Як побудувати AI-native company, в яку інвестують і яку хочуть купувати

Компанія: Crowe Mirkailenko

Посада: Business advisory partner, advisory board member

 

Тетяна Гончаренко, членкиня Наглядової ради та партнерка бізнес-адвайзері Crowe Mikhailenko, у своєму виступі запропонувала подивитися на тему AI-native компаній не з боку хайпу, а з боку бізнес-архітектури, інвестиційної логіки та реальної вартості. У фокусі розмови були два питання: як зрозуміти, що компанія справді є AI-native, і як оцінити, чи можна в такий бізнес інвестувати, чи можливо його продати з високим мультиплікатором.

Тема сьогодні здається очевидною: штучний інтелект всюди, новини про нього з’являються щодня, великі технологічні гравці постійно запускають нові продукти, держави вводять регулювання, а компанії масово декларують впровадження AI у свої процеси. На цьому тлі створюється відчуття, що весь ринок уже рухається в один бік і що майже кожен бізнес, який має під капотом штучний інтелект, автоматично стає більш цінним. Але саме тут, за словами Тетяни Гончаренко, і починаються найважливіші нюанси.

Ринок AI справді величезний і продовжує зростати, але якщо дивитися не лише на заголовки, а глибше в цифри й реальні кейси, картина стає значно менш романтичною. Сьогодні вже майже не мати штучного інтелекту вбудованим у продукт — поганий тон, але сам факт наявності AI ще не означає ані кратного зростання ефективності, ані автоматичного підвищення оцінки компанії. Значна частина цифрових трансформацій, особливо у великих організаціях, на практиці не призводить до тієї доданої вартості, яку обіцяли на старті. Компанії заявляють, що автоматизують процеси, звільнять половину людей і стануть у кілька разів ефективнішими, але в реальності впровадження AI часто дає покращення лише в окремих частинах бізнесу й далеко не завжди змінює економіку компанії радикально.

Саме тому важливо відрізняти AI-assisted бізнес від AI-native компанії. Більшість сучасних компаній поки що належать саме до першої категорії. Це ситуація, коли бізнес існував і без штучного інтелекту, але тепер окремі процеси, які раніше виконувалися людьми повільніше або менш якісно, передані автоматизованим інструментам. У такому сценарії компанія стає більш цифровою, менш залежною від ручної праці, але ефект найчастіше обмежується приростом ефективності на 10–30%. Це корисно, але не настільки сильно впливає на комерційну цінність, щоб автоматично змінити мультиплікатор оцінки.

AI-native логіка починається там, де бізнес не просто “використовує AI”, а з нуля спроєктований навколо нього. Ідеться не про те, як штучний інтелект допоможе зробити одну функцію швидше, а про те, як сконструювати систему, у якій без AI продукту взагалі не існує, а роль людини залишена лише там, де вона справді критично необхідна. У такій конфігурації змінюється не окремий процес, а вся архітектура компанії. А разом із цим змінюється і масштаб потенційної ефективності, і спосіб, у який формується вартість бізнесу.

У центрі цієї логіки лежить одна важлива ідея. AI-native компанія — це не компанія, в якій просто все автоматизовано, і не компанія, де всюди “прикрутили” штучний інтелект. Це той тип бізнесу, який окремо ні людина, ні AI створити не можуть. Працює лише їхня суперпозиція. Саме там, де людина разом зі штучним інтелектом створює нову модель цінності, виникає справжній AI-native бізнес. На думку Тетяни Гончаренко, саме пошук таких конструкцій і є одним із головних викликів для ринку на найближчі роки.

Найгірше, що може зробити компанія в процесі трансформації, — просто перенести існуючий людський бізнес у той самий вигляд, але замінити окремих людей на AI-агентів. Зовні це може виглядати як модернізація, але насправді такий підхід переносить у нову систему всі старі архітектурні вади. Якщо бізнес спочатку був збудований неефективно, то заміна частини людей на AI не зробить його AI-native. Вона лише створить ту саму слабку архітектуру, тільки вже на іншому технологічному рівні.

Тому перше питання, яке має поставити собі власник бізнесу, звучить так: як перепридумати архітектуру компанії з нуля? Навіть якщо трансформація відбувається на базі вже існуючого бізнесу, мінімально необхідним кроком є не латання старого, а кардинальне переосмислення того, як компанія має працювати. У цьому сенсі власник бізнесу неминуче стає архітектором системи. І саме цю функцію, підкреслює Тетяна Гончаренко, штучний інтелект ще довго не зможе повністю забрати.

Окрема складність пов’язана з людською стороною трансформації. Люди часто є найбільшим гальмом впровадження AI, але не тому, що вони обов’язково неправі чи “не розуміють майбутнього”. Коли змінюється архітектура системи, змінюються й ролі. І значна частина висококваліфікованих фахівців має стати не тільки експертами у своїй предметній галузі, а й операторами нових процесів, постановниками задач для AI, контролерами й інтерпретаторами його результатів. Це інший тип роботи, інший тип мислення, інша внутрішня мотивація. Саме тому в реальній трансформації інколи простіше перебудовувати систему з менш досвідченими, але готовими до змін людьми, ніж із дуже сильними фахівцями, які внутрішньо чинять опір цифровій трансформації.

Ще один важливий розподіл, на якому наголошує Тетяна Гончаренко, — це різниця між GPT-обгортками, AI-feature продуктами і справді AI-native компаніями. Перший рівень — це численні рапери навколо GPT або Claude, які намагаються подати себе як інноваційний AI-продукт, але насправді спираються на чужу базову технологію без власного захисту. Більшість таких компаній, на її думку, великі гравці просто “приб’ють” на одному з наступних етапів ринку. Другий рівень — це SaaS-компанії, які активно вбудовують AI-функції у вже існуючий продукт. Саме так ринок намагається захищатися від деградації оцінок: класичні SaaS-компанії за останні роки дуже сильно постраждали через усвідомлення того, що багато їхніх функцій можна дешево відтворити на нових AI-інструментах. І лише третій рівень — справжні AI-native компанії, де вся взаємодія, весь продукт і вся цінність органічно побудовані на штучному інтелекті. Без нього такого продукту просто не існує.

При цьому ринок розвивається не у вакуумі. Велику роль починає відігравати регуляторика. Європейський Союз і окремі держави посилюють юридичний тиск на компанії, які використовують AI, намагаючись мінімізувати ризики маніпуляції даними, захищати користувачів і водночас враховувати геополітичні фактори. І тут виникає нетривіальне питання юрисдикції. Значна частина улюблених моделей та інструментів — американські. Це означає, що для європейських компаній у майбутньому не виключені як нові юридичні обмеження, так і залежність від політичних рішень, які можуть впливати на доступ до інфраструктури чи окремих моделей. Якщо уявити екстремальний сценарій, навіть звичний доступ до AI-сервісів може виявитися не гарантованим. А отже, при побудові AI-native компанії потрібно думати не лише про продукт, а й про доступ до обчислювальних потужностей, резервні варіанти й інфраструктурну стійкість.

Саме в цій точці Тетяна Гончаренко пропонує дивитися на бізнес ширше. Вона розмежовує традиційний бізнес, digital-first компанії та AI-native компанії як три різні категорії створення цінності. У традиційному бізнесі, навіть дуже добре цифровізованому, масштабування все одно залежить від кількості людей і фізичних просторів. Основна цінність такого бізнесу — це активи та бренд. У digital-first компанії цінність уже створюється в цифровому середовищі, рішення приймаються на основі даних, а масштабування відбувається не за рахунок людей, а за рахунок розширення цифрової присутності. Там основним джерелом вартості часто стає network effect. У AI-native компанії параметри зовсім інші: спеціально навчені моделі, здатність працювати з конкретними наборами якісних даних, прийняття рішень у реальному часі, можливість мультиплікативного масштабування і сильна інтелектуальна власність навколо моделі та алгоритмів навчання.

Особливо показовим є приклад із нішевою моделлю штучного інтелекту, створеною теоретичними математиками, про який згадує Тетяна Гончаренко. Її клієнтська компанія побудувала модель, яку можна застосовувати в багатьох різних індустріях, і зараз основне питання для неї — не чи є комерційна цінність, а в яку бізнес-модель краще піти першою. Це вже зовсім інший рівень свободи: якщо один прикладний ринок не “зайде”, компанія може перейти в інший без руйнування своєї основної технологічної цінності. У цьому й полягає одна з найсильніших ознак AI-native активу: його базова модель має бути цінною не лише в одному прикладному сценарії.

Водночас однією з найважливіших рис такого бізнесу стає захищеність. Зараз ринок дедалі жорсткіше оцінює не тільки фінансові показники або темп зростання, а й те, наскільки легко результат компанії можна повторити. Значна частина стартапів на стадіях A, B і навіть C найближчими роками може загинути саме тому, що те, що вони будували роками й за великі гроші, тепер можна повторити швидше, дешевше і більш адаптивно з використанням AI. Хорошим захистом сьогодні вважається ситуація, коли повторити ваш результат конкурент зможе щонайменше за 12 місяців. Якщо ж це можна скопіювати за кілька тижнів або місяців, проблема в дефенсибіліті буде дуже серйозною.

Управління таким бізнесом також змінюється. У традиційній компанії ключові рішення постійно приймають люди. У AI-native компанії значна частина рішень уже може прийматися автономною налаштованою системою. Це змінює вимоги до якості моделі, до якості й розмітки даних, до стабільності роботи навіть без постійної підтримки команди. І саме тут на перший план виходить те, що буде реально оцінювати інвестор або покупець: точність моделі, доступ до якісних і реальних розмічених даних, здатність моделі жити й розвиватися без ручного втручання на постійній основі, стійка unit economics, а також зареєстровані права на інтелектуальну власність.

Окремий акцент Тетяна Гончаренко робить на документації та залежності від ключових людей. Сьогодні навіть великі компанії з хорошою виручкою можуть виявитися фактично “непродажними”, якщо їхня документація в хаосі, а знання про те, як працює AI-компонент, зосереджені в голові однієї технічної людини. При цьому саме зараз інструменти для ведення документації, фіксації рішень і систематизації знань стали в рази доступнішими завдяки тому ж AI. Якщо компанія цього не робить, вона буквально втрачає частину власної вартості.

Коли йдеться про оцінку AI-native бізнесу, на перше місце виходять дані. Причому не просто будь-які дані, а якісні, унікальні або принаймні важкодоступні для інших. Далі — можливість навчати модель на цих даних, сама натренована модель, IP навколо неї, команда, яка здатна довести продукт до наступного рівня, юридична спроможність працювати в обраній юрисдикції та інфраструктура, яка підтримує модель. Останній пункт сьогодні стає критичним: доступ до обчислювальних потужностей усе більше концентрується в руках великих гравців, а отже, навіть цей фактор може прямо впливати на вартість активу.

Що стосується базових метрик для оцінки якості компанії перед інвестицією або продажем, Тетяна Гончаренко називає кілька практичних орієнтирів. Рівень автоматизації вважається хорошим, якщо компанія змогла автоматизувати до половини своїх процесів. Точність моделі має рухатися до менш ніж 2–5% помилок. Дані повинні оновлюватися в ідеалі щодня; поганий варіант — рідше ніж раз на місяць. Має відстежуватися прямий зв’язок виручки з інтеграцією штучного інтелекту. Частка власних тренувальних даних на рівні 30–60% — прийнятна, понад 60% — вже добре. І, звісно, bus factor: компанія не повинна розсипатися, якщо з неї тимчасово або назавжди випаде одна критично важлива людина.

На цьому тлі особливо цікавим є питання мультиплікаторів. За словами Тетяни Гончаренко, традиційний SaaS сьогодні часто продається вже в діапазоні приблизно 5–12X. Ринок дедалі обережніше ставиться до класичних software-as-a-service компаній, тому що велика частина з них може бути частково або повністю замінена дешевшими AI-рішеннями. Натомість SaaS із якісно інтегрованим штучним інтелектом і перспективою системного покращення може ситуативно досягати 15–25X. AI-native компанії на рівні обіцянки можуть давати набагато вищі оцінки, а ті, що вже масштабуються, — іще більш вражаючі. Але тут важливо розуміти: нинішній ринок перебуває на нижній частині кривої, і далі оцінки неминуче будуть стабілізуватися. Тобто зараз вікно можливостей відкрите, але воно не залишатиметься таким назавжди.

Хто ж купує такі активи? Перший великий тип покупця — стратегічний. Йому потрібен час, і він не хоче сам будувати складні AI-рішення з нуля. Якщо компанія може вбудуватися в його систему і зробити її AI-native, це реальний привід для купівлі. Саме так багато великих SaaS-гравців колись не писали власну “айшку”, а купували готові рішення. Другий тип — private equity та growth funds. Вони купують можливість зростання, але орієнтуються насамперед на операційну ефективність і зрілу економіку бізнесу. Третій тип — венчурні фонди й ангельські інвестори, які розраховують на вхід за однією оцінкою і вихід за значно вищою, тобто шукають швидкий і драматичний ріст. Для них критичними стають доступ до ринку й здатність компанії дістатися до кінцевого користувача.

У структурі самої угоди щодо продажу такого бізнесу теж є важливі особливості. Ідея “продати компанію, отримати гроші й піти жити щасливо” в реальності працює рідко. Зазвичай 20–30% суми виплачуються тільки після досягнення певних результатів. Передача даних та прав інтелектуальної власності теж відбувається поетапно. Команда, яка побудувала продукт, часто має залишатися всередині бізнесу певний час, щоб усе не розсипалося після угоди. У результаті повний процес продажу часто займає від шести місяців до півтора року.

Для компаній, які ще тільки думають, що робити далі, Тетяна Гончаренко формулює доволі чітку логіку. До раунду B, як правило, оптимальніше думати про залучення інвестицій або грантів, а не про продаж бізнесу. Продаватися рано часто невигідно, тому що ринок просто не заплатить ту суму, яку засновники вважають справедливою. Повноцінно думати про продаж має сенс уже тоді, коли компанія має стабільну позицію на ринку й може підтвердити свою вартість не мріями, а фактами.

Окремий важливий блок — це помилки. Найпоширеніша з них — голосно заявляти “у нас AI”, коли на практиці немає ані серйозної архітектури, ані справжньої моделі, ані реальної цінності від AI. Друга — бардак у даних. Навіть якщо бізнес не планує ставати AI-native, в умовах сучасного розвитку штучного інтелекту система управління знаннями вже є обов’язковою. Третя — залежність від однієї людини, зазвичай технічної. Четверта — неправильний таймінг, коли компанія виходить до інвестора або покупця раніше, ніж достатньо укріпилася. П’ята — ігнорування регуляторних ризиків і загальної крихкості доступу до цифрової інфраструктури.

У питанні трансформації Тетяна Гончаренко пропонує дуже тверезий підхід. Перед тим як перебудовувати чинний бізнес у AI-native, варто чесно запитати себе: а чи не простіше не перебудовувати старий бізнес, а поруч побудувати новий? Трансформація майже завжди дуже дорога, дуже болюча й далеко не завжди закінчується успішно. Тому для багатьох власників хороший варіант — залишити існуючий бізнес достатньо цифровим і ефективним, а паралельно створити новий, “канібалістичний”, який у перспективі сам витіснить стару модель. Для українського бізнесу, підкреслює вона, це теж цілком робочий сценарій.

Якщо ж трансформація все-таки неминуча, то це, як правило, кількарічний шлях. Спочатку потрібен повний аудит, розуміння реальної ситуації з даними, перші швидкі перемоги і проєктування нової архітектури. Далі — створення власної моделі, запуск data feedback loop і регулярний вимір ефективності. І лише потім — переведення більшої частини процесів на AI, системний data room із зафіксованим IP і переговори з реальними інвесторами або покупцями.

Підсумовуючи, Тетяна Гончаренко формулює просту, але дуже важливу тезу. AI-native — це не набір модних фіч, не яскрава презентація і не факт використання GPT десь усередині продукту. Це операційна ДНК бізнесу, його архітектура, спосіб масштабування і спосіб створення цінності. Вікно можливостей для такого типу компаній зараз справді відкрите, ринок великий, оцінки високі, але пустять туди далеко не всіх. І саме тому перш ніж бігти перебудовувати бізнес або називати себе AI-native, варто двічі й дуже чесно оцінити, що в компанії є насправді, які ризики вона несе, що саме захищає її результат і чому ринок має повірити, що це не просто ще одна гучна історія про “AI, AI, AI”, а справді цінний актив майбутнього.