Мнение: в эпоху ажиотажа вокруг ИИ «продавать лопаты» уже неэффективно

Автор: Бен Баше

Перевод: Глубокие Волны TechFlow

Введение от Глубоких Волны: «Золотая лихорадка, продажа лопат и кирок» — когда-то была золотым правилом стартап-сообщества. Но в эпоху ИИ эта логика перестала работать — потому что шахтеры сами открыли магазины металлообработки. OpenAI, Anthropic, Google систематически захватывают сегменты посреднического слоя, программных помощников, автоматизации браузеров и других направлений стартапов. Автор Бен Баше считает, что по-настоящему выживают не компании, продающие инструменты, а те, кто использует ИИ как сырье в вертикальных нишах — «ювелиры», глубоко погруженные в конкретные отрасли, обладающие локальными знаниями и уникальным контекстом, который невозможно скопировать.

Полный текст:

Есть одна фраза, которая стала чуть ли не спасением для стартап-сообщества после первой интернет-пузыря: «Золотая лихорадка, продажа лопат и кирок». Иначе говоря, зарабатывают не те, кто копает золото, а те, кто поставляет инструменты и материалы для копателей. Богатство получают Levi Strauss, а не золотоискатели.

Это хорошая модель. В течение некоторого времени она действительно работала.

Но в области ИИ она ошибочна. Если ваша компания построена на этой логике, вам стоит хорошенько пересмотреть, что произошло за последние двенадцать месяцев.

Лаборатории — это весь технологический стек

Вот что реально происходит — сначала тихо, а потом внезапно всё взрывается.

OpenAI выпустила Operator — компьютерного агента, который умеет просматривать веб-страницы, заполнять формы и выполнять задачи от начала до конца. Затем появились Responses API и Agents SDK, позволяющие разработчикам без сторонних фреймворков получать нативные вызовы инструментов, управление памятью и оркестрацию. Потом — Codex — облачный программный агент, который самостоятельно пишет, тестирует и итеративно совершенствует программное обеспечение. И, наконец, Deep Research. Любой из этих продуктов два года назад был бы достаточен для поддержки стартапа, получившего финансирование.

Anthropic выпустила Claude Code, Computer Use, Projects с долговременной памятью и MCP (Model Context Protocol) — почти за ночь стал стандартом для соединения ИИ с внешними инструментами и данными. Потом они передали MCP Linux Foundation, чтобы обеспечить его как инфраструктуру, а не продукт. Затем появились Claude in Excel, Claude in Chrome, Cowork.

Google представила Gemini 2.0 — встроенные нативные вызовы инструментов и мультимодальные возможности восприятия, интегрированные в Vertex AI как корпоративный контрольный центр, предоставляющий готовые стратегии и оркестрацию.

Каждое из этих действий съедает часть рынка, который раньше занимали стартапы.

Логика «продажи лопат» предполагает скрытый допущение: лаборатории останутся в своих нишах. Они создают базовые модели, предоставляют API, а слой инструментов, оркестрации и приложений оставляют экосистеме. Но эта гипотеза уже умерла.

Гибель посредников

Посмотрим, что происходит на самом деле с посредническим слоем.

LangChain — самый яркий пример ставки на «продажу лопат» в 2023 году. Это фреймворк для связывания вызовов LLM, соединения инструментов и управления памятью. Тысячи команд строят на его базе продукты, на GitHub более 100 тысяч звезд. К 2024 году многие начинают писать блоги, объясняя, почему их убрали из продакшена. Не потому, что он плохой, а потому что базовые модели стали настолько умными, что в них больше нет необходимости. Абстрактный слой LangChain решает вчерашние задачи.

В то же время OpenAI выпустила свой SDK для агентов. Microsoft — AutoGen и Semantic Kernel. Лаборатории и их материнские компании не покупают LangChain. Они просто встроили его функции нативно в свои платформы.

Аналогичные сценарии повторяются на каждом уровне: фреймворки для агентов, инструменты для управления подсказками, RAG-процессы, системы оценки, инструменты для мониторинга. Всё это поглощается производителями базовых моделей и превращается в нативные продукты.

Жестокая правда: когда OpenAI или Anthropic встроили оркестрацию прямо в API, им не нужно побеждать по функционалу. Им достаточно быть «достаточно хорошими» и «уже там». Разработчики выбирают путь наименьшего сопротивления. Стартапам с хитрыми посредниками приходится либо сильно опережать конкурентов, либо сохранять преимущество в условиях постоянной эволюции моделей, одновременно конкурируя с компаниями с неограниченным капиталом и контролем над инфраструктурой. Это уже не бизнес — это научный проект с обратным отсчётом.

Шахтеры открыли магазины металлообработки, и лопаты больше не продаются

Аналогия «продажи лопат» в области ИИ не работает из-за ключевого структурного различия. В 1849 году Levi Strauss и другие торговцы металлообработкой не копали золото сами. Шахтеры и поставщики — это независимые роли с разными интересами.

В области ИИ лаборатории одновременно копают, продают лопаты, строят дороги и печатают карты. У них есть сильная мотивация контролировать весь технологический стек, потому что каждая новая контрольная точка — это новая возможность закрепиться, расширить прибыль и создать барьер для конкурентов.

Когда Anthropic передала MCP Linux Foundation, это не благотворительность. Это гарантия того, что их стандарт станет универсальной инфраструктурой, как Ethernet. Стандарты — это самое мощное защитное поле в технологической индустрии, потому что они невидимы и вечны.

Если ваша ценностная proposition — «мы посредники между разработчиками и моделями, делая X проще», — вам нужно признать факт: тот, кто стоит посередине, уже заметил вас, обладает ресурсами для копирования и имеет структурные причины делать это.

Что же тогда работает?

Вернемся к аналогии с золотой лихорадкой. Что продавать, если лопаты уже не продаются?

Ювелирные изделия.

Или точнее: использовать золото как промышленное сырье, создавать из него продукты, которые шахтеры сами не захотели бы делать — потому что они слишком нишевые, локальные и глубоко встроены в области, которыми они никогда не владеют.

Версия ИИ — это создание приложений в вертикальных нишах, где необходимы реальные знания о мире, которых лаборатории не имеют и получить трудно.

Подумайте, в чем слабые стороны структурных игроков вроде OpenAI, Anthropic и Google:

Они плохо понимают рабочие процессы вашей отрасли. Они не связаны с вашими клиентами. Они не могут дешево получать приватные данные, которые делают модель действительно полезной в конкретных сценариях. Они никогда не изучат, почему южноафриканский ремесленник так оформляет счета, или почему интеграция мобильных платежей в Кении сложна, или почему предварительное медицинское одобрение в США — это сложная, глубоко встроенная операционная проблема.

Лаборатории строят инфраструктуру уровня. Возможности — в вертикальных нишах, где нужны географические, регуляторные, культурные и отраслевые знания, чтобы всё заработало.

Именно поэтому финтех на развивающихся рынках, юридические ИИ для конкретных юрисдикций, инструменты для соблюдения нормативных требований в регулируемых отраслях и автоматизация рабочих процессов в нишевых сферах более защищены, чем «создание лучшего LangChain».

Барьер не в модели. Барьер — в контексте.

Промышленное использование золота

Есть и вторая версия этой идеи, которую стоит объяснить: использовать ИИ так же, как используют золото в промышленности. Не как средство хранения стоимости или экспонат, а как компонент, встроенный в продукты, создающие устойчивую экономическую ценность.

Проводимость золота практически без конкуренции. Поэтому оно есть на каждой плате. Об этом не говорят, не делают на этом хайпа. Оно тихо служит ключевым входом в более крупную систему.

Самые устойчивые компании в области ИИ сейчас — те, кто используют модели как компоненты — входные данные для решения реальных задач — а не те, кто продает модели как продукт. ИИ — это золото внутри схемы, а не экспонат в витрине.

Практика такова: выбираете область с реальными проблемами, сложными рабочими процессами и труднодоступными данными, создаете продукт, в основе которого — модель, значительно улучшающая ситуацию. ИИ — это детали реализации, а продукт — это то, что заменяет мучительные ручные процессы.

Это прямо противоположно подходу «мы на GPT-4 натянули оболочку». Оболочка — витрина, а схема — невидимая часть.

Недавние исчезающие сегменты

Чтобы было яснее, вот некоторые сегменты стартапов, которые с конца 2024 года систематически захватываются лабораториями:

Фреймворки для оркестрации агентов. Сейчас — встроенные функции SDK OpenAI Agents, Anthropic Toolchain, Google Vertex Agent Builder.

Программные помощники для ИИ. Codex от OpenAI уже способен писать полноценные репозитории. Claude Code тоже. GitHub Copilot — нативное решение Microsoft. Отдельные стартапы, занимающиеся только программными помощниками, сильно сократились.

Автоматизация браузеров и компьютеров. Operator от OpenAI, Computer Use от Anthropic, Gemini Astra от Google. Все ведущие лаборатории уже имеют продукты в этом направлении. Все стартапы, использующие LLM для RPA, сейчас играют на защите.

RAG-процессы и инструменты поиска по векторам. В основном уже коммерциализированы. Большинство API моделей имеют встроенные возможности поиска. Дифференциация на уровне фреймворков исчезла.

Общие ИИ-ассистенты и инструменты повышения эффективности. Их захватили Claude, ChatGPT и Gemini.

Инструменты для управления подсказками и оценки. Всё больше превращаются в нативные функции. У LangSmith есть ещё место, но это — гонка со временем.

Общая картина: лаборатории обнаруживают, что определённая категория привлекает значительный интерес разработчиков, считают её близкой к своему ядру, и выпускают обновление. Не обязательно лучше, но интеграция проще, по умолчанию дешевле, а распространение — мощнее, чем у стартапов.

Что делать сейчас

Если вы занимаетесь стартапом в области ИИ, вопрос не в «есть ли спрос». Он есть везде. Важно понять: не исчезнет ли ваш продукт после выпуска одним крупным игроком с капиталом свыше 100 миллиардов долларов?

Если ответ — «да» или даже «возможно», — это не бизнес, а функция.

Долгосрочная стратегия должна обладать следующими характеристиками: глубокая вертикальная специализация (лаборатории могут делать универсальные модели, но не ваши узкоспециализированные), приватные данные или связи, которые нельзя легко скопировать через публичные источники, сложность регулирования и соответствия, которая делает «прямой вызов API» недостаточным, а также наличие каналов распространения в сообществе, где доверие и локальный контекст важнее исходных возможностей.

Золотая лихорадка — это правда. Везде полно золота. Но шахтеры уже открыли магазины металлообработки и используют неограниченный капитал.

Продавайте ювелирные изделия. Используйте золото как промышленное сырье. Создавайте продукты, которые шахтеры сами не захотели бы делать — потому что они слишком нишевые, локальные и глубоко встроены в области, которыми они никогда не владеют.

Это — мой взгляд на правильную стратегию.