Коротко

  • Что: опенсорс-solver для задач планирования плюс платный API и энтерпрайз-слой. ARR вырос 4x в 2025 по словам компании. Команда около 10 человек.
  • Бюджет входа для соло: ноль за solver плюс 1–3 месяца разработки доменной модели.
  • Навык: сильный бэкенд-разработчик (Java или Python), понимание constraint programming.
  • Вертикаль для СНГ: ростеринг для частных клиник или маршрутизация для локальной курьерки и клининга.
  • Вердикт: глубокий deep-tech с длинным циклом внедрения, но узкая вертикаль реальна.

Откуда взялся solver с 17-летней историей

Джеффри Де Смет написал первую версию OptaPlanner в 2006 году — сначала в свободное время, потом в Red Hat, куда его взяли работать над Drools. С 2013 года Red Hat платил ему за разработку OptaPlanner на постоянной основе. Инструмент за десять лет оброс сообществом, его встраивали в логистические системы, планировщики смен, расписания больниц по всей Европе.

В конце 2022 года Red Hat решил свернуть проект. Де Смет и Мартен Ванденбрук, который до этого занимался коммерческой стороной, основали Timefold BV в начале 2023 года. Они форкнули кодовую базу OptaPlanner в Timefold Solver, взяли ключевых разработчиков из команды и запустились с посевным раундом 2 млн евро от Smartfin.

Это не история стартапа с нуля. За Timefold Solver стоит 17 лет проверенного в продакшене кода, сотни внедрений в энтерпрайзе и репутация автора. Бывшие пользователи OptaPlanner мигрировали на Timefold — потому что их разработчик теперь там.

В июне 2026 компания закрыла Series A на 13 млн долларов: лид-инвестор Alstin Capital, участвуют Kompas VC и прежние инвесторы Lakestar и Smartfin.

Что делают

Timefold решает класс задач, который в учебниках называется NP-трудным: когда нужно распределить ресурсы (людей, машины, оборудование) по задачам с ограничениями (рабочие часы, навыки, окна доставки, расстояния) и сделать это оптимально.

Конкретные сценарии:

  • Маршрутизация транспорта — развоз 200 заказов по 15 курьерам с учётом окон доставки, грузоподъёмности и рабочего времени водителей.
  • Расстановка смен — расписание 80 медсестёр по сменам с учётом квалификаций, трудового кодекса и личных предпочтений.
  • Планирование выездного сервиса — назначение техников на заявки клиентов с учётом навыков и географии.
  • Загрузка производства — планирование операций на оборудовании с переналадками.

Продукт устроен в три уровня. Первый: Timefold Solver — опенсорс под лицензией Apache-2.0, Java и Python, репозиторий на GitHub с 1693 звёздами. Любой разработчик скачивает и встраивает в своё приложение. Второй: Timefold Enterprise — платная версия solver'а с многопоточным решением, дополнительными эвристиками и поддержкой. Третий: Timefold Platform — managed-сервис, где клиент отдаёт задачу через REST-запрос и получает готовый план, ничего не разворачивая у себя. Публичных цен на API нет — по запросу.

Юнит-экономика open-core: кто платит и за что

Открытое ядро работает через три воронки конверсии.

Воронка 1: опенсорс ведёт к Enterprise-solver. Разработчик берёт бесплатный Timefold Solver, встраивает в продукт, через несколько месяцев упирается в потолок: задача большая, однопоточное решение слишком медленное. Покупает Enterprise с многопоточностью и приоритетной поддержкой. Это классический путь для вендоров B2B-софта, встраивающих оптимизацию в свою платформу.

Воронка 2: опенсорс ведёт к managed-API. Команда не хочет разворачивать и поддерживать solver самостоятельно. Берёт Timefold Platform как managed-сервис, платит за вычисления и инфраструктуру. Здесь Timefold становится инфраструктурным поставщиком — как Stripe для платежей.

Воронка 3: прямые корпоративные внедрения. Крупные клиенты берут enterprise-solver плюс контракт на поддержку и кастомизацию. Это самые большие чеки и самые длинные циклы сделки.

Ключевая механика: опенсорс здесь не продукт, а дистрибуция. Разработчики узнают о Timefold, используют бесплатно, потом их компания платит. Технический покупатель (CTO, старший разработчик) делает выбор инструмента ещё до того, как к нему приходит продавец. Это снижает стоимость привлечения в разы по сравнению с классическими корпоративными продажами.

Такой разбор с цифрами — каждый день в @solopreneuro.

Технологический угол: почему это скучно и дорого одновременно

Класс задач, которые решает Timefold, — комбинаторная оптимизация. Уже с 20 курьерами и 100 заказами перебор всех вариантов занял бы больше времени, чем существует Вселенная. Поэтому используют метаэвристики: алгоритмы, которые ищут не идеальный ответ, а достаточно хороший за разумное время. Timefold применяет локальный поиск с табу-поиском, имитацией отжига и другими методами поверх распространения ограничений.

Разница с Google OR-Tools, главным бесплатным конкурентом: OR-Tools работает с математическими переменными — для расписания 2000 смен на 100 сотрудников нужен массив из 200 000 элементов. Timefold работает с объектами предметной области — тот же массив из 2000 элементов, а ограничения описываются на языке бизнес-логики, не уравнений. Для команды без научной степени в исследовании операций это критично: ограничения можно писать и отлаживать как обычный код, а не как математические формулы.

Кривая внедрения крутая. Первые две недели — понять, как смоделировать задачу. Следующие два-три месяца — написать и отладить ограничения, добиться приемлемого качества решения. Потом настройка производительности под реальные данные. Это deep-tech в том смысле, что «по-быстрому прикрутить» не получится — нужно разобраться в предметной области.

Именно поэтому корпоративные клиенты платят хорошо: порог входа высокий, а переход на другой инструмент болезненен — придётся переписывать всю доменную модель.

Где эта боль в СНГ

В Европе и США рынок маршрутизации и расстановки смен давно насыщен готовыми решениями: Routific, When I Work, Deputy, Route4Me. В России картина другая.

Маршрутизация последней мили. Есть Veeroute, Shedex, Mappa. Они закрывают базовые потребности крупной курьерки. Но у малых игроков — клининговых компаний на 15–30 бригад, сервисов выездного ремонта, ветеринарных клиник с выездом — либо Excel, либо диспетчер в мессенджере. Продуктов для этого сегмента почти нет.

Расстановка смен. В клиниках и небольших медцентрах расписание врачей и медсестёр по-прежнему делается в Excel или в голове у старшей медсестры. Специализированных решений на базе solver'а для частных клиник в России фактически нет. Есть медицинские информационные системы с модулями расписания, но они не оптимизируют — они просто фиксируют.

Общий принцип переноса: боль не в термине «маршрутизация транспорта», а в ситуации «у меня ограниченный ресурс (люди, машины), много задач с условиями — как расставить оптимально, не вручную». Это задача одного класса, и она везде.

Что нужно, чтобы повторить: реалистично

Чтобы построить вертикальный SaaS поверх бесплатного solver'а, нужно:

  • Solver — Timefold Solver (бесплатно, Apache-2.0) или OR-Tools от Google.
  • Язык — Java или Python для Timefold; Python или C++ для OR-Tools.
  • Главный навык — бэкенд-разработчик с пониманием моделирования ограничений. Джуниор не справится.
  • Время до рабочего решения — 1–3 месяца доменного моделирования.
  • Время до продаваемого MVP — 4–6 месяцев (solver плюс интерфейс для диспетчера плюс интеграции).
  • Бюджет на инфраструктуру — 50–200 долларов в месяц.
  • Главная сложность — не написать solver, а продать первым 10 клиентам.

Грубая прикидка для SaaS-ростеринга под частные клиники, при цене около 30 долларов в месяц за врача:

Месяц Клиник Врачей Выручка/мес Расход В карман
3 3 30 ~900 ~300 ~600
6 10 100 ~3 000 ~600 ~2 400
12 30 300 ~9 000 ~1 500 ~7 500

Чувствительность: если чек 15 долларов вместо 30, выход на 7 тыс. в месяц сдвигается до 18-го месяца и дальше. Если отток клиник 5% в месяц, без активных продаж до 5 тыс. не добраться. Главное узкое место — первые 10 клиник, а не технология.

Альтернативы и конкуренты

Инструмент Лицензия Сильная сторона Слабая сторона
Google OR-Tools Apache-2.0, бесплатно Мощный, хорошо документирован Математическая модель, сложнее для доменных задач
Gurobi Коммерческий, дорогой Лучшее качество решения Очень дорого, не для малого бизнеса
FICO Xpress Коммерческий Корпоративный стандарт То же, что Gurobi
Timefold Solver Apache-2.0 (ядро) Объектная модель, хорошая документация Java-центричный, Python — второй класс

Для соло-разработчика практический выбор: OR-Tools (Python, легче старт) против Timefold Solver (Java или Python, лучше для сложных доменных ограничений). Оба бесплатны. Преимущество не в solver'е — он у обоих одинаково бесплатный.

Как Timefold выходил на рынок и как выходить тебе

Как Timefold. Дистрибуция досталась в наследство: сообщество OptaPlanner уже знало Де Смета и доверяло его коду. Первые клиенты — бывшие пользователи OptaPlanner, которым нужны были поддержка и новые функции. Это редкий случай, когда соответствие продукта рынку существовало ещё до основания компании. У аналогов без такого бэкграунда выход на рынок выглядит иначе.

Как выходить тебе. Выбери одну вертикаль с острой болью и коротким циклом решения. Частные клиники на несколько врачей — хороший старт: боль известна (расписание в Excel ломается при малейших изменениях), решение принимает главврач или управляющий, и принимает быстро.

Первые 10 клиентов — холодные звонки или личный обход. Не «купите SaaS», а «давайте я за неделю бесплатно сделаю вам расписание на следующий месяц, покажу, что получится». Порог согласия минимальный, а вы получаете реальные данные и проверку доменной модели.

Не начинать с крупных сетей: цикл сделки 6–12 месяцев, тендер, юридические согласования. Начинать с независимых клиник на 5–15 врачей в городах от 300 тысяч жителей.

Риски

Технический потолок. Хороший solver на бумаге не значит хорошее решение для конкретной отрасли. Ограничения надо знать изнутри: трудовой кодекс, специфику. Без этого модель выдаст «оптимальное» расписание, которое врачи отвергнут.

Длинный цикл сделки. Инструменты оптимизации — не импульсивная покупка. Клиенту нужно убедиться, что система работает на его данных. Это пилот, это месяц-два. Деньги приходят медленно.

OR-Tools как постоянный бесплатный конкурент. Google не собирается делать OR-Tools платным. Значит, любой разработчик может построить то же самое. Барьер — не solver, а доменная экспертиза и дистрибуция.

Зависимость от одного домена. Если выбрали нишу неверно — придётся переписывать доменную модель. Это дорого.

А что соло?

Чего здесь нет смысла повторять — саму компанию Timefold как платформу общего назначения. Без 17 лет OptaPlanner за спиной и без 13 млн долларов это не стартует.

Что реально — взять Timefold Solver или OR-Tools (оба бесплатны) и построить вертикальный SaaS для одной конкретной ниши с дорогой болью.

Два лучших кандидата для России:

Ростеринг для частных клиник. Боль реальная, автоматизации ноль, рынок раздроблен. Нужен сильный бэкенд-разработчик, понимание трудового кодекса и медицинской специфики, первые клиенты через личный контакт.

Маршрутизация для малого выездного сервиса. Клининговые компании на 10–30 бригад, выездной ремонт техники, ветеринарные выезды — они не купят Veeroute за 50 тысяч рублей в месяц. Но заплатят 3–8 тысяч за простое решение «скажи мне, кого куда послать завтра утром».

Честно про сложность: это не проект на выходные. Первые три месяца — только разработка и тесты на реальных данных без выручки. Преимущество не в том, что у вас есть solver (он бесплатный у всех), а в том, что вы знаете домен лучше клиента и умеете переводить бизнес-правила в ограничения модели. Это редкий навык.

Вердикт

Timefold показывает, что скучная инфраструктура для планирования — маршруты, смены, загрузка ресурсов — это реальный рынок с платящими корпоративными клиентами. Для соло: берёшь бесплатный solver, выбираешь одну вертикаль в России с болью и без нормальной автоматизации, и продаёшь не через витрину, а ногами.