78% клиентов ждут AI, получают 6%

Появился новый тип компании: она продаёт не софт, а саму услугу

78% корпоративных заказчиков профессиональных услуг - юристов, аудиторов, налоговых консультантов - считают важным или обязательным, чтобы подрядчик использовал AI и за счёт этого повышал качество работы. Так ответили участники опроса Thomson Reuters «Future of Professionals Report 2026»: 1816 специалистов права, налогов, аудита, бухгалтерии, комплаенса и рисков в 62 странах, поле март-апрель 2026 года, публикация - июнь. Реально получают такое качество от большинства или всех своих подрядчиков только 6% заказчиков.

Разрыв между 78 и 6 - это и есть рынок, на который метят компании нового типа. Они не продают инструмент, который клиент включает сам. Они продают готовый результат: заполненную декларацию, подписанный контракт, оформленный полис. Внутри работают агенты - программы на основе AI, которые делают задачу от начала до конца сами, без человека на каждом шаге. Снаружи клиент видит только результат и его цену.

Y Combinator, акселератор стартапов, который помогает запускать технологические компании, 3 июня 2026 года выпустил разбор этой модели - «How to Build an AI-Native Services Company». Автор - Чарли Уоррен, приглашённый партнёр YC. Это позиция акселератора, а не замер рынка, и это стоит держать в уме: YC ставит на определённый тип компаний и говорит от их лица.

Ставка выглядит крупной. По подсчётам Sequoia Capital - венчурного фонда, вложившегося в десятки известных технологических компаний, - в статье Жюльена Бека «Services: The New Software» от 5 марта 2026 года: на каждый доллар, который бизнес тратит на софт, приходится шесть долларов, потраченных на услуги людей. General Catalyst, ещё один крупный фонд, в материале «The Future of Services» от 28 августа 2025 года даёт похожую картину другими цифрами: сервисные отрасли США дают больше 6 триллионов долларов выручки в год, весь софтверный рынок - 370 миллиардов.

Как это работает на практике, показывает General Legal - юрфирма из набора Y Combinator зимы 2026 года, специализирующаяся на коммерческих контрактах. По словам сооснователя Дж. П. Молера в интервью изданию Artificial Lawyer от 31 марта 2026 года, фирма берёт с клиента фиксированную цену - 500 долларов за контракт. Рамочное соглашение, на подготовку которого у юриста крупной фирмы уходит 8-10 часов, здесь занимает 2,2 часа. Маржа - доля, которая остаётся у компании от выручки после прямых затрат на работу, - составляет 40-50% с контракта. Один юрист в такой модели ведёт от 300 до 600 контрактов в год.

Bloomberg Law 14 июля 2026 года добавил цифры о самой компании: General Legal привлекла 11,5 млн долларов инвестиций, годовая выручка в пересчёте - 2 млн долларов, в штате 14 юристов, почти все - выходцы из крупных фирм, и все получили долю в компании.

Какую работу заберут первой

YC выделяет четыре признака работы, которую заберут в первую очередь.

Первый - её уже отдают на аутсорс, то есть передают стороннему подрядчику, а не делают своим штатом. Заказчик в этой модели изначально смотрит на результат, а не на то, как его получили.

Второй - на уровне отдельной задачи почти не требуется человеческое суждение. Суждение здесь не размазано по каждому шагу, а собрано в нескольких контрольных точках.

Третий - работа в целом сложная. Простым инструментом или шаблоном её не закрыть, нужна связка из множества шагов.

Четвёртый - отрасль зарегулирована. Звучит как минус, но YC называет это плюсом: регуляторная планка держит новых конкурентов на расстоянии и одновременно защищает тех, кто уже прошёл этот порог.

Подходящие рынки YC называет прямо: налоги, аудит, страхование, ипотека, части здравоохранения, части логистики. Общий знаменатель - бумажная и процедурная работа с понятными правилами внутри, которую сейчас делают дорогие специалисты вручную.

Один совет стоит отдельно и звучит жёстко: осторожно с оборудованием и работой на объекте. Там, где компания владеет физическими вещами и обслуживает их руками, вся эта софтверная математика с высокой маржой перестаёт работать - выезд и ремонт стоят денег независимо от того, сколько ума добавил AI.

Четыре подставки разной высоты, на каждой белый офисный предмет: стопка документов, штамп, калькулятор, лоток для бумаг

Модель больше не преимущество

Ещё недавно доступ к более сильной модели сам по себе был конкурентным преимуществом. Свежие данные показывают, что это больше не так.

Stanford HAI - исследовательский институт при Стэнфорде, который ежегодно выпускает главный отраслевой отчёт по AI, - в выпуске «AI Index Report 2026» от апреля 2026 года посчитал, как модели справляются с задачами по налогам, обработке ипотеки, корпоративным финансам и юридическому рассуждению. Результат - от 60 до 90% правильных ответов в зависимости от задачи.

Разброс зависит от задачи. На TaxEval v2 результаты пятнадцати моделей в графике Stanford HAI лежат между 74,20% и 77,11% - разница 2,91 процентного пункта. На CaseLaw v2 диапазон шире: 62,06-73,42%, или 11,36 пункта. Поэтому модель нужно проверять на конкретных задачах сервиса.

При этом Stanford HAI фиксирует и обратную сторону: агенты всё ещё проваливают примерно одну попытку из трёх. Это не мелкий брак. Строить платный сервис на голой модели без слоя проверки и повторных попыток нельзя.

Отсюда тест на выживание, который формулирует YC: по мере того как модели становятся сильнее, ваша услуга либо становится сильнее вместе с ними, либо модель вас обесценивает. Компания, чьё единственное преимущество - доступ к конкретной модели, обречена: завтра эту же модель получит любой конкурент. Преимущество должно быть в том, что построено вокруг модели, а не в самой модели.

Ровный ряд одинаковых белых цилиндров: все одной высоты, ни один не выделяется

Продукт - это операция

Если услугу пересобирают вокруг AI, ей начинают управлять как программным продуктом, а не как командой людей. Это меняет то, какие цифры руководитель смотрит каждый день.

Пропускная способность - сколько работы система обрабатывает за период - и время цикла - сколько уходит на одну единицу работы от начала до конца - становятся продуктовыми метриками. YC советует следить за ними так же внимательно, как за посещаемостью сайта, ежедневно, а не раз в квартал на совете директоров.

Себестоимость услуги - все прямые расходы на то, чтобы её оказать, - складывается из трёх частей. Первая - плата за работу моделей, она растёт вместе с объёмом обращений. Вторая - хостинг: аренда серверов и инфраструктуры, на которой всё это крутится. Третья - люди, которые остаются в процессе. У каждой части должно быть своё число, свой тренд во времени и свой ответственный человек, а не одна размытая строка «расходы на AI» в отчёте.

Люди в процессе - отдельный разговор. Если выручка растёт ровно в такт числу нанятых сотрудников, бизнес построен неправильно: значит, AI в нём ничего толком не автоматизировал, а просто добавил ещё один инструмент к ручному труду. Люди должны масштабироваться нелинейно - выручка растёт быстрее штата.

YC предлагает честную проверку для любого руководителя такой компании: люди у вас в процессе потому, что работа правда требует их суждения, или потому что ими закрывают дыры в продукте? Второй ответ - тревожный звонок. Он означает, что маркетинг обещает автоматизацию, а по факту услугу всё ещё тянут вручную под вывеской AI.

Есть и обратная ловушка - на старте, а не в зрелости. Пилотов, то есть пробных проектов с новым клиентом, на старте легко набрать много: интерес к теме высокий, продавать легко. Обслуживать их все нечем, и компания застревает на ручном труде, латая каждый пилот отдельно вместо того, чтобы строить систему. Первых пилотных клиентов YC советует жёстко ограничить парой штук, пока процесс не устоялся.

Жёлтый конвейер, по нему едут одинаковые белые кубы, малиновый пол, бирюзовая стена

Разброс качества - угроза самому бизнесу

Для сервисной компании нового типа разброс качества - когда один и тот же запрос иногда даёт хороший результат, а иногда посредственный - не мелкий недостаток, а угроза существованию бизнеса. Клиенты увольняют подрядчика за непредсказуемый результат гораздо быстрее, чем за то, что он немного дороже или чуть медленнее конкурентов.

Здесь снова всплывает цифра Stanford HAI: агенты и сегодня проваливают примерно треть попыток. Для разового чата с моделью это терпимо - человек просто перезадаст вопрос. Для платной услуги, поставленной на поток, треть провалов означает треть недовольных клиентов, если нет отдельного слоя, который ловит и чинит эти провалы до того, как результат попадёт к заказчику.

Полка с ровным рядом одинаковых белых чашек, под ней на полу разбитые чашки и осколки

Продавать результат, а не места

Так же сильно, как процесс, для сервиса на AI важна модель ценообразования. YC настаивает: продавать нужно результат, а не рабочие места сотрудников и не расход моделей в токенах.

Рабочих вариантов два. Первый - цена за единицу: за декларацию, за обращение клиента, за оформленный кредит. Клиент платит за каждую готовую штуку, и цена не зависит от того, сколько внутри было ручного труда. Второй - цена за результат целиком: не за контракт как документ, а за подписанную сделку.

Два способа ценообразования YC советует обходить стороной. Наценка к себестоимости - когда компания считает расходы на AI и людей и накидывает сверху процент - навсегда отдаёт клиенту весь выигрыш от подешевевшей технологии: модель дешевеет, дешевеет и цена, а маржа не растёт. Лобовой демпинг - намеренная продажа себе в убыток ради доли рынка - делает всю категорию работы дешёвой в глазах рынка и режет её будущую цену для всех, включая саму компанию.

Panacea, компания из набора Y Combinator весны 2026 года, показывает третий путь. Она делает регуляторное сопровождение для биотех-компаний, которые выводят новые препараты на рынок: нанимает бывших консультантов регулятора с многолетним опытом и сажает их работать поверх собственной AI-платформы. Берёт цену по этапам проекта с оплатой по завершении этапа, а не по часам, потраченным консультантом.

Разница в стимулах здесь принципиальная. У почасового консультанта нет причины ускоряться с помощью AI - скорость режет его же выручку: чем быстрее он закончит, тем меньше часов выставит клиенту. При оплате по этапу с фиксированной ценой стимул разворачивается на противоположный: чем быстрее и чище команда закрывает этап, тем выше её собственная маржа.

На этом и держится экономика новых сервисных компаний. Традиционные сервисные фирмы годами упираются в потолок маржи - около 30%. Ставка компаний, о которых пишет YC, - подтянуть маржу ближе к софтверной, к 50% и выше, причём на рынке, который в два-три раза больше софтверного. Это оценка и ставка YC, а не отраслевой замер: подтверждённых цифр по всему рынку пока нет.

Слева два пустых белых офисных кресла, справа на малиновой тумбе один белый шар

Привинтить AI к старой фирме не работает

Раз ставка настолько крупная, естественный соблазн - купить готовую традиционную сервисную фирму и привинтить AI сверху, вместо того чтобы строить с нуля. YC называет это почти всегда ловушкой.

Причина простая. Соответствие продукта рынку - момент, когда предложение компании реально нравится клиентам и они готовы за него платить, - не покупается вместе с фирмой. У старой сервисной компании уже есть свои метрики, свой найм, свои ожидания от результата, и всё это годами настраивалось под другую модель работы - почасовую, с людьми в центре процесса. Перестроить эти ожидания сложнее, чем построить новую компанию с нуля. Единственная разумная причина покупать старую фирму, по мнению YC, - быстро получить регуляторную лицензию, которую иначе пришлось бы годами оформлять самим.

Thrive Holdings - самый заметный пример именно такой попытки. В августе 2026 года компания привлекла 2 млрд долларов при оценке в 12 млрд. Её модель - скупать традиционные сервисные бизнесы и перестраивать их вокруг AI. По данным TechCrunch от 12 августа 2026 года, у компании уже больше 70 бизнесов на платформе.

Цифры, которые Thrive рассказывает о себе, впечатляют: бухгалтерское направление объединяет больше 50 фирм и больше 2000 специалистов; их налоговый агент обработал больше 7000 деклараций с точностью 98%, а время подготовки декларации в участвующих фирмах упало больше чем на 30%; в IT-направлении скорость закрытия заявок выросла в 36 раз. Все эти цифры - собственные данные компании о себе, а не независимая проверка, и это стоит держать в голове, читая их.

General Catalyst, фонд, вкладывающийся в похожие сделки, ставит купленным сервисным бизнесам конкретную цель: перевести рост с однозначных цифр на 10-20% в год и удвоить маржу, целясь в 30-40%. Разница с тем, о чём говорит YC для компаний, построенных с нуля, заметна сразу: там ориентир - 50% и выше. Купленная и перестроенная фирма движется явно медленнее и осторожнее, чем фирма, спроектированная вокруг AI с первого дня.

Для руководителя, который сейчас выбирает подрядчика или решает, что делать со своей сервисной функцией, вывод складывается из двух цифр, уже прозвучавших в этом тексте. Спрос на AI-качество у клиентов есть: 78% считают его важным или обязательным. Предложения почти нет: получают его только 6%. Третья цифра из того же опроса Thomson Reuters показывает, что решает разницу между теми, кто выигрывает, и теми, кто топчется на месте: там, где у компании есть названная AI-стратегия, 66% сотрудников говорят, что AI оправдывает или превосходит ожидания. Там, где стратегии нет, - только 22%. Разница не в доступе к AI. Разница в том, выстроена ли вокруг него стратегия.

Старая серая пишущая машинка, к ней с двух сторон грубо приболчены малиновые роботизированные руки, свисают провода

Вопросы и ответы

Наша компания не продаёт услуги, а покупает их. Это вообще про нас?

Да, причём с двух сторон. Как заказчик вы попадаете прямо в те самые 78% из опроса Thomson Reuters: стоит спросить у каждого подрядчика на аутсорсе - юриста, аудитора, налогового консультанта - что конкретно он делает с AI и как измеряет качество результата, а не то, что он им пользуется. Как компания вы почти наверняка сами оказываете какую-то услугу другим бизнесам, и стоит прогнать её через четыре признака YC: отдана ли она уже на аутсорс, нужно ли суждение на каждом шаге, насколько она сложная, насколько зарегулирована отрасль.

У нас нет своей технической команды. Мы вне игры?

Не обязательно. Пример Panacea и General Legal показывает, что ядро таких компаний - не программисты, а специалисты с опытом в самой услуге, которые садятся поверх готовой AI-платформы. Технический слой можно строить самим, покупать как продукт или заказывать у команды, которая специализируется на внедрении AI-систем внутри бизнеса. Ключевое решение - не кто пишет код, а как устроены процесс, ценообразование и контроль качества вокруг результата.

Мы и так используем AI внутри команды. Разве этого не достаточно?

Thomson Reuters фиксирует: 74% специалистов пользуются AI несколько раз в неделю, 44% - несколько раз в день, и это давно норма, а не отличие. Проблема глубже: 41% тех, кто пользуется AI на работе, не имеет доступа к профессиональным инструментам, построенным на проверенном отраслевом материале, а 34% вообще используют инструменты, которые организация не одобряла. Даже там, где доступ к профессиональным инструментам дали, 18% сотрудников ими не пользуются. Использование AI сотрудниками и AI, встроенный в саму услугу как продукт с измеримым качеством, - разные вещи. Первое почти всегда уже есть. Второе - редкость, и именно второе ищут клиенты.

С чего начать, если хочется проверить свою услугу или подрядчика прямо сейчас?

Начните с трёх чисел. Первое - маржа: сколько реально остаётся от выручки после прямых затрат на работу, включая AI, инфраструктуру и людей, и в какую сторону она движется. Второе - время цикла на одну единицу работы и то, меняется ли оно вообще с тех пор, как в процесс добавили AI. Третье - доля обращений или задач, где результат приходится переделывать вручную: это и есть тот самый разброс качества, из-за которого клиенты уходят быстрее всего. Если ни одно из этих трёх чисел никто в компании не считает на регулярной основе, начинать стоит именно с этого, до любого разговора про модели и агентов.

Majento строит и внедряет AI-софт и агентные системы для маркетинга и бизнес-процессов, по модели forward-deployed: инженеры встраиваются в процессы компании-клиента, находят узкое место, собирают рабочее решение и доводят его до реального использования. Если хотите разобрать свою услугу или подрядчиков через эту рамку - пишите в Telegram t.me/shimaoz или на hello@majento.ai.

78% клиентов ждут AI от подрядчика. Получают его 6%