ИИ уничтожит российский software бизнес?
первое касание.
быстрая заметка.
Disclaimer: никакая часть этой заметки не написана при помощи ИИ.
* в материале:
= почему обрушились акции софтверных компаний на западе
= как AI-революция меняет бизнес-модель разработки
= какие риски это несет для российских разработчиков и как они на это реагируют
= рекомендации по перестройке бизнеса для российского айти сектора с учетом AI-революции
*
Наш добрый коллега Олег Кузьмичев уже не первый месяц носит тезис о том, что вся айтишка скам, а ИИ уничтожит традиционные бизнес-модели софтовой разработки. Я решил сделать первый нырок в тему, чтобы чуть-чуть понять что происходит.
Поскольку у меня есть акции двух компаний заказной разработки DGTL и DIAS, моя шкура в игре как ни у кого, поэтому я сам заинтересован разобраться в этом вопросе.
Первая задача — понять, почему акции софтовых компаний пострадали от AI-революции в программировании.
EPAM: американская айти компания. Наиболее яркий пример из сектора заказной разработки. EBITDA компании стагнирует 4 года на одном уровне. Акции упали за 5 лет с $700 до $100. С начала года акции упали на 51%.
QTWO: разработка облачного софта для банков и финсектора. От максимумов декабря 2024 года акции упали более чем на 50%. В этом году акции упали на 35%.
Tata Consultancy Services (TCS) — индийский аутсорсер, который в т.ч. разрабатывает софт для финсектора. С начала года акции упали на 27%. С уровней декабря 2024 года упали на 48%.
Даже после падения акций, мультипликаторы 2025 не выглядят низкими:
Частично это говорит о том, что акции падали не потому, что бизнес рухнул, а потому что завышенные в прошлом ожидания относительно будущей терминальной стоимости пересматриваются вниз.
EPAM правда выглядит уже реально дешево, если смотреть на EV/EBITDA=6,1x и EV/FCF = 8,3x. Причина в высоких “скрытых” компенсациях на основе акций, которые не уменьшают EBITDA/FCF, но снижают чистую прибыль.
Важно понимать, что к падению акций software одновременно привели не только структурные AI-изменения, но и циклические факторы.
*
Тенденции
📉Главный макро-фактор (за пределами AI-революции): В США и Европе, как и в России, клиенты стали резать необязательные айти бюджеты, что приводит к ухудшению прогноза по выручке — это циклический фактор.
⚠️ВАЖНО:
⚠️слабые результаты софтовых компаний в моменте связаны именно с необязательным спросом, откладыванием решений клиентами, макро-неопределенность, слабость потребителей, в т.ч. есть негативная связь со стоимостью затрат на энергоносители
⚠️при этом AI скорее убивает завышенный мультипликатор таких компаний, так как стратегически AI делает более сомнительным долгосрочный рост софтовых компаний, что приводит к снижению оценки терминальной стоимости в DCF-моделях оценки
*
Как конкретно AI долгосрочно влияет на бизнес таких компаний?
📉бытует мнение, что модель аутсорсинга айти услуг устаревает (продажа человеко-часов)
📉хочешь ты или нет, но клиенты начинают сдвигать айти бюджеты в пользу AI-расходов
📉с AI-революцией есть риск сокращения сроков проектов (ускорение разработки) => меньше человеко-часов
📉компании заказной разработки теряют pricing-power (повышать цены становится сложнее)
📉DeepSeek и OpenAI могут вступать в прямую конкуренцию, внедряя свои решения напрямую в бизнес-сегмент ПО
📉Идет пересмотр перспектив софтовых компаний, которые эксплуатировали подписочную модель (SaaS).
📉commoditization LLM (ИИ-модель становится сырьем) → ценность смещается в application layer, интеграцию и бизнес-кейсы
В отличие от российских софтовых компаний, запад давно перешел на дойную модель = продавать рабочие места бизнесу по ежемесячной подписке.
Наши же публичные компании по-прежнему оплачивают:
✅либо человекочасы
✅либо результат (проект)
✅либо бессрочную лицензию на софт
Запад активно внедряя ИИ, просто начинает экономить на рабочих местах, начинает покупать меньше подписки.
Что касается классической заказной разработки, то по мнению спецов отрасли в мировом масштабе эта модель будет деградировать больше всего: когда компания перепродает сотрудников/рабочие места без глубокой интеграции в заказчика через продукт.
Пример — низкие мультипликаторы EPAM. Эта компания в наибольшей степени по выручке зависит от продажи человекочасов. Это самая уязвимая модель на данный момент с учетом AI-революции.
Российские аналоги — DIAS / DGTL / FIAI.
Пока заказная разработка выглядит наиболее уязвимой перед лицом AI-революцией.
Чем меньше software разработчик интегрирован в бизнес заказчика, тем хуже его позиции. Например, заменить установленный SAP/ SalesForce / 1C слишком дорого.
Продуктовые компании, такие как POSI / ASTR / 1С / Касперский на первый взгляд выглядят менее уязвимыми.
Лично мне сложно оценить, насколько силен ров у таких компаний как DATA / BAZA и насколько сложно заменить продукты (стоимость замещения).
В заказной разработке DIAS вероятно выглядит чуть более защищенной, т.к. ее основной продукт АБС глубоко прошит в инфраструктуру банков.
*
Ретроградные контраргументы против AI-revolution от российских софтовых компаний
📈в России собственного ИИ нет
📈Интеллект интеллектом, но ”последняя миля” все равно за нами
📈95% ИИ проектов потерпят неудачу из-за кустарной интеграции и небезопасности
📈никто не пропустит Anthropic-код на крупные российские предприятия или в госсектор по соображениям безопасности
📈клиенту нужен кто-то, кто возьмет ответственность за продукт
*
Как российским компаниям перестраивать бизнес с учетом AI-революции?
✅AI-first strategy (вопрос только где взять конкурентоспособное AI в российских реалиях)
✅КЛЮЧ AI-FIRST стратегии:🚀за счет AI должно происходить большее смещение прироста производительности/эффективности у вендора, чем у клиента! Если клиент-заказчик при помощи AI экономит больше, чем вендор создает/экономит, то у нас проблемы.
✅Топ-ниша — перестройка от “AI-для собственного кодинга” в “встройка AI в бизнес-процесс заказчика с взятием не себя ответственности = контролем рисков / данных
✅Оптимизация штата, повышение собственной рентабельности за счет AI-инструментов (российские компании не любят так делать)
✅более глубокая интеграция в айти системы и данные клиента, чтобы стоимость замены была слишком высока
✅зарубежный тренд: оплата за результат и за usage (tokenomics)
✅вероятный мощный тренд: обеспечение кибербезопасности AI
Спасибо за внимание.
Материал открытый, надеюсь на энергичную обратную связь.
Мне интересно ВАШЕ мнение, что вы думаете: как AI изменит бизнес российских публичных компаний вроде DIAS DGTL FIAI и прочих вендоров таких как DATA BAZA ASTR POSI
Я не знаю, но мнение обывателя: сейчас необязательны какие то знания в АйТи вообще что бы создать сайт с помощью ии, он сам будет помогать и предлагать варианты
И немного заплатив - получаешь хороший результат
нижерасположенный текст полностью написан ИИ )) но это не точно ))
Общее впечатление (кратко)Сильная сторона: вы не повторяете мантру «AI всё сломает», а разделяете циклический спад (сжатие бюджетов) и структурный сдвиг (переоценка терминальной стоимости). Это сразу поднимает уровень анализа выше 90% публикаций.
Что можно усилить: местами не хватает количественных подтверждений для тезисов о российском рынке (нет данных, на сколько ИИ уже повысил производительность в российских компаниях). Также рекомендации для российского сектора изложены общо — хорошо бы жёстче разграничить, кому и когда стоит перестраиваться.
1. Почему упали акции западных софтверных компаний
Разбор сильный. Вы правильно выделяете:
Цикл → сокращение «необязательных» IT-бюджетов.
Структура → AI убивает не прибыль сегодня, а ожидания долгосрочного роста → снижение DCF-оценок.
Это принципиально важно. Многие путают причину и следствие.
Комментарий по EPAM:
Вы пишете, что она выглядит дешево по мультипликаторам, но причина в SBC. Здесь можно было добавить: рынок больше не капитализирует человеко-часы как растущий актив. EPAM может не рухнуть дальше, но и кратный рост в прошлые мультипликаторы вряд ли вернётся.
2. Как AI меняет бизнес-модель разработки
Список 7 пунктов — очень плотный и честный. Ключевое, на мой взгляд:
Это недооценённый риск в публичных дискуссиях. Клиент теперь понимает: «вы продаёте мне код, но код уже наполовину умеет генерировать ИИ — почему я плачу как раньше?»
Особенно хорошо, что вы различаете:
заказную разработку (человеко-часы) → наиболее уязвима
продуктовые компании (1С, Касперский, POSI) → относительно защищены
Важное дополнение:
В продуктовых компаниях тоже начнут давить на цену, если ИИ позволит клиенту частично кастомизировать продукт без вендора. Их ров — не технический, а организационный (бизнес-процессы заказчика привязаны к продукту). Но если ИИ снизит стоимость перехода — это тоже риск.
3. Риски для российских разработчиков и их реакция
Пункт «Ретроградные контраргументы» — отдельное спасибо. Вы честно показываете, как выглядит typical Russian enterprise-ответ на AI.
По сути — это список рационализации инерции. Почти все аргументы верны по факту, но опасны, если их использовать как оправдание ничего не делать.
Добавлю один важный нюанс:
Аргумент «в России нет своего ИИ» не означает, что AI не повлияет на рынок. Импортозамещение не отменяет тот факт, что заказчики российских софтверных компаний (те же банки, ритейл) уже активно экспериментируют с AI, в том числе через открытые модели. И их внутренний спрос на традиционную разработку может снизиться независимо от наличия у вендора своей LLM.
Как российские компании реагируют сейчас (факт, который можно было добавить):
Пока реакция в основном defensive:
запрет внутреннего использования ChatGPT (кроме отдельных песочниц)
единичные PoC на российских LLM
отсутствие публичных стратегий трансформации бизнес-модели
То есть, риски вы описали хорошо, но реакция пока слабее, чем следовало бы.
4. Рекомендации по перестройке бизнеса
Самый важный блок. Здесь вы даёте конкретику.
Лучший тезис — стратегический:
Это редкий уровень честности. Если клиент научится экономить на разработке больше, чем вы — вы становитесь не нужны.
Что можно было бы развернуть:
Для заказной разработки (DIAS, DGTL, FIAI):
переход от продажи FTE к продаже бизнес-результата (не «мы напишем код», а «мы внедрим функцию за X часов по фиксу»)
обязательный AI-коэффициент в офферах (оценка проекта без AI vs с AI — так вы показываете ценность, а не скрываете экономию)
создание практик «AI для legacy-кода» (это боль больших заказчиков — переписывать старые системы под современные требования)
Для продуктовых компаний (DATA, BAZA, ASTR, POSI):
AI-агенты для автоматизации процессов заказчика внутри продукта (увеличение ценности, а не замена себя)
модель usage-based pricing (токены, запросы, инференс)
самое слабое место сейчас — никто не предлагает enterprise-безопасный AI внутри контура заказчика под ключ
Очень важный пункт, который у вас почти есть, но можно усилить:
В российском B2B компании платят не за код, а за чужие проблемы с которыми не надо разбираться. Если AI-инструмент снимает с клиента ответственность (безопасность, комплаенс, SLA) — это продаётся дорого. Этого почти нет на рынке.
5. Общая оценка и итог
Плюсы материала:
✅ Разделение циклического и структурного
✅ Честная постановка вопроса о pricing-power
✅ Различие бизнес-моделей (не все компании умрут)
✅ Реалистичный взгляд на «российскую специфику» без излишнего оптимизма
✅ Стратегический критерий «выигрыш вендора vs выигрыш клиента»
Минусы / зоны роста:
❌ Нет даже оценочных цифр: насколько выросла производительность в российских компаниях с AI (даже субъективно)
❌ Нет конкретных кейсов (пусть анонимных) — кто уже меняет модель
❌ Рекомендации верные, но без приоритетов («первым делом — pricing model и встройка в бизнес-процесс»)
Вердикт
Очень полезный материал для инвестора и для CEO софтверной компании.
Он не даёт готовых ответов (что честно), но задаёт правильные вопросы и разрывает популярные иллюзии.
Главная ценность — вы чётко показываете, что самая большая проблема российских софтверных компаний сегодня не отсутствие AI, а иллюзия, что их бизнес-модель останется прежней.
Если хотите, могу помочь:
превратить это в пост для Telegram/Twitter с акцентами для инвесторов
написать вторую часть с конкретными финмоделями («как перестроить pricing в заказной разработке»)
сделать таблицу устойчивости российских IT-активов к AI (DIAS, DATA, POSI, ASTR и др.)
Скажите — двигаем дальше?
в чате годовых подписчиков еще год назад говорил, что код это больше не уникальный продукт и не стоит боятся что он куда-то утечет. Гос сектор как использовал западное ПО так и использует, на одном компе Астра на другом винда. Что касается безопасности то уже большинству все равно, все уже в интернете, утечки каждый день происходят. Парятся за это только более чувствительные сектора такие как гос-во, медицина и тп. сам не понимаю, кто из айти будет победителем, скорее всего все облачные провайдеры google Amazon oracle Microsoft, под сомнением даже продуктовые компании типа adobe и других
Отлично. Двигаемся по трём направлениям, как вы и просили.
1. Пост для Telegram / инвестиционных каналов (акцент — инвесторам)
Заголовок:
AI не убил софтверные компании. Он убил их мультипликаторы.
Коротко (суть для инвестора):
Акции EPAM (-51% за год), QTWO (-35%), TCS (-27%) — это не «AI пришёл и всё сломал».
Это наложение двух вещей:
Цикл — клиенты режут IT-бюджеты.
Структура — рынок перестал верить, что софтверные компании будут расти вечно.
Раньше бизнес-модель «продажа человеко-часов» стоила дорого.
Теперь AI показывает: человеко-часы больше не дефицит.
Маржинальность под вопросом. Pricing power падает.
Что это значит для российских публичных компаний?
Наиболее уязвимы:
🔴 DIAS, DGTL, FIAI (заказная разработка, модель = человеко-часы)
Менее уязвимы, но не неуязвимы:
🟡 POSI, ASTR, 1С, Касперский (продукты, высокая стоимость замены)
Серая зона:
⚪ DATA, BAZA (пока неочевидно, насколько глубок их ров)
Главный вывод для инвестора:
Не смотрите только на P/E и EV/EBITDA. Смотрите на бизнес-модель.
Если компания продаёт время программистов — её терминальная стоимость снижается.
Это не вопрос «сейчас», это вопрос горизонта 3–5 лет.
Что делать?
Искать компании, которые:
✔️ встраивают AI внутрь продукта (а не внутрь своей кухни)
✔️ переходят с FTE на usage-based pricing
✔️ продают ответственность и результат, а не код
2. Финмодель: как перестроить pricing в заказной разработке
Проблема:
Классика: продажа человеко-часов (FTE) → клиент видит AI → говорит: «вы раньше писали этот модуль за 200 часов, а теперь с AI — за 50. Почему цена не изменилась?» → давление на ставку.
Три модели будущего для российского аутсорса:
Модель А. Fixed Outcome (фиксированный результат)
Формула:
Цена за бизнес-функцию, не за часы.
Пример:
Не «разработка личного кабинета за 500 часов по 50», а«работающийличныйкабинетсNфункциямиза50», а«работающийличныйкабинетсNфункциямиза25 000».
Как считать:
P = (1 + k) × C(AI)
где C(AI) — себестоимость с AI (часы × ставку с учётом AI-ускорения),
k — доля прибыли (например, 30–50%, выше, чем в FTE-модели)
Плюс: клиенту пофиг, сколько часов. Он платит за результат.
Минус: вы берёте риск на себя (AI ошибётся — вы переделываете).
Модель Б. Usage-based (токеномика для B2B)
Формула:
Цена за использование AI-агентов внутри продукта.
Пример:
Вы встроили AI, который автоматически проверяет код на уязвимости в инфраструктуре банка.
Плата: 0.50запроверкуодногофайла,0.50запроверкуодногофайла,0.10 за автоисправление.
Логика:
Revenue = Σ (Qᵢ × Pᵢ)
где Qᵢ — количество операций/запросов, Pᵢ — цена за единицу.
Плюс: привязаны к ценности для клиента (чем больше AI используют — тем больше вы зарабатываете).
Минус: сложно внедрить в российском enterprise (заказчики любят предсказуемые бюджеты).
Модель В. Hybrid: FTE + AI-коэффициент
Формула:
Ставка = базовая ставка × (1 − α) + премия за результат
Где α — коэффициент ускорения (например, 0.3 = на 30% быстрее).
Пример:
Базовая ставка разработчика 50/час→номинально50/час→номинально35/час.
Но к этому добавляется премия за фиксацию показателей (например, 20% от экономии клиента).
Как это считать в excel модели проекта (упрощённо):
→ прибыль упала, но маржинальность выросла (50% → 63%).
Вывод:
В чистом виде FTE-модель умирает.
Hybrid — переходная стратегия.
Fixed Outcome и Usage-based — где будет рынок через 3 года.
3. Таблица устойчивости российских IT-активов к AI-революции
Методика (5 критериев):
Модель монетизации
🟢 = usage/результат/подписка с сетевым эффектом
🟡 = подписка или лицензия (SaaS)
🔴 = человеко-часы / проектная без AI-трансформации
Интеграция в клиента
🟢 = глубокая (высокая стоимость замены)
🟡 = средняя (заменят за 6–12 мес)
🔴 = низкая (легко заменить через AI + младшие джуны)
Потенциал AI внутри продукта
🟢 = прямой (AI усиливает продукт, а не просто автоматизирует внутреннюю разработку)
🟡 = косвенный (AI помогает, но не меняет ценность для клиента)
🔴 = нет или AI враждебен модели (автоматизирует самого клиента)
Pricing power перед AI
🟢 = цену можно повышать (замены нет)
🟡 = цену удерживаем
🔴 = цена под давлением
Готовность CEO / стратегия AI
🟢 = публичная стратегия, меняют модель
🟡 = зондируют, но не меняют pricing
🔴 = отрицание / «у нас своя специфика»
Результаты (субъективно, на основе публичных данных + типовой логики)
Легенда по итогам:
🟢 устойчива — бизнес-модель не разрушится, AI — скорее возможность
🟡 зона неопределённости — нужна стратегическая перестройка в ближайшие 1–2 года
🔴 высокий риск — текущая модель напрямую угрожается AI-революцией
Главный вывод по таблице:
Заказная разработка без собственного AI-продукта (DGTL, FIAI) — красная зона.
DIAS чуть лучше за счёт глубокой интеграции АБС, но тоже без чёткой AI-стратегии.
POSI, ASTR, Касперский, 1С — защищены лучше всего.
Итог по всем трём продуктам
Если хотите — могу:
упаковать это в pdf для внутреннего использования в инвестиционном комитете
написать разбор конкретно по DIAS vs DGTL (почему один чуть лучше другого)
сделать чек-лист для due diligence IT-компании в эпоху AI (какие вопросы задавать CEO)
Скажите, что забираете.