Як знайти стійкий простір для монетизації на рівні додатків ШІ?

Споживча модель підписки на ШІ потрапила в дилему: витрати на токени постійно зростають, а готовність користувачів платити не встигає за ними. Ця структурна напруга робить бізнес-модель надзвичайно вразливою. Більш стійка комерціалізація ШІ може відбуватися в сценаріях, пов'язаних із високоцінними користувачами, глибокою інтеграцією в робочі процеси та прив'язкою до реальних бізнес-результатів. Саме це є економічним підґрунтям для вертикальних ШІ-напрямків. У 9-му випуску «Agentic Economy» ми розберемо три кейси: Harvey, Farther та Adyen, щоб побачити, як вони будують конкурентні переваги на тлі комодитизації базових моделей. А також зіткнемося з двома складнішими питаннями: чи збережуться ці переваги, коли субсидії на токени зникнуть? І що означає, коли OpenAI та Anthropic починають направляти інженерні команди до корпоративних клієнтів?

Будь-яка технологія, ставши достатньо поширеною, перестає приносити премію. Те саме стосується універсальних великих мовних моделей. Зі зменшенням граничної віддачі від конкуренції за параметрами, колись рідкісний інтелект швидко перетворюється на комодифіковану комунальну інфраструктуру. Це призводить до прискореного краху бізнес-моделей легковагових додатків, які покладаються лише на виклики сторонніх API і не мають здатності вбудовуватися в контекст.

Але комодитизація ніколи не є кінцевою точкою. Кожного разу, коли нова технологія стає масовою, цінність перетікає від тих, хто володіє технологією, до тих, хто здатен її реально застосувати.

Ця закономірність зараз породила стрімке зростання вертикальних ШІ-платформ.

Так звані вертикальні ШІ-платформи — це прикладний рівень ШІ, який заглиблюється в конкретні галузі, глибоко інкапсулює можливості універсальних великих моделей і перебудовує бізнес-процеси навколо конкретних робочих потоків. Використовуючи власні системи оцінки (Eval) та багатоагентну архітектуру, ці платформи знижують статус базових моделей до легко замінних обчислювальних компонентів, надійно утримуючи ключові робочі процеси галузі всередині системи. Їхня суть полягає в усуненні тертя в бізнес-процесах, перетворюючи складну професійну роботу на системний актив, який можна накопичувати.

Щоб зрозуміти обґрунтованість цього нового напрямку, спершу потрібно усвідомити один факт: підприємства та професіонали платять не за розмір параметрів базової моделі, а за її здатність глибоко вбудовуватися у внутрішні робочі процеси, формувати замкнений цикл даних і генерувати реальний дохід.

Саме тому юридичні експерти з високою погодинною ставкою, фінансові радники, які обслуговують клієнтів з високим статком, та провідні мерчанти з величезними обсягами транзакцій стають головною метою нового покоління вертикальних ШІ-платформ. Ці люди мають право приймати рішення щодо бюджету, несуть відповідальність за дотримання нормативних вимог і орієнтуються на чіткі бізнес-результати. Незалежно від того, чи це допомога юристу, який заробляє тисячу доларів на годину, заощадити десять годин, чи допомога фінансовому раднику збільшити обсяг активів під управлінням та оптимізувати прибуток після оподаткування, створена бізнес-цінність може бути безпосередньо виміряна. Саме таке точне прив'язування до високоцінних виробничих суб'єктів є економічною основою, яка дозволяє вертикальному ШІ бути життєздатним.

Наразі ці дослідження розгортаються в двох основних напрямках.

По-перше, це використання ШІ для перебудови професійних робочих процесів, значного скорочення операційних витрат, які раніше могли нести лише великі установи. У сферах права та управління добробутом такі високопорогові завдання, як комплаєнс, управління ризиками та професійна доставка, систематично беруться на себе технологічними платформами, дозволяючи професіоналам виконувати більш насичену роботу з меншими ресурсами.

По-друге, це перебудова транзакційної інфраструктури, зміна зв'язку між мерчантами та агентами. В агентній комерції (Agentic Commerce), хоча перехоплення намірів та взаємодія на передньому плані контролюються ШІ-лабораторіями, кінцеве перетворення транзакцій все ще відбувається в інфраструктурі мерчантів. Adyen Agentic виступає як універсальний перекладач, допомагаючи продавцям підключитися один раз і брати участь у різних ШІ-платформах покупок через різні протоколи, без необхідності перебудовувати системи для кожного нового протоколу.

Три кейси мають різні точки входу, але всі вони перетворюють раніше складні для стандартизації основні можливості галузі на системні активи, які можна використовувати постійно. Harvey акумулює юридичне судження та галузеві знання; Farther акумулює відносини радника з клієнтами та здатність до оптимізації податків; Adyen акумулює дані про товари мерчантів, адаптацію протоколів та платіжні можливості.

Саме про це говорить генеральний директор Microsoft Сатья Наделла, називаючи це токен-капіталом: довгострокова цінність ШІ походить не лише від виконання одноразових завдань, але й від структурованого збереження людських суджень, знань та робочих процесів у системі, формуючи активи, які можуть самовдосконалюватися в процесі постійної взаємодії.

1,9 млрд ARR та 460 млн витрат на обчислення: масштабна гра Harvey, яку важко підтримувати

Harvey є одним із найбільш високо оцінених та швидкозростаючих зразків поточної хвилі вертикального ШІ. Потенціал та дилеми цієї логіки найбільш яскраво проявляються на прикладі Harvey.

Ця юридична платформа, яка не володіє жодною універсальною моделлю, лише завдяки глибокій кастомізації основних робочих процесів юридичних фірм, за п'ять місяців (з серпня 2025 по січень 2026) збільшила ARR з 100 млн до 190 млн доларів, а оцінка досягла 11 млрд доларів. Це свідчить, що вертикальним платформам зовсім не потрібно брати участь у боротьбі за базові універсальні моделі; достатньо справді розуміти галузеві завдання та перебудовувати щоденні робочі сценарії високоцінних користувачів, щоб створити потужну комерційну здатність.

Але за яскравими фінансовими показниками стоїть постійно зростаючий рахунок за обчислення.

Публічні дані показують, що щомісячне використання токенів Harvey зросло з приблизно 1 трильйона до 12–13 трильйонів. При оцінці в 3 долари за мільйон токенів, річні теоретичні витрати на інференс сягають 468 млн доларів. Навіть якщо зараз ці витрати тимчасово знижуються завдяки знижкам великих постачальників та технологіям на кшталт Prompt Caching, залежна структура витрат означає, що щойно субсидії припиняться, рахунок одразу зросте. За такого фінансового тиску зростання ARR надзвичайно важко перетворити на реальний грошовий потік; натомість воно постійно загрожує зворотним ефектом масштабу.

За цим стоїть неминучий парадокс витрат для ШІ-нативних додатків: чим популярніший продукт, тим вищі витрати на інференс. У традиційного SaaS граничні витрати майже нульові, але в таких сценаріях, як юридичні контексти з довгими послідовностями та високою щільністю інференсу, кожне складне завдання споживає реальні обчислювальні ресурси. Тому розробка власних моделей перетворюється з технічного варіанту на неминучий вибір, продиктований вартістю.

Наразі Harvey просуває стратегію пост-тренування власних моделей у тісній співпраці з Applied Compute, здійснюючи галузеву донастройку відкритих базових моделей (наприклад, GLM-5.1) для юридичної сфери. Згідно з останніми технічними розкриттями, після пост-тренування власна модель досягла підвищення рубричного прохідного балу (rubric pass rate) з 0,853 до 0,913 у власному юридичному агентному бенчмарку Harvey (LAB), перевершивши GPT-5.5 xhigh і наблизившись до Opus 4.8 Max.

Стиснення витрат також значне. Замінивши оціночну модель з передової великої моделі на GPT-5 Mini та об'єднавши кілька критеріїв оцінки в пакетну обробку, витрати на оцінку було зменшено в 40–100 разів. Це означає, що Harvey може постійно вдосконалювати цикл оцінки з меншими витратами, а сама приватна система оцінки стає конкурентним активом, який можна накопичувати.

Що варте більшої уваги, це зміни, що відбулися завдяки підвищенню продуктивності. Повнота виводу, точність цифр, відстеження джерел та придушення галюцинацій — кілька ключових показників поведінки зазнали вимірюваних покращень. Під час тренування модель поступово зменшувала кількість викликів інструментів, але кожен виклик ставав більш точним, що також знижувало загальне споживання токенів. Іншими словами, модель навчилася ефективно працювати в конкретному інструментальному середовищі, і ця накопичена через велику кількість юридичних завдань модель поведінки набагато складніша для зовнішнього копіювання, ніж самі параметри моделі.

Кейс Harvey показує, що конкурентна основа вертикальних ШІ-платформ поглиблюється. Дизайн робочих процесів та відносини з клієнтами, безумовно, важливі, але здатність до пост-тренування та контролю над відкритими моделями, приватні системи оцінки та здатність генерувати дані, багатоагентна архітектура та оптимізація витрат на інференс стають новими джерелами диференціації.

Деорганізація Farther: розрив прив'язки радників до традиційних великих брокерів

Якщо Harvey стискає витрати на доставку всередині великих професійних сервісних організацій, то платформа управління багатством Farther демонструє, як допомогти ключовим талантам залишити гравітаційне поле традиційних гігантів.

Farther — це технологічна платформа для незалежних радників (RIA), яка спеціалізується на залученні фінансових радників, що пішли з таких гігантів, як Morgan Stanley, Merrill Lynch, UBS та Goldman Sachs. У традиційній системі повного брокерського обслуговування радники часто стикаються з низьким відсотком комісії та великим адміністративним навантаженням середньої ланки. Farther робить так: безпосередньо залучає радників, інтегруючи бек-офісні можливості, які раніше монополізували великі установи, в єдину платформу: окрім високого відсотка комісії, включає збір податкових збитків (tax-loss harvesting), пряму індексацію, доступ до приватних ринків, перевірку комплаєнсу та управління документами. Офіційні дані показують, що лише завдяки алгоритму податкової оптимізації клієнти отримують покращення інвестиційного прибутку після оподаткування на 1%–3%.

Ця модель уже отримала вагоме підтвердження від ринку капіталу. У травні 2026 року Farther завершив раунд фінансування серії D на 150 млн доларів під керівництвом General Atlantic, офіційно увійшовши до клубу єдинорогів. Наразі обсяг активів, які він залучив та управляє, перевищив 23 млрд доларів, включаючи зіркову команду приватних банкірів, переманену з відділу приватного капіталу Goldman Sachs, яка управляє активами на 1,5 млрд доларів. Постійний приплив незалежних фінансових радників свідчить, що система прив'язки, на якій тримаються традиційні великі брокери, втрачає силу, і самостійна практика поза установою більше не є маргінальним вибором для небагатьох.

Harvey зосереджується на підвищенні ефективності професійної доставки всередині юридичних фірм; Farther, навпаки, будує незалежну платформу з нуля, дозволяючи радникам отримувати ті ж або навіть сильніші бек-офісні можливості без прив'язки до традиційних великих брокерів. Точки входу різні, але обидві переосмислюють спосіб виробництва професійних послуг. Завдяки цій платформі складні інвестиційні інструменти, такі як пряма індексація та доступ до приватних ринків, які раніше були обмежені відділами для надзаможних клієнтів (UHNW) у великих установах, тепер можуть легко використовуватися незалежними радниками, значно розширюючи межі бізнесу окремого професіонала.

Традиційний SaaS був здатний лише на поверхневу автоматизацію процесів, як-от ведення записів та зберігання, і не міг взяти на себе складне виконання, як-от прийняття рішень та координацію. Натомість ШІ-нативні системи на основі багатоагентної архітектури природно підходять для взяття на себе розмитих зон між адміністративним виконанням та нестандартними логічними судженнями: перевірка комплаєнсу, написання персоналізованих документів, рекомендації з розподілу активів. Ці завдання, які раніше потребували спільної роботи цілої команди середньої ланки, тепер швидко поглинаються системою.

Недооцінена сторона мерчантів: транзакційний замкнений цикл Agentic Commerce

Обговорення агентної комерції (Agentic Commerce) не вщухає, але наразі увага громадськості майже повністю зосереджена на стороні споживачів, тобто як ШІ-помічники замінюють користувачів у пошуку товарів, порівнянні цін та автоматичному оформленні замовлень. На противагу цьому, реальний зворотний зв'язок з боку мерчантів набагато стриманіший.

Конверсія Walmart у його ШІ-нативному швидкому оформленні замовлення (Instant Checkout) наразі становить лише третину від традиційної моделі кліку та переходу; а частка мерчантів, які повністю інтегрували систему ШІ-оформлення Shopify, у 2026 році все ще обмежена. Між активацією попиту через ШІ та фактичним завершенням транзакції існує очевидний розрив.

Причина цього розриву полягає в тому, що агентна транзакція — це системна інженерія. Розуміння намірів користувача — лише перший крок. Щоб перетворити попит на дохід, необхідна повна підтримка ланцюжка: перевірка запасів, розрахунок податків, захист від шахрайства, виконання та розрахунки. Ці можливості наразі міцно замкнені в локальних системах продавців. Водночас існує безліч несумісних протоколів агентних платежів, таких як UCP, ACP, AP2, Agent Pay, Visa Tokenization, які не взаємодіють між собою. Продавці не мають ні стимулів адаптуватися до кожного окремо, ні можливості витримати витрати на технологічну фрагментацію.

Adyen запустив Adyen Agentic, який через три модульні API покриває різні етапи транзакційного ланцюжка:

• Agentic Feed: відповідає за стандартизоване поширення каталогу товарів, цін та даних про реальні запаси продавця на основні ШІ-платформи;
• Agentic Cart: підключає існуючі системи оформлення замовлень, оподаткування, виконання та управління замовленнями продавця до основи діалогової комерції;
• Agentic Payments: обробляє верифікацію особи, мережеве управління ризиками та багатоканальні розрахунки в транзакціях, які ініціюються агентами.

Продавець підключається один раз, і Adyen може перекладати між різними ШІ-агентними платформами та протоколами, не вимагаючи перебудови базових систем щоразу, коли змінюється ринкова ситуація.

В екосистемі агентної комерції передні ШІ-лабораторії та діалогові інтерфейси можуть перехоплювати наміри та трафік користувачів, але суттєве перетворення цінності, здійснення транзакцій та замкнений цикл коштів все ще значною мірою залежать від інфраструктури продавця. Порівняно з висококонкурентними вхідними точками, систематизовані послуги інтеграції на стороні продавця мають більше шансів стати стабільною інфраструктурою, за яку можна стягувати плату.

Приховані проблеми вертикальних платформ: проникнення виробників моделей та перебудова вартості токенів

З насиченням ринку дешевими універсальними інструментами бізнес-логіка великих мовних платформ, яка покладається на підписку з низькою ціною за одиницю, поступово виявляє свою вразливість. Коли такі узагальнені функції, як підсумовування веб-сторінок та написання чернеток електронних листів, легко замінюються аналогами, вертикальні платформи змушені зосереджуватися на високоцінних клієнтах, які більше дбають про бізнес-результати. Але чим глибше в галузі з високою вартістю, тим складнішим стає конкурентне середовище для прикладного рівня.

Один із тисків походить від активного розширення меж бізнесу виробників моделей. OpenAI та Anthropic більше не задовольняються лише оптовою торгівлею API, а через передові інженерні команди (FDE) безпосередньо входять на майданчики ключових клієнтів. У квітні 2026 року OpenAI уклав партнерство з Customers Bank, який має активи на 26 млрд доларів; інженерна команда розмістилася в банку, використовуючи локальні дані для розробки агентів зі схвалення кредитів та відкриття рахунків. Anthropic співпрацює з фінансовим IT-гігантом FIS, вбудовуючи команду FDE в його внутрішні системи для розробки інструментів боротьби з відмиванням грошей, використовуючи канали FIS, які обслуговують велику кількість банків, безпосередньо досягаючи найглибших рівнів банківської діяльності.

Така модель польової співпраці показує, що великі виробники моделей використовують інфраструктурні канали для безпосереднього вивчення та копіювання внутрішніх бізнес-процесів у високопорогових галузях.

Інший тиск — це нестійка логіка ціноутворення токенів. Наразі більшість передових базових моделей фактично продають токени за цінами, нижчими за собівартість, завдяки субсидіям. Зі зростанням частоти викликів багатоагентних архітектур на корпоративному рівні, щойно субсидії великих виробників припиняться, рахунки за обчислення для вертикальних платформ, які повністю покладаються на зовнішні передові API, стануть непідйомними.

Цей тиск посилиться зі зростанням потреб в інференсі. Коли сотні агентів, які працюють 24/7, взаємодіють на задньому плані з високою частотою, попит на обчислення зростатиме експоненційно, а через фізичні обмеження виробничих циклів, таких як літографічні машини ASML з надзвичайно довгим циклом виготовлення, базовий апаратний ланцюг поставок просто не встигатиме. Для більшості щоденних бізнес-завдань використання передових великих моделей для всіх завдань саме по собі є серйозною невідповідністю ресурсів.

Саме тому Harvey повинен співпрацювати з Applied Compute, створюючи спеціалізовані тестові набори, приватні системи оцінки та конвеєри ручного маркування. Вертикальні платформи займаються не просто продуктом, а складним інжинірингом витрат: точне вимірювання споживання токенів для кожного завдання, визначення, які проміжні кроки можна направити на дешеві відкриті малі моделі, які ключові рішення потребують виклику дорогих флагманських моделей, і де має втручатися ручна перевірка.

У цьому контексті простий красивий інтерфейс робочих процесів більше не забезпечує стійкої конкурентної переваги. Доведення інжинірингу витрат на бек-енді до досконалості є ключовим завданням для довгострокового виживання вертикальних ШІ-платформ.

Висновок: рідкість на ринку повертається до верхівки ланцюжка створення вартості

Коли універсальні великі мовні моделі стають такими ж легкодоступними, як вода, електрика та газ, цінність прикладного рівня ШІ починає концентруватися на найвищому та найнижчому кінцях ланцюжка створення вартості.

На цьому етапі рідкість у галузі не зникає: на найвищому кінці залишається те, що не можна стандартизувати алгоритмами, — довіра клієнтів, складні нестандартні судження та неструктуровані знання, заховані в досвіді практиків; на найнижчому кінці — мережа продавців, яка несе дані про товари, ланцюжки відповідності та платіжні канали. Справжнє значення вертикальних платформ полягає в перетворенні професійного досвіду цих високоцінних суб'єктів на токен-капітал, який можна накопичувати.

Це також визначає, що логіка конкуренції на прикладному рівні повертається до прагматизму. «Наратив масштабу», який рухав індустрію програмного забезпечення останні десять років, починає втрачати силу перед жорсткими обмеженнями витрат на обчислення та фізичного ланцюжка поставок.

У новому циклі виживання компаній прикладного рівня залежить від ретельного арбітражу витрат та обчислень. Зі згасанням цінової війни на моделі та обмеженнями обчислювальних ресурсів, прикладні платформи повинні знайти оптимальне рішення між вартістю та продуктивністю, а не продовжувати покладатися на фінансування капіталом.

Хоча великі виробники моделей мають більші обчислювальні ресурси та передові інженерні команди, для гнучких вертикальних платформ та незалежних професіоналів найунікальнішою конкурентною перевагою залишається здатність перетворювати власний накопичений неявний професійний досвід на системний актив, який не можуть скопіювати виробники базових моделей. Уникаючи широкої конкуренції за трафік і віддаючи пріоритет задоволенню бізнес-циклу високоцінних виробничих суб'єктів, — ось логіка, за якою вертикальний ШІ може довгостроково виживати в епоху комодитизації великих мовних моделей.