Венчурный фонд Mighty Capital опубликовал на Crunchbase News анализ, согласно которому искусственный интеллект сам по себе перестал быть устойчивым конкурентным преимуществом для стартапов. Автор материала — SC Moatti, founding managing partner Mighty Capital. По её словам, если питч начинается с фразы «мы используем ИИ», основатель описывает инфраструктуру, а не бизнес.
Анализ опирается на данные Crunchbase о 576 венчурных AI B2B-компаниях, привлекших раунды на сумму от $50 млн с начала 2025 года. Методология построена на фреймворке 7 Powers Хэмилтона Хелмера, дополненном данными сообщества Products That Count, объединяющего более 600 тыс. продуктовых лидеров.
Почему ИИ больше не отличает
В качестве иллюстрации Moatti приводит тот факт, что 97% продуктов, номинированных на премию Products That Count Product Awards этого года, глубоко интегрированы с ИИ. По её мнению, это показывает, что времена, когда ИИ служил дифференциатором, официально прошли.
Главный вопрос, который, по словам автора, задают инвесторы: что переживёт конкуренцию с хорошо финансируемым соперником, способным запуститься завтра с лучшей моделью.
Контрпозиционирование: «ров», который ничего не стоит защищать
Контрпозиционирование — это ситуация, когда новичок строит бизнес-модель, структурно настолько отличную, что incumbent не может её скопировать, не разрушив собственную экономику. Канонический пример — Netflix против Blockbuster: последний мог бы повторить подписочную модель, но это уничтожило бы доходы от штрафов за просрочку, на которых держались магазины.
В выборке Mighty Capital контрпозиционирование используют лишь 5% компаний. Инвесторы оценивают эту редкость медианной стоимостью предприятия в 5,3x на каждый привлечённый доллар — это самый высокий мультипликатор среди всех сил в анализе.
Паттерн проявляется, в частности, в вертикально интегрированных AI-страховщиках, продающих напрямую работодателям: традиционные брокеры не могут повторить эту модель без каннибализации собственных отношений и маржи андеррайтинга. Другой пример — AI-нативные системы управления выручкой, которые подорвали бы высокомаржинальный консалтинговый доход legacy-вендоров, если бы те попытались их догнать.
Диагностический вопрос для основателей, по Moatti: мог бы хорошо обеспеченный ресурсами incumbent скопировать вашу модель, если бы захотел? Правильный сигнал — ответ «технически да, но это стоило бы ему дороже, чем нам построить».
Сетевые эффекты: «ров», который строится сам
Сетевые эффекты возникают, когда продукт становится ценнее для каждого пользователя по мере присоединения новых. В масштабе это ведёт к исходу «победитель забирает всё» в границах сети — будь то география, профессиональный контекст или отраслевая вертикаль. Классический пример — LinkedIn: больше рекрутеров привлекают больше кандидатов, те привлекают больше профессионалов, а те — больше рекрутеров.
В выборке сетевые эффекты встречаются лишь у 5% компаний, но дают мультипликатор 4,2x. По оценке автора, это наиболее капиталоэффективный путь к премии к оценке.
Особенно недооценён B2B-вариант: узлами сети становятся не отдельные пользователи, а компании — бренды и фабрики, рекламодатели и аудитории, платформы и партнёры. Данные, накапливающиеся в таких взаимодействиях (издержки, производственные циклы, поведение аудитории), со временем всё труднее воспроизвести.
Сложность в том, чтобы обе стороны двустороннего рынка подключились одновременно. Но основатели, решившие проблему холодного старта, владеют тем, что хорошо финансируемый конкурент с лучшей моделью всё равно не может купить.
Что выглядит как «ров», но им не является
На втором месте по распространённости (44%) — «уголковые ресурсы»: проприетарные данные, уникальная интеллектуальная собственность и эксклюзивный доступ. Однако у них худший мультипликатор — 2,6x. Причина в том, что инвесторы наблюдали, как множество проприетарных датасетов размываются фундаментальными моделями и синтетическими данными. Если преимущество в данных не накапливается так, чтобы его становилось всё труднее воспроизвести, оно не считается «рвом».
Издержки переключения — самая переполненная категория (37%). Они выглядят как «ров», потому что клиенты действительно не уходят. Но создание таких издержек требует глубокого встраивания в корпоративные процессы: инструментации, институциональной памяти, риска реархитектуры — а значит, дорогих циклов продаж до того, как заработает «прилипчивость». Мультипликатор сопоставим с сетевыми эффектами (4x), но требуемый капитал примерно в 10 раз выше. Это рабочий путь для основателей, выстраивающих product-led growth для снижения затрат или создающих причину для совместной работы пользователей на платформе, превращая издержки переключения в сетевые эффекты.
Экономия на масштабе — не та игра, в которую играет большинство основателей. Медианный мультипликатор без учёта OpenAI и Anthropic падает с 6,1x до 3,2x, а 88% капитала категории принадлежит этим двум компаниям. Вера в то, что юнит-экономика улучшается с ростом, не равна построению масштабного «рва»: разрыв измеряется миллиардами долларов, которые большинство стартапов никогда не привлекут.
Что это значит
Материал Mighty Capital на Crunchbase News — это не отчёт о сделке или раунде, а аналитическая колонка, основанная на данных Crunchbase и сообщества Products That Count. Её практический вывод для основателей AI-стартапов: наличие ИИ в продукте есть у всех компаний в выборке, а премию к оценке получают те, кто построил под ИИ нечто структурное — в дизайне бизнес-модели или архитектуре сети, а не в качестве модели, наборе функций или объёме данных. Осторожная формулировка самого автора: если вы не можете ответить на вопрос, что в вашем бизнесе переживёт конкурента, стартующего сегодня с большим капиталом и лучшей моделью, вы строите продукт, а не силу.
Комментарии · 0
Войдите, чтобы участвовать в обсуждении.