Ramp и Stripe создают новые источники дохода на основе задач, управляемых ИИ

Автор: Simon Taylor

Перевод: Shenchao TechFlow

DeepChaо обзор: ИИ принес не только повышение эффективности, но и новый набор задач, которых раньше не существовало: расходы на токены, агентские идентификаторы, маршрутизация моделей. Ramp и Stripe уже создали новые источники дохода вокруг этих задач; их оценочные нарративы основаны не просто на росте, а на ставке на нативный ИИ. Понимание этой карты «новых задач» поможет инвесторам определить, кто получает выгоду, а кто будет вытеснен.

🧠 ИИ создал новые клиентские вопросы

Решение этих проблем — именно то, где формируются финансовые продукты следующего поколения. Расходы на токены, агентские идентификаторы и маршрутизация моделей практически не существовали до появления ИИ.

Ramp недавно привлекла 750 миллионов долларов по оценке в 44 миллиарда долларов. Ей, возможно, и не нужны эти деньги, но в эту сделку вложились не просто в впечатляющий рост, а в более масштабную идею* — в последовательный нарратив о том, как стать AI-натуральным.

Эта история правдоподобна, поскольку она перестраивается вокруг задач клиентов, созданных ИИ. Например, Router находит для каждого запроса модель с наименьшей стоимостью и наивысшим качеством, что, по данным Ramp, позволяет клиентам сэкономить до 40% расходов. Stripe собирает аналогичный технологический стек: в основе — платежи, Metronome отвечает за измерение и выставление счетов по фактическому использованию, а на верхнем уровне OpenRouter направляет трафик между более чем 400 моделями. Сообщается, что на верхнем уровне было оплачено более 7 миллиардов долларов.

Каждый инвестор, особенно ростовой инвестор, ищет компании, которые受益于 AI 的快速起飞并因此变得更持久。他们想持有受益者，尽量别持有受害者。

На этой неделе я поговорил с тремя основателями. Все трое почти завершили крупное финансирование под названием AI-native. Все трое задали мне примерно одинаковые вопросы:

Как нам следует позиционировать себя как AI-натуральные? Каким должен быть наш продукт?

Они спрашивают о проблеме с позиционированием. Я считаю, что ответ — это проблема продукта.

Эта колонка — мой ответ.

Быстрая карта:

На какой позиции вы находитесь: принятый, получатель или коренной житель?

ИИ создал иерархию задач: улучшить старые задачи; новые задачи рядом с ядром; новые задачи, которые никто не решил

Почему вашему прокси нужна стратегия распределения

Что теперь делать

Самая полезная для этой статьи мысль Клейтона Кристиансена заключается в том, что клиенты не покупают ваш продукт — они нанимают его для выполнения определенной задачи.

Задачи в сфере финансов включают: возмещение моих расходов, сверку моих счетов-фактур и помощь в управлении моими мошенническими операциями. Эти задачи существовали еще до появления ИИ. Современные модели могут выполнять часть из них быстрее, дешевле и с меньшим участием человека, но клиенты, проснувшись, по-прежнему хотят того же самого.

ИИ также создал второй тип задач: мониторинг моих расходов на токены; маршрутизация каждого запроса на вывод на оптимальную модель; покупка товаров моим агентом без передачи всей личности и банковского счета.

До того как ИИ породил эти проблемы, у никого не было таких задач.

Я думаю о том, как стать нативным ИИ, через матрицу 2x2.

Задачи для постоянных клиентов всегда существовали (например, управление мошенничеством), а задачи, созданные ИИ, появились вместе с технологией (например, управление расходами моего токена).

Компания: компания или продукт, существовавшие до появления ИИ, или компания, существующая только благодаря ИИ.

Сложить их вместе, будет выглядеть так?

Задание для существующих клиентов

Задачи клиента, созданные ИИ

Существующие компании / продукты

Nubank / NuFormer

Ramp и Stripe

Невозможно существовать без современного ИИ

Харви, Хеббиа и Рого

OpenRouter и fal

В левом верхнем углу — использование глубины. Nubank использует NuFormer для принятия лучших решений по кредитованию, но кредитный анализ — это древняя банковская задача.

В левом нижнем углу находятся Harvey, Hebbia и Rogo: эти продукты не могли существовать до появления современных моделей, но они занимаются юридическими и финансовыми исследованиями, которые существовали давно.

Справа находится попутный ветер. Когда ИИ предлагает клиентам новые вещи для покупки, Ramp и Stripe уже имеют бизнес. OpenRouter и fal имеют значение только потому, что вывод стал отраслью.

Это также означает, что компания может занимать более одной ячейки. Расходные продукты Ramp находятся в левом верхнем углу. Их токен-панель и Router — в правом верхнем углу. Платежный бизнес Stripe находится в левом верхнем углу; Metronome и OpenRouter переместили его в правую часть таблицы. Редко что-то можно аккуратно поместить в матрицу 2x2.

Так что позвольте мне еще раз представить вам одну концепцию.

Я обнаружил, что три ярлыка отлично описывают позицию компании:

Пользователи используют ИИ-сервисы для удовлетворения своих существующих потребностей. Возможно, они добавили пассажира на переднее сиденье. Здесь есть реальная ценность. Они могут быть быстрее, дешевле и более оптимизированы, но структура воронки продаж остается неизменной. Большинство SaaS-компаний, добавивших агента, относятся к этой категории.

Пользователи лучше выполняют старые задачи и используют новые возможности, созданные ИИ рядом. Ramp и Stripe — самые чистые примеры. Управление расходами остается ключевой задачей; управление стоимостью токенов и маршрутизация моделей — это новые источники дохода рядом.

Индigenous существуют из-за новых потребностей. OpenRouter направляет запросы между более чем 400 моделями. fal масштабно запускает инференс генеративных медиа. В мире, где нет инференса для продажи, у обеих компаний не было бы бизнеса.

Эта диаграмма показывает, откуда исходит спрос.

Задачи показывают, где могут быть возможности. Быть нативным ИИ — это поэтапный процесс: внизу — то, что знакомо, вверху — ещё не решённые великие проблемы. Давайте вместе подниматься вверх.

AI-драйверная модель операций изменила форму компании, управление и операционные системы. Команды создают внешние модули вокруг сотрудников, подключают внутренние данные, делятся навыками и меняют то, кто может做什么. Продуктовые менеджеры и дизайнеры начинают выкладывать код. Инженеры углубляются в продукт. Команды создают собственные внутренние инструменты. (Больше информации см. в отчете о AI-операционной модели.)

Это билет на вход. Он позволяет вам ускориться, но сам по себе не меняет то, что вы продаете.

Некоторые AI-натуральные продукты обслуживают очень старые задачи. Это не снижает их натуральность.

До появления ИИ проверка на соответствие требованиям, сверка документов и электронной почты, юридические исследования и финансовая отчетность были трудоемкой бумажной работой. Beacon, Sardine*, Gradient Labs, Harvey, Hebbia и Rogo используют современные модели для агрегирования сотен документов и источников данных, а затем предоставляют ответы или управляют процессами. Эти продукты несколько лет назад были невозможны. Но сами задачи очень древние.

Я консультант Sardine.

Если вы занимаетесь управлением расходами, управлением счетами или помогаете людям совершать платежи, старые задачи по работе с клиентами по-прежнему существуют, но рядом с ними появились и новые задачи. Есть несколько разных вариантов.

Задача: Помогите управлять использованием ИИ. Панель токенов Ramp — это задача, созданная ИИ, которая существует внутри уже существующего продукта. Вы можете возразить, что панель расходов не нова: Vantage и Datadog уже много лет ценят облачные и вычислительные расходы. Разница — в счетах. До тех пор пока ИИ не выдал вам счет за токены, никто не нуждался в классификации, прогнозировании или разделении стоимости проданных товаров (COGS) и операционных расходов (OpEx). На Ramp расходы на токены ИИ выросли в 20,7 раза с июня 2025 по июнь 2026 года. Metronome теперь принадлежит Stripe и находится на другом конце этой задачи, отвечая за измерение и выставление счетов за такое использование.

Работа: подключите мой агент к вашему продукту и выполните задачу. Компании, такие как Mercury, Visa и Ramp, внедряют интерфейсы командной строки (CLI). Старая компания Stripe выпустила свой CLI семь лет назад. Однако после запуска Claude Code использование резко возросло. CLI — это интерфейс, использующий командную строку (терминал), а не приложение или веб-сайт. Агенты считают такие интерфейсы более удобными для навигации. Кроме того, использование CLI потребляет значительно меньше токенов. Например, при запуске Ramp CLI в режиме --agent транзакция возвращается в формате JSON, примерно 105 токенов. При запуске той же транзакции в режиме --human требуется 280 токенов для форматированного отображения. Это интерфейс, созданный специально для «нечеловеческих клиентов».

Работа: заставьте ваш магазин быть обнаруженным ИИ-агентами. Примерно треть поколения Z сейчас использует ИИ вместо Google для исследования покупок. Если вашего магазина и SKU там нет, вы можете упустить возможности. Shopify, WooCommerce и другие компании, а также платежные сервисы (PSP), помогающие онлайн-продавцам, сейчас также оптимизируют эту область.

Искусственный интеллект создал целый класс потребностей рядом с вашим существующим бизнесом. Ваша возможность — создать интерфейсы для удовлетворения этих потребностей. Не нужно сразу полностью трансформировать весь бизнес.

Но представьте будущее: агенты составляют 80–90% интернет-трафика, бизнеса и экономики. Если это хоть немного правда, как бы вы переосмыслили компанию и повествование? Какова ваша основная единица ценности? Как она применяется к этому клиенту?

В этом мысленном эксперименте мы должны отказаться от представления ИИ как дополнительной функции, добавляемой к существующему бизнесу.

Некоторые проблемы не существовали до взрыва ИИ. Они также возникают не только из-за простого использования ИИ.

Как я могу доверять этому агенту, обрабатывающему мои данные или принимающему решения? Мы входим в мир, где сторонние агенты могут взаимодействовать с вашим бизнесом. Вам нужен способ гарантировать, что они безопасны, надежны, обеспечивают конфиденциальность и за ними стоит юридическое лицо. Простая модель — агент находится внутри SaaS-провайдера, с которым у вас уже есть корпоративное соглашение. Но агенты все чаще становятся самим продуктом. Они могут исходить из лабораторий, таких как Anthropic, стартапов или внутренних подразделений. Я вижу, как компании создают или покупают оболочки или контрольные плоскости (например, Primitive), чтобы обернуть эти агенты. Альтернативный подход — AIUC, цель которого — страхование и сертификация агентов.

Как я могу доверять этому агенту при совершении сделок? Если агент появляется в вашем магазине, пытаясь что-то купить, как вы узнаете его репутацию или кто его создатель? Был ли агент аутентифицирован пользователем для совершения покупки? Сейчас существуют некоторые новые стандарты, такие как A2A от Google, Trusted Agent Protocol от Visa и стандарты идентичности, которые разрабатываются FIDO. Но мы все еще на очень ранней стадии. Компании, такие как Natural Payments, Skyfire и A-comm, уже начинают занимать позиции здесь — они управляют этапами, на которых агенты фактически совершают платежи в рабочих процессах агентского бизнеса.

Как получить более низкую стоимость инференса и вычислительных ресурсов? Brex сообщает, что компания добавит первого поставщика открытых вычислений через пять месяцев после первого возникновения расходов на API OpenAI или Anthropic. Пять месяцев. Одну минуту вы платите за API лабораториям моделей, а следующую — сравниваете Together AI, Fireworks и Baseten. Вы решаете, где запускать рабочие нагрузки, и спрашиваете финансы, как хеджировать затраты. Искусственный интеллект создал программную цепочку поставок, а затем начал строить под ней капитал-стек. Nvidia и Уолл-стрит пытаются мобилизовать 500 миллиардов долларов вокруг этого уровня.

Источник: Brex Benchmark; данные о картах и платежах Brex, январь 2021 г. – июнь 2026 г.

Эти задачи выходят за рамки функций. Они охватывают продукт, данные, идентичность и средства. Как только они пересекаются с продуктом, вопрос становится в том, кому клиенты доверяют, находящемуся над ними.

Я не хочу ваш агент. Я хочу, чтобы мой агент вошел в ваш продукт.

Большинство корпоративных клиентов в конечном итоге будут использовать ту или иную контрольную плоскость или оболочку: место для оркестровки агентов, которыми они владеют, и инструментов, которые они используют. Финансовый агент CFO, кодировочный агент инженера и агент закупок команды эксплуатации будут управлять бюджетом, авторизацией и наблюдением через слой, расположенный поверх продукта.

Пользователи также будут иметь свою версию. Будь то Grokbot или Instinct, новые потребительские приложения от OpenAI или Google, или то, что Apple в конце концов сделает Siri менее плохой, всегда найдется что-то, что заботится о пользователях через продукты.

Гарри Тан точно описал угрозы, с которыми сталкиваются существующие программные решения:

Системы учета уже имеют необходимые данные, права и распределение для оболочки. Их проблема в том, что новый оркестрационный слой может быть размещен поверх них, превратив каждый нижележащий продукт в вызываемого поставщика.

Это предлагает три стратегических варианта:

Обладайте организацией. Станьте местом, где клиенты могут просматривать, авторизовывать и управлять каждым агентом.

Иметь надежную точку контроля. Даже если другие имеют доступ к оболочке, идентичность, репутация, маршрутизация, закупки и расчеты сохраняют свою ценность.

Станьте самым легко доступным продуктом для каждого важного интерфейса. CLI, API и агентные интерфейсы — это каналы распространения. (Это правильный ответ для большего числа из вас, чем вы думаете)

Salesforce и банковские ядерные системы не будут легко отказываться от своих уже существующих встроенных преимуществ. Это не просто теория агрегации. Системы учета могут превратиться в оболочки; эксперты могут контролировать ключевые точки; продукты могут распространяться через все эти каналы.

Это напряжение и есть суть. Призом может быть управляющая плоскость. Или же это может быть то самое незаменимое, что требуется каждой управляющей плоскости.

Вернёмся к трём основателям, о которых я говорил.

Ответ всегда работает. Позиционируйте как сопутствующий продукт.

Найдите работу, которую ИИ создает рядом с уже доставленной вами ценностью. Постройте для нее интерфейс.

Затем решите, как он будет распространяться. Вы можете иметь оболочку с надежной точкой управления внутри нее или превратить ее в продукт, который можно элегантно вызывать из всех оболочек.

Вот что значит переизобрести себя. Вы начинаете с использования ИИ для управления собой. Вы используете его, чтобы лучше выполнять старые задачи. Затем вы поднимаетесь к новым ролям, которых не существовало до того, как модель начала вызывать проблемы у клиентов.

Ramp достиг 44 миллиардов долларов не потому, что лучше всего управляет комиссиями. Он достиг этого, потому что инвесторы верят, что ИИ будет постоянно создавать новый спрос рядом с ядром. А Ramp успел захватить этот импульс.

Выберите работу. Выберите интерфейс. Распределите её.

(Согласно стандартам финансовых компаний, рост Ramp просто невероятен: TPV (общий объем обработки) на март год к году вырос на 170% — это самый высокий темп за три года, а масштаб его бизнеса увеличился в 20 раз.)