Как построить AI-нативную компанию услуг

Коротко

Видео, 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 клиент получает готовый результат, а не co-pilot. Рынки, 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, 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%+. Почти всегда лучше строить самому, чем покупать готовый 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. 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, которая открывается 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, умеющие держать вариативность и считать P&L. Проигрывают традиционные сервисные фирмы с 30% маржой и чистые софт/agent-стартапы с хорошей маржой, но меньшим рынком. YC открыто зовёт таких основателей к себе и приводит 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, 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).
• Этим 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, AI Native сервисные бизнесы, продающие клиенту готовый результат на триллионных рынках. Побеждает тот, кто относится к процессу как к продукту, держит вариативность и строит сам, а не покупает.