The post has been translated automatically. Original language: Russian
There is the same hype around AI now as there used to be around blockchain or augmented reality. But many startups that simply make "shells" around large language models turn out to be economically weak. Their problem is in isolation from real business tasks.
Recently, we analyzed the economics of an AI startup for a client. Interesting details have emerged.
The economics of classic SaaS and AI applications are two different worlds.
In traditional SaaS, after developing an application, it costs almost nothing to attract a new user, which gives a high margin of about 70%. Scaling leads to higher profits.
With AI applications, the story is different. Each user request is an expense: API fees (for example, OpenAI), calculations, moderation. The more actively they use the service, the higher the costs.
Even market leaders face difficulties:
- ChatGPT has about 700 million users, but they only pay ~2%.
- GitHub Copilot costs $10 per month, and maintenance of one developer costs $30-80.
- MidJourney is forced to limit generation due to expensive graphics cards.
It turns out to be a trap: mass popularity does not mean profit. Metrics like "millions of active users" become just "vanity indicators" if the conversion to paid tariffs is low. 2% is too little for a sustainable business.
A vicious circle is closing in: To justify the investment, companies are increasing their audience, but this only increases losses. Even major players in fundamental AI remain unprofitable and rely mainly on venture capital funds.
The main conclusion: Now it's not a startup that is entirely tied to AI that looks more reliable, but a traditional SaaS company that uses AI to improve existing processes.
The future belongs to point solutions that are integrated into routine business tasks: process automation (RPA), assistance to lawyers, HR, writing code (for example, Cursor). Success will be determined not by hype, but by classic metrics: customer retention, conversion, marginality, and cash flow.
AI should not become an end in itself, but just a tool in the arsenal of the software business — a smart assistant for solving boring but important tasks.
I'll talk about how we use AI in our projects in the next post.
Сейчас вокруг ИИ — такой же ажиотаж, как раньше вокруг блокчейна или дополненной реальности. Но многие стартапы, которые просто делают «оболочки» вокруг больших языковых моделей, оказываются экономически слабыми. Их проблема — в отрыве от реальных бизнес-задач.
Недавно мы анализировали для клиента экономику одного ИИ-стартапа. Выяснились любопытные детали.
Экономика классического SaaS и ИИ-приложения — это два разных мира.
В традиционном SaaS после разработки приложения привлечение нового пользователя почти ничего не стоит, что даёт высокую маржу — около 70%. Масштабирование ведёт к росту прибыли.
С ИИ-приложениями история другая. Каждый запрос пользователя — это расходы: плата за API (например, OpenAI), вычисления, модерация. Чем активнее пользуются сервисом, тем выше издержки.
Даже лидеры рынка сталкиваются с трудностями:
- У ChatGPT около 700 млн пользователей, но платят всего ~2%.
- GitHub Copilot стоит $10 в месяц, а обслуживание одного разработчика обходится в $30–80.
- MidJourney вынужден ограничивать генерацию из-за дорогих видеокарт.
Получается ловушка: массовая популярность не означает прибыль. Метрики вроде «миллионы активных пользователей» становятся просто «показателями тщеславия», если конверсия в платные тарифы низкая. 2% — это слишком мало для устойчивого бизнеса.
Замыкается порочный круг: чтобы оправдать инвестиции, компании наращивают аудиторию, но это лишь увеличивает убытки. Даже крупные игроки в фундаментальном ИИ остаются убыточными и держатся в основном на венчурных деньгах.
Главный вывод: сейчас надёжнее выглядит не стартап, целиком завязанный на ИИ, а традиционная SaaS-компания, которая использует ИИ для улучшения существующих процессов.
Будущее — за точечными решениями, которые встраиваются в рутинные бизнес-задачи: автоматизация процессов (RPA), помощь юристам, HR, написанию кода (например, Cursor). Успех определит не хайп, а классические метрики: удержание клиентов, конверсия, маржинальность и денежный поток.
ИИ должен стать не самоцелью, а просто инструментом в арсенале софтверного бизнеса — умным помощником для решения скучных, но важных задач.
О том, как мы сами используем ИИ в проектах, расскажу в следующем посте.
Share
