156 lines
13 KiB
Markdown
156 lines
13 KiB
Markdown
# Триллионная возможность агентных рабочих процессов
|
||
|
||
## 1. Контекст: почему SaaS-модель рушится
|
||
|
||
### Исторический взгляд финансистов на SaaS
|
||
- Среди финансистов существовала поговорка: «все SaaS-компании одинаковы на вкус» ("all SaaS companies taste like chicken")
|
||
- Это означало: все SaaS-компании имеют одинаковые балансы, одинаковые темпы роста и одинаковые метрики — идеальный инвестиционный актив
|
||
- PE-фонды с датами 2026–2028 накупили здоровых SaaS-компаний, которые теперь «тонут»
|
||
|
||
### Почему SaaS теряет позиции
|
||
- Метрики роста и прибыльности SaaS-компаний резко ухудшились
|
||
- Компании не смогли стать релевантными в мире, где агенты захватывают рабочие процессы
|
||
- PE-фирмы не знают, как продать портфельные SaaS-компании, купленные ранее
|
||
|
||
---
|
||
|
||
## 2. Три ключевых игрока на рынке
|
||
|
||
### Гиперскейлеры (OpenAI, Anthropic)
|
||
- Осознали: нельзя сидеть в конференц-залах и рассуждать об AI — нужно идти «в окопы» к клиентам
|
||
- Подтверждение тезиса Palantir: необходимы **forward deployed engineers** — инженеры, работающие непосредственно у клиента
|
||
- Гиперскейлеры ограничены в капитале несмотря на рекордные раунды финансирования (затраты на AGI, GPU, обучение моделей)
|
||
- Anthropic создал деплой-компанию с Blackstone, Hellman & Friedman и Goldman Sachs — **$1,5 млрд капитала**
|
||
- OpenAI создаёт аналогичный венчур с оценкой около **$10 млрд**
|
||
|
||
### Private Equity
|
||
- Давление с двух сторон: «push» — нужно спасать старые SaaS-инвестиции; «pull» — нужно внедрить AI в портфельные компании
|
||
- PE-фирмы видят **триллионы долларов** в агентных рабочих процессах
|
||
- Мотивированы создавать AI-нарративы для компаний перед продажей
|
||
- PE как канал дистрибуции: владеют тысячами mid-market компаний (finance, ops, support, procurement, compliance)
|
||
|
||
### Предприятия (Fortune 500, SMB)
|
||
- До недавнего времени не понимали разницы между чатом и агентом
|
||
- Перелом произошёл в декабре 2025 и ускорился с весны 2026
|
||
- Компании видят возможности, но не имеют экспертизы
|
||
- Обращаются к OpenAI, Anthropic и консультантам за помощью
|
||
|
||
---
|
||
|
||
## 3. Ключевой тезис: завершение рабочего процесса на 100%
|
||
|
||
- Возможность агентов выполнять **целый рабочий процесс на 100%** — новый феномен весны 2026
|
||
- Раньше агенты не могли делать это надёжно, масштабируемо и воспроизводимо
|
||
- Именно в **достижении 100%** сосредоточена непропорциональная ценность
|
||
- Совокупная стоимость этой возможности — **триллионы долларов**
|
||
|
||
---
|
||
|
||
## 4. Четыре оси давления на рынок агентных решений
|
||
|
||
### Ось 1: Frontier-лаборатории движутся вниз по стеку
|
||
- Anthropic и OpenAI раньше поставляли только модель — теперь создают компании по деплою
|
||
- Нанимают инженеров, которые работают внутри компаний-клиентов
|
||
- Выпускают продуктовые решения: Claude Design, финансовые шаблоны, Claude Code (vs. Cursor)
|
||
- Сигнал: **листы найма и анонсы лабораторий** показывают, где они видят ценность
|
||
|
||
### Ось 2: Консультанты движутся вверх по стеку
|
||
- McKinsey, BCG, Accenture, Capgemini — все участники программы OpenAI Frontier Alliance
|
||
- PricewaterhouseCoopers сотрудничает с OpenAI по офису CFO
|
||
- Консультанты больше не ограничиваются change management — они строят agentive practices и обучают delivery-команды
|
||
- Имеют десятилетия отношений с лицами, принимающими решения — огромное конкурентное преимущество
|
||
|
||
### Ось 3: Системы записей (Systems of Record) открывают интерфейсы
|
||
- Salesforce, ServiceNow, Workday открыли API и agent frameworks
|
||
- SAP приобрёл Dreamio совместно с Prior Labs специально для управления данными
|
||
- Цель: агент должен вызывать их платформу напрямую с их permission и audit trail
|
||
- **Стартапам всё труднее вклиниться между данными клиента и агентом**
|
||
|
||
### Ось 4: Private Equity как канал дистрибуции
|
||
- PE может ввести одного партнёра по деплою для всего портфеля
|
||
- Сравнить результаты по компаниям и **стандартизировать playbooks**
|
||
- Масштаб несопоставим с продажами стартапа по одной компании за раз
|
||
- Компании, выигрывающие PE-партнёрство, получают несправедливое преимущество дистрибуции
|
||
|
||
---
|
||
|
||
## 5. Слой реализации (Implementation Layer)
|
||
|
||
### Что такое Implementation Layer
|
||
- Также называется «harness» (обвязка) вокруг модели
|
||
- OpenAI в своём посте Frontier Alliances прямо заявил: **«узкое место для enterprise AI — не модель, а то, как агенты строятся и управляются внутри компаний»**
|
||
- Включает всё, кроме самой модели
|
||
|
||
### Компоненты Implementation Layer
|
||
|
||
#### Проектирование рабочего процесса (Workflow Design)
|
||
- Определение: какие решения принимает модель, какие шаги остаются за человеком
|
||
- Где передаются полномочия (handoffs) и что считается «сделанным»
|
||
- Не промпт — это **определённый процесс**, где каждый шаг имеет владельца, вход и выход
|
||
- Большинство команд пропускают этот этап и просто подключают модель к инструменту
|
||
|
||
#### Доступ к данным (Data Access)
|
||
- Какие источники истины читает агент
|
||
- Какие разрешения применяются на уровне строк и полей
|
||
- Какие записи актуальны, а какие устарели
|
||
- Модель может уверенно отвечать из PDF шестимесячной давности или из live-записи — **implementation layer решает, какой источник использовать**
|
||
|
||
#### Полномочия (Authority)
|
||
- Что агент может делать с какими системами
|
||
- С какими лимитами затрат и обязательств
|
||
- **Чтение — один профиль риска; запись — совершенно другой профиль риска**
|
||
- Расходы, как правило, необратимы
|
||
|
||
#### Оценки (Evals)
|
||
- Не бенчмарки — это способ измерить **соответствие вывода агента конкретным бизнес-правилам**
|
||
- Как проверить корректность, полноту и безопасность вывода до его применения
|
||
- «Если вы не можете назвать, что в ваших eval, вы не в позиции сказать, работает ли ваш агент»
|
||
|
||
#### Audit Trails и восстановление
|
||
- Что логируется и что **должно** логироваться
|
||
- Что аудитор может восстановить после сбоя
|
||
- Как отменить действие агента
|
||
- Кто у клиента поддерживает систему в актуальном состоянии
|
||
|
||
---
|
||
|
||
## 6. Стратегический принцип: «Быть ближе к бизнес-объекту»
|
||
|
||
### Суть принципа
|
||
- Универсальный интеллект становится ценным, когда привязан к **конкретным объектам и действиям**, которые определяют реальную работу
|
||
- Не абстрактное рассуждение, не лучшее резюмирование — а объекты, которые движут бизнес-процессами
|
||
|
||
### Примеры применения
|
||
|
||
#### Поддержка клиентов
|
||
- Объекты: кейсы, политики, клиенты, права, пути эскалации
|
||
- Implementation layer строит object model, с которой агент может закрывать тикеты от начала до конца
|
||
|
||
#### Продажи
|
||
- Объекты: inbound, outbound, motions закрытия сделок, весь sales funnel
|
||
- Object-oriented модель позволяет агенту работать по всей воронке **надёжным и последовательным образом**
|
||
|
||
### Почему это важно для дифференциации
|
||
- Вендоры без глубокого понимания «покажут карты»: «модель отличная, данные помогут»
|
||
- Строители, понимающие implementation layer, устойчивы к конкуренции со стороны Anthropic/OpenAI
|
||
|
||
---
|
||
|
||
## 7. Почему кастомизация — это защитный ров
|
||
|
||
- Бизнес-модель «SaaS на вкус как курица» предполагала, что ПО может быть **универсальным**
|
||
- В агентном мире **непропорциональная ценность — в кастомизации**
|
||
- Implementation layer слишком сложен, специфичен и глубок, чтобы его мог построить «crack team за выходные в Claude Code»
|
||
- PE-фирмы уже проверяли этот тезис — это не работает
|
||
- **Фактическое плечо системы**: то, как implementation layer собирает модель + harness + данные в исполняемый рабочий процесс
|
||
|
||
---
|
||
|
||
## 8. Открытые вопросы рынка
|
||
|
||
- **Кто владеет?** Кто в итоге «явно заявит о праве собственности» на пространство агентных рабочих процессов — лаборатории, консультанты, системы записей или сами предприятия
|
||
- **Где плечо?** В данных (Salesforce, SAP), в модели (Anthropic, OpenAI), в harness, в памяти (memory) — открытый вопрос
|
||
- **Сервисы vs. SaaS?** Смогут ли модели с глубокой кастомизацией заменить рекуррентную выручку SaaS с точки зрения финансов
|
||
- **Паралич выбора**: как компании будут принимать решения, когда все крупные вендоры сходятся на одном рынке одновременно
|
||
- **Масштабируемость кастомизации?** Может ли бизнес-модель, основанная на глубокой кастомизации, эффективно масштабироваться — «слишком сложно и нюансировано»
|
||
- До ясности в распределении ролей — **ещё годы** |