Какие SaaS под риском во времена развития агентов?
Ранее (раз, два, три) я уже писал про эволюцию классических интерфейсов ПО - постепенно UI-интерфейсы SaaS будут заменяться агентами "many-in-one" для решения тех или иных работ.
Эволюция будет не быстрой, но процесс уже начался и планомерно движется вперед. Могу уверенно судить об этом на своём примере и примере некоторых знакомых, кто распробовал Cursor в работе.
Изначально это инструмент для разработчиков, но пошел он в массы, тк оказался полезен и для решения целого спектра "менеджерских" задач. Теперь половину задач, которые раньше делал в Google Docs, ChatGPT, NotebookLM или руками - выполняю через него. Но подробнее о нем - в другой раз.
Так вот. На днях я наткнулся на хороший анализ в Fabricated Knowledge - автор продолжил изучать этот тренд и поделился своей версией - какие SaaS в эпоху развития агентов прежде всего находятся под риском, а какие - наоборот, усилятся.
Базовая логика такая: когда агент сам работает с софтом - ценность UI снижается. Но данные и доступ к ним - наоборот, растут в цене.
Кто в первую очередь под риском:
— Визуализация (Tableau, Looker) - агент сам построит график
— RPA-cистемы - агент и есть автоматизация
— Project management (Monday, Asana) - агент сам распределит задачи
— Дизайн-инструменты (Figma) - генерация заменит ручную сборку
Общее у них: ценность зашита в интерфейсе и workflows. Убери UI - и платить не за что.
Кто станет ценнее:
— Системы с уникальными данными (CRM как база клиентов, не как интерфейс)
— Инфраструктура (базы данных, хранилища, пайплайны)
— API-first продукты, которые агенты могут использовать напрямую
Salesforce выживет не потому что у него удобный UI - а потому что там лежат данные о клиентах. Вопрос - успеют ли они это понять и перестроиться.
Горизонт - 3-5 лет. Достаточно, чтобы подготовиться.
Как думаете - какие ещё категории SaaS могут начать терять свои позиции?
Ранее (раз, два, три) я уже писал про эволюцию классических интерфейсов ПО - постепенно UI-интерфейсы SaaS будут заменяться агентами "many-in-one" для решения тех или иных работ.
Эволюция будет не быстрой, но процесс уже начался и планомерно движется вперед. Могу уверенно судить об этом на своём примере и примере некоторых знакомых, кто распробовал Cursor в работе.
Изначально это инструмент для разработчиков, но пошел он в массы, тк оказался полезен и для решения целого спектра "менеджерских" задач. Теперь половину задач, которые раньше делал в Google Docs, ChatGPT, NotebookLM или руками - выполняю через него. Но подробнее о нем - в другой раз.
Так вот. На днях я наткнулся на хороший анализ в Fabricated Knowledge - автор продолжил изучать этот тренд и поделился своей версией - какие SaaS в эпоху развития агентов прежде всего находятся под риском, а какие - наоборот, усилятся.
Базовая логика такая: когда агент сам работает с софтом - ценность UI снижается. Но данные и доступ к ним - наоборот, растут в цене.
Кто в первую очередь под риском:
— Визуализация (Tableau, Looker) - агент сам построит график
— RPA-cистемы - агент и есть автоматизация
— Project management (Monday, Asana) - агент сам распределит задачи
— Дизайн-инструменты (Figma) - генерация заменит ручную сборку
Общее у них: ценность зашита в интерфейсе и workflows. Убери UI - и платить не за что.
Кто станет ценнее:
— Системы с уникальными данными (CRM как база клиентов, не как интерфейс)
— Инфраструктура (базы данных, хранилища, пайплайны)
— API-first продукты, которые агенты могут использовать напрямую
Salesforce выживет не потому что у него удобный UI - а потому что там лежат данные о клиентах. Вопрос - успеют ли они это понять и перестроиться.
Горизонт - 3-5 лет. Достаточно, чтобы подготовиться.
Как думаете - какие ещё категории SaaS могут начать терять свои позиции?
2👍6🤔1
North Star Metric - это не выручка
Так бывает что North Star метрикой компании называют целевую выручку. Это ошибка терминологии, которая ведёт к ошибке в управлении.
North Star Metric - это продуктовая метрика, которая отражает ценность для пользователя. Не для компании - для пользователя.
Выручка и прибыль - это ключевые KPI бизнеса. Важные метрики, но другого типа.
Разница принципиальная:
— NSM - опережающий индикатор (предсказывает будущее)
— Ключевой KPI бизнеса - запаздывающий индикатор (фиксирует прошлое)
Например, NSM, завязанная на выручку, может подталкивать к краткосрочным решениям вроде повышения цен. В моменте это разгоняет revenue, но затем бьёт по доверию пользователей и снижает долгосрочный retention (= выручку в будущем).
Признаки хорошей NSM:
— Отражает ценность, которую получает пользователь
— Измеряет общий объём ценности, а не поведение отдельного пользователя
— Устойчива к манипуляциям (абсолютная, не относительная)
— Чувствительна к изменениям продукта
— Понятна без объяснений
Примеры:
— Airbnb → кол-во забронированных ночей
— YouTube → минуты просмотра
— WhatsApp → отправленные сообщения
Как эти метрики связаны: NSM растёт → пользователи получают ценность → бизнес KPI растёт. Продуктовая команда фокусируется на NSM, бизнес-команда - на ключевых KPI бизнеса.
А что у вас называют North Star - метрику ценности или метрику денег?
Так бывает что North Star метрикой компании называют целевую выручку. Это ошибка терминологии, которая ведёт к ошибке в управлении.
North Star Metric - это продуктовая метрика, которая отражает ценность для пользователя. Не для компании - для пользователя.
Выручка и прибыль - это ключевые KPI бизнеса. Важные метрики, но другого типа.
Разница принципиальная:
— NSM - опережающий индикатор (предсказывает будущее)
— Ключевой KPI бизнеса - запаздывающий индикатор (фиксирует прошлое)
Например, NSM, завязанная на выручку, может подталкивать к краткосрочным решениям вроде повышения цен. В моменте это разгоняет revenue, но затем бьёт по доверию пользователей и снижает долгосрочный retention (= выручку в будущем).
Признаки хорошей NSM:
— Отражает ценность, которую получает пользователь
— Измеряет общий объём ценности, а не поведение отдельного пользователя
— Устойчива к манипуляциям (абсолютная, не относительная)
— Чувствительна к изменениям продукта
— Понятна без объяснений
Примеры:
— Airbnb → кол-во забронированных ночей
— YouTube → минуты просмотра
— WhatsApp → отправленные сообщения
Как эти метрики связаны: NSM растёт → пользователи получают ценность → бизнес KPI растёт. Продуктовая команда фокусируется на NSM, бизнес-команда - на ключевых KPI бизнеса.
А что у вас называют North Star - метрику ценности или метрику денег?
👍5
AI-агенты начинают созревать?
Полгода назад Андрей Карпатый - бывший директор AI в Tesla, сооснователь OpenAI - говорил, что AI-агенты ненадёжны. Красивая игрушка, которой доверять нельзя.
Вчера в X он написал один из тех своих постов, который все друг другу пересылают - он очень глубоко подмечает происходящее в сфере ИИ и умеет просто формулировать: "В декабре 2025 произошел фазовый переход с выпуском обновлений Claude Code и Codex. Теперь 80% моего кода пишут агенты. Я запускаю задачу, иду гулять с собакой, возвращаюсь - код готов".
Карпатый - один из тех, кто создавал современный AI. Если даже он за полгода полностью изменил подход к работе (в посте про это есть подробнее), стоит задуматься, что это значит для остальных.
Сам Андрей пишет, что большинство пока не осознаёт масштаб изменений. Процентов двадцать разработчиков хорошо понимают, что происходит. Среди обывателей - ещё меньше.
Для бизнеса это означает: AI-агенты в 2026 году дозрели до реального применения не в формате "пилота", а в формате ROI-positive проектов. Там, где работа связана с текстом, они уже дают результат: маркетинг, продажи, аналитика, разработка, QA, поддержка клиентов, контроль качества отдела продаж.
Кто начинает внедрять сейчас - через полгода будет работать иначе. Это шанс сохранить позиции или забрать долю у конкурентов, которые ещё раздумывают.
Как у вас в командах - уже пробуют или пока наблюдают?
Полгода назад Андрей Карпатый - бывший директор AI в Tesla, сооснователь OpenAI - говорил, что AI-агенты ненадёжны. Красивая игрушка, которой доверять нельзя.
Вчера в X он написал один из тех своих постов, который все друг другу пересылают - он очень глубоко подмечает происходящее в сфере ИИ и умеет просто формулировать: "В декабре 2025 произошел фазовый переход с выпуском обновлений Claude Code и Codex. Теперь 80% моего кода пишут агенты. Я запускаю задачу, иду гулять с собакой, возвращаюсь - код готов".
Карпатый - один из тех, кто создавал современный AI. Если даже он за полгода полностью изменил подход к работе (в посте про это есть подробнее), стоит задуматься, что это значит для остальных.
Сам Андрей пишет, что большинство пока не осознаёт масштаб изменений. Процентов двадцать разработчиков хорошо понимают, что происходит. Среди обывателей - ещё меньше.
Для бизнеса это означает: AI-агенты в 2026 году дозрели до реального применения не в формате "пилота", а в формате ROI-positive проектов. Там, где работа связана с текстом, они уже дают результат: маркетинг, продажи, аналитика, разработка, QA, поддержка клиентов, контроль качества отдела продаж.
Кто начинает внедрять сейчас - через полгода будет работать иначе. Это шанс сохранить позиции или забрать долю у конкурентов, которые ещё раздумывают.
Как у вас в командах - уже пробуют или пока наблюдают?
X (formerly Twitter)
Andrej Karpathy (@karpathy) on X
A few random notes from claude coding quite a bit last few weeks.
Coding workflow. Given the latest lift in LLM coding capability, like many others I rapidly went from about 80% manual+autocomplete coding and 20% agents in November to 80% agent coding and…
Coding workflow. Given the latest lift in LLM coding capability, like many others I rapidly went from about 80% manual+autocomplete coding and 20% agents in November to 80% agent coding and…
👍6🔥2
От оплаты "за место" до оплаты "за результат" - как эволюционирует ценообразование SaaS?
Наткнулся на два свежих обзора про ценообразование в SaaS - от Valueships и Monetizely. Вырисовывается интересная картина.
В 2019 году большинство SaaS продавали подписку за рабочее место - классическая модель per seat. К 2022 году ситуация изменилась: 61% компаний уже перешли на оплату за использование (API-вызовы, минуты, токены). А в последних опросах 43% корпоративных покупателей говорят, что хотят платить за результат, а не за доступ.
То есть за несколько лет рынок прошёл путь от простой модели «X долл за пользователя» к вопросу «а за что вообще справедливо платить?»
Per seat - плата за рабочее место
Классика: $50/месяц за юзера. Просто продавать, просто считать, просто планировать выручку. Но когда AI-агент заменяет 3 аналитиков, классический подход становится менее рентабельным.
Usage-based - плата за использование
Платишь за то, что потребляешь: API-вызовы, минуты, токены, транзакции.
— Плюсы - "честно" и масштабируемо. Активнее используешь - больше платишь - больше получаешь ценности.
— Минусы - непредсказуемые расходы. Сложно планировать бюджет, когда не знаешь, сколько заплатишь в следующем месяце.
Outcome-based - плата за результат
Платишь только когда получил измеримый результат. Сэкономили 1 млн руб. на процессах - делим экономию. Но как измерить вклад софта, если на результат влияют десятки факторов? Циклы продаж растягиваются на 20-30%, нужны пилоты и исследование, что считать бэйзлайном (изначальной картиной).
Куда всё движется
Интересный парадокс: несмотря на хайп вокруг outcome-based ценообразования, рынок стремится обратно к простоте. Компании переосмысляют модель оплаты "за место" - но теперь "место" может занимать AI-агент, а не человек. Цена за такое место выше (в виду его более высокой производительности), но модель остаётся понятной.
Основной тренд - гибридное ценообразование. 41% B2B SaaS компаний уже комбинируют базовую подписку с переменной частью за использование или результат.
Что из этого следует
Модели ценообразования цикличны, а не линейны. Нет универсально правильной модели - есть подходящая для конкретного продукта, рынка и момента.
Три вопроса для выбора:
— Насколько предсказуемо потребление вашего продукта?
— Можете ли вы измерить результат, который даёт ваш продукт?
— Что важнее вашим клиентам - предсказуемость бюджета или справедливость оплаты?
В следующих постах разберу каждую модель детально.
Наткнулся на два свежих обзора про ценообразование в SaaS - от Valueships и Monetizely. Вырисовывается интересная картина.
В 2019 году большинство SaaS продавали подписку за рабочее место - классическая модель per seat. К 2022 году ситуация изменилась: 61% компаний уже перешли на оплату за использование (API-вызовы, минуты, токены). А в последних опросах 43% корпоративных покупателей говорят, что хотят платить за результат, а не за доступ.
То есть за несколько лет рынок прошёл путь от простой модели «X долл за пользователя» к вопросу «а за что вообще справедливо платить?»
Per seat - плата за рабочее место
Классика: $50/месяц за юзера. Просто продавать, просто считать, просто планировать выручку. Но когда AI-агент заменяет 3 аналитиков, классический подход становится менее рентабельным.
Usage-based - плата за использование
Платишь за то, что потребляешь: API-вызовы, минуты, токены, транзакции.
— Плюсы - "честно" и масштабируемо. Активнее используешь - больше платишь - больше получаешь ценности.
— Минусы - непредсказуемые расходы. Сложно планировать бюджет, когда не знаешь, сколько заплатишь в следующем месяце.
Outcome-based - плата за результат
Платишь только когда получил измеримый результат. Сэкономили 1 млн руб. на процессах - делим экономию. Но как измерить вклад софта, если на результат влияют десятки факторов? Циклы продаж растягиваются на 20-30%, нужны пилоты и исследование, что считать бэйзлайном (изначальной картиной).
Куда всё движется
Интересный парадокс: несмотря на хайп вокруг outcome-based ценообразования, рынок стремится обратно к простоте. Компании переосмысляют модель оплаты "за место" - но теперь "место" может занимать AI-агент, а не человек. Цена за такое место выше (в виду его более высокой производительности), но модель остаётся понятной.
Основной тренд - гибридное ценообразование. 41% B2B SaaS компаний уже комбинируют базовую подписку с переменной частью за использование или результат.
Что из этого следует
Модели ценообразования цикличны, а не линейны. Нет универсально правильной модели - есть подходящая для конкретного продукта, рынка и момента.
Три вопроса для выбора:
— Насколько предсказуемо потребление вашего продукта?
— Можете ли вы измерить результат, который даёт ваш продукт?
— Что важнее вашим клиентам - предсказуемость бюджета или справедливость оплаты?
В следующих постах разберу каждую модель детально.
Valueships
AI Pricing in 2026: SaaS pricing models that actually work
Discover how AI pricing is reshaping SaaS pricing models in 2026. Expert insights from pricing consultants on usage-based, tiered, and value-based strategies.
👍6🔥2
Стратегия - это список отказов
Есть принцип, который по моей практике отличает команды с реальным прогрессом (каждый квартал / каждый год) от тех, кто буксует. Он звучит контринтуитивно, но работает: стратегия - это не то, что ты решил делать. Это то, от чего ты решил отказаться.
Почему это работает
Ресурсы всегда ограничены. Время, деньги, внимание команды - всего конечное количество. Когда пытаешься делать десять вещей параллельно, каждая получает по 10% ресурсов. Этого редко хватает для прорыва. Получается много начатого, мало законченного.
Если концентрировать ресурсы на одном-двух направлениях, они получают критическую массу. Появляется шанс сделать что-то действительно хорошо, а не всё - на троечку.
В чем ловушка?
Отказ ради отказа не работает. Нельзя просто вычеркнуть половину задач - это лотерея, а не приоритизация. Чтобы отказ был осмысленным, нужен критерий отсечения. Этот критерий - долгосрочная цель. Стратегия.
Как это работает
— Зафиксировать одну долгосрочную цель - конечная цель через год / три / пять? Хорошо понимая, почему она действительно важна
— Пройтись по списку задач и инициатив
— Для каждой сформулировать: как именно она ведёт к этой цели? Не «вроде полезно» - а конкретная связь
— Если связь не получается объяснить или потенциальный эффект незначительный - отсекаем
Стратегия - это фильтр, который даёт право говорить «нет» хорошим идеям, чтобы освободить место для нескольких отличных.
Уже решили, от каких задач отказаться в этом квартале?
Есть принцип, который по моей практике отличает команды с реальным прогрессом (каждый квартал / каждый год) от тех, кто буксует. Он звучит контринтуитивно, но работает: стратегия - это не то, что ты решил делать. Это то, от чего ты решил отказаться.
Почему это работает
Ресурсы всегда ограничены. Время, деньги, внимание команды - всего конечное количество. Когда пытаешься делать десять вещей параллельно, каждая получает по 10% ресурсов. Этого редко хватает для прорыва. Получается много начатого, мало законченного.
Если концентрировать ресурсы на одном-двух направлениях, они получают критическую массу. Появляется шанс сделать что-то действительно хорошо, а не всё - на троечку.
В чем ловушка?
Отказ ради отказа не работает. Нельзя просто вычеркнуть половину задач - это лотерея, а не приоритизация. Чтобы отказ был осмысленным, нужен критерий отсечения. Этот критерий - долгосрочная цель. Стратегия.
Как это работает
— Зафиксировать одну долгосрочную цель - конечная цель через год / три / пять? Хорошо понимая, почему она действительно важна
— Пройтись по списку задач и инициатив
— Для каждой сформулировать: как именно она ведёт к этой цели? Не «вроде полезно» - а конкретная связь
— Если связь не получается объяснить или потенциальный эффект незначительный - отсекаем
Стратегия - это фильтр, который даёт право говорить «нет» хорошим идеям, чтобы освободить место для нескольких отличных.
Уже решили, от каких задач отказаться в этом квартале?
1👍4❤3💩1
Про барьеры внедрения AI в рабочие процессы
Как вы могли заметить, я позитивно смотрю на перспективу внедрения AI для решения бизнес-задач. В долгосрочной перспективе стоит ждать повышения производительности сотрудников и компаний. Но до светлого будущего надо дожить. Нашел обзор от HBR, в котором выделяют несколько ключевых челленджей, которые стоят перед компаниями на этом пути.
Уже неоднократно упоминалась статистика Gartner, что только 1 из 50 инвестиций в AI даёт трансформационный результат. И только 1 из 5 - хоть какой-то измеримый возврат. Статья описывает девять факторов влияющих на это - упомяну лишь три, которые объясняют, почему эффект от AI на коротком горизонте не всегда оправдывает ожидания.
1. Решения принимаются на ожиданиях, а не на данных
Компании увольняют сотрудников в расчёте на будущие выгоды от AI, которые ещё не наступили. Менее 1% увольнений в первой половине 2025 года были следствием реального роста производительности благодаря AI. Остальное - ставка на прогноз. Риск очевиден: если эффект не наступит, придётся нанимать заново - дороже и дольше.
2. Без управления изменениями AI не приживается
В статье появился термин «AI workslop» - низкокачественная работа, сделанная с помощью AI. Сотрудники генерят тексты, отчёты, презентации через нейросети, но без критической проверки. Результат - ошибки, которые потом приходится разбирать. По данным исследования, на каждый такой случай уходит в среднем около двух часов. Компании требуют от людей использовать AI, но не вкладываются в управление изменениями. Получается парадокс: инструмент для повышения продуктивности её снижает.
3. Каждый сотрудник должен переизобрести свою работу
Технические компетенции - не универсальны. Для успешного внедрения крайне важна доменная экспертиза (где применяем). Согласно Gartner, значимого роста показателей (десятки %) достигают те подразделения, которые переосмысляют и перестраивают рабочие процессы с помощью AI, а не автоматизируют старый процесс из прошлого. То есть ключевой дефицит - не программисты, а люди на местах, способные переизобрести свою работу, повысив эффективность.
Общий вывод: главные барьеры внедрения AI сегодня - не технологические. Модели достаточно хороши для многих задач (продажи, маркетинг, кодинг, customer service). Барьеры - в людях, процессах и управленческих решениях. И пока компании не начнут работать с этими барьерами системно, разрыв между ожиданиями и результатами будет только расти.
Какие барьеры внедрения AI видите у себя?
Как вы могли заметить, я позитивно смотрю на перспективу внедрения AI для решения бизнес-задач. В долгосрочной перспективе стоит ждать повышения производительности сотрудников и компаний. Но до светлого будущего надо дожить. Нашел обзор от HBR, в котором выделяют несколько ключевых челленджей, которые стоят перед компаниями на этом пути.
Уже неоднократно упоминалась статистика Gartner, что только 1 из 50 инвестиций в AI даёт трансформационный результат. И только 1 из 5 - хоть какой-то измеримый возврат. Статья описывает девять факторов влияющих на это - упомяну лишь три, которые объясняют, почему эффект от AI на коротком горизонте не всегда оправдывает ожидания.
1. Решения принимаются на ожиданиях, а не на данных
Компании увольняют сотрудников в расчёте на будущие выгоды от AI, которые ещё не наступили. Менее 1% увольнений в первой половине 2025 года были следствием реального роста производительности благодаря AI. Остальное - ставка на прогноз. Риск очевиден: если эффект не наступит, придётся нанимать заново - дороже и дольше.
2. Без управления изменениями AI не приживается
В статье появился термин «AI workslop» - низкокачественная работа, сделанная с помощью AI. Сотрудники генерят тексты, отчёты, презентации через нейросети, но без критической проверки. Результат - ошибки, которые потом приходится разбирать. По данным исследования, на каждый такой случай уходит в среднем около двух часов. Компании требуют от людей использовать AI, но не вкладываются в управление изменениями. Получается парадокс: инструмент для повышения продуктивности её снижает.
3. Каждый сотрудник должен переизобрести свою работу
Технические компетенции - не универсальны. Для успешного внедрения крайне важна доменная экспертиза (где применяем). Согласно Gartner, значимого роста показателей (десятки %) достигают те подразделения, которые переосмысляют и перестраивают рабочие процессы с помощью AI, а не автоматизируют старый процесс из прошлого. То есть ключевой дефицит - не программисты, а люди на местах, способные переизобрести свою работу, повысив эффективность.
Общий вывод: главные барьеры внедрения AI сегодня - не технологические. Модели достаточно хороши для многих задач (продажи, маркетинг, кодинг, customer service). Барьеры - в людях, процессах и управленческих решениях. И пока компании не начнут работать с этими барьерами системно, разрыв между ожиданиями и результатами будет только расти.
Какие барьеры внедрения AI видите у себя?
Harvard Business Review
9 Trends Shaping Work in 2026 and Beyond
CEO expectations for AI-driven growth remain high heading into 2026, even as evidence shows most AI investments are failing to deliver meaningful returns. The result is a set of emerging risks—from premature layoffs and cultural dissonance to declining mental…
1👍4👌1
Год назад сдавал экзамен на независимого директора. Сейчас - принимаю.
Два дня, 7 заседаний совета директоров, программа «Независимый директор» АНД. Слушатели - топ-менеджеры крупных и средних компаний, предприниматели, действующие и будущие члены советов директоров.
За один год я побывал по обе стороны: сначала как слушатель решал бизнес-кейсы в составе совета директоров, а на прошедших выходных как эксперт наблюдал, как те же кейсы решают коллеги. Совершенно другой угол зрения.
Формат экзамена - решение кейсов в формате заседания СД: выбор ПСД и КС, изучение материалов, обсуждение, голосование, фиксация решений. Кейсы намеренно спроектированы с ограничением по времени и избытком информации. Какой бы ни был опыт слушателя, он столкнётся с ловушками и будет ошибаться - и именно на этих ошибках учиться. Чтобы в реальных ситуациях действовать быстрее и точнее.
Три главные ошибки, которые я увидел (и сам совершал), которые драматически сказываются на качестве решений СД:
1. Тушить пожар вместо строить систему.
Совет директоров видит в материалах конкретную проблему - и сразу начинает искать решение именно этой проблемы. Упали продажи в регионе - давайте заменим менеджера. Сорвались сроки проекта - давайте усилим контроль. Но совет директоров - это не операционная команда, которая решает точечные задачи. Это орган стратегического развития. Правильный подход - остановиться и спросить: а почему вообще возникла эта проблема? Нет политики управления рисками? Отсутствует стратегия развития регионов? И как корректирующее действие - создать систему, которая не допустит появления такого класса проблем в будущем.
2. Забывать про «шапочку», в которой ты сейчас.
Топ-менеджер, независимый директор, председатель комитета, председатель совета, акционер, собственник - все участвуют в работе СД, но имеют разную мотивацию, задачи и ответственность. Главный урок, который я вынес: каждый раз, когда хочется что-то сказать - сначала остановись и спроси себя: «А точно ли я сейчас в той шапочке, которую требует ситуация?» Этот принцип работает далеко за пределами корпоративного управления.
3. Не следовать алгоритму эффективного проведения заседания СД.
Вкратце алгоритм выглядит так: Подготовка => Открытие => Управляемая дискуссия => Принятие решений => Фиксация и закрытие. На каждом этапе есть правила и практики, которые обеспечивают качество итоговых решений. Но стоит пропустить хотя бы один этап или провести его формально - и динамика обсуждения ломается, а результат сильно ухудшается. В отдельном посте поделюсь этим алгоритмом (от Александра Демиденко) подробнее.
Эти три ошибки встречаются довольно часто - и в реальных советах директоров, и на экзаменах. Хорошая новость: их можно отработать заранее, в безопасной среде.
Если тема корпоративного управления вам близка или планируете в ней развиваться - 19 февраля рекомендую посетить ежегодный форум АНД. Хороший нетворкинг и сильные спикеры по ключевым темам.
Для читателей канала действует промокод "AMB26" на скидку 10% - ссылка на регистрацию.
Два дня, 7 заседаний совета директоров, программа «Независимый директор» АНД. Слушатели - топ-менеджеры крупных и средних компаний, предприниматели, действующие и будущие члены советов директоров.
За один год я побывал по обе стороны: сначала как слушатель решал бизнес-кейсы в составе совета директоров, а на прошедших выходных как эксперт наблюдал, как те же кейсы решают коллеги. Совершенно другой угол зрения.
Формат экзамена - решение кейсов в формате заседания СД: выбор ПСД и КС, изучение материалов, обсуждение, голосование, фиксация решений. Кейсы намеренно спроектированы с ограничением по времени и избытком информации. Какой бы ни был опыт слушателя, он столкнётся с ловушками и будет ошибаться - и именно на этих ошибках учиться. Чтобы в реальных ситуациях действовать быстрее и точнее.
Три главные ошибки, которые я увидел (и сам совершал), которые драматически сказываются на качестве решений СД:
1. Тушить пожар вместо строить систему.
Совет директоров видит в материалах конкретную проблему - и сразу начинает искать решение именно этой проблемы. Упали продажи в регионе - давайте заменим менеджера. Сорвались сроки проекта - давайте усилим контроль. Но совет директоров - это не операционная команда, которая решает точечные задачи. Это орган стратегического развития. Правильный подход - остановиться и спросить: а почему вообще возникла эта проблема? Нет политики управления рисками? Отсутствует стратегия развития регионов? И как корректирующее действие - создать систему, которая не допустит появления такого класса проблем в будущем.
2. Забывать про «шапочку», в которой ты сейчас.
Топ-менеджер, независимый директор, председатель комитета, председатель совета, акционер, собственник - все участвуют в работе СД, но имеют разную мотивацию, задачи и ответственность. Главный урок, который я вынес: каждый раз, когда хочется что-то сказать - сначала остановись и спроси себя: «А точно ли я сейчас в той шапочке, которую требует ситуация?» Этот принцип работает далеко за пределами корпоративного управления.
3. Не следовать алгоритму эффективного проведения заседания СД.
Вкратце алгоритм выглядит так: Подготовка => Открытие => Управляемая дискуссия => Принятие решений => Фиксация и закрытие. На каждом этапе есть правила и практики, которые обеспечивают качество итоговых решений. Но стоит пропустить хотя бы один этап или провести его формально - и динамика обсуждения ломается, а результат сильно ухудшается. В отдельном посте поделюсь этим алгоритмом (от Александра Демиденко) подробнее.
Эти три ошибки встречаются довольно часто - и в реальных советах директоров, и на экзаменах. Хорошая новость: их можно отработать заранее, в безопасной среде.
Если тема корпоративного управления вам близка или планируете в ней развиваться - 19 февраля рекомендую посетить ежегодный форум АНД. Хороший нетворкинг и сильные спикеры по ключевым темам.
Для читателей канала действует промокод "AMB26" на скидку 10% - ссылка на регистрацию.
👍9❤7🔥4🥰1
Marc Andreessen (ко-фаундер A16z) в подкасте Lenny Rachitsky на днях озвучил такую мысль:
ИИ - не угроза рабочим местам, а инструмент, который компенсирует нехватку рабочей силы там, где ее уже не хватает.
Последние пару лет тема ИИ часто упирается в вопрос занятости: кого заменят, кого сократят. Но если посмотреть на это с более длинной исторической перспективы, то картина становится интереснее.
Экономисты оценивают реальный темп технологических изменений не по количеству технологических новинок в год, а по росту производительности труда - сколько ценности создаёт один работник за единицу времени. И здесь есть два наблюдения, которые меняют картину:
1. Последние 50 лет производительность труда в развитых странах росла медленно. Технологий становилось больше, но их влияние на экономику оказалось слабее, чем в предыдущие эпохи. Если сравнивать: темпы роста были примерно вдвое ниже, чем в середине XX века, и втрое ниже, чем в период 1870-1940.
2. Одновременно в последние десятилетия началось демографическое сжатие. Во многих странах рождаемость стала отрицательной. Где-то население уже стагнирует, где-то скоро начнёт сокращаться.
Получается двойное давление на экономику: рост производительности снижается и людей становится меньше.
Ключевая мысль Марка:
ИИ развивается не в экономике, которая растёт на высоких темпах и переполнена рабочей силой - и тогда это угроза для массовой безработицы. Он появляется в экономике, которая десятилетиями показывала снижающиеся темпы роста, а демографический фактор еще больше тормозит рост экономики.
Поэтому реалистичная роль ИИ - не вытеснить всех с рынка труда, а:
— вернуть рост производительности к историческим темпам;
— компенсировать дефицит рабочей силы из-за демографии;
— поддержать экономический рост, который без этого упирается в потолок.
Да, отдельные задачи и роли будут замещаться. И в переходный период на микро уровне не всем будет комфортно. Но на макро уровне это может оказаться не концом занятости, а новой волной возможностей - как в периоды, когда технологическая трансформация шла быстрее и создавала новые отрасли.
Рекомендую это интервью к просмотру на выходных. Это только одна из интересных идей. Марк, как представитель одной из наиболее влиятельных венчурных фирм, имеет уникальные насмотренность и широту взгляда - таких людей интересно слушать.
ИИ - не угроза рабочим местам, а инструмент, который компенсирует нехватку рабочей силы там, где ее уже не хватает.
Последние пару лет тема ИИ часто упирается в вопрос занятости: кого заменят, кого сократят. Но если посмотреть на это с более длинной исторической перспективы, то картина становится интереснее.
Экономисты оценивают реальный темп технологических изменений не по количеству технологических новинок в год, а по росту производительности труда - сколько ценности создаёт один работник за единицу времени. И здесь есть два наблюдения, которые меняют картину:
1. Последние 50 лет производительность труда в развитых странах росла медленно. Технологий становилось больше, но их влияние на экономику оказалось слабее, чем в предыдущие эпохи. Если сравнивать: темпы роста были примерно вдвое ниже, чем в середине XX века, и втрое ниже, чем в период 1870-1940.
2. Одновременно в последние десятилетия началось демографическое сжатие. Во многих странах рождаемость стала отрицательной. Где-то население уже стагнирует, где-то скоро начнёт сокращаться.
Получается двойное давление на экономику: рост производительности снижается и людей становится меньше.
Ключевая мысль Марка:
ИИ развивается не в экономике, которая растёт на высоких темпах и переполнена рабочей силой - и тогда это угроза для массовой безработицы. Он появляется в экономике, которая десятилетиями показывала снижающиеся темпы роста, а демографический фактор еще больше тормозит рост экономики.
Поэтому реалистичная роль ИИ - не вытеснить всех с рынка труда, а:
— вернуть рост производительности к историческим темпам;
— компенсировать дефицит рабочей силы из-за демографии;
— поддержать экономический рост, который без этого упирается в потолок.
Да, отдельные задачи и роли будут замещаться. И в переходный период на микро уровне не всем будет комфортно. Но на макро уровне это может оказаться не концом занятости, а новой волной возможностей - как в периоды, когда технологическая трансформация шла быстрее и создавала новые отрасли.
Рекомендую это интервью к просмотру на выходных. Это только одна из интересных идей. Марк, как представитель одной из наиболее влиятельных венчурных фирм, имеет уникальные насмотренность и широту взгляда - таких людей интересно слушать.
YouTube
Marc Andreessen: The real AI boom hasn’t even started yet
Marc Andreessen is a founder, investor, and co-founder of Netscape, as well as co-founder of the venture capital firm Andreessen Horowitz (a16z). In this conversation, we dig into why we’re living through a unique and one of the most incredible times in history…
👍3⚡1
Не каждый продукт заслуживает подписки.
Подписка - самая популярная модель монетизации в tech. Рекуррентные платежи, предсказуемая выручка, понятная юнит-экономика. Для основателя это всегда комфортно - предсказуемая выручка. Но будет ли подписка оптимальна для пользователя - вопрос, который задают себе не все.
Подписка работает, только когда продукт создаёт ценность регулярно. Каждый месяц. Не разово, не от случая к случаю.
Вспомните любую подписку, которую вы отменили. Скорее всего, история одна и та же: оформили с энтузиазмом, пару месяцев пользовались, потом заходили всё реже - а списание продолжало напоминать о себе. В какой-то момент раздражение перевесило - и вы отписались.
Перед выбором модели важно задать себе два вопроса:
— Какую ценность получает пользователь? Разовую (решил задачу) или непрерывную (пользуется постоянно)?
— С какой периодичностью? Ежедневно, еженедельно, раз в квартал?
Ценность разовая - подписка работает против продукта. Лучше продавать результат: отчёт, аудит, разовый доступ. Ценность непрерывная, но с переменной интенсивностью - стоит рассмотреть оплату за использование. По данным a16z, из девяти SaaS-компаний с лучшим показателем удержания выручки семь использовали именно такую модель.
И еще важный момент. Один и тот же продукт с подпиской, разовой оплатой или платой за лицензию - это три разных бизнеса. С разной экономикой, разными клиентами, разным циклом продаж. Модель монетизации определяет, какую команду необходимо нанимать, как строить продажи, на какие метрики смотреть. По сути, выбор модели - это выбор бизнеса, который вы строите.
Можно провести виртуальный эксперимент в вашем продукте: если убрать подписку и брать деньги за конкретный результат - ваши клиенты обрадуются или расстроятся?
#монетизация
Подписка - самая популярная модель монетизации в tech. Рекуррентные платежи, предсказуемая выручка, понятная юнит-экономика. Для основателя это всегда комфортно - предсказуемая выручка. Но будет ли подписка оптимальна для пользователя - вопрос, который задают себе не все.
Подписка работает, только когда продукт создаёт ценность регулярно. Каждый месяц. Не разово, не от случая к случаю.
Вспомните любую подписку, которую вы отменили. Скорее всего, история одна и та же: оформили с энтузиазмом, пару месяцев пользовались, потом заходили всё реже - а списание продолжало напоминать о себе. В какой-то момент раздражение перевесило - и вы отписались.
Перед выбором модели важно задать себе два вопроса:
— Какую ценность получает пользователь? Разовую (решил задачу) или непрерывную (пользуется постоянно)?
— С какой периодичностью? Ежедневно, еженедельно, раз в квартал?
Ценность разовая - подписка работает против продукта. Лучше продавать результат: отчёт, аудит, разовый доступ. Ценность непрерывная, но с переменной интенсивностью - стоит рассмотреть оплату за использование. По данным a16z, из девяти SaaS-компаний с лучшим показателем удержания выручки семь использовали именно такую модель.
И еще важный момент. Один и тот же продукт с подпиской, разовой оплатой или платой за лицензию - это три разных бизнеса. С разной экономикой, разными клиентами, разным циклом продаж. Модель монетизации определяет, какую команду необходимо нанимать, как строить продажи, на какие метрики смотреть. По сути, выбор модели - это выбор бизнеса, который вы строите.
Можно провести виртуальный эксперимент в вашем продукте: если убрать подписку и брать деньги за конкретный результат - ваши клиенты обрадуются или расстроятся?
#монетизация
Andreessen Horowitz
Usage-Based Pricing Is Popular, But Is It Right For You? Our Rule of Thumb
If your SaaS product powers your customers’ products or internal systems, usage-based pricing could help you better capture the revenue from those workloads.
👍5
Стратегия от потребностей пользователя делает успех предсказуемым
Цели по выручке, план на 3 года, разбивка по кварталам, инициативы для роста. В стратегиях компаний это есть почти всегда. Но не всегда есть ответ на вопросы:
Какие барьеры мешают вашим пользователям получать больше ценности от продукта? Какие потребности еще не закрыты?
Ограничение подхода "от целей бизнеса":
Когда стратегия строится от целей бизнеса без связи с реальными потребностями пользователей - ты работаешь вслепую. Вероятность построить продукт или добавить функции, которые никому не нужны, остаётся высокой. Ты тратишь ресурсы на то, что не решает проблем пользователей и, как итог, не получаешь желаемого роста.
Как работает user-centric подход:
Когда ты снимаешь реальные барьеры для пользователей и закрываешь их потребности внутри продукта - твой успех становится более предсказуемым. Ты убираешь препятствия к росту, которые уже есть. Каждая инициатива в стратегии получает обоснование через ценность для клиента.
Главная сложность этого подхода - научиться системно общаться с пользователями: правильно проводить интервью, анализировать полученную информацию и делать на её основе объективные выводы. Иногда кажется, что и так все известно и "лишние" разговоры с пользователями - пустая трата времени. Но иногда пара ценных инсайтов из интервью могут сильно повлиять на роадмап команды и дать более значимый результат для бизнеса.
Пример: e-com прощадка планировала развивать программу лояльности для роста повторных покупок. Интервью показали: пользователи не возвращаются из-за долгой доставки, а не отсутствия бонусов. Компания сфокусировалась на логистике -> повторные покупки начали планомерно расти по мере снижения сроков доставки.
Вопросы для проверки стратегии:
1. Какие потребности пользователей закрывает каждая инициатива в вашей стратегии?
2. Какие барьеры к использованию продукта вы снимаете в первую очередь?
3. Как создание ценности для клиентов приведёт к достижению целей бизнеса?
Если ответы не очевидны - стоит вернуться к фундаменту стратегии и переосмыслить логику инициатив.
Цели бизнеса (рост выручки, капитализации) - всегда приоритет. Повысить вероятность их достижения помогает последовательное удовлетворение потребностей пользователей.
Как у вас выстроена стратегия - от целей бизнеса или от потребностей пользователей?
#стратегия
Цели по выручке, план на 3 года, разбивка по кварталам, инициативы для роста. В стратегиях компаний это есть почти всегда. Но не всегда есть ответ на вопросы:
Какие барьеры мешают вашим пользователям получать больше ценности от продукта? Какие потребности еще не закрыты?
Ограничение подхода "от целей бизнеса":
Когда стратегия строится от целей бизнеса без связи с реальными потребностями пользователей - ты работаешь вслепую. Вероятность построить продукт или добавить функции, которые никому не нужны, остаётся высокой. Ты тратишь ресурсы на то, что не решает проблем пользователей и, как итог, не получаешь желаемого роста.
Как работает user-centric подход:
Когда ты снимаешь реальные барьеры для пользователей и закрываешь их потребности внутри продукта - твой успех становится более предсказуемым. Ты убираешь препятствия к росту, которые уже есть. Каждая инициатива в стратегии получает обоснование через ценность для клиента.
Главная сложность этого подхода - научиться системно общаться с пользователями: правильно проводить интервью, анализировать полученную информацию и делать на её основе объективные выводы. Иногда кажется, что и так все известно и "лишние" разговоры с пользователями - пустая трата времени. Но иногда пара ценных инсайтов из интервью могут сильно повлиять на роадмап команды и дать более значимый результат для бизнеса.
Пример: e-com прощадка планировала развивать программу лояльности для роста повторных покупок. Интервью показали: пользователи не возвращаются из-за долгой доставки, а не отсутствия бонусов. Компания сфокусировалась на логистике -> повторные покупки начали планомерно расти по мере снижения сроков доставки.
Вопросы для проверки стратегии:
1. Какие потребности пользователей закрывает каждая инициатива в вашей стратегии?
2. Какие барьеры к использованию продукта вы снимаете в первую очередь?
3. Как создание ценности для клиентов приведёт к достижению целей бизнеса?
Если ответы не очевидны - стоит вернуться к фундаменту стратегии и переосмыслить логику инициатив.
Цели бизнеса (рост выручки, капитализации) - всегда приоритет. Повысить вероятность их достижения помогает последовательное удовлетворение потребностей пользователей.
Как у вас выстроена стратегия - от целей бизнеса или от потребностей пользователей?
#стратегия
👍3
Я не разработчик. Но половину рабочего дня пишу код.
В январе открыл для себя Cursor и Claude Code. Возникла идея - собрать собственный продукт. Без команды разработки, без бэкграунда программиста.
Теперь у меня команда AI-агентов: один пишет код, другой делает ревью, третий готовит контекст. На скриншоте - рабочая рутина.
Полгода назад это было бы невозможно.
А вы пробовали кодить с AI?
#ai
В январе открыл для себя Cursor и Claude Code. Возникла идея - собрать собственный продукт. Без команды разработки, без бэкграунда программиста.
Теперь у меня команда AI-агентов: один пишет код, другой делает ревью, третий готовит контекст. На скриншоте - рабочая рутина.
Полгода назад это было бы невозможно.
А вы пробовали кодить с AI?
#ai
🔥5👍2😁2
Статья, которой последние пару дней делятся все в Долине. Она большая, но прочитать стоит.
Автор, последние годы развивающий ИИ-продукты, делится с широкой аудиторией своей перспективой про качественный скачок, который сделали модели Codex и Claude в последние пару месяцев (писал про это тут и вчера делился тут).
Главная мысль - модели прошли некую невидимую линию, когда они могут автономно работать и давать качественный результат, который не надо исправлять. Первая индустрия - программирование. Постепенно начнут эволюционировать другие.
По мнению автора, важно осознать, что действительно умный ИИ не «где-то там» или «за меня мою работу все равно не сделает». Последние модели имеют уже достаточно сильные скилы, чтобы делегировать им большие куски автономной работы - и не только в программировании. Он приводит примеры из сферы юриспруденции, финансов и других.
Его главный совет - пользоваться и пробовать, что могут текущие модели. Не на бесплатных планах, а самые свежие - на платных тарифах. Давать не маленькие задачки, а комплексные. И осознавать, как может меняться рабочий процесс с новыми инструментами, когда вырабатываешь умение правильно ими пользоваться.
Больше пересказывать не буду, тк там есть не одна ценная мысль на подумать.
Автор, последние годы развивающий ИИ-продукты, делится с широкой аудиторией своей перспективой про качественный скачок, который сделали модели Codex и Claude в последние пару месяцев (писал про это тут и вчера делился тут).
Главная мысль - модели прошли некую невидимую линию, когда они могут автономно работать и давать качественный результат, который не надо исправлять. Первая индустрия - программирование. Постепенно начнут эволюционировать другие.
По мнению автора, важно осознать, что действительно умный ИИ не «где-то там» или «за меня мою работу все равно не сделает». Последние модели имеют уже достаточно сильные скилы, чтобы делегировать им большие куски автономной работы - и не только в программировании. Он приводит примеры из сферы юриспруденции, финансов и других.
Его главный совет - пользоваться и пробовать, что могут текущие модели. Не на бесплатных планах, а самые свежие - на платных тарифах. Давать не маленькие задачки, а комплексные. И осознавать, как может меняться рабочий процесс с новыми инструментами, когда вырабатываешь умение правильно ими пользоваться.
Больше пересказывать не буду, тк там есть не одна ценная мысль на подумать.
matt shumer
Something Big Is Happening
A personal note for non-tech friends and family on what AI is starting to change.
👍4❤2🔥1
Пять элементов подготовки к стратсессии, которая даст результат.
Февраль - сезон планирования. Собираются руководители, обсуждают стратегию на год. Привычный сценарий: знакомые темы, общие идеи, список инициатив. Все расходятся с ощущением продуктивности. А через пару месяцев фокус размывается и ничего не меняется.
Причина часто не в людях и не в повестке. А в том, как спроектирована сама сессия. Когда готовился к стратсессии, нашел у Jump Associates пять элементов результативных сессий:
1. Задача сформулирована до встречи. Не «обсудим стратегию», а конкретный вызов. До сессии - аналитика рынка, интервью внутри компании, данные о клиентах.
2. Состав участников осознанный. Два типа: те, кто принимает решения, и те, кто готов ставить под вопрос привычные подходы.
3. Ведущий - стратег, а не только модератор. Человек, который одновременно управляет процессом и двигает мышление группы вперёд.
4. Среда вовлекает в работу. Данные, сценарии будущего, истории клиентов - на стенах, а не в слайдах. Участники ходят по комнате, реагируют, принимают решения вместе.
5. Решения фиксируются явно. Конкретные варианты с компромиссами. Кто отвечает за что. От чего отказываемся. Не абстрактные «приоритеты года».
Два пункта из этого списка считаю важными особенно.
Подготовка. Убеждался не раз - чем глубже команда проработала материал до встречи, тем больше ценности она создаёт на самой сессии. Без этого обсуждение превращается в сбор информации. А это не то, ради чего собирают руководителей в одну комнату.
Ведущий-стратег. Хороший модератор держит процесс. Но когда ведущий ещё и умеет стратегировать - он помогает команде мыслить дальше / глубже или смотреть с другого угла, а не просто управлять групповой динамикой. Это меняет качество разговора.
Как вы готовитесь к стратсессиям?
#стратегия
Февраль - сезон планирования. Собираются руководители, обсуждают стратегию на год. Привычный сценарий: знакомые темы, общие идеи, список инициатив. Все расходятся с ощущением продуктивности. А через пару месяцев фокус размывается и ничего не меняется.
Причина часто не в людях и не в повестке. А в том, как спроектирована сама сессия. Когда готовился к стратсессии, нашел у Jump Associates пять элементов результативных сессий:
1. Задача сформулирована до встречи. Не «обсудим стратегию», а конкретный вызов. До сессии - аналитика рынка, интервью внутри компании, данные о клиентах.
2. Состав участников осознанный. Два типа: те, кто принимает решения, и те, кто готов ставить под вопрос привычные подходы.
3. Ведущий - стратег, а не только модератор. Человек, который одновременно управляет процессом и двигает мышление группы вперёд.
4. Среда вовлекает в работу. Данные, сценарии будущего, истории клиентов - на стенах, а не в слайдах. Участники ходят по комнате, реагируют, принимают решения вместе.
5. Решения фиксируются явно. Конкретные варианты с компромиссами. Кто отвечает за что. От чего отказываемся. Не абстрактные «приоритеты года».
Два пункта из этого списка считаю важными особенно.
Подготовка. Убеждался не раз - чем глубже команда проработала материал до встречи, тем больше ценности она создаёт на самой сессии. Без этого обсуждение превращается в сбор информации. А это не то, ради чего собирают руководителей в одну комнату.
Ведущий-стратег. Хороший модератор держит процесс. Но когда ведущий ещё и умеет стратегировать - он помогает команде мыслить дальше / глубже или смотреть с другого угла, а не просто управлять групповой динамикой. Это меняет качество разговора.
Как вы готовитесь к стратсессиям?
#стратегия
Jump
Why Most Strategy Sessions Fail, and How the Best Ones Get It Right
Most strategy meetings feel productive but change nothing — the best are designed to create clarity, conviction, and real momentum.
👍3
Кейс Lovable: как пересобрать монетизацию AI-продукта и не потерять ARR
Lovable - AI-платформа для создания сайтов и приложений. Один из самых быстрорастущих стартапов в истории - за год достигли $200M ARR (Annual Recurring Revenue). В недавнем посте Елена Верна описала, как они пересобрали модель монетизации за год.
Недавно я писал, что подписка работает не для каждого продукта. Lovable - отличный кейс в продолжение темы.
Изначальная модель оплаты в Lovable: 5 бесплатных кредитов каждый день на генерацию кода, для большего - подписка. Стандартная для AI-продуктов.
Но пользователи приходят в продукт нерегулярно - только когда есть идея или задача. В остальное время подписка ощущается ими, как лишнее обязательство. После первого месяца многие снижали тариф, часть уходили к конкурентам с более гибкой оплатой. По словам Елены, подписочная модель буквально сдерживала вовлечённость - North Star метрику продукта (больше используют = больше платят).
При этом просто отказаться от подписки они не могли. ARR - главная метрика для инвесторов, и любой эксперимент с монетизацией рискует ее просадить. Нужно было найти способ дать пользователям гибкость, не жертвуя ростом выручки.
Команда добавила top-up пакеты - разовую покупку кредитов без подписки, но с ценой за кредит на 20% дороже, чем в подписке. Подписка осталась как «Subscribe and Save»: хочешь гибкость - плати больше за кредиты, хочешь экономить - подписывайся.
Они протестировали три варианта наценки. При той же цене кредитов, что и в подписке (наценка = 0%) выручка упала. Наценка 40% оказалась слишком высокой (= низкая конверсия в покупку). А 20% - дала рост и вовлечённости, и нужный % конверсий в покупку.
За первую неделю 20%+ выручки пришло через top-ups. Ретеншн платных планов вырос на 7%. Подписочная выручка продолжила расти. При этом пользователи top-up оказались самыми активными - Елена назвала их не пользователями «второго сорта» (как обычно называют тех, кто не покупает полную подписку), а лучшими пользователями.
Как суммирует Елена, для AI-продуктов нерегулярное использование - это не баг, а фича. Если модель монетизации не совпадает с реальными потребностями, то страдают вовлечённость, удержание и выручка. Фокус на оптимизации вовлечённости пользователей в итоге помог Lovable продолжить растить выручку за счет дополнительных сегментов пользователей. Если бы они просто оптимизировали ARR - это бы дало краткосрочный положительный эффект, но в долгую привело к падению ретеншна и выручки.
Как у вас - подписка работает или пользователи просят гибкость?
#монетизация #ai
Lovable - AI-платформа для создания сайтов и приложений. Один из самых быстрорастущих стартапов в истории - за год достигли $200M ARR (Annual Recurring Revenue). В недавнем посте Елена Верна описала, как они пересобрали модель монетизации за год.
Недавно я писал, что подписка работает не для каждого продукта. Lovable - отличный кейс в продолжение темы.
Изначальная модель оплаты в Lovable: 5 бесплатных кредитов каждый день на генерацию кода, для большего - подписка. Стандартная для AI-продуктов.
Но пользователи приходят в продукт нерегулярно - только когда есть идея или задача. В остальное время подписка ощущается ими, как лишнее обязательство. После первого месяца многие снижали тариф, часть уходили к конкурентам с более гибкой оплатой. По словам Елены, подписочная модель буквально сдерживала вовлечённость - North Star метрику продукта (больше используют = больше платят).
При этом просто отказаться от подписки они не могли. ARR - главная метрика для инвесторов, и любой эксперимент с монетизацией рискует ее просадить. Нужно было найти способ дать пользователям гибкость, не жертвуя ростом выручки.
Команда добавила top-up пакеты - разовую покупку кредитов без подписки, но с ценой за кредит на 20% дороже, чем в подписке. Подписка осталась как «Subscribe and Save»: хочешь гибкость - плати больше за кредиты, хочешь экономить - подписывайся.
Они протестировали три варианта наценки. При той же цене кредитов, что и в подписке (наценка = 0%) выручка упала. Наценка 40% оказалась слишком высокой (= низкая конверсия в покупку). А 20% - дала рост и вовлечённости, и нужный % конверсий в покупку.
За первую неделю 20%+ выручки пришло через top-ups. Ретеншн платных планов вырос на 7%. Подписочная выручка продолжила расти. При этом пользователи top-up оказались самыми активными - Елена назвала их не пользователями «второго сорта» (как обычно называют тех, кто не покупает полную подписку), а лучшими пользователями.
Как суммирует Елена, для AI-продуктов нерегулярное использование - это не баг, а фича. Если модель монетизации не совпадает с реальными потребностями, то страдают вовлечённость, удержание и выручка. Фокус на оптимизации вовлечённости пользователей в итоге помог Lovable продолжить растить выручку за счет дополнительных сегментов пользователей. Если бы они просто оптимизировали ARR - это бы дало краткосрочный положительный эффект, но в долгую привело к падению ретеншна и выручки.
Как у вас - подписка работает или пользователи просят гибкость?
#монетизация #ai
Elenaverna
We stopped forcing the subscription model on our users. Here is what happened.
How and why Lovable introduced ‘top-up’-style monetization.
👍3🔥1
Капитализация SaaS-сектора снизилась на $1 трлн за шесть недель - рынок переоценивает software-компании на фоне развития AI-агентов
В свежей статье MarketMinute описано, как выход автономных AI-агентов запустил масштабную переоценку software-индустрии в США. Ранее писал о рисках для SaaS в эпоху агентов тут и об эволюции ценообразования от оплаты за рабочее место к оплате за результат тут. То, о чём шла речь - начало отражаться в цифрах.
В январе Anthropic выпустила Claude Cowork - агента, который не помогает сотруднику, а выполняет работу за него. Параллельные суб-агенты, навигация по корпоративным интерфейсам, 11 отраслевых плагинов для юриспруденции, бухгалтерии, продаж. Закупочные отделы крупных компаний сразу начали сокращать количество лицензий. Один агент заменяет пять сотрудников - значит, компании покупают в пять раз меньше мест.
Рыночная оценка software-сектора упала почти вдвое за полтора месяца - мультипликаторы снизились с 39x до 21x. Инвесторы массово выходят из акций компаний, зависящих от числа пользовательских мест (Salesforce, Workday, Adobe), в энергетику и инфраструктуру - отрасли, которые нельзя автоматизировать софтом.
Как ответ, Salesforce запустила Agentforce с ценой $0.10 за действие. Но рынок сомневается, что это компенсирует потерю подписок по $150/мес за пользователя. Adobe теряет позиции - креативные агенты снижают потребность в лицензиях Creative Cloud. Thomson Reuters и LegalZoom теряют конкурентное преимущество - AI-модели начали анализировать юридические и финансовые документы напрямую, без посредников.
Авторы фиксируют фундаментальный сдвиг: софт перестаёт быть хранилищем данных и становится исполнителем задач. Двадцать лет люди вводили данные в системы, а оценки tech-компаний росли вместе с числом пользователей. Теперь системы сами выполняют работу. Пользователей нужно меньше - и оценки компаний падают вместе с их числом.
Два сценария выживания для SaaS-компаний:
— Перестроиться под работу агентов - с ценообразованием за действие или результат, а не за рабочее место
— Стать поставщиком данных и инфраструктуры для агентов. Ценность - в уникальных данных и API, а не в интерфейсе
Ключевая метрика ближайших кварталов - уже не рост числа пользователей, а доля выручки от модели оплаты за действие. Звучит немного алармистски, но инвесторы уже начали голосоватьрублем долларом.
Три вопроса для проверки устойчивости SaaS-бизнеса:
1. Какая доля выручки зависит от количества пользовательских мест?
2. Можете ли вы протестировать ценообразование за действие или результат уже сейчас?
3. Что останется от вашего продукта, если убрать интерфейс - данные, логика, API?
Как выглядят ответы на эти вопросы в вашем бизнесе?
#монетизация #ai
В свежей статье MarketMinute описано, как выход автономных AI-агентов запустил масштабную переоценку software-индустрии в США. Ранее писал о рисках для SaaS в эпоху агентов тут и об эволюции ценообразования от оплаты за рабочее место к оплате за результат тут. То, о чём шла речь - начало отражаться в цифрах.
В январе Anthropic выпустила Claude Cowork - агента, который не помогает сотруднику, а выполняет работу за него. Параллельные суб-агенты, навигация по корпоративным интерфейсам, 11 отраслевых плагинов для юриспруденции, бухгалтерии, продаж. Закупочные отделы крупных компаний сразу начали сокращать количество лицензий. Один агент заменяет пять сотрудников - значит, компании покупают в пять раз меньше мест.
Рыночная оценка software-сектора упала почти вдвое за полтора месяца - мультипликаторы снизились с 39x до 21x. Инвесторы массово выходят из акций компаний, зависящих от числа пользовательских мест (Salesforce, Workday, Adobe), в энергетику и инфраструктуру - отрасли, которые нельзя автоматизировать софтом.
Как ответ, Salesforce запустила Agentforce с ценой $0.10 за действие. Но рынок сомневается, что это компенсирует потерю подписок по $150/мес за пользователя. Adobe теряет позиции - креативные агенты снижают потребность в лицензиях Creative Cloud. Thomson Reuters и LegalZoom теряют конкурентное преимущество - AI-модели начали анализировать юридические и финансовые документы напрямую, без посредников.
Авторы фиксируют фундаментальный сдвиг: софт перестаёт быть хранилищем данных и становится исполнителем задач. Двадцать лет люди вводили данные в системы, а оценки tech-компаний росли вместе с числом пользователей. Теперь системы сами выполняют работу. Пользователей нужно меньше - и оценки компаний падают вместе с их числом.
Два сценария выживания для SaaS-компаний:
— Перестроиться под работу агентов - с ценообразованием за действие или результат, а не за рабочее место
— Стать поставщиком данных и инфраструктуры для агентов. Ценность - в уникальных данных и API, а не в интерфейсе
Ключевая метрика ближайших кварталов - уже не рост числа пользователей, а доля выручки от модели оплаты за действие. Звучит немного алармистски, но инвесторы уже начали голосовать
Три вопроса для проверки устойчивости SaaS-бизнеса:
1. Какая доля выручки зависит от количества пользовательских мест?
2. Можете ли вы протестировать ценообразование за действие или результат уже сейчас?
3. Что останется от вашего продукта, если убрать интерфейс - данные, логика, API?
Как выглядят ответы на эти вопросы в вашем бизнесе?
#монетизация #ai
Financialcontent
Software Stocks Under Siege by New AI Tools: The 'SaaSpocalypse' of 2026
👍4🔥2❤🔥1
Less is more
Когда команда выбирает одну-две больших ставки и вкладывается в каждую на 100% - результат появляется за квартал. Если так повторить несколько раз, то качественный скачок становится неизбежен.
#стратегия
Когда команда выбирает одну-две больших ставки и вкладывается в каждую на 100% - результат появляется за квартал. Если так повторить несколько раз, то качественный скачок становится неизбежен.
#стратегия
👍6
Каким должно быть корпоративное управление в "новых" реалиях - что обсуждали на форуме АНД?
19 февраля прошел форум АНД - ежегодная встреча 700+ собственников, членов СД и топ-менеджеров по корпоративному управлению. Основная тема этого года: Совет директоров 3.0. О том, что привычная модель корпоративного управления перестала работать и куда двигаться дальше.
Советы директоров в России 20 лет строились под понятную задачу - быть прозрачным для международных инвесторов и управлять рисками. Инвесторы ушли, рынки закрылись, а риски превратились в неопределённость, которую нельзя просчитать. Инструменты (СД) остались, а задача изменилась.
Как выглядит новая рамка, заданная на форуме:
— СД 1.0 - правила и стабильность. 2.0 - стратегия и экспертиза. 3.0 - навигация в тумане. Не ждать, пока пространство структурируется, а действовать и формировать его самим.
— Три слова новой модели: смысл, устойчивость, инновация. Не дорожная карта на 5 лет, а постоянная навигация по изменяющейся траектории. Радары слабых сигналов вместо годового отчёта. И умение действовать креативно "здесь и сейчас" в предлагаемых обстоятельствах.
— Универсальность вместо узкой экспертизы. Раньше в совет искали специалиста по финансам или стратегии. Теперь нужен человек, способный смотреть на один вопрос через призму стратегии, мотивации и рисков одновременно.
— Главный вопрос совета к самому себе: «Что может убить нас завтра?» Не разбор полётов, а диагностика будущих угроз. Экспериментирование как KPI. Культура ошибок вместо культуры контроля.
Рамка задана, но готовой методички пока нет. Главный итог форума - её придётся вырабатывать вместе.
#менеджмент
19 февраля прошел форум АНД - ежегодная встреча 700+ собственников, членов СД и топ-менеджеров по корпоративному управлению. Основная тема этого года: Совет директоров 3.0. О том, что привычная модель корпоративного управления перестала работать и куда двигаться дальше.
Советы директоров в России 20 лет строились под понятную задачу - быть прозрачным для международных инвесторов и управлять рисками. Инвесторы ушли, рынки закрылись, а риски превратились в неопределённость, которую нельзя просчитать. Инструменты (СД) остались, а задача изменилась.
Как выглядит новая рамка, заданная на форуме:
— СД 1.0 - правила и стабильность. 2.0 - стратегия и экспертиза. 3.0 - навигация в тумане. Не ждать, пока пространство структурируется, а действовать и формировать его самим.
— Три слова новой модели: смысл, устойчивость, инновация. Не дорожная карта на 5 лет, а постоянная навигация по изменяющейся траектории. Радары слабых сигналов вместо годового отчёта. И умение действовать креативно "здесь и сейчас" в предлагаемых обстоятельствах.
— Универсальность вместо узкой экспертизы. Раньше в совет искали специалиста по финансам или стратегии. Теперь нужен человек, способный смотреть на один вопрос через призму стратегии, мотивации и рисков одновременно.
— Главный вопрос совета к самому себе: «Что может убить нас завтра?» Не разбор полётов, а диагностика будущих угроз. Экспериментирование как KPI. Культура ошибок вместо культуры контроля.
Рамка задана, но готовой методички пока нет. Главный итог форума - её придётся вырабатывать вместе.
#менеджмент
👍5❤3