Який тип програмного забезпечення буде витіснений штучним інтелектом?

До 2026 року відкат у секторі програмного забезпечення відрізняється від попередніх хвиль «уповільнення попиту/зростання ставок»: ринок більше схиляється до обговорення кінцевої вартості — чи зможуть ці компанії зберегти прибутковість через десять років, чи не буде їхньою «захисною смугою» перерізана «агентна» AI.

За повідомленнями з Trading台, аналітик глобального дослідження інвестиційного підрозділу Goldman Sachs Gabriela Borges у доповіді 16-го числа прямо написала: «Ринок став ставити під сумнів захисну смугу та бізнес-модель програмного забезпечення». Вона по черзі розібрала сім найпоширеніших аргументів песимізму інвесторів, виставила їм ризикові бали від 1 до 5 та розділила їх за впливом на вузькоспеціалізоване застосувальне програмне забезпечення або на більш широку інфраструктуру/безпековий стек, а також на ROI, пов’язаний із капіталовкладеннями хмарних провайдерів.

Цікаво, що Goldman Sachs не вважає «повну заміну системного рівня програмного забезпечення AI» головним ризиком (оцінка 1). Більш гострі побоювання спрямовані в два напрямки: по-перше, перехід цінності з рівня системи запису (System of Record, SoR) до «агентних операційних систем/оркестраційних шарів» (оцінка 4); по-друге, швидкість технічних ітерацій сама по собі ускладнює цінову оцінку кінцевого результату (оцінка 5) — важко знайти «підлогу» для оцінки.

У цій ситуації доповідь дає чіткі орієнтири: слідкувати за двома типами сигналів — по-перше, чи зможуть компанії з програмного забезпечення довести, що «галузевий досвід» справді дає змогу отримати більш якісні агентні результати; по-друге, чи стабільна або покращується їхня фінансова база.

Цей відкат у секторі програмного забезпечення зосереджений на «дискусії щодо кінцевої вартості»

За оцінкою Goldman Sachs: у 2026 році цей спад зосереджений не стільки на «користі від короткострокового зростання», скільки на тому, чи не зменшить AI захисну смугу. Основна дискусія стосується застосувального програмного забезпечення, але вже починає торкатися інфраструктури/безпеки та ROI, пов’язаного з капіталовкладеннями у хмарні сервіси.

Тому стиль доповіді більше нагадує «розбір аргументів»: сім аргументів ведуться від «солом’яної людини» до «зміцненого доказу», їм присвоєно ризикові бали, і намагаються відповісти на одне й те саме питання — що ще може підтримати кінцеву цінність.

SoR навряд чи буде скинутий з п’єдесталу, але «перенесення цінності» — більш небезпечне

• A: Ризик «замінити SoR» дуже низький (оцінка 1)

Перший аргумент — «ріп і заміна»: нові гравці використовують AI для перепроектування рівня системи запису, щоб зробити застарілими ERP/CRM/HR та подібні базові системи. Goldman Sachs оцінює цей ризик як низький, оскільки генеративний AI більше схожий на аналізуючий та генеративний движок, а не на торговий. Для корпоративного AI потрібні великі обсяги високоякісних, структурованих, з можливістю відстеження даних, а SoR саме ці дані зберігає та керує ними.

У доповіді визнають, що реальний ризик заміни не відсутній: якщо хтось перепроектує SoR у більш сучасну, масштабовану архітектуру з нижчою загальною вартістю володіння, це може спровокувати міграцію. Як приклад — оновлення SAP S/4HANA у хмарі: великі компанії зазвичай мігрують протягом 18–36 місяців, що дорого та довго, і створює простір для «дешевшої та швидшої альтернативи».

Розробники Goldman Sachs пропонують «захисні дії» архітектурного характеру: SoR має перейти від пасивної книги обліку до «системи логіки (system of reason)», від «AI-підсиленого (з додатковими модулями)» до «AI-нативного (внутрішньо архітектурно)». Сигнали включають, наприклад, ребрендинг Salesforce у 2024, перехід Workday до відкритої архітектури.

Ще один важливий фактор — межі даних компанії. Якщо компанії продовжать «обмежувати» свої переваги даних у межах існуючих застосунків (як, наприклад, Salesforce у травні 2025 року обмежила API Slack, щоб заборонити тренування LLM та масовий експорт), то базовий рівень SoR залишиться стабільним, але прибуткові «зони» можуть бути виведені новими шарами.

• B: Вартість переходить від SoR до «агентних операційних систем/оркестраційних шарів» (оцінка 4)

Goldman Sachs вважає більш реальним ризиком не зникнення SoR, а перетворення його у «законодавчу базу даних», зосереджену на можливості кросс-системного логування, викликів API та автоматичного виконання робочих процесів. Агент може читати/писати між кількома SoR, виконувати звірки, користувачам не потрібно заходити у вихідні системи — захисна «захисна смуга» навколо UI, процесів і звичок користувачів буде послаблена.

Доповідь малює цю картину через концепцію «хто сидить на кому»: Sierra — поверх Salesforce, Anthropic Cowork — поверх Microsoft, додатковий бюджет швидше буде перерозподілений на верхні рівні. Goldman Sachs також наголошує, що ринок особливо чутливий до цієї тенденції, оскільки у 2020–2021 роках низка компаній із слабкими захисними смугами, що зросли у період низьких ставок, більш вразливі до «деінтермедіації».

Для традиційних гравців можливість — це «галузевий досвід + контекст». У доповіді наведено кілька прикладів:

• Microsoft підкреслює, що залишаючись у межах однієї екосистеми, можна зменшити затримки, оновлювати дані та давати LLM більше контексту, але великі витрати на міграцію даних часто недооцінюють;
• HubSpot вважає, що головна проблема корпоративного AI — «відсутність контексту», тоді як рівень системи запису може агрегувати історію клієнтів і співпрацю, зменшуючи дублювання «навчання AI»;
• Datadog на аналізі 12 лютого показала, що внутрішньо натреновані моделі (SLM) дають вищу точність за менших витрат, підкреслюючи цінність «галузевого досвіду» для диференціації моделей і результатів.

Короткостроково вертикальні програми більш стійкі, але «зручність і достатність» може змінити цінову політику (оцінка 2)

Третій аргумент — «захоплення горизонтальними платформами»: використання AI для створення клієнтами власних галузевих робочих процесів, що підриває цінову політику вертикальних рішень. Goldman Sachs оцінює ризик у 2, вважаючи, що бар’єри для вертикального софту залишаються: галузеві дані, глибока інтеграція у робочі процеси, репутація та регуляторні обмеження.

У прикладі — Guidewire: у їхніх клієнтів близько 775 мільярдів доларів премій у сфері майнового та страхування від нещасних випадків (P&C Insurance DWP), які обробляються хоча б одним продуктом Guidewire. Це створює бар’єр для нових гравців. Також наголошується, що клієнти зазвичай терплять і переходять на нові рішення протягом років, а не місяців.

Але ризики не зменшуються: з’являються нові виклики від горизонтальних/AI-інтеграційних рішень, наприклад, співпраця Palantir із AIG та Anthropic у страхуванні; запуск GenOS від Intuit для полегшення створення галузевих робочих процесів у QuickBooks. Головне питання — чи залишаться горизонтальні платформи «досить хорошими», щоб утримати клієнтів, якщо їх AI-функціонал не буде явно кращим, але простішим у інтеграції та менш фрагментованим — це прямо впливає на довгострокову цінову політику вертикальних рішень.

Зниження вартості коду призведе до більшої конкуренції, але створення продукту — не те саме, що створення компанії (оцінка 2)

Четвертий аргумент — «зниження вартості коду». Goldman Sachs визнає, що AI-інструменти для кодування знизять бар’єри входу і привернуть нових гравців, але ризик оцінює у 2, оскільки розробка — це не лише написання коду, а й проектування, тестування, управління ризиками, рев’ю. Інструменти підвищують ефективність, але не знищують робочі місця.

У доповіді наведено дані — дослідження Faros серед 10 тисяч розробників показало, що з впровадженням AI команда виконує завдання на 21% швидше, зливає на 98% більше pull-запитів, але час на рев’ю збільшився на 91%. Це означає, що підвищена продуктивність створює нові вузькі місця, особливо у корпоративних поставках — безпека, підтримка, інтеграція, процеси, екосистеми та GTM залишаються складними.

«Майбутнє — у кастомізації», і Palantir робить платформу для цього (оцінка 3)

П’ятий аргумент — «більше бажання самостійно створювати». Goldman Sachs більш стримано: зниження вартості коду не змінить загальну схему «build vs buy», але компанії все ж будуть у деяких випадках переорієнтовувати бюджети на внутрішнє створення, ризик — 3. Основна причина — довгострокові витрати та відповідальність, що накопичуються. Навіть якщо агентна ефективність знизить витрати на підтримку, професійні постачальники теж зменшать свої витрати, і «передова» у співвідношенні «ціна/якість» залишиться у їхніх руках.

Доповідь вказує, що найбільше ризику «захоплення» — це сегмент між традиційним SoR і пов’язаними із багатофункціональними системами, що вимагають координації між кількома відділами і раніше погано інтегровані.

Palantir у доповіді виступає як приклад кастомізованих рішень: спільна розробка AI-прикладів із клієнтами, акцент на вимірюваних ROI. Згідно з даними — зростання Palantir у США у 2025 році склало 109%, а компанія очікує прискорення до понад 115% у 2026. Вони використовують фронтових інженерів для перетворення намірів клієнтів у робочі системи, а потім — у повторювані можливості; при сумнівах щодо «програмне забезпечення чи сервіс» компанія зберігає приблизно 85% валової маржі.

Goldman Sachs також попереджає, що «локальні» хвилі внутрішнього створення можуть досягти піку: SaaS-провайдери доповнюють AI-можливості, розвивають управління даними та безпекові протоколи (згадуються A2A, MCP), а IT-команди підвищують рівень. ServiceNow вже відкрито говорить про повернення частини бюджетів, що раніше йшли на саморобку.

«Податок на LLM» знизить валову маржу: короткостроково 12–24 місяці — більш реалістично, довгостроково — цінова політика (оцінка 3)

Шостий аргумент — «переформатування структури валової маржі». Goldman Sachs прогнозує, що галузь зазнає м’якого тиску протягом 12–24 місяців: виробники будуть змушені спочатку поглинати витрати на GPU-інференцію та API сторонніх моделей. Адже AI безпосередньо перетворює «інтенсивність використання» у витрати (токени, складність моделей, частота запитів), і SaaS переходить від фіксованих до «залежних від споживання» цін.

У доповіді цитуються спостереження Bessemer: деякі найшвидше зрослі до 100 мільйонів доларів ARR AI-компанії мають приблизно 25% валової маржі, багато з них — з негативною. Досвідченіші — близько 60%, але все одно нижче за традиційний SaaS.

Однак Goldman Sachs не вважає це постійним трендом: дані Epoch AI показують, що вартість inference LLM щороку знижується у 9–900 разів; ціни, що дають близько до GPT-4 за показниками MMLU, зменшуються приблизно на 40 разів щороку. Чи зможе довгострокова маржа повернутися — залежить від «цінової політики = диференціації». У доповіді також відзначають структурну перевагу Microsoft: вертикальна інтеграція та співпраця з OpenAI дозволяють їм отримувати прибутки на багатьох рівнях ланцюга створення цінності та зменшувати «податок на LLM» сторонніх.

Найскладніше у ціновій політиці — швидкість технічного розвитку: сама невизначеність знижує оцінки (оцінка 5)

Сьомий аргумент — найвищий ризик за версією Goldman Sachs: швидкість технічного прогресу надто велика, і передбачити кінцевий результат важко. У доповіді наведені оновлення з початку року — Anthropic (Cowork, Opus 4.6, вертикальні плагіни), OpenAI (Frontier, OpenClaw), Google DeepMind (Deep Think), Meta (Avocado). Вони цитують позицію Bridgewater у листопаді 2025 року: закономірність розширення передтренувань ще працює; наведені приклади оновлень моделей і бенчмарків (наприклад, GPTQA Diamond >90%).

Доповідь використовує два «зламані лінки» для ілюстрації непередбачуваності: ChatGPT — поширення через зручний інтерфейс; Cowork — поширення через GUI на робочому столі, що дозволяє нефахівцям експериментувати. Ще далі — поширення самостійних агентів типу OpenClaw, яке, за словами CEO Cloudflare Matthew Prince, може за три роки повторити швидкість поширення ChatGPT за останні три роки, але короткостроковим обмеженням залишаються безпека та захист.

Непередбачуваність може також створити нові TAM: наприклад, дослідження Microsoft MAI Superintelligence Team показало, що у випадках з медичними кейсами (на основі журналу NEJM) рівень успішності досяг 85%, а оцінка TAM — від 50 до 200 мільярдів доларів на рік, якщо враховувати початкові показники (від 150 до 200 мільярдів у найоптимістичнішому сценарії). Але головне — не «прогнозувати кінцевий результат», а визнавати, що невизначеність ускладнює фіксацію кінцевої вартості, і високий рівень невизначеності зазвичай зменшує мультиплікатори.

Основні сигнали стабільності — це реалізація галузевого досвіду та стабільність фінансових показників

Goldman Sachs зводить їх до двох: по-перше, чи зможуть компанії з програмного забезпечення довести, що галузевий досвід справді дає змогу отримати більш якісні агентні результати; по-друге, чи стабільні або покращуються їхні фінансові показники у звітності (особливо у квартальних звітах). Перед цим вони схиляються до «архітектурних захисних смуг» — захисних шарів, що простягаються від застосунків до нижчих рівнів технологій і платформ.