Ramp та Stripe створюють нові джерела доходу навколо завдань, що виконуються за допомогою ШІ

Автор: Simon Taylor

Переклад: Shenchao TechFlow

Огляд Shenchao: Штучний інтелект принес не лише підвищення ефективності, а й нові завдання, яких раніше не існувало: витрати на токени, агентські ідентифікації, маршрутизація моделей. Ramp і Stripe вже створили нові джерела доходу навколо цих завдань; їхній нарратив про оцінку — це не просто зростання, а ставка на AI-натуральні рішення. Розуміння цієї карти «нових завдань» допоможе інвесторам розрізнити, хто отримує прибуток, а хто буде виключений.

🧠 Штучний інтелект створив нові запитання клієнтів

Саме тут формується наступне покоління фінансових продуктів. Витрати на токени, агентські ідентифікації та маршрутизація моделей майже не існували до появи ШІ.

Ramp недавно зібрала 750 мільйонів доларів за оцінкою в 44 мільярди доларів. Можливо, їй ці гроші й не потрібні, але цей раунд інвестування купує не просто вражаючий ріст, а більше — послідовну історію про те, щоб стати AI-натуральним.

Ця історія вірогідна, оскільки вона перебудовується навколо завдань клієнтів, створених ШІ. Наприклад, Router знаходить для кожного запиту модель з найнижчою вартістю та найвищою якістю, що, за даними Ramp, дозволяє клієнтам зекономити 40% витрат. Stripe збирає подібний технічний стек: на нижньому рівні — платежі, Metronome відповідає за вимірювання та облік за використанням, а на верхньому рівні — OpenRouter маршрутизує трафік між більш ніж 400 моделями. За повідомленнями, за верхній рівень було сплачено понад 7 мільярдів доларів США.

Кожен інвестор, особливо інвестори з орієнтацією на зростання, шукають компанії, які вигодовують від швидкого розвитку ШІ і стають через це більш стійкими. Вони хочуть тримати переможців і уникати переможених.

Цього тижня я поговорив із трьома засновниками. Усі троє майже завершили велике фінансування під назвою AI-native. Усі троє задали мені майже однакові питання:

Як нам слід позиціонувати себе як AI-натуральних? Яким має бути наш продукт?

Вони запитують про проблему з позиціонуванням. Я вважаю, що відповідь — у проблемі з продуктом.

Цей статтю — моя відповідь.

Швидка карта:

На якій позиції ви перебуваєте: приймач, користувач чи корінний житель

Штучний інтелект створив сходинки завдань: краще виконувати старі завдання; нові завдання поруч із основними; нові завдання, які ніхто не вирішив

Чому ваш агент потребує стратегії розподілу

Що зараз робити

Найкорисніша думка Клейтона Крістенсена для цієї статті: клієнти не купують ваш продукт, вони наймають продукт, щоб виконати певне завдання.

Завдання у фінансовій сфері включають: сплату моїх витрат, перевірку моїх рахунків-фактур, допомогу у боротьбі зі шахрайством. Ці завдання існували ще до появи ШІ. Сучасні моделі можуть виконувати частину з них швидше, дешевше і з меншою кількістю людських зусиль, але клієнти, прокинувшись, все ще хочуть того ж самого.

Штучний інтелект також створив другий тип завдань: моніторинг моїх витрат на токени; маршрутизація кожного запиту на висновок до найкращої моделі; дозвіл моєму агенту купувати речі, не передаючи повного доступу до моєї особистості та банківського рахунку.

До того як ШІ виникли ці проблеми, у нікого не було цих завдань.

Я думаю про те, як стати AI-натуральним, використовуючи матрицю 2x2.

Завдання: Старі завдання клієнтів завжди існували (наприклад, управління шахрайством), тоді як завдання, створені за допомогою ШІ, з’явилися разом із технологіями (наприклад, управління витратами на мій токен).

Компанія: компанія або продукт, який існував до AI, або компанія, яка існує лише завдяки AI.

Покласти їх разом, і вони виглядають так?

Завдання для існуючих клієнтів

Завдання клієнта, створене штучним інтелектом

Вже існуючі компанії / продукти

Nubank / NuFormer

Ramp та Stripe

Не може існувати без сучасного ІІ

Гарві, Хебія та Рого

OpenRouter та fal

Зліва вгорі — глибина використання. Nubank використовує NuFormer для кращих кредитних рішень, але підписання — це давнє банківське завдання.

У лівому нижньому куті — розташування Harvey, Hebbia та Rogo: ці продукти не могли існувати до появи сучасних моделей, а виконують роботу з юридичних і фінансових досліджень, яка існувала давно.

Праворуч знаходиться попутний вітер. Коли AI пропонує клієнтам нові речі для покупки, Ramp і Stripe вже мають бізнес. OpenRouter і fal мають сенс лише тому, що інференс перетворився на галузь.

Це також означає, що компанія може займати більше одного квадрата. Витратні продукти Ramp розташовані в лівому верхньому куті. Їхній токен-панель і Router — у правому верхньому. Платіжний бізнес Stripe — у лівому верхньому куті; Metronome і OpenRouter перетягнули їх до правої частини таблиці. Речі рідко можна чітко розмістити в матриці 2x2.

Тож дозвольте мені запропонувати вам ще одну ідею.

Я виявив три ярлики, які добре описують позицію компанії:

Клієнти використовують AI для задоволення своїх існуючих потреб. Можливо, вони додали пасажира на переднє сидіння. Тут є реальна цінність. Вони можуть бути швидшими, дешевшими та більш стислими, але структура продажового каналу залишається незмінною. Більшість SaaS-компаній, які додали агента, належать до цієї категорії.

Отримувачі краще виконують старі завдання та використовують нові потреби, які створює ШІ поруч. Ramp або Stripe — найчистіші приклади. Управління витратами залишається ключовим завданням; управління витратами на токени та маршрутизація моделей — це нові джерела доходу поруч.

Перші народи існують через новий попит. OpenRouter маршрутизує запити між більш ніж 400 моделями. fal масштабно виконує інференс генеративних медіа. У світі, де немає інференсу на продаж, жодна з цих компаній не мала б бізнесу.

Ця інфографіка показує, звідки походить попит.

Завдання розповідає вам, де можуть бути можливості. Стати нативним AI — це сходинки: на дні — знайоме, на вершині — ще не вирішені величезні проблеми. Тож давайте разом підніматися вгору.

AI-драйвована модель операцій змінила форму компаній, їхнє управління та операційні системи. Команди створюють надбудови навколо співробітників, підключаючи внутрішні дані, ділячись навичками та змінюючи, хто що може робити. Продуктові менеджери та дизайнири починають завантажувати код. Інженери глибше входять у продукт. Команди створюють власні внутрішні інструменти. (Детальніше див. у звіті про AI-операційну модель.)

Це квиток на вхід. Він дозволяє вам прискоритися, але сам по собі не змінює те, що ви продаєте.

Деякі AI-натуральні продукти обслуговують дуже старі завдання. Це не знижує їхню натуральність.

Перевірка на відповідність, зіставлення документів та електронних листів, правові дослідження та фінансові звіти до появи ШІ були нудною бюрократичною роботою. Beacon, Sardine*, Gradient Labs, Harvey, Hebbia та Rogo за допомогою сучасних моделей агрегують сотні документів та джерел даних, а потім надають відповіді або керують процесами. Такі продукти кілька років тому були неможливі. Але самі завдання дуже давні.

Я консультант Sardine.

Якщо ви займаєтеся управлінням витратами, обліком або допомогою людям у сплаті, старі завдання для клієнтів все ще існують, але поруч з ними з’явилися й нові завдання. Є кілька різних варіантів.

Завдання: Допоможіть мені керувати використанням ШІ. Панель токенів Ramp — це завдання, створене ШІ, яке живе вже існуючому продукті. Ви можете заперечити, що панель витрат не є новою: Vantage та Datadog уже багато років цінують хмарні та обчислювальні витрати. Різниця — у рахунках. До того як ШІ надавав вам рахунок за токени, ніхто не мусив класифікувати, прогнозувати чи розрізняти витрати на токени як COGS чи OpEx. На Ramp витрати на токени ШІ зросли у 20,7 рази з червня 2025 року по червень 2026 року. Metronome, який тепер належить Stripe, знаходиться на іншому кінці цього завдання — він відповідає за вимірювання та нарахування таких витрат.

Працюйте: підключіть ваш продукт до мого агента та виконайте завдання. Компанії, такі як Mercury, Visa, Ramp тощо, запускають інтерфейси командного рядка (CLI). Старійшина Stripe випустила свій CLI сім років тому. Але після запуску Claude Code використання різко зросло. CLI — це інтерфейс, який використовує командний рядок (термінал), а не додатки чи веб-сайти. Агенти вважають такі інтерфейси зручнішими для навігації. Крім того, використання CLI споживає значно менше токенів. Наприклад, запуск Ramp CLI у режимі --agent повертає транзакцію у форматі JSON — близько 105 токенів. Той самий запит у режимі --human вимагає 280 токенів для форматування та відображення. Ось чому це інтерфейс, розроблений для «нелюдських клієнтів».

Працюйте над тим, щоб ваш магазин був виявлений AI-агентами. Приблизно третина покоління Z зараз використовує AI замість Google для дослідження, що купити. Якщо ваш магазин і SKU не з’являються там, ви можете пропустити можливості. Компанії, такі як Shopify, WooCommerce, а також платіжні сервіси (PSP), які допомагають онлайн-продавцям, зараз також оптимізують цей аспект.

Штучний інтелект створив цілий клас потреб поруч із вашим існуючим бізнесом. Ваша можливість — створити інтерфейси для задоволення цих потреб. Не потрібно відразу повністю трансформувати весь бізнес.

Але уявіть майбутнє: агенти становлять 80–90% інтернет-трафіку, бізнесу та економіки. Якщо це хоча б трохи правда, як ви переосмислите компанії та історії? Яка ваша основна одиниця цінності? Як вона застосовується до цього клієнта?

У цьому мисловому експерименті ми повинні позбутися думки про те, що ШІ — це додаткова функція, що додається до існуючого бізнесу.

Деякі проблеми існували до вибуху штучного інтелекту. Вони також не походять лише від простого використання ШІ.

Як я можу довіряти цьому агенту, що обробляє мої дані або приймає рішення? Ми входимо у світ, де сторонні розроблені агенти можуть взаємодіяти з вашим бізнесом. Вам потрібен спосіб забезпечити їх безпеку, надійність, захист приватності та наявність юридичної особи, яка несе відповідальність. Проста модель — це коли агент розташований всередині SaaS-провайдера, з яким у вас вже є угоди. Але агенти все частіше стають самим продуктом. Вони можуть походити з лабораторій, таких як Anthropic, стартапів або внутрішніх відділів. Я бачу, як компанії створюють або купують оболонки або контрольні площини (наприклад, Primitive), щоб обгорнути цих агентів. Інший підхід — AIUC, метою якого є страхування та сертифікація агентів.

Як я можу довіряти цьому агенту при торгівлі? Якщо агент з’являється в вашому магазині, щоб купити щось, як ви дізнаєтеся про його репутацію або про того, хто його створив? Чи авторизував користувач цього агента для покупок? Зараз існують деякі нові стандарти, такі як A2A від Google, Trusted Agent Protocol від Visa та ідентифікаційні стандарти, які розробляє FIDO. Але ми все ще на дуже ранній стадії. Компанії, такі як Natural Payments, Skyfire та A-comm, вже встановлюють свої позиції тут. Вони керують етапами робочих процесів агентської торгівлі, пов’язаними з реальним переказом грошей агентами.

Як отримати обчислення та інференс з меншими витратами? Brex стверджує, що компанія додасть першого постачальника відкритих обчислень через п’ять місяців після першого виникнення витрат на API OpenAI або Anthropic. П’ять місяців. Хвилину тому ви ще платили моделевим лабораторіям за API, а хвилину по тому ви порівнюєте Together AI, Fireworks і Baseten. Ви вирішуєте, де запускати завдання, і запитуєте фінансову команду, як хеджувати витрати. Штучний інтелект створив програмний ланцюжок постачання, а потім почав будувати під ним капітальну структуру. Nvidia та Волл-стріт намагаються мобілізувати 500 мільярдів доларів навколо цього рівня.

Джерело: Brex Benchmark; дані про картки та оплату рахунків Brex, січень 2021 року – червень 2026 року

Ці завдання більші за функції. Вони охоплюють продукт, дані, ідентичність та кошти. Коли вони перетинають продукт, питання полягає в тому, кому клієнти довіряють, що сидить над ними.

Я не хочу вашого агента. Я хочу, щоб мій агент увійшов у ваш продукт.

Більшість комерційних клієнтів у кінцевому підсумку використовуватимуть певну контрольну площину або оболонку: місце для оркестрування агентів, якими вони володіють, та інструментів, якими користуються. Фінансовий агент CFO, кодувальний агент інженера та агент закупівель команди операцій будуть керувати бюджетом, авторизацією та спостереженням з рівня, розташованого над продуктом.

Споживачі також матимуть свою версію. Незалежно від Grokbot чи Instinct, нових споживчих додатків від OpenAI чи Google, чи Apple нарешті зробить Siri менш поганою, завжди знайдеться щось, що враховує інтереси користувачів поза межами продукту.

Гаррі Тан правильно описав загрози, з якими стикається існуюче програмне забезпечення:

Системи запису вже мають необхідні дані, дозволи та розподіл для оболонки. Їхня проблема полягає в тому, що новий оркеструючий шар може розташуватися над ними, перетворюючи кожен нижній продукт на викликаємого постачальника.

Це дає три стратегічні варіанти:

Володійте організацією. Ставтеся до цього як до місця, де клієнти можуть переглядати, авторизовувати та керувати кожним агентом.

Майте надійну точку контролю. Навіть якщо інші мають оболонку, ідентичність, репутація, маршрутизація, закупівлі та розрахунки залишаються цінними.

Станьте найбільш доступним продуктом для кожного важливого оболонки. CLI, API та інтерфейси агентів — це розповсюдження. (Це правильна відповідь для більшості з вас, більше, ніж ви думаєте)

Salesforce та ядерні системи банків не збираються легко відмовлятися від своїх вже наявних в’язких клинів. Це не чисто теорія агрегації. Системи запису можуть стати оболонками; експерти можуть мати контрольні точки; продукти можуть розповсюджуватися через все це.

Ця напруга саме й є ключовою. Призом може бути контрольна площина. А може — те необхідне, що потрібне кожній контрольній площині.

Повернімося до трьох засновників, про яких я розповідав.

Відповідь завжди працює. Визначте продукт-слідкувач.

Знайдіть роботу, яку AI створює поруч із уже наданими вами цінностями. Створіть для неї інтерфейс.

Потім вирішіть, як він поширюється. Ви можете мати оболонку з надійною точкою керування всередині неї або перетворити її на продукт, який можна елегантно викликати з усіх оболонок.

Ось що означає переобрети себе. Ти починаєш з використання ШІ для ведення себе. Ти використовуєш його, щоб краще виконувати стару роботу. Потім ти піднімаєшся до робіт, яких не існувало до того, як модель викликала проблеми у клієнтів.

Ramp досяг 44 мільярдів доларів не тому, що найкраще керував витратами. Він досяг цього, тому що інвестори вірили, що ШІ здатний постійно створювати новий попит поруч із ядром. А Ramp встиг захопити цей темп.

Виберіть роботу. Виберіть інтерфейс. Розподіліть його.

(За стандартами фінансових компаній, зростання Ramp є надзвичайним: TPV (загальний обсяг обробки) на 3 місяці зростає на 170% у порівнянні з попереднім роком — це найшвидший темп за три роки, а розмір його бізнесу збільшився в 20 разів.)