Пока одни цитируют исследование MIT про "95% провалов пилотных проектов", a16z опубликовал анализ реальных контрактов. 29% Fortune 500 и 19% Global 2000 уже платят ИИ-стартапам за работающие продукты.
Корпорациям такого масштаба всегда требовались годы, чтобы начать что-то покупать у стартапов. И уже 1/3
Где ИИ приносит деньги прямо сейчас:
Корпорациям такого масштаба всегда требовались годы, чтобы начать что-то покупать у стартапов. И уже 1/3
Где ИИ приносит деньги прямо сейчас:
1️⃣ Код - абсолютный лидер. С отрывом на порядок от всего остального. Cursor, Claude Code, Codex растут быстрее любых прогнозов. Лучшие инженеры ускоряются в 10-20 раз. Код идеален для ИИ: плотные данные, строгий синтаксис, мгновенная проверка результата. И главное - инструменту не нужно делать 100% работы. Любое ускорение рутины уже дает отдачу.
2️⃣ Поддержка клиентов. Противоположный конец спектра: стандартизированная работа, высокая текучка, четкие инструкции. ИИ-агенты идеальны для ограниченных по времени задач с понятной целью. Не справился - переключил на человека. Метрики очевидны: число закрытых заявок, скорость, удовлетворенность.
3️⃣ Внутренний поиск. Найти нужный документ в корпоративных системах - до сих пор мучение. Glean решает это для общего поиска, Harvey - для юридического, OpenEvidence - для медицинского.
Что объединяет три направления:
- Четкие метрики (код работает или нет, заявка закрыта или нет)
- Человек остается в цикле принятия решений
- Инструменту не нужно быть идеальным. достаточно быть полезным
Отрасли-первопроходцы тоже показательны. Технологический сектор - ожидаемо. Но за ним - юристы и медики. Те самые консервативные отрасли, которые десятилетиями сопротивлялись обычному софту. Harvey дошел до $200 млн годовой выручки за три года. Потому что ИИ впервые решает их задачу: работа с плотным неструктурированным текстом.
Что объединяет три направления:
- Четкие метрики (код работает или нет, заявка закрыта или нет)
- Человек остается в цикле принятия решений
- Инструменту не нужно быть идеальным. достаточно быть полезным
Отрасли-первопроходцы тоже показательны. Технологический сектор - ожидаемо. Но за ним - юристы и медики. Те самые консервативные отрасли, которые десятилетиями сопротивлялись обычному софту. Harvey дошел до $200 млн годовой выручки за три года. Потому что ИИ впервые решает их задачу: работа с плотным неструктурированным текстом.
❗ Два вывода и совета для CEO
ИИ легче всего заходит туда, где уже есть делегирование
Поддержка клиентов как правило уже на аутсорсинге (внешние подрядчики, внутренние ОЦО). Минимальный change management в части процессов.
Парадокс частичной автоматизации. ROI не линейно.
Если ИИ делает 50% задач сотрудника, оставшиеся 50% становятся дороже, а не дешевле - они превращаются в бутылочное горлышко. 1% роста возможностей модели не равен 1% экономической ценности.
Хотите быстрых эффектов - ищите, где вы уже научились делегировать работу (правильно ставить задачу по целям) и где у вас еще недостаточно автоматизации. А раз в основе всего цифрового лежит код - рычаг в виде ИИ-агентов для разработки ускоряет не только программистов. Он ускоряет все, что строится на софте.
То есть - всё.
ИИ легче всего заходит туда, где уже есть делегирование
Поддержка клиентов как правило уже на аутсорсинге (внешние подрядчики, внутренние ОЦО). Минимальный change management в части процессов.
Парадокс частичной автоматизации. ROI не линейно.
Если ИИ делает 50% задач сотрудника, оставшиеся 50% становятся дороже, а не дешевле - они превращаются в бутылочное горлышко. 1% роста возможностей модели не равен 1% экономической ценности.
Хотите быстрых эффектов - ищите, где вы уже научились делегировать работу (правильно ставить задачу по целям) и где у вас еще недостаточно автоматизации. А раз в основе всего цифрового лежит код - рычаг в виде ИИ-агентов для разработки ускоряет не только программистов. Он ускоряет все, что строится на софте.
То есть - всё.
