение жизненного цикла — пяти лет — она получает 750 тыс. рублей прибыли от сервиса.
В результате клиент получает работающую систему с поддержкой, а компания — 750 тыс. рублей прибыли за жизненный цикл и долгосрочно прибыльную финансовую модель.
Пример плохой юнит-экономики
Компания продаёт робота за 1 млн рублей при себестоимости устройства 600 тыс. рублей.
Казалось бы, всё прекрасно: 400 тыс. рублей прибыли на продаже. Но после начала массовых внедрений выясняется, что клиенты не готовы столько платить за сервис, а его обеспечение обходится дорого.
В результате компания теряет 550 тыс. рублей за жизненный цикл каждого робота, а рост продаж начинает не сокращать, а наращивать убыточность проекта.
| Устойчивая модель, тыс. руб. | Проблемная модель, тыс. руб. |
|---|---|
| Цена продажи робота | 600 |
| Себестоимость изготовления робота | 600 |
| Прибыль от продажи робота | 0 |
| Доходы от сервиса за пять лет | 1500 |
| Расходы на сервис за пять лет | 750 |
| Прибыль от сервиса | 750 |
| Итого прибыль за жизненный цикл | 750 |
Яркий пример успешной модели — компания Intuitive Surgical. Только за IV квартал 2025 года она получила около $0,8 млрд выручки от поставки хирургических роботов da Vinci и ещё около $1,7 млрд — от продажи инструментов, аксессуаров и сервиса для своих роботов.
Хуже проекта, который не состоялся сразу, может быть только запущенный проект, не сумевший в итоге выйти в прибыль.
Первый сжигает первоначальные инвестиции и исчезает. А второй доходит до клиентов, внедряется в их процессы и потом, умерев из-за плохой экономики, подводит ещё и заказчиков, которые начали от него зависеть.
Чтобы обеспечить наилучшую экономику, большинство проектов стремятся к масштабируемости. Но здесь возникает следующий вопрос: масштабируется ли проект вообще — или каждая новая продажа требует индивидуальной настройки?
Вопрос № 3: масштабируется ли проект?
Масштабируемость определяет, какой тип успеха вообще возможен для данного проекта и какие риски становятся для него критическими.
Можно выделить три принципиально разных уровня.
Уровень 1 — продукт «из коробки»
Стандартизированный продукт, который продаётся массово без существенной кастомизации, а прибыль растёт по мере увеличения числа покупателей. Главный минус — высокая конкуренция и постоянное давление на цену.
Примеры — роботы-пылесосы iRobot Roomba, которая продаёт миллионы устройств по всему миру. Или коллаборативные роботы (коботы) Universal Robots — более 100 тыс. роботизированных манипуляторов для малого и среднего бизнеса.
Для проектов этого уровня масштабируемость — условие выживания. Если продукт не масштабируется быстро, конкурент займёт рынок раньше. Главный вопрос здесь: «Можете ли вы захватить достаточную долю рынка до того, как кончатся деньги?»
Провал Rethink Robotics с роботами Baxter и Sawyer — именно об этом: технология была, продукт существовал, но продажи масштабировались медленно, деньги закончились, и компания закрылась.
Что с ними случилось?
Baxter, представленный в 2012 году, стал одним из первых заметных коллаборативных роботов: две руки, экран с «лицом», безопасная работа рядом с человеком и простое обучение движением руки. Идея состояла в том, чтобы создать относительно простого и доступного робота для автоматизации рутинных операций на небольших производствах — без сложной интеграции и полной перестройки цеха.
Но на практике продукт застрял между двумя рынками. Для небольших компаний он всё равно оставался дорогой покупкой, которую нужно было окупать конкретной экономией. А для крупных производств он оказался слишком медленным и недостаточно точным по сравнению с обычными промышленными роботами и более зрелыми решениями автоматизации.
Sawyer, следующая модель Rethink Robotics, был лучше: компактнее, точнее, с одной рукой, больше похож на промышленный инструмент. Но к тому моменту рынок уже заняли конкуренты вроде Universal Robots, а продажи Rethink Robotics росли слишком медленно. Компания продолжала тратить деньги на разработку, продажи и поддержку, но не смогла достаточно быстро масштабировать выручку. В результате деньги закончились раньше, чем бизнес-модель стала устойчивой.
Итог: Rethink Robotics закрылась в 2018 году после примерно 10 лет работы и около $150 млн привлечённых инвестиций, а её патенты, торговые марки и программная платформа были проданы конкурентам.
Уровень 2 — кастомизация под конкретного клиента
Базовая платформа существует, но каждое внедрение уникально и требует адаптации под конкретного клиента и его задачи.
Цена контракта высокая, цикл продажи длинный, маржа на единицу выше, чем в массовом продукте, — но масштабировать такой бизнес значительно сложнее.
Пример — Agility Robotics и Toyota: гуманоидный робот Digit — стандартная платформа, но каждое внедрение требует глубокой интеграции в конкретные конвейерные линии и рабочие процессы заказчика.
При этом проект делается по модели Robots-as-a-Service: роботы берутся в аренду, Agility берёт на себя обслуживание и управление через облачную платформу.
В таких проектах стоимость интеграции часто превышает стоимость самого робота. Это значит, что главный актив компании — не железо, а способность команды быстро и эффективно делать новые объекты. Именно это и становится настоящим ограничителем роста. Уйдёт команда — прощай конкурентное преимущество.
Уровень 3 — уникальный проект
Создаётся под конкретное ТЗ единственного заказчика, часто — государства. Тиражирования нет, маржа может быть высокой, но бизнес полностью зависит от решений одного клиента.
Пример — роботы Hitachi, разработанные для ликвидации последствий аварии на реакторе Fukushima: каждая система создавалась под уникальную геометрию конкретного реактора — трубы нестандартного диаметра, уровень радиации, недоступные для человека пространства. Ничего подобного до этого не существовало и не могло существовать в серийном виде.
Здесь важна не масштабируемость, а то, сохранит ли заказчик финансирование, не сменятся ли приоритеты или политическая ситуация. Технологическое качество здесь необходимо, но недостаточно.
Где лучше начинать карьеру? Ответ зависит от личных приоритетов.
Проект с серийным продуктом — хорошая стартовая точка с относительно широким рынком труда. Накопленный опыт может быть перенесён потом в другие проекты. Минус — можно столкнуться с высокой конкуренцией за рабочие места.
Кастомизированный проект позволит накопить глубокую экспертизу в сложной нише с решением интересных задач, которых нет в массмаркете. Но есть риск со временем оказаться крепко привязанным к одному клиенту или одной технологии.
Уникальный проект может дать редкую специализацию и опыт решения сложных задач с потенциально высоким доходом. Но если единственный заказчик — государство, то карьера может остановиться вместе с программой. Кроме того, накопленный внутри закрытой экосистемы опыт снаружи может стоить дешевле, чем кажется.
Но любой проект, серийный или уникальный, — не реализуется в вакууме. Он зависит от множества факторов внешней среды: технологий, инфраструктуры, регуляторов и самих заказчиков.
Вопрос № 4: готова ли внешняя среда?
Можно быть великим инженером и изобретателем, но не попасть в своё время.
Леонардо да Винчи придумал концепцию вертолёта за сотни лет до появления двигателей, соответствующих материалов и промышленной базы.
Ларри Эллисон из Oracle в 1995 году предложил концепцию сетевого компьютера — дешёвого терминала без локального хранилища, который получает всё из сети, но существовавшие тогда каналы связи и инфраструктура не позволяли реализовать идею. Спустя 15 лет та же концепция стала основой всей цифровой экономики под названием «облако».
Даже гениальная технология не станет бизнесом, если мир вокруг неё ещё не готов. Неподготовленная среда может катастрофически увеличить затраты и растянуть сроки проекта до нереальных.
Для PhAI этот вопрос особенно важен. Роботам нужны энергия, связь, сервис, дороги, стандарты безопасности, страхование и готовность заказчиков перестраивать процессы. Поэтому экономическая проблема часто заключается не в самом роботе, а в стоимости адаптации среды под него. Вот какие аспекты наиболее важны.
Регуляторика
Это дополнительные расходы на сертификацию, согласования, страхование и юристов. Поэтому автономные дроны доставки уже много лет упираются не только в технологию, но и в ограничения полётов.
Инфраструктура
Часто требует модернизации и поддержки. Например, городским роботам доставки нужны маршруты, зарядка, сервис и интеграция с логистикой.
Amazon в итоге остановила проект Scout: между демонстрацией технологии и массовой экономикой оказалась слишком большая дистанция. Беспилотные автомобили показывают ту же проблему. Сама технология может работать, но массовая экономика появляется только тогда, когда готовы регулирование, страхование, цифровые карты, городская инфраструктура и правила ответственности за аварии.
Социальное принятие
Тоже часть экономики. Проект Google Glass (не PhAI, но показательно) столкнулся не столько с техническими проблемами, сколько с раздражением людей относительно приватности и ощущения постоянного наблюдения. Для PhAI это ещё важнее: автономные системы (особенно гуманоидные) будут буквально находиться рядом с человеком.
Организационная готовность
Иногда робот работает нормально, но сам заказчик боится радикальных изменений или, скорее, своей неспособности справиться с внедрением технологии.
Склад, завод или больница могут быть слишком сложны, чтобы автоматизация дала обещанный эффект, а не усилила хаос.
Среда созревает не сразу, а постепенно — через опыт, стандарты, новые правила, обучение персонала и перестройку операционных процессов.
И нужно ответить на вопрос: что должно измениться вокруг проекта, чтобы он стал массовым? Если ответ звучит как «нужно немного доработать продукт» — это более-менее понятный технологический риск, на который можно заложить статью затрат.
Если же для успеха проекта нужно глобально менять законодательство, инфраструктуру, поведение людей и сложные отраслевые процессы, то перед нами уже не технологический проект, а очень дорогая ставка на перестройку окружающей среды. И есть риск, что компания просто не доживёт, а деньги у инвесторов кончатся раньше, чем эта среда изменится.
И тут мы подходим к ещё одному важному вопросу: кто будет финансировать наш проект?
Вопрос № 5: где взять инвестиции?
PhAI требует денег: разработка, производство, сервис, инфраструктура и выход на рынок стоят дорого. Поэтому довольно быстро возникает потребность в инвесторах, готовых финансировать проект на всех этапах.
От иллюзий о быстрой окупаемости лучше отказаться сразу. Простые проекты автоматизации иногда отбиваются за пару-тройку лет, но крупные инфраструктурные и складские системы уже требуют пяти лет и более, а сложные проекты PhAI могут много лет жить на внешнем финансировании до выхода на устойчивую прибыль. Поэтому важно заранее понимать: когда проект начнёт зарабатывать, сколько денег потребуется до этого момента и где их брать.
Если честно, то инвесторов не очень часто интересуют сам робот и технологическая красота проекта. Они озабочены другим:
как получить максимальную доходность при минимально возможном риске на приемлемом периоде времени.
Инвесторы смотрят, есть ли реальный рынок, улучшается ли юнит-экономика, масштабируется ли проект, насколько высоки барьеры для конкурентов, сколько ещё капитала потребуется и когда проект сможет выйти на устойчивую прибыль.
Инвесторы — отличный способ проверки проекта реальностью. Потому что инвестор, в отличие от зрителя на конференции, рискует собственными деньгами.
Куда идти за деньгами
Первый источник финансирования проекта — свои деньги и деньги ближайшего круга: семьи, друзей и первых сторонников идеи. В стартап-среде это называют FFF-деньгами, как раз по первым буквам «инвесторов»: family, friends, fools.
Такие деньги могут появиться раньше всех. Обратная сторона — их обычно немного. Кроме того, нет более верного способа испортить отношения с близкими, чем взять у них взаймы под проект с неясными перспективами.
Второй источник — гранты, акселераторы и деньги ранних заказчиков под конкретный этап: НИОКР, прототип, пилот или коммерциализацию. В России, например, есть программы Фонда содействия инновациям, «Сколково» и Московского инновационного кластера, которые поддерживают профильные проекты.
Для PhAI этот источник важен: если проект собрал MVP, провёл пилот и получил софинансирование или оплату от фонда либо первого заказчика, значит, он уже начал подтверждать ценность и проверять свою юнит-экономику.
Третий источник — венчурное финансирование. Звучит красиво: инвестор вкладывает в ваш проект сейчас, рассчитывая заработать сверхприбыль в будущем, когда проект станет ракетой. В 2025 году глобальный рынок венчурного финансирования оценивался в $469 млрд, из которых 9% пришлось на robotics-компании (CBInsights, Venture Trends 2025).
Но на практике это узкое окно возможностей: венчурные инвесторы готовы терпеть убытки только там, где видят большой рынок, быстрый рост и шанс на сверхдоходность. А в России после 2021 года такое финансирование резко сжалось: в 2025 году объём венчурного рынка составил всего $146 млн. Поэтому делать венчур главным расчётом для российского PhAI-проекта — это фантастически смело.
Зато в России может лучше работать развитие внутри крупных корпораций или при их активном участии. Для корпорации PhAI — это способ решить собственную задачу: снизить издержки, закрыть дефицит персонала, автоматизировать опасные операции, улучшить контроль над производством или логистикой.
«Северсталь» инвестирует в промышленных роботов, «Норникель» внедряет роботов, экзоскелеты и дроны, X5 роботизирует распределительные центры, «Газпром нефть» применяет беспилотники и роботизированные комплексы на месторождениях, Яндекс развивает автономных роботов-доставщиков.
Ещё один путь — государственные деньги. Они важны там, где PhAI связан с обороной, инфраструктурой, космосом, промышленной автоматизацией или технологическим суверенитетом.
В России такие примеры уже есть: национальный проект «Беспилотные авиационные системы» финансирует развитие отрасли БПЛА, Минпромторг поддерживает разработку и внедрение промышленной робототехники, а НТИ выдаёт гранты проектам, связанным с беспилотниками и смежными технологиями. Но у этого пути есть цена: бюрократия, долгие согласования, зависимость от бюджета и риск привязки к одному крупному заказчику.
Наконец, есть IPO — продажа акций на бирже широкому кругу инвесторов. Это мечта почти всех фаундеров — особый дивный мир, сулящий рост и богатство. Но даже в мировой практике IPO — это очень поздняя стадия, когда проект уже должен доказать наличие рынка, работающую технологию и шанс на масштабирование, а потом регулярно (обычно раз в квартал) подтверждать это отчётностью.
В России же IPO — это далёкая и смутная перспектива: рынок акций ограничен, деньги дорогие, инвесторы обычно хотят быстрого роста котировок и щедрых дивидендов. Поэтому успешных технологических компаний, вышедших на биржу, единицы.
А например?
Из недавних:
- HeadHunter (2019)
- Ozon (2020)
- Softline (2021)
- Циан (2021)
- Positive Technologies (2021)
- Группа Астра (2023)
- Диасофт (2024)
- IVA Technologies (2024)
- Arendata (2024)
- Element (2024)
С позиции инвестора из этих IPO более-менее успешными можно считать HeadHunter и Ozon.
Участие в растущем технологическом проекте для специалиста может быть не только карьерной, но и финансовой ставкой. Успешное развитие и выход технологических компаний на биржу сделали тысячи их сотрудников миллионерами. Эти люди сумели превратить своё время, труд и профессиональный риск в реальный финансовый капитал — через опционы, акции и участие в росте стоимости компании.
Подведём итоги
Пять вопросов — это минимальный и необходимый набор экономических фильтров для первого анализа. Они позволяют провести первый отсев и наметить кандидатов и направления для дальнейшего анализа. По мере погружения в проект вопросов будет больше, и они станут всё детальнее: например, про размер и устойчивость рынка, конкурентов, структуру затрат, маржинальность разных видов продукции и много чего ещё. Но основа останется неизменной.
Идеальных проектов не бывает. Где-то будет сильная технология, но хромающая окупаемость. Где-то есть клиент, но плохо понятен масштаб. Где-то рынок готов, но слишком высока конкуренция. Поэтому задача не в том, чтобы найти проект без недостатков, а в том, чтобы понять, какие недостатки критичны, а с какими можно работать и как их компенсировать.
И ещё важно: ответы на эти вопросы не фиксируются навечно. PhAI — отрасль бурная: меняются технологии, конкуренты, регулирование, инфраструктура и рынок. То, что сегодня выглядит сомнительно, через несколько месяцев может стать жизнеспособнее — и наоборот.
Поэтому к этим вопросам нужно возвращаться снова и снова. Это не разовый экзамен проекта, а регулярная проверка его связи с реальностью.