Выживет ли SaaS-проект с ИИ? «SaaS-апокалипсис» — преувеличение, примерно 10-20% SaaS-компаний находятся под угрозой исчезновения Разделим угрозы на две группы: атаки на предложение (supply) и на спрос (demand). Атаки на сапплай: 1. Клиенты сами вайбкодят нужный им продукт 2. Конкуренты быстро достигают паритета фич 3. ИИ ускоряет развитие open-source-решений 4. Крупные платформы и системы учета встраивают ваши функции бесплатно 5. Агентства создают кастомное ПО по цене SaaS-подписки 6. ИИ-модели поглощают часть вашего функционала Атаки на спрос: 7. ИИ разрушает бизнес-модели ваших клиентов 8. Сокращается число рабочих мест и платящих «seats», потому что ИИ-агенты заменяют сотрудников 9. Исчезает сама потребность в категории ПО — например, в сервисах тестов для найма 10. Человеческих операторов заменяют автономные ИИ-агенты 8 защитных «рвов» (moats), которые работают Чтобы выжить, SaaS должен опираться на то, что трудно скопировать: 1. Доверие и бренд. Клиенты и партнеры рекомендуют продукт, потому что знают и доверяют ему. 2. Система записи. Продукт становится основным источником данных, в который «зашиты» ежедневные операции. 3. Право на действие. ПО не просто советует, а выполняет транзакции: платежи, обновления, изменения. 4. «Никто не проверяет вашу работу». Доверие к результату настолько высоко, что клиенты не перепроверяют его 5. Официальные одобрения. Лицензии, сертификаты и соответствие регуляторным требованиям, которые конкурентам сложно получить. 6. Сетевой эффект. Весь бизнес или команда должна перейти на продукт одновременно — это резко повышает стоимость переключения. 7. Петля обучения. Каждый новый клиент делает систему умнее и полезнее для всех остальных. 8. Тяжелое обслуживание. Сложная инфраструктура, которую мучительно поддерживать — например, обход спам-защит и блокировок, — становится преимуществом.

Бизнес-модели в эпоху AI. Часть 3: процент с транзакции Итак, друзья, мы разобрали две бизнес-модели (раз и два), сегодня поговорим про транзакционную. С появлением агентов, которые сами покупают и бронируют за нас, она выглядит особенно интересно, так что давайте разбираться. Напомню суть. Стартап проводит через себя деньги и забирает небольшой процент, как Stripe или Wise. В 2023 году я писал, что главная путаница в этой модели: оборот vs выручка. Через платформу может пройти миллиард (оборот), а заработает она с него, скажем, 2% (выручка 20 млн). Эта путаница отлично видна на Instinct. Через их агента уже проходит больше $1 млрд в год, и звучит это мощно. Но комиссию они пока не берут, так что выручка с этого миллиарда сейчас около нуля. Я их не критикую: сначала набрать оборот, а комиссию включить потом — вполне рабочая стратегия. Но когда в деке стоит большой оборот, я первым делом спрашиваю, какой ваш take rate. Самое интересное в AI-версии этой модели — размер комиссии. Чем больше спроса платформа контролирует, тем больше она может брать. Агент, который сам решает, где забронировать отель и в каком ресторане взять столик, контролирует спрос почти полностью, так что по идее может брать больше, чем привычные платёжные сервисы. Но пока это гипотеза: никто не знает, сколько продавцы готовы платить за клиента, которого привёл агент. А дальше вырисовывается очевидный конфликт интересов. Деньги платит продавец, а работать агент должен на пользователя. Что будет, если один отель платит агенту 15%, а другой 5%? Агент, который подталкивает пользователя к покупке в интересах того, кто больше заплатил, — опасная штука: доверие к нему исчезнет быстрее, чем он успеет заработать. Пока я не видел модели, где эта граница чётко проведена. Мне кажется, тот, кто убедительно её проведёт, и выиграет доверие пользователей. Для фаундеров, которые не строят свой Instinct, есть и более приземлённая история. Под агентские покупки уже строят инфраструктуру: Ramp выпускает отдельные карты для агентов, Stripe вместе с OpenAI делает протокол для агентской коммерции. Комиссия с транзакции здесь может появиться не только у самого агента, но и у тех, кто даёт ему проводить платежи, подтверждать покупки и защищать от ошибок. Похоже, в этой цепочке ещё много свободных мест. Если собрать всё вместе, транзакционная модель в AI выглядит одной из самых перспективных: агент ближе всех к покупке. Но пока много открытых вопросов: какой будет комиссия, кто её заплатит и как агенту остаться на стороне пользователя. Какую модель разберём следующей? Голосуйте реакцией: 🔥 маркетплейсы: зачем нужен агрегатор, если агент сам обойдёт все сайты ❤️ рекламу: на чём она будет жить, если агент не смотрит баннеры и не тыкает в объявления Андрей Резинкин | Money For Startup

Первый пост посвящаю самому больному вопросу для любого основателя: кто и за что будет платить через год, если продукт можно повторить за выходные. Недалекое будущее… код перестает быть бизнесом. У большинства стартапов исчезает know how. Угроза есть и в том, что все можно быстро скопировать, и в том, что следующая, более умная модель делает ваш know how из коробки. Я сейчас не говорю про редкие наукоемкие истории. • Тенденция такая, что продавать мы будем результат работы. Например, Intercom берёт $0,99 за каждое обращение клиента, которое агент решил без человека. Другой пример: бизнес платит $10 тыс. в год за онлайн-бухгалтертю QuickBooks и $120 тыс. бухгалтеру, который закрывает месяц. Следующий легендарный стартап будет закрывать месяц и забирать сумму где-то посередине ($60-80k в год). • Дальше честно отвечаем на вопрос, кому продаем. Если мы делаем продукт в модели Copilot, то это продажа инструмента профессионалу, который сам отвечает за результат. Так Harvey продаёт AI юридическим фирмам. Autopilot же продаёт готовый результат тому, кому он нужен: СЕО или менеджеру. У autopilot есть плюс - с каждой решенной задачей он копит базу знаний о правильных решениях и ни с кем ею не делится, а повторить такую базу за выходные невозможно. В будущем у нас будут еще варианты, кому продать в b2b и b2c - например, агентам. • Модель монетизации. Имхо, супер недооцененная компетенция на рынке, которой владеют топовые основатели. Я насобирала вам аж 15 вариантов, как и в какой комбинации брать деньги в приложенном слайде. Выбрал неверную модель - бизнес встрял. В следующих постах расскажу мнения фондов, что нам теперь строить и как продавать.

Бизнес-модели в эпоху AI. Часть 1: SaaS В 2023 году я разбирал, какие метрики показывать инвестору в разных бизнес-моделях, и начинал с SaaS. А недавно писал, что в AI повторяется история интернета: сначала платят за доступ, потом доступ дешевеет, и деньги уходят тем, кто ближе к результату. Захотелось вернуться к той серии и посмотреть, что этот сдвиг делает с привычными метриками. Готовых ответов у меня нет, так что давайте порассуждаем вместе. Начну с того, чего в списке 2023 года не было вообще, — валовой маржи. Тогда её не обсуждали: у SaaS она по умолчанию высокая, в среднем около 76%. Серверы стоят копейки, каждый новый клиент — почти чистая прибыль. С AI по-другому. У Harvey маржа за полгода ушла с плюс 50% в минус 50%, потому что клиенты стали активнее пользоваться продуктом, оплачивая рабочие места, как привыкли в SaaS. Получается парадокс: чем больше AI-продукт нравится юзерам, тем больше мы теряем. Мне кажется, маржа с учётом токенов теперь должна стоять в деке рядом с MRR. Но я не уверен, какой уровень считать нормальным для AI-продукта, особенно если его темпы роста бьют все рекорды. С NRR тоже происходит что-то странное. Раньше NRR выше 100% означал: клиенты довольны и покупают больше мест. Теперь, если наш продукт помогает клиенту сократить отдел с десяти человек до трёх, мест становится меньше 🙈. Клиент счастлив, а NRR падает. Выходит, оплата за места наказывает нас за то, что продукт работает. Отсюда и переход к оплате за результат: за закрытый тикет, за обработанный документ. Но тогда MRR перестаёт быть таким предсказуемым, а именно за предсказуемость мы, инвесторы, и любили SaaS. С оттоком своя история. Я писал, что для раннего стартапа это главная метрика, и мнения не поменял. Но у AI-продуктов появился новый вид оттока: «туристы». Компании покупают, чтобы попробовать AI, и уходят через пару месяцев. Поэтому, похоже, сейчас важнее не сам процент оттока, а то, сколько клиентов дошло до регулярного использования. С CAC пока больше вопросов, чем ответов. AI удешевил аутрич и контент, но им пользуются все, и почтовые ящики забиты одинаковыми письмами. Дешёвый контакт ещё не значит дешёвый клиент. А ещё выбирать продукт всё чаще будет агент. Ему не отправишь холодное письмо и не покажешь кейс на созвоне: он читает документацию, сравнивает цены и тестирует API. Похоже, часть CAC будет уходить уже не в з/п сейлзов и конференции, а в то, чтобы машине было легко нас найти и проверить. Как это считать, пока не очень понятно. Если собрать всё вместе, классические метрики SaaS никуда не делись, но каждую теперь приходится читать со звёздочкой. Хочется сверить мою картину с вашей. За что вы берёте деньги в своём SaaS: за места, за использование или за результат? И если что-то меняли за последний год — расскажите в комментариях, к чему пришли. Андрей Резинкин | Money For Startup

Пришли недавно? Рассказываю, кто я, о чём здесь пишу и что прочитать первым Друзья, привет! За последние дни в канал пришло много новых людей. Рад каждому, давайте знакомиться. Меня зовут Андрей Резинкин. Последние 7 лет инвестирую в стартапы ранних стадий: 20+ проинвестированных проектов, среди них Flylane, XOR, EBAC и AITOMATIC. В канале пишу о том, как всё выглядит с другой стороны стола: как инвестор читает дек, чего боится и за что даёт деньги. Чтобы не листать 800 постов, вот с чего стоит начать. Если вы делаете AI-продукт: — А что, если OpenAI растопчет твой стартап? — Почему компанию нельзя завайбкодить — Пять инвайтов, ноль рекламы и оценка $10 млрд: как вырос Instinct Дек глазами инвестора — серия, которая идёт прямо сейчас: 1. Что мы купим на эти деньги: слайд Ask 2. Конкуренты подняли раунд. Всё, поезд ушёл? 3. Чем вы отличаетесь? Одним предложением, пожалуйста Если собираетесь привлекать инвестиции — гид по фандрейзингу из пяти частей: от стратегии до переговоров. А впереди разбор девяти классических бизнес-моделей: какие AI усилит, а какие отомрут. И вопрос к новеньким: что вы сейчас строите и на какой стадии? Напишите в комментариях, так я пойму, о чём вам важнее читать. Андрей Резинкин | Money For Startup

Помните, как мы платили за мегабайты? В опросе про Instinct бизнес-модель набрала 1 голос из 60. Хотя для меня как инвестора это самая интересная часть кейса. Да, комиссию Instinct ещё не берёт. Но именно по бизнес-модели видно, во что превратится компания, если рост продолжится. Давайте разберёмся, и начнём издалека. Сегодня в AI мы платим за доступ: $20/мес для обычных смертных, $200 для гиков или за каждый токен через API. Очень похоже на начало любой технологической волны. Сам помню, как в далеком 1999-м в Нижнем Новгороде платил за каждый час в сети и следил за минутами, как за таксометром. А в Америке AOL в 96-м году перешла с почасовой оплаты на безлимит — за пару недель пришёл миллион новых пользователей, и сеть легла. Сегодня OpenAI и Anthropic в той же роли: продают доступ по подписке, вводят лимиты и упираются в нехватку мощностей. Дальше доступ в интернет превратился в трубу, за которую все платят и о которой никто не думает. Большие деньги достались не провайдерам, а тем, кто стоял ближе к намерению человека. Google брал с рекламодателей деньги за клики из поиска, то есть за людей, которые уже готовы купить. Amazon и eBay брали процент с покупки. С мобильным интернетом повторилось то же самое. Мы, миллениалы, помним, как платили оператору за каждый килобайт. Потом появились App Store и бесплатные приложения, а операторы стали трубой. Когда Facebook выходил на IPO в 2012 году, мобильная выручка у него была почти нулевой. Через полтора года мобильная реклама давала почти половину. В AI это уже происходит, но с подвохом. По данным MIT FutureTech, цена за один и тот же уровень качества падает в 5–10 раз в год. Только дешевеет единица, а не счёт: работа с самыми мощными моделями, по тем же данным, дорожает в 3–18 раз в год, потому что на каждую задачу уходит всё больше токенов. Помните, как мегабайт дешевел, но стоило начать смотреть видео с телефона — и счёт за связь улетал в космос? Кто в этой схеме проигрывает, хорошо видно на Harvey. Клиенты стали тратить в 20 раз больше, и маржа ушла в минус. Harvey выкрутился, переехав на собственную модель на базе открытой. Но это лечит себестоимость, а не бизнес-модель. Продавать доступ к модели — бизнес трубы. Он может быть огромным: телекомы зарабатывают до сих пор, и Anthropic с OpenAI, скорее всего, тоже будут. Но это игра для пары компаний с дата-центрами. Остальным перепродавать чужие токены с наценкой значит жить на чужом прайсе, пока счёт клиента растёт. Выигрывает тот, кто продаёт не токены, а результат. Instinct идёт именно этим путём. Это AI-агент, который не советует, а сам делает то, что вам нужно. Продукт бесплатный, а зарабатывать собираются процентом с транзакций, которые совершает агент. Логика понятна: это Google и Amazon в одном лице. Агент владеет намерением «мне нужно в Нью-Йорк сегодня вечером» и сам его исполняет. Сработает ли это, будем посмотреть... В следующем посте хочу разобрать девять классических бизнес-моделей стартапов: какие AI усилит, какие перерастут во что-то новое, а какие отомрут. Ставьте 🔥, если тема заходит. Андрей Резинкин | Money For Startup

Бен Эванс поделился тут скепсисом в отношении прогнозов и сценариев от Antropic. И сослался на свой майский пост «Predicting AI job exposure». Не настолько этот пост классный, чтобы читать его целиком. Но на одну идею нам точно надо обратить внимание: AI может не сильно повлиять на профессию, но радикально трансформировать бизнес-модели в некоторых индустриях. Мобильные технологии не меняли рынок такси, но Uber поменял. Это же можно сказать и про маркетплейсовую и классифайдную модели. То есть мы ещё долго может не увидеть на рынке труда масштабных прямых эффектов от AI. Но косвенные мы видим уже сейчас. Их будет больше, они будут накапливаться, и создавать неочевидные последствия. А текущие подходы в прогнозах AI Job Exposure этого не учитывают. → https://www.ben-evans.com/benedictevans/2026/5/24/ai-job-exposure

много распрей последнее время читаю, что мол software бизнес уже retard тема как для vc, так и для предпринимателей. кмк сегодня разница между saas, ai-агентом, saas с fde или даже небольшой вертикальной нео-лабой со своей slm стёрлась. везде ты хочешь, чтобы клиент свайпал карту, а ты ему давал какой-то цифровой продукт. раньше ты это делал с нулевыми маржинальными издержками. ну а сегодня из-за инференса это в среднем 23% выручки. но это всё еще application layer, а значит инвесторы оценивают риски по выручке. 1/ открылись категории, которые раньше считались стрёмными для saas-инвесторов. legal, healthcare, стройка и тд. - harvey стоит $11b при ~$300m arr - legora (шведский legal ai, запустились в конце 2024-го) — $5.6b при ~$150m. до $100m arr дошли за 18 месяцев, быстрее cursor и wiz - openevidence, медицинский поисковик для врачей, подняли series b при $3.5b и примерно 35x выручки. используют больше 40% американских врачей раньше TAM считали по тратам на софт, иногда добавляли туда зарплаты людей. сейчас это весь knowledge work целиком. да, после 2023 AI сделал возможность чарджить за outcome. и прекарсно, что мы больше не увидим, как юристы или консультанты чарджат за свои непрозрачные часы. но за outcome, то есть за результат у клиента: (закрытый тикет, забронированная встреча, спасённая подписка) берут деньги около 10% стартапов остальные чарджат за использование(токены, вызовы, действия агента) и за output, за единицу сделанной работы: сгенерированный документ, инвойс, диалог, независимо от того, помог он или нет. имхо мешает не технология, а аттрибуция: настоящий success-based billing не работает для большинства продуктов, потому что непонятно, AI дал результат или клиент сам. а «подними конверсию на 50% и возьми 10% от прироста» концептуально рационально, но ломает sales comp: ценность аккаунта не измерить в момент продажи. я же по extruct вижу, что ситы продаются в 2026-м лучше, если ты придумаешь, как свести свою математику. 2/ сейчас все в invest mode.общий тезис -- не важно, сколько денег нужно, мы должны make ai happen и все что важно это рост == они разобрались быстрее, как make ai happen. все рассуждения про moat или фундаментальную аналитику каждый месяц разбиваются об камень (привет, lovable рейзит под $30b наверное сейчас). 3/ рынок только учится относиться к выручке ai-saas. пока это выглядит так: инвесторам нравится arr-составляющая (со всеми странностями репортинга), а низкий retention признают частью инноваций, все смотрят на рост. в altimeter придумали для этого термин experimental runrate revenue: ai-выручка, которую купили как эксперимент, почти без обязательств. 4/ то же самое про маржу. в saas это было предсказуемо. сейчас есть нюансы. iconiq считает среднюю динамику gross margin ai b2b 41% → 45% → 52% с 2024-го по 2026-й. но на другом спектре сидит replit у которого маржа за год гуляла от −14% до +36%. на самом деле инференс cogs это новый cac дай доступ на неделю бесплатно к топовой моделе на фри плане и получи приток пользователей. 5/ почему это ещё привлекательно? такой возможности для switching cost не было раньше. только 28 центов из каждого нового доллара на ai это net-new it-бюджет. остальные 72 цента вынимаются из того, что уже есть в стеке. что-то тут отъедают лабы, что-то новые тулы. 6/ аргумент, что стоимость софта сегодня 0 - шум. сама разработка в saas всегда оценивалась в 0, если ты не показал выручку или потенциал этой выручки. ну да, можно что-то завайбкодить и не покупать с рынка или покупать у fde-shops (kirkland & ellis, крупнейшая юрфирма мира, вкладывает полмиллиарда в собственную ai-платформу с palantir вместо того, чтобы купить harvey или legora). ок, сегодня это готово на 80%, но кому-то всё равно нужно это поддерживать и давать результат. 7/ ну даже если это списать на инерцию и сказать, что самописные фабрики слопа софта будут это всё поддерживать, я думаю, мы всё равно захотим обмениваться какими-то готовыми артефактами, куда просто перетечет сегодняшняя добавочная ценность.

UberLikeApp через 4 года Единорогов сотни. Просто успешных стартапов - тысячи. Провалившихся - десятки тысяч. Не запущенных - миллионы. И этот тот рынок, который мы не видим, а он есть. Множество основателей стартапов так и не рискнули, так и не начали. Они живут в каждом городе, они ходят вокруг нас. Некоторым трудно придумать идею. Всё, что лезет в голову, какое-то недостаточно масштабное, или недостаточно законное, или эксперт Вася сказал, что это не работает. Вторая популярная причина - технический барьер. Идея есть, а команды программистов (iOS, Android, Web, Backend, тестировщик и CTO, чтобы ими всеми рулить) нет. И денег нет, чтобы эту банду нанять. Тупик. Индийский #стартапдня UberLikeApp решает одним махом обе проблемы. Он запрограммировал шаблонные приложения для десятков популярных бизнес-моделей и продает всем желающим готовый IT-продукт. Не можешь изобрести своё - выбирай среди аналогов чужого. В коллекции есть и собственно Uber, и OnlyFans, и Zoom, и Clubhouse, и Tinder, и доставка еды, и почти что угодно ещё. Всё доступно за весьма скромный прайс, на всё можно нацепить индивидуальный логотип и быстро-быстро заставить работать. Единорог на этом быстро не взлетит. Настоящие трудности на этом скорее начнутся, чем закончатся. Тем не менее первый шаг новый бизнес может сделать и таким способом. Сам стартап - тоже не миллиардная компания и никогда ей не станет. Рынок маленький, чек по определению низкий. Но зато польза миру. Об инвестициях в UberLikeApp газеты не писали. — Вот такой #субботнийповтор из 2022 года. Проект умер, сайт не открывается. Но дело его живет в таком масштабе, который и мыслим не был 4 года назад. Спасибо Claude Code и аналогам, что угодно можно запрограммировать в один клик. Но, увы, настоящие трудности на этом скорее начнутся, чем закончатся. (с) Мой старый пост: https://t.me/startupoftheday/2446

Почему AI-стартапы теперь скупают реальный бизнес Стартап Dwelly прям очень рьяно собирает инвестиции в этом году. А еще совсем недавно я вам рассказывал про стартап Fura, который работает по похожей модели на другом рынке. Но суть одна: купить компании и оптимизировать их работу при помощи AI. Такая модель называется roll-up. И она не новая. Но теперь ее стали использовать в связки с AI. И ряд крупных венчурных фондов уже заявили об интересе к таким компаниям. Ниже ссылка на текст на Substack (в пост он не поместился) о том, как работает эта модель, на каких рынках ее можно применять, в чем преимущество AI, где уже были факапы. В общем, попытка разобраться в этом всем. Приятного чтения! 📕 ТЕКСТ ПРО AI И ROLL-UP И еще момент! Это гостевой текст от Александра Глухова. Сейчас он Strategy and Ops manager в Revolut, где занимается стратегией и бизнес-операциями. А до этого был старшим аналитиком в венчурном фонде Leta Capital. Мне текст показался интересным и достойным вашего внимания. P.S. с вас лайки в поддержку автора! @TheEdinorogBlog — тот самый канал про стартапы🦄