Кризис современного антропоцентричного софта: переход от инструментов ручного управления к экономике результатов ИИ

В контексте снижения технологического рынка США в марте 2026 года кризис бизнес-модели SaaS (программное обеспечение как услуга) перешел из стадии теоретических опасений в фазу активной рыночной переоценки. Инвесторы начали массово выходить из акций традиционных облачных гигантов, пересматривая их долгосрочную жизнеспособность. Российский инвестор может учиться на чужом примере, а не как всегда.

1. Угроза замещения: от «инструментов» к «результатам». 
Основная проблема заключается в том, что ИИ-агенты начинают выполнять работу вместо предоставления интерфейса для её выполнения.

Пример в маркетинге (HubSpot vs. AI Agents), если раньше компании платили за CRM-систему (например, HubSpot), чтобы сотрудники вручную настраивали цепочки писем, то теперь автономные ИИ-агенты могут самостоятельно анализировать базу, писать персонализированные офферы и вести переговоры. В этом случае подписка на сложный интерфейс CRM становится избыточной — компании нужен только «агент-продавец», а не «софт для продаж». 

Пример в дизайне и контенте (Adobe vs. GenAI) акции Adobe в марте оказались под давлением из-за успеха инструментов генеративного видео и графики (вроде Sora или Midjourney). Инвесторы опасаются, что профессиональный пакет Creative Cloud, требующий месяцев обучения, проиграет сервисам, которые выдают готовый результат по текстовому запросу за секунды.

Пример в клиентской поддержке (Zendesk vs. Intercom AI) - компании США начали активно сокращать количество лицензий в сервисах поддержки, заменяя их на ИИ-ботов, которые решают до 80% тикетов без участия человека. Это бьет по модели «оплата за каждое рабочее место» (per-seat pricing), так как количество этих мест физически сокращается. 

2. Снижение барьеров для входа: «смерть» программного рва. 
Традиционно «рвом» (защитным преимуществом) софтверных компаний считались миллионы строк кода, которые сложно воспроизвести и ИИ обнулил эту ценность. 

Vibe Coding и Claude Code — появление инструментов вроде Claude Code позволило небольшим командам (или даже одному разработчику) воспроизводить ключевые функции дорогих корпоративных систем за считанные дни. Если раньше создание MVP (минимально жизнеспособного продукта) стоило $500 тыс. – $1 млн, то теперь этот порог близок к нулю. 

Пример с Gong — аналитическая платформа для отделов продаж Gong, стоимость которой составляла десятки тысяч долларов в год, теперь сталкивается с конкуренцией со стороны внутренних ИИ-решений компаний. Разработчики могут за выходные собрать на базе API больших языковых моделей (LLM) систему, которая будет анализировать звонки не хуже оригинала.

Переоценка (Repricing) — даже компании с отличными финансовыми показателями, такие как ServiceNow, столкнулись с падением акций (на 11% после отчета), так как рынок больше не может уверенно моделировать их доходы на горизонте 5 лет. 

Итог

Рынок США сейчас делит техсектор на две группы: «ИИ-инфраструктура» (NVIDIA, облака Microsoft/AWS) — те, кто продает «лопаты» и «традиционный прикладной софт» — те, чьи акции активно распродаются из-за риска стать ненужной прослойкой между пользователем и искусственным интеллектом.
Чтобы вернуть доверие инвесторов в марте 2026 года, американские софтверные гиганты (SaaS) перешли от стратегии «добавления ИИ-кнопок» к радикальной перестройке бизнеса. Вот три основные стратегии выживания, которые сейчас используют лидеры рынка (Salesforce, ServiceNow, Adobe и другие): 

1. Отказ от продажи «лицензий» в пользу «агентов» (Outcome-based Pricing) 
Главный страх инвесторов — сокращение числа платных рабочих мест (кресел) из-за автоматизации. Компании начали менять саму метрику монетизации. 
Пример Salesforce (Agentforce): Марк Бениофф активно продвигает концепцию «автономных агентов». Теперь клиент платит не за доступ сотрудника к CRM, а за каждое успешно выполненное агентом действие (например, закрытый тикет в поддержке или квалифицированный лид). Это позволяет компании зарабатывать больше, даже если их клиент уволил половину штата, заменив его ИИ.

2. Создание «Систем действия», а не просто «Систем записи»
Старый софт был просто цифровой базой данных (записывал, что сделал человек). Новый софт должен действовать сам. 
Пример ServiceNow: Компания внедряет глубокую интеграцию ИИ в рабочие процессы (Workflows). Инвестор теперь оценивает ServiceNow не как «библиотеку заявок», а как «операционную систему предприятия», которая сама распределяет задачи между людьми и роботами.
ИИ-стартапу сложно заменить ServiceNow, потому что у гиганта уже есть доступ ко всем внутренним процессам и данным компании (HR, IT, финансы), которые копировать слишком долго и дорого. 

3. Ставка на «Вертикальный ИИ» и уникальные данные
Общие модели (вроде ChatGPT) знают всё понемногу, но плохо разбираются в нюансах узких индустрий. SaaS-гиганты используют свои архивы данных для обучения специализированных моделей.
Пример Adobe (Firefly) - Adobe сделала ставку на «этичный ИИ», обученный только на их стоковых изображениях с соблюдением авторских прав. Для крупных корпораций США (Disney, Coca-Cola) это критически важно из-за юридических рисков.
Создание «безопасного и глубоко специализированного» ИИ — новый «ров», который защищает их от бесплатных или дешевых аналогов. 

4. Агрессивный выкуп акций (Buyback) и сокращение костов
Поскольку рост выручки замедлился, компании пытаются удержать инвесторов финансовой дисциплиной.
Пример: многие SaaS-компании в марте объявили о рекордных программах обратного выкупа акций, направляя свободный денежный поток на поддержку котировок. Параллельно идут сокращения «лишнего» персонала, не связанного с ИИ-разработкой, чтобы показать рост маржинальности. 

Итог
Рынок больше не верит обещаниям «мы внедрим ИИ». Инвесторы в марте 2026 года покупают только те компании, которые могут доказать, что их выручка растет быстрее, чем сокращается число пользователей-людей.

Риск «эффекта Kodak» для лидеров рынка 
Инерция гигантов — большие софтверные корпорации обременены старой архитектурой и обязательствами перед клиентами. Им сложнее радикально интегрировать ИИ, чем гибким стартапам «AI-native». 
Каннибализация выручки - внедрение ИИ-функций требует огромных затрат на вычислительные мощности, что временно снижает чистую прибыль даже при сохранении объемов продаж. 
Долгосрочная перспектива: выживание сильнейших
Ставка на уникальные данные: инвесторы начинают поддерживать только те софтверные компании, которые обладают эксклюзивными датасетами, которые ИИ не может просто «скачать» из интернета.
Консолидация - ожидается волна поглощений, где старые игроки будут покупать ИИ-стартапы просто для того, чтобы устранить конкурентов и обновить стек технологий. 

Мы наблюдаем закономерный коллапс Legacy SaaS на примере США. Проблема не в рынке, а в том, что архитектура «человек + интерфейс» проигрывает автономным системам.

Эрозия ценности кода, если раньше разработка CRM масштаба HubSpot требовала десятков миллионов человеко-часов, то сегодня модели вроде Claude 3.5 или GPT-5 позволяют воспроизвести 80% функционала ядра за копейки вычислительной мощности. Мы видим обнуление стоимости синтаксиса. 

Дилемма эффективности — в марте 2026 года инвесторы осознали: зачем платить $50 за лицензию пользователя, если один ИИ-агент стоимостью $0.01 за 1000 токенов выполняет работу трех маркетологов? Это не просто «замещение», это переход от линейных затрат к логарифмическим.

Риск безопасности данных — единственный реальный «ров» сегодня — не код, а закрытые проприетарные данные. Без них софтверная компания — это просто красивая оболочка поверх чужого API, обреченная на поглощение».