Как построить AI-нативную компанию услуг

Коротко

Видео — это пошаговый roadmap от Y Combinator для основателей, строящих с нуля AI Native сервисные компании: не софтверные стартапы, а страховые, юридические, налоговые фирмы, перестроенные так, что ИИ делает основную часть работы, а клиенту отдаётся готовый результат, а не co-pilot. Рынки таких услуг — триллионы долларов (налоги, аудит, страхование, ипотека, части здравоохранения и логистики), и сама возможность появилась только из-за прогресса моделей. Автор даёт критерии выбора рынка (низкое доверие, мало суждения на уровне задачи, высокий порог интеллекта, регуляция как плюс), требования к команде (доменная экспертиза, знание моделей, операционная строгость) и объясняет, почему продукт здесь устроен наоборот: человек — это интерфейс к клиенту, а продукт масштабирует человека нелинейно. Отдельно разбираются ловушки: «ранний спрос», вариативность результата как экзистенциальная угроза, ценообразование от ценности (а не cost-plus), структура P&L и операционный рычаг ИИ, поднимающий маржу к 50%+. Вывод — почти всегда лучше строить самому, чем покупать существующий сервисный бизнес и «докручивать ИИ».

Главный тезис

Крупнейшие компании следующего десятилетия будут не софтверными, а AI Native сервисными бизнесами, которые продают клиенту готовый результат на триллионных рынках, и строятся они принципиально иначе, чем обычные стартапы: процесс — это продукт, а продукт — это процесс.

Ключевые идеи

• 0:00 — крупнейшие компании следующего десятилетия будут сервисными, а не софтверными: страховщики, юрфирмы, перестроенные с нуля вокруг ИИ.
• 0:37 — модель бизнеса в том, чтобы отдавать клиенту конечный результат, а не строить co-pilot для внутреннего использования.
• 1:50 — лучший рынок имеет низкое доверие: работа уже отдана на аутсорс, клиента волнует результат, а не путь к нему — ты меняешь поставщика, а не поведение клиента.
• 2:09 — нужно мало человеческого суждения на уровне задачи: если каждый кусок требует оценки человека, бизнес не масштабируется.
• 2:25 — нужен высокий порог интеллекта: работа как целое должна быть достаточно сложной, чтобы для приемлемого клиентом результата требовались и модели, и люди.
• 2:38 — регуляция — это плюс, а не минус: высокие требования и юридическая ответственность поднимают планку и усиливают конкурентную позицию основателя.
• 3:28 — тест Сэма Альтмана: по мере улучшения моделей твой сервис должен становиться сильнее, а не превращаться в commodity.
• 3:40 — избегай физического оборудования и персонала на локации: софтверной маржи там не будет, рычаг почти невозможен.
• 3:56 — честная проверка: используешь людей потому что нужно суждение, или чтобы замаскировать недоработки продукта.
• 5:47 — переворот относительно софта: человек — интерфейс к клиенту, а продукт нелинейно масштабирует этого человека.
• 6:07 — вариативность результата — экзистенциальная угроза: клиенты уходят из-за непостоянства быстрее, чем из-за цены или скорости.
• 6:24 — численность людей в процессе не должна расти линейно с выручкой, иначе бизнес упрётся в потолок.
• 6:47 — ловушка раннего спроса: легко набрать пилотов на старте, но это превысит способность обслуживать и зафиксирует тебя на ручном труде.
• 7:15 — продавать нужно результаты, а не лицензии или токены; пилот — это и есть продукт.
• 9:20 — операционный рычаг ИИ: чем более развит продукт, тем ниже COGS и выше маржа, подтягивая сервисный бизнес к 50%+ на рынке в 2–3 раза больше софтверного.
• 10:50 — строить почти всегда лучше, чем покупать существующий сервисный бизнес и докручивать ИИ.

Почему это важно

Это инвест-тезис YC о новой категории компаний, открывающейся прямо сейчас за счёт скачка в качестве моделей: вместо продажи софта другим бизнесам основатели заходят напрямую в триллионные рынки услуг (налоги, страхование, право, аудит, ипотека, здравоохранение) и забирают сам бюджет, который уже тратится на аутсорс. Выигрывают основатели с доменной экспертизой и операционной дисциплиной, которые умеют держать вариативность и считать P&L; проигрывают традиционные сервисные фирмы с 30% маржой и чистые софт/agent-стартапы с большей маржой, но меньшим рынком. YC явно зазывает таких основателей подаваться к себе и приводит свои портфельные кейсы (Panacea в FDA-регуляторике, AI Native юрфирма с выходцами из Cooley/Fenwick и Kasex) как доказательство, что модель уже работает.

Идеи

• Сама возможность таких компаний не существовала ещё пару лет назад — её открыл именно прогресс моделей.
• Видео адресовано тем, кто только думает запускать бизнес, а не тем, кто уже его ведёт.
• Рынок надо выбирать тот, в котором готов работать десятилетие или дольше — иначе не вытянешь.
• Замена поставщика вместо изменения поведения клиента — ты «приходишь туда, где бюджет уже лежит».
• Автоматизируемыми должны быть большинство шагов, а человеческое суждение — сконцентрировано в нескольких точках.
• Не ограничивай себя очевидными рынками или тем, что обсуждают в X — много рынков ещё не тронуто.
• Робототехнику и всё «физическое» автор сознательно оставляет другим основателям — там нет софтверного рычага.
• Можно строить отличные большие техкомпании и с людьми внутри — это не запрещено, важна честность о причине.
• Команду собирать из людей, с которыми уже работал; если опыта мало — позвать лучших, с кем когда-либо работал («удивишься, кто скажет да»).
• Доменную достоверность можно получить и через приобретённые знания, а не только через прямой опыт — способ менее важен, чем сам факт доверия скептичных покупателей.
• «Нет замены great technology» — люди недооценивают этот фактор.
• Операционная строгость (вариативность, пропускная способность, cycle time, SOP) — скучные термины, но ты буквально управляешь бизнесом-операцией.
• AI Native юрфирма ввела сменную работу (ploegendiensten), чтобы сократить сроки и привлечь лучших юристов — win-win для масштабирования.
• Пропускную способность и сроки выполнения надо трекать как DAU (daily active users) в обычном софте.
• Делать вещи, не масштабируемые на старте, — нормально, но в итоге обязан реально масштабироваться.
• Первых пилотных клиентов надо сознательно ограничить малым числом, сопротивляясь соблазну.
• Не стандартизируй слишком рано — используй первые пилоты, чтобы учиться, где ИИ даёт уникальное преимущество, а где ты просто автоматизируешь очевидное.
• Ценообразование сложнее, чем в софте, потому что конкурируешь не с другими вендорами, а со стоимостью внутреннего или внешнего труда.
• Per-unit pricing (за возврат, за claim, за кредит) — самый понятный и легко объяснимый вариант.
• Outcome-based pricing хорошо выравнивает стимулы, но его труднее прогнозировать внутри своего бизнеса.
• Cost-plus навсегда ограничивает маржу — прямой запрет.
• Демпинг придаёт работе вид дешёвой и потенциально низкокачественной — тоже избегать.
• Пилоты с нулевой или отрицательной маржой — повод для сильного подозрения: учиться можно, вслепую инвестировать опасно.
• COGS состоит из трёх частей: стоимость моделей, хостинг и стоимость вовлечённых людей — у каждой нужны цифра, трендлайн и ответственный.
• На operating income в этой отрасли тебя начинают оценивать быстрее, чем кажется.
• Net income (минус налоги и проценты) на среднем горизонте менее важен.
• В начале месячные пики выручки будут высокими — это нормально, хороший продуктовый процесс их сгладит.
• Единственная веская причина купить бизнес — быстро получить регуляторную модель (например, страховую лицензию).
• Купленный традиционный сервис нельзя привести к product-market fit: другие ожидания по метрикам, найму и результатам, и добавление ИИ это не меняет.

Инсайты

• Скачок качества моделей сдвигает точку захвата стоимости с продажи инструмента на продажу самого результата — открывается категория, недоступная при прежнем уровне ИИ.
• Рынки с «низким доверием» и уже аутсорснутой работой минимизируют затраты на изменение поведения клиента — продажа сводится к замене поставщика внутри существующего бюджета.
• Масштабируемость определяется не суммарной сложностью, а распределением необходимого человеческого суждения: концентрированное суждение масштабируется, размазанное — нет.
• Регуляторные барьеры работают как ров: то, что повышает порог входа, одновременно защищает уже вошедшего основателя.
• Устойчивое преимущество требует, чтобы прогресс моделей был попутным ветром, а не встречным — бизнес должен усиливаться от улучшения ИИ, а не коммодитизироваться им.
• Люди в процессе могут маскировать дефекты продукта, поэтому честная атрибуция «суждение vs костыль» — условие построения настоящего рычага.
• В сервисной AI-модели метрики продукта смещаются от вовлечённости пользователя к операционным (throughput, cycle time, вариативность) — продукт оценивается как производственная единица.
• Непостоянство результата подрывает доверие сильнее, чем цена или скорость, поэтому надёжность — главный конкурентный параметр, а не дешевизна.
• Развитость продукта монетизируется через структуру издержек: операционный рычаг ИИ конвертирует продуктовую зрелость в падающий COGS и растущую маржу.
• Экономическая привлекательность категории — в произведении маржи на размер рынка: подтягивание к софтверной марже на кратно большем рынке услуг бьёт обе чистые модели по отдельности.
• Ранний спрос — это не сигнал успеха, а риск преждевременной фиксации на немасштабируемой ручной модели.
• Покупка готового сервиса не покупает product-market fit: организационные ожидания и культура несовместимы с AI Native моделью и не лечатся добавлением ИИ.

Фреймворки

Четыре признака хорошего рынка для AI-услуг:

1. Низкое доверие — работа уже на аутсорсе, клиента волнует результат.
2. Мало суждения на уровне задачи — большинство шагов автоматизируемы.
3. Высокий порог интеллекта — работа как целое достаточно сложна.
4. Регуляция как преимущество — поднимает планку и защищает позицию.

Три качества лучших основателей AI-услуг:

1. Доменная экспертиза (domeinkennis) — доверие скептичных покупателей.
2. Знание моделей (modelkennis) — что умеют новейшие модели сегодня.
3. Операционная точность (operationele nauwkeurigheid) — вариативность, throughput, cycle time, SOP.

Тест Сэма Альтмана: по мере улучшения моделей твой сервис становится сильнее (нужная категория) или модель сама делает тебя commodity (опасная категория)?

Структура P&L: Выручка − COGS = Валовая прибыль; Валовая прибыль − OPEX = Операционный результат; Операционный результат − налоги и проценты = Чистый результат.

Ценообразование: использовать per-unit или outcome-based, ценить от ценности; избегать cost-plus и демпинга.

Цитаты

«Sommige van de grootste bedrijven van het volgende decennium zullen helemaal geen softwarebedrijven zijn.» — 0:00 Некоторые из крупнейших компаний следующего десятилетия вообще не будут софтверными компаниями.

«waarbij bedrijven de klant het eindresultaat leveren in plaats van een co-piloot te bouwen» — 0:37 компании отдают клиенту конечный результат вместо того, чтобы строить co-pilot.

«Je komt opdagen waar het budget al is en voert het werk uit.» — 2:06 Ты приходишь туда, где бюджет уже есть, и выполняешь работу.

«Ten derde is een hoge intelligentiedrempel vereist. Dit klinkt tegenstrijdig, maar dat is het niet.» — 2:25 В-третьих, нужен высокий порог интеллекта. Звучит противоречиво, но это не так.

«naarmate de modellen beter worden, wordt jouw dienst dan sterker of maakt het model zelf je tot een commodity?» — 3:30 по мере улучшения моделей твой сервис становится сильнее или модель сама превращает тебя в commodity?

«zodat je producttekortkomingen niet verdoezelt met mensen.» — 4:04 чтобы ты не маскировал недоработки продукта людьми.

«De mens is de interface met de klant, niet het product.» — 5:47 Человек — это интерфейс к клиенту, а не продукт.

«Variatie is hier het existentiële probleem.» — 6:07 Вариативность здесь — экзистенциальная проблема.

«Klanten zullen je sneller de deur wijzen vanwege variatie dan omdat je iets trager of iets duurder bent» — 6:13 Клиенты выставят тебя за дверь скорее из-за вариативности, чем из-за того, что ты чуть медленнее или дороже.

«Het automatiseren van het proces is het product.» — 6:42 Автоматизация процесса — это и есть продукт.

«Het is letterlijk een valkuil.» — 7:02 Это буквально ловушка.

«Je moet resultaten verkopen, geen licenties of tokens.» — 7:15 Ты должен продавать результаты, а не лицензии или токены.

«De pilot is het product.» — 7:18 Пилот — это и есть продукт.

«Je concurreert direct met de kosten van interne of externe arbeid.» — 7:36 Ты конкурируешь напрямую со стоимостью внутреннего или внешнего труда.

«Kost prijs plus prijsstelling beperkt je winstmarge permanent. Doe het niet.» — 8:01 Cost-plus навсегда ограничивает твою маржу. Не делай так.

«Ik noem dit de operationele hefboomwerking van AI.» — 9:20 Я называю это операционным рычагом ИИ.

«Zelfbouwen is bijna altijd beter dan kopen.» — 10:50 Строить самому почти всегда лучше, чем покупать.

«het proces als product en het product als proces» — 11:00 процесс как продукт и продукт как процесс.

«een bedrijf te creëren dat generatieslang meegaat.» — 11:04 создать компанию, которая проживёт поколения.

Факты

• Целевые рынки AI-услуг измеряются триллионами долларов: налоги, реклама, страхование, право, части здравоохранения.
• Конкретно названные подходящие рынки: налоги, аудит, страхование, ипотека, части здравоохранения и части логистики.
• Panacea — портфельная компания YC, оказывающая FDA-регуляторные услуги биотех-компаниям; нанимает опытных FDA-консультантов и связывает их с ИИ-платформой для более быстрых и качественных FDA-одобрений.
• Портфельная AI Native юрфирма YC: основатели сочетают практику в юрфирме (Cooley/Fenwick) и многолетний техлид-опыт в Kasex; ввели сменную работу для сокращения сроков.
• Традиционные сервисные компании дают маржу максимум около 30%.
• Чистые софтверные и agent-компании имеют более высокую маржу, но часто меньший общий адресуемый рынок (TAM).
• Цель AI-сервисных компаний по марже — 50% и выше, на рынке в 2–3 раза большем, чем софтверный.
• Три компонента COGS: стоимость моделей, стоимость хостинга, стоимость вовлечённых людей.
• OPEX включает R&D (разработку продукта), продажи и G&A (финансы, юридические, зарплаты).
• Эти компаниям всё ещё нужно десятилетие или больше для построения.
• Видео — обучающий roadmap от Y Combinator (в SRT — whisper-ошибка «Griekse YC»), завершается приглашением подаваться в YC.
• Единственная названная веская причина купить существующий бизнес — быстро получить регуляторную лицензию (например, страховую).

Источники

• Y Combinator (YC) — автор контента и приглашающая программа.
• Panacea — портфельная компания YC (FDA-регуляторные услуги для биотеха).
• AI Native юрфирма из портфеля YC (без названия).
• Cooley и Fenwick — юрфирмы, откуда пришли основатели.
• Kasex — компания, где основатели получили технический лидерский опыт.
• Сэм Альтман — упомянут в названии «теста Сэма Альтмана».

Итог

Следующая волна гигантов — это AI Native сервисные бизнесы, продающие клиенту готовый результат на триллионных рынках, и побеждает тот, кто относится к процессу как к продукту, держит вариативность и строит сам, а не покупает.