Деньги идут в AI-агентов: как устроен рынок инвестиций

Волна инвестиций в генеративный ИИ, начавшаяся после релиза ChatGPT в конце 2022 года, сместилась. Если в 2023 году деньги собирали разработчики базовых моделей и обёрток-чат-ботов, то к 2024–2025 годам в центре внимания фондов оказались AI-агенты¹ — системы, которые не просто отвечают на вопрос, а выполняют цепочку действий: бронируют, пишут код, обрабатывают заявки, ведут переписку с клиентом. OpenAI выпустила Operator и агентные возможности в API, Anthropic добавила computer use в Claude, Google представила проекты вокруг Project Mariner. Стартапы, обещающие «сотрудника, а не подсказку», стали новой любимой категорией венчура.

Что изменилось в фокусе инвесторов

Разница между чат-ботом и агентом для инвестора — это разница между инструментом и работником. Чат-бот продаёт токены и подписку, агент продаёт результат: закрытую заявку, написанный тикет, проведённую сделку. Это меняет модель монетизации — от платы за сообщения к плате за выполненную задачу или за «рабочее место» ИИ.

Крупные раунды 2024–2025 годов концентрировались вокруг нескольких направлений: агенты для написания кода (Cognition с продуктом Devin, Cursor от Anysphere), агенты для служб поддержки (Sierra, основанная Брет Тейлором), агенты для продаж и поиска (Perplexity как поисковый агент, Harvey для юридических задач). Точные суммы раундов и оценки меняются от сделки к сделке — актуальные цифры сверяйте по отчётам PitchBook или CB Insights, а не по пересказам в соцсетях.

Инвестор больше не спрашивает «какая у вас точность ответа». Он спрашивает «сколько задач ваш агент доводит до конца без человека и что происходит, когда он ошибается».

Куда именно идут деньги

Рынок агентных стартапов удобно разбить по слоям — от инфраструктуры до конечных продуктов. Инвесторы вкладываются в каждый, но с разным аппетитом к риску.

• Инфраструктура и оркестрация. Фреймворки для запуска агентов, память, инструменты вызова функций, мониторинг. Сюда относятся LangChain, LlamaIndex, платформы для наблюдаемости вроде LangSmith. Продают разработчикам, монетизируют через подписку и облако.
• Вертикальные агенты. Решения под конкретную отрасль: право (Harvey), поддержка (Sierra, Decagon), кодинг (Cognition, Cursor), медицина. Здесь выше маржа и понятнее покупатель, но и требования к точности жёстче.
• Горизонтальные помощники. Универсальные «цифровые сотрудники», которые обещают закрывать задачи в любой сфере. Самая раздутая по ожиданиям и самая уязвимая к разочарованию категория.

Почему вертикали растут быстрее

Универсальный агент вынужден быть надёжным во всём, а это пока недостижимо: модели ошибаются, «галлюцинируют», теряют контекст в длинных задачах. Вертикальный агент решает узкую проблему, где ошибку легче поймать и где есть готовая метрика успеха — закрытый тикет, принятый судом документ, прошедший тесты код. Поэтому в раундах последних кварталов вертикальные стартапы чаще показывают выручку, а не только демонстрационные видео.

Сравнение подходов к продукту

Три модели стартапов конкурируют за одни и те же бюджеты корпоративных заказчиков, но продают разное.

Где риск переоценки

Часть раундов закрывается на обещаниях, а не на выручке. Демонстрация, где агент проходит сложную задачу в идеальных условиях, продаёт мечту лучше, чем таблица с процентом успешно завершённых задач в реальной эксплуатации. Отсюда три системных риска для тех, кто вкладывается или строит на этих инструментах бизнес.

1. Зависимость от чужих моделей. Большинство агентных стартапов работают поверх API OpenAI, Anthropic или Google. Если базовая модель добавит агентную функцию нативно, часть надстроек обесценится за релиз.
2. Разрыв между демо и продакшеном. Агент, который в ролике бронирует рейс, в реальности спотыкается на нестандартной форме сайта. Метрика «успешно доведённых задач» часто скромнее презентации.
3. Стоимость запуска. Автономный агент делает много вызовов модели на одну задачу, и себестоимость выполнения может съедать маржу, особенно на дешёвых тарифах.

Кому это пригодится, а кому нет

Пригодится:

• Компаниям с большим объёмом однотипных задач — обработка обращений в поддержку, первичная сортировка заявок, рутинный кодинг. Здесь агент экономит часы и его ошибку легко проверить.
• Разработчикам, которым нужен ассистент внутри IDE: Cursor и подобные инструменты ускоряют написание и рефакторинг кода на понятных задачах.
• Инвесторам, готовым разбираться в метриках выручки и удержания, а не только смотреть демо.

Не пригодится:

• Процессам, где цена ошибки высока и нет человека для проверки — финансовые операции без контроля, юридически значимые решения без ревью специалиста.
• Малому бизнесу, который ждёт «сотрудника за подписку» под любую задачу: горизонтальные агенты пока ненадёжны для непредсказуемых сценариев.
• Тем, кто рассчитывает на фиксированную низкую стоимость: расход на вызовы модели плавает и может расти вместе со сложностью задач.

¹ AI-агент — программа на базе языковой модели, которая не просто генерирует текст в ответ на запрос, а планирует и выполняет последовательность действий: вызывает внешние инструменты и API, работает с браузером или файлами, оценивает результат и корректирует шаги для достижения поставленной цели.