Завышенные ожидания наконец встретились с суровой математикой серверов. Инвесторы и фаундеры продолжают оценивать AI-бизнес по лекалам Software 1.0 — через мультипликаторы выручки, CAC и LTV, будто экономическая структура не изменилась. На наш взгляд, это опасный самообман. Медианные мультипликаторы AI-стартапов в 25–30 раз превышают выручку, что в пять раз выше показателей классического SaaS. Однако реальность, зафиксированная в отчетах McKinsey, отрезвляет: лишь 39% организаций видят хоть какой-то эффект от внедрения ИИ на уровне EBIT, а большинство оценивает этот вклад менее чем в 5%. Если содрать PR-обертку, обнаружится гигантский разрыв между капитализацией и реальной способностью генерировать кэш.
Первый удар принимают на себя «обертки» (wrappers) — сервисы, представляющие собой тонкий интерфейс поверх API сторонних моделей типа GPT-4. У них нет проприетарных данных, кастомного обучения или вменяемой архитектуры. Механика рынка беспощадна: стоимость таких проектов тает. Пока вертикальные компании с глубокой экспертизой торгуются с мультипликатором 9–12x ARR, «обертки» с трудом удерживают 3–4x. Как только OpenAI или Google внедряют функцию, дублирующую возможности стартапа — а они это сделают, анализируя статистику ваших же API-запросов, — ценность компании обнуляется. Для инвестора сегодня существует предельно жесткий операционный тест: попросите команду сменить поставщика модели за 30 дней. Если ответ «мы не можем», перед вами не технологический бизнес, а карточный домик, судьба которого зависит от настроения Сэма Альтмана.
Главный капкан зарыт в маржинальности вывода (Inference Margin Trap). Мы привыкли считать аксиомой, что в софте маржа растет вместе с масштабом, а стоимость обслуживания нового пользователя стремится к нулю. В мире AI всё наоборот. Традиционный SaaS живет с маржой 80–90%, тогда как AI-native проекты показывают 50–60%, и этот показатель падает при росте нагрузки. Исследование BCG подтверждает тренд: 60% компаний не получают материальной выгоды от инвестиций в ИИ. Причина в инференсе — каждый запрос агента сжигает конкретные ресурсы GPU и электроэнергию. По данным за 2025 год, доля компаний, закрывающих ИИ-инициативы, подскочила с 17% до 42%. Когда 84% предприятий фиксируют эрозию маржи на 6% и более из-за инфраструктурных затрат, масштабирование превращается в эффективный способ сжигания капитала.
Gartner прогнозирует, что более 40% проектов в области агентского ИИ будут свернуты к 2027 году. Это логичный финал для тех, кто строит бизнес на перепродаже чужих вычислений без создания технологического рва. Единственный способ доказать уникальность — это аудит стека: наличие собственных пайплайнов RAG, тонкая настройка моделей на уникальных сетах и архитектурная независимость от провайдера. Без этого «AI-трансформация» остается дорогой надстройкой, которая съедает EBITDA быстрее, чем привлекает клиентов. В эпоху, когда инференс становится главной статьей расходов, выживут не те, кто лучше всех пишет промпты, а те, кто контролирует стоимость каждого вызова функции.
Запросите у технического директора отчет по Unit-экономике одного успешного запроса с учетом амортизации GPU или стоимости API. Если эти затраты превышают 20% от цены транзакции, ваша модель масштабирования — мертва.