Зарабатывая на решении «новых проблем», вызванных ИИ: новая бизнес-стратегия Ramp и Stripe

Автор: Саймон Тейлор

Адаптация: TechFlow

TechFlow в двух словах: ИИ приносит не только рост эффективности, но и целый ряд ранее не существовавших задач клиентов: расходы на токены, идентификацию агентов, маршрутизацию моделей. Ramp и Stripe уже создали новые источники дохода вокруг этих задач. Их оценка основана не просто на росте, а на ставке на AI-нативность. Понимание этой карты «новых задач» поможет инвесторам определить, кто выигрывает, а кто выбывает.

🧠 ИИ создает новые задачи для клиентов

Именно решение этих проблем формирует финансовые продукты нового поколения. Расходы на токены, идентификация агентов и маршрутизация моделей практически отсутствовали до появления ИИ.

Недавно Ramp привлекла $750 млн при оценке в $44 млрд. Возможно, эти деньги ей не нужны, но инвестиции в эту раунд покупают нечто большее, чем впечатляющие показатели роста*. Эта сделка покупает целостную историю о становлении AI-нативным продуктом.

Эта история заслуживает доверия, поскольку компания перестраивает себя вокруг задач, создаваемых ИИ. Например, Router находит самую дешевую модель с наилучшим качеством для каждого запроса, что, по словам Ramp, экономит клиентам 40% затрат. Stripe собирает аналогичный технологический стек: базовый уровень — платежи, Metronome отвечает за измерение потребления и биллинг, а верхний уровень — OpenRouter, который направляет трафик между более чем 400 моделями. Сообщается, что через него проплатили более $7 млрд.

Каждый инвестор, особенно ориентированный на рост, ищет компании, которые выиграют от быстрого взлета ИИ и станут благодаря этому более устойчивыми. Они хотят держать акции победителей и избегать тех, кто проиграет.

На этой неделе я беседовал с тремя основателями. Все трое находятся на финальной стадии крупных раундов финансирования под предлогом создания AI-нативных продуктов. Вопросы ко мне у них были примерно одинаковыми:

Как нам позиционировать себя как создателей AI-нативных решений? Что представляет собой наш продукт?

Они спрашивают о позиционировании. Я же считаю, что ответ лежит в плоскости продукта.

Эта колонка — мой ответ.

Быстрая карта:

Где вы находитесь: последователь, бенефициар или нативный игрок

Лестница задач от ИИ: старые задачи выполняются лучше; новые задачи рядом с ядром; совершенно новые неразрешенные задачи

Почему вашему агенту нужна стратегия дистрибуции

Что делать сейчас

Где вы находитесь: последователь, бенефициар или нативный игрок

Самая полезная мысль Клейтона Кристенсена для этой статьи звучит так: клиенты не покупают ваш продукт, они нанимают его для выполнения конкретной работы.

К таким задачам в финансах относятся: возврат моих расходов, сверка счетов-фактур, помощь в управлении мошенничеством. Эти задачи существовали задолго до ИИ. Современные модели могут выполнять некоторые из них быстрее, дешевле и с меньшим участием человека, но утром клиенты все равно хотят того же самого.

ИИ также породил второй тип задач: контроль расходов на токены; маршрутизация каждого запроса на вывод к лучшей модели; позволять моим агентам совершать покупки без передачи полного доступа к личности и банковскому счету.

До прихода ИИ никто не сталкивался с этими задачами.

AI-нативность описывает продукт. Создание ИИ описывает спрос.

Я анализирую становление AI-нативным с помощью матрицы 2x2.

Задача: задачи существующих клиентов существуют всегда (например, управление мошенничеством), а задачи, созданные ИИ, появляются вместе с технологией (например, контроль моих расходов на токены).

Компания: компания или продукт, существовавшие до ИИ, или компания, созданная исключительно благодаря ИИ.

Если совместить их вместе, получится так?:

Старые задачи клиентов

Клиентские задачи, созданные ИИ

Существующие компании / продукты

Nubank / NuFormer

Ramp и Stripe

Немыслимы без современного ИИ

Harvey, Hebbia и Rogo

OpenRouter и fal

Верхний левый угол — глубокое внедрение. Nubank использует NuFormer для принятия более качественных кредитных решений, но андеррайтинг остается древней банковской задачей.

В нижнем левом углу находятся Harvey, Hebbia и Rogo: эти продукты не могли бы существовать до появления современных моделей, хотя решают давно известные задачи юридических и финансовых исследований.

Правая сторона — это зона благоприятного ветра. Пока ИИ предлагает клиентам что-то новое для покупки, Ramp и Stripe уже имеют устоявшийся бизнес. OpenRouter и fal получили смысл существования только потому, что инференс стал отдельной отраслью.

Это также означает, что компания может занимать больше одной ячейки. Продукт управления расходами Ramp находится в верхнем левом углу. Его токен-панель и Router — в правом верхнем. Платежный бизнес Stripe расположен в левом верхнем углу; Metronome и OpenRouter переместили его к правой части таблицы. Вещи редко помещаются в матрицу 2x2 без шероховатостей.

Так что позвольте добавить еще одну концепцию.

Я обнаружил три ярлыка, которые хорошо подходят для описания позиции компании:

Последователи используют ИИ для обслуживания своих существующих потребностей. Возможно, они добавили своего copilota. Здесь есть реальная ценность. Они становятся быстрее, дешевле и лаконичнее, но структура воронки продаж остается неизменной. Большинство SaaS-компаний, добавивших агента, относятся к этой категории.

Бенефициары выполняют старые задачи лучше и захватывают новые потребности, создаваемые ИИ буквально за углом. Ramp и Stripe — самые чистые примеры. Управление расходами остается ключевой задачей; управление затратами на токены и маршрутизация моделей создают новый карман доходов сбоку.

Нативные игроки существуют благодаря новым потребностям. OpenRouter маршрутизирует запросы между более чем 400 моделями. fal запускает генеративный медиаинференс в промышленных масштабах. В мире, где нечем торговать в плане инференса, у этих компаний не было бы бизнеса.

Эта схема показывает, откуда берется спрос.

Задачи подсказывают, где могут скрываться возможности. Стать AI-нативным — это лестница: внизу знакомое, наверху — еще не решенные блестящие головоломки. Тогда следуйте за мной вверх.

Предпосылка: управляйте своим бизнесом с помощью ИИ

Модели операционной деятельности на базе ИИ меняют форму, корпоративное управление и ОС компании. Команды строят надстройки вокруг сотрудников, подключают внутренние данные, обмениваются навыками и меняют правила того, кто что может делать. Продуктовые менеджеры и дизайнеры начинают выпускать код. Инженеры глубже погружаются в продукт. Команды разрабатывают собственные внутренние инструменты. (Больше деталей в отчете о моделях операционной деятельности на базе ИИ.)

Это билет на старт. Он позволит вам ускориться, но сам по себе не изменит то, что вы продаете.

Уровень первый: старые задачи, выполняемые лучше с помощью ИИ

Некоторые AI-нативные продукты обслуживают очень старые задачи. Это не снижает степень их нативности.

Проверка на соответствие требованиям, сверка документов и писем, юридические исследования и финансовая отчетность до появления ИИ представляли собой сложную бюрократическую работу. Beacon, Sardine*, Gradient Labs, Harvey, Hebbia и Rogo используют современные модели для консолидации сотен документов и источников данных, после чего дают ответ или управляют процессом. Несколько лет назад такие продукты невозможно было создать. Но сами задачи очень стары.

Я являюсь консультантом Sardine.

Уровень второй: новые задачи рядом с ядром

Если вы занимаетесь управлением расходами, счетами или помогаете людям платить, старые задачи клиентов сохраняются, но рядом с ними появляются и новые. Существует несколько разных вариантов.

Задача: помоги управлять использованием ИИ. Токен-панель Ramp — это задача, созданная ИИ, которая живет внутри уже существующего продукта. Вы можете возразить, что панель затрат не нова. Vantage и Datadog уже много лет оценивают облачные и вычислительные расходы. Разница в счете. До появления счета за токены от ИИ никому не нужно было классифицировать затраты на токены, прогнозировать их или разделять себестоимость (COGS) и операционные расходы (OpEx). На платформе Ramp расходы на ИИ-токены выросли в 20,7 раза в период с июня 2025 по июнь 2026 года. Metronome, ныне принадлежащая Stripe, находится на другом конце той же задачи, отвечая за учет и биллинг такого потребления.

Работа: помоги моему агенту подключиться к твоему продукту и выполнить задачу. Такие компании, как Mercury, Visa и Ramp, выпускают интерфейсы командной строки (CLI). Старый добрый Stripe выпустил свой собственный CLI семь лет назад. Но с момента выхода Claude Code использование резко выросло. CLI — это пользовательский интерфейс, использующий командную строку (терминал), а не приложение или веб-страницу. Агентам удобнее работать с такими интерфейсами. Кроме того, использование CLI потребляет гораздо меньше токенов. Например, запуск Ramp CLI в режиме --agent возвращает транзакцию в формате JSON, что занимает около 105 токенов. Запуск той же транзакции в режиме --human требует 280 токенов для форматированного отображения. Именно так выглядят интерфейсы продуктов, спроектированные для «не человеческих» клиентов.

Работа: помоги найти мой магазин AI-агентам. Примерно треть представителей поколения Z теперь использует ИИ вместо Google для изучения покупок. Если вашего магазина и товаров там нет, вы можете упустить шанс. Такие компании, как Shopify и WooCommerce, а также платежные сервисы (PSP), помогающие интернет-магазинам, уже оптимизируют эту зону.

ИИ создает целый класс спроса рядом с вашим текущим бизнесом. Ваша возможность — построить интерфейсы для обслуживания таких запросов. Не обязательно сразу трансформировать весь бизнес.

Но представьте будущее: агенты составляют 80–90% интернет-трафика, коммерции и экономики. Если эта гипотеза имеет долю правды, как вы переоцените позицию компании и ее нарратив? Какова ваша ключевая единица ценности? Как она применяется к тому клиенту?

В этом мысленном эксперименте нам необходимо избавиться от мышления, рассматривающего ИИ как дополнительную функцию поверх текущего бизнеса.

Уровень третий: новые задачи, возникающие благодаря ИИ

Некоторые проблемы не существовали до бума ИИ. Они возникают не просто из простого использования ИИ.

Как я могу доверять этому агенту обработку моих данных или принимаемые им решения? Мы движемся к миру, где агенты, разработанные третьими сторонами, могут взаимодействовать с вашим бизнесом. Вам нужен механизм, чтобы гарантировать их безопасность, надежность, управление конфиденциальностью и наличие юридического лица, несущего ответственность. Простая модель подразумевает, что агент находится внутри какого-то провайдера SaaS с вашим существующим корпоративным контрактом. Но агенты все чаще становятся самим продуктом. Они могут исходить из лаборатории вроде Anthropic, стартапа или внутреннего подразделения. Я вижу, как компании строят или покупают оболочки или контрольные плоскости (как Primitive) для упаковки этих агентов. Другой подход — AIUC, цель которой заключается в страховании и сертификации агентов.

Как я могу доверять этому агенту совершение транзакций? Если агент появится в вашем магазине, пытаясь что-то купить, как вы узнаете его репутацию или создателя? Сертифицировал ли пользователь этого агента для покупок? В настоящее время появляются новые стандарты, такие как A2A от Google, Trusted Agent Protocol от Visa, а FIDO разрабатывает стандарты идентичности. Но мы находимся на самой ранней стадии. Компании вроде Natural Payments, Skyfire и A-comm ставят здесь свои флаги. Они управляют этапами, когда агенты реально двигают деньги в рабочих процессах электронной коммерции агентов.

Как получить более дешевый инференс и вычислительные мощности? Brex сообщает, что компании добавляют первого поставщика открытых вычислений в течение пяти месяцев после первых расходов на API OpenAI или Anthropic. Всего пять месяцев. Еще минуту назад вы платите лабораториям моделей за API, а на следующей сравниваете Together AI, Fireworks и Baseten. Вы решаете, где будет работать нагрузка, и спрашиваете финансовый отдел о хеджировании затрат. ИИ создал цепочку поставок программного обеспечения, а затем начал строить под ней капитальную структуру. Nvidia и Уолл-стрит пытаются мобилизовать $500 млрд вокруг этого слоя.

Источник: Brex Benchmark; данные по картам и платежам по счетам Brex, январь 2021 г. – июнь 2026 г.

Эти задачи шире, чем просто функции. Они пересекают продукты, данные, идентичность и капитал. Как только они охватывают продукты, вопрос становится в том, кому клиенты доверяют сидеть поверх всего этого.

Вашему агенту нужна стратегия дистрибуции

Мне не нужен ваш агент. Мне нужно, чтобы мой агент интегрировался в ваш продукт.

Большинство корпоративных клиентов в конечном итоге используют ту или иную контрольную плоскость или оболочку: единый центр для оркестровки принадлежащих им агентов через все используемые инструменты. Финансовые агенты CFO, кодовые агенты инженеров и закупочные агенты операционных команд будут управлять бюджетированием, авторизацией и мониторингом с уровня, находящегося над продуктами.

У потребителей тоже будет их версия. Будь то Grokbot или Instinct, новые потребительские приложения от OpenAI или Google, или же Apple в итоге сделает Siri менее ужасной, всегда будет некое объединяющее решение, которое позаботится о пользователях во всех продуктах.

Гэрри Тан очень точно охарактеризовал угрозу, с которой сталкивается текущее ПО:

Системы фиксации данных уже владеют данными, разрешениями и каналами дистрибуции, необходимыми для оболочки. Проблема в том, что новый слой оркестровки может разместиться поверх них, превращая каждый лежащий ниже продукт в вызываемого поставщика.

Это дает три стратегических выбора:

Владеть оркестровкой. Стать местом, где клиенты просматривают, авторизуют и управляют каждым агентом.

Иметь доверенную контрольную точку. Даже если оболочкой владеют другие, идентичность, репутация, маршрутизация, закупки и расчеты сохраняют свою ценность.

Стать наиболее простым для вызова продуктом внутри каждой существенной оболочки. CLI, API и интерфейсы агентов выступают формой дистрибуции. (Для большей части из вас это верный путь, причем значительно чаще, чем вы думаете).

Salesforce и банковские ядра не собираются легко отказываться от удерживающих позиций, которые они уже заняли. Речь не только об теории агрегации. Системы учета могут стать оболочками; нишевые специалисты могут контролировать ключевые точки; продукты могут обеспечивать дистрибуцию через все перечисленные векторы.

Именно этот конфликт интересов является сутью вопроса. Призом может стать сама контрольная плоскость. Или же это может быть незаменимый компонент, необходимый каждой такой плоскости.

Что именно сейчас строить и непревзойденные задачи

Вернемся к трем основателям, с которыми я общался.

Ответ всегда один: работа. Позиционирование следует за продуктом.

Найдите задачи, которые ИИ создает рядом с тем ценностным предложением, которое вы уже предоставляете. Постройте для них интерфейс.

Затем определите, как оно будет распространяться. Вы можете владеть оболочкой, содержать в ней доверенную контрольную точку или стать продуктом, который элегантно вызывается из любой оболочки.

В этом и заключается переизобретение себя. Вы начинаете с управления собственным бизнесом с помощью ИИ. Вы используете его для улучшения старых процессов. Затем вы поднимаетесь к задачам, которых не существовало до того, как модели начали создавать проблемы для клиентов.

Ramp достиг оценки в $44 млрд не потому, что он лучше всех управляет расходами. Он добрался туда, потому что инвесторы верят в способность ИИ постоянно создавать новые требования рядом с ядром бизнеса. А у Ramp есть скорость для этого захвата.

Выбирайте задачу. Выбирайте интерфейс. Обеспечьте ему дистрибуцию.

*（按金融公司标准，Ramp 的增长很离谱：TPV（总处理量）截至 3 月同比增长 170%，这是三年来最快速度，而其业务规模已经扩大了 20 倍。）