Software 3.0: где искать будущих единорогов

Привет, это Саша Журавлёв, основатель венчурного фонда Mento VC. Мы инвестируем в технологические стартапы на позднем сиде и раундах А, фокус — B2B и AI.

Есть несколько фондов, за которыми я слежу особенно внимательно. Один из них — Bessemer Venture Partners. В их портфеле Shopify, LinkedIn, Twilio, PagerDuty и десятки компаний, которые задали стандарты в своих нишах. Поэтому их тексты про будущее разработки я читаю не как обзоры, а как взгляд людей, которые годами умеют видеть рынок вперёд.

Недавно они выпустили материал о том, что называют Software 3.0 — новой эре, где код всё чаще пишут не люди, а AI.

Для меня это не про очередной прогноз или красивые графики. Это про то, что меняется сама основа:

язык программирования превращается в обычный английский,
AI-агенты начинают работать как полноценные инженеры,
а инструменты для разработчиков становятся новым рынком с миллиардными перспективами.

Приглашаю вас вместе со мной погрузиться в детали: что это значит для самих разработчиков, какие направления появляются и как они могут перерасти в целые платформы. Ниже — перевод статьи Bessemer. А в конце я поделюсь своим мнением о том, что всё это означает для венчурных инвестиций и инвесторов.

От «Hello, World» к «Hello, AI»: разработка софта сделала скачок от сотрудничества человека и AI — к их оркестровке, а теперь движется к полной автономии.

Когда GitHub Copilot представили в июне 2021 года — за пять месяцев до того, как ChatGPT запустил широкую AI-революцию, — это был не просто релиз нового инструмента для разработчиков. Это был первый сигнал появления Software 3.0: эры, где естественный язык становится главным интерфейсом программирования, а AI-агенты не просто помогают разработчикам, а сами превращаются в разработчиков.

Bessemer наблюдали все ключевые переломы в инструментах для разработчиков. Twilio превратила телеком в API (готовые интерфейсы для подключения к другим сервисам), Auth0 сняла сложность с аутентификации, Zapier автоматизировала рабочие процессы (и открыла доступ к созданию софта «не-техническим» пользователям), HashiCorp революционизировала инфраструктуру как код. Они работали с техническими фаундерами, которые превращали боли разработчиков в новые платформы. PagerDuty, Render, Fern и LaunchDarkly не просто выпускали удобные инструменты — они заново определяли, как создаётся софт.

Мир разработчиков всегда был неспокойным. Языки появляются и исчезают, фреймворки быстро сменяют друг друга, а любовь разработчиков — если ушла — редко возвращается. Но долгое время изменения были скорее постепенными: более удобные CI/CD-пайплайны (системы, которые позволяют быстро тестировать и выкатывать обновления), аккуратнее дизайн API, быстрее деплой (развёртывание продукта на «боевых» серверах). Полезные улучшения, но не что-то принципиально новое. AI полностью поменял правила.

Программирование с самого начала оказалось отличной средой для AI: логичное, структурированное, основанное на синтаксисе, с десятилетиями открытых данных и понятными метриками качества. То, что начиналось как удобный помощник, быстро стало ключевой инфраструктурой. В 2024 году годовая выручка GitHub достигла $2 млрд, и более 40% этого роста обеспечил Copilot. Это лишь один пример, но вектор ясен: к 2030 году AI будет писать 95%+ всего кода, и это уже видно в самых быстрых компаниях из портфеля Bessemer.

Рынок реагирует соответственно. Миллиарды венчурных инвестиций направлены в инструменты для разработчиков на базе AI — от ассистентов для написания кода до автономных систем отладки. Уже видны громкие сделки и покупки, которые перекраивают конкурентный ландшафт. И это всё ещё только начало.

«Hello, World» встречает «Hello, AI»

AI открывает эпоху Software 3.0, где естественный язык становится главным интерфейсом программирования, а модели выполняют команды напрямую по инструкциям. В этой новой парадигме меняются сами основы разработки: теперь подсказки (prompts) — это и есть программы, а большие языковые модели (LLM) становятся новым типом «компьютера».

Это не просто постепенное улучшение инструментов для разработчиков. Инженерия софта переосмысляется с нуля: AI не только меняет привычные процессы, но и создаёт целые новые категории платформ.

До сих пор внимание в индустрии было в основном на том, как AI помогает существующим процессам разработчиков. Но это лишь вступление. Масштаб трансформации настолько велик, что появляются совершенно новые классы продуктов. Разработчики уже не просто используют AI, чтобы ускорить привычные задачи, — они меняют сам подход к созданию софта.

Bessemer отмечают, что первая волна этой трансформации уже прошла в области базовой AI-инфраструктуры. Теперь она начинает перестраивать и весь остальной мир инструментов для разработчиков.

Карта рынка: инструменты и платформы для разработчиков с AI

5 тем, которые определяют инвестиционные стратегии Bessemer в AI-инструменты для разработчиков

Тема 1. Рост продуктивности через AI

Bessemer отмечают, что мечта разработчиков наконец стала реальностью: теперь рутинную работу можно передать AI и освободить время для более сложных задач. AI автоматизирует повторяющиеся процессы, которые обычно «съедают» энергию и часы: отладку, ревью кода, настройку окружения, реакцию на инциденты и бесконечные мелкие исправления, которые раньше занимали целые дни.

Перемены фундаментальные. То, на что раньше уходила большая часть рабочего дня — поддержка, тестирование, документация, — теперь AI берёт на себя и выдаёт уже готовый результат для проверки человеком. У инженеров остаётся время на главное: архитектурные решения, креативное решение проблем и разработку ключевых функций.

Эффект может быть впечатляющим:

среднее время восстановления после сбоя (MTTR) сокращается с дней или часов до минут,
цикл внедрения изменений сжимается в разы,
адаптация новых сотрудников укорачивается с месяцев до дней.

Это не косметические улучшения. Это скачки на порядок, которые меняют то, чего способны достичь даже маленькие команды.

Тема 2. Демократизация разработки через AI

По наблюдениям Bessemer, большие языковые модели (LLM) и новые инструменты заново определяют, кто может создавать софт, убирая технические барьеры, которые раньше отделяли профессиональных программистов от всех остальных. Сегодня английский становится «новым языком программирования». Платформы формата prompt-to-code и design-to-code позволяют людям без опыта писать работающие приложения — достаточно описать словами, что нужно, или загрузить макет.

Этот сдвиг меняет саму формулу инноваций в софте. Теперь важнее не знание синтаксиса или фреймворков, а креативность, предметная экспертиза и вкус к продукту. Лучшее медицинское приложение может придумать врач, который понимает, как устроена работа с пациентами, а не разработчик, выучивший все паттерны React.

Параллельно растёт новый подход — agentic engineering. Автономные AI-агенты уже умеют управлять сложными процессами, координировать деплой (развёртывание) и находить и исправлять ошибки без постоянного контроля человека. Эти системы не просто помогают — они действуют.

Эти два движения вместе — снижение технических барьеров и рост автономности AI — открывают разработку для гораздо более широкой аудитории. «Разработчиком» теперь может стать любой, кто умеет сформулировать идею и использовать AI-инструменты. Это радикально расширяет возможности для инноваций и меняет само понимание того, кто такой разработчик.

Тема 3. Инструменты нового поколения для AI-native разработки

AI-native — так называют продукты и инструменты, которые изначально спроектированы вокруг AI, а не просто «добавили AI сверху». Это архитектура, где AI — основа приложения.

В эпоху Software 2.0 появились базовые инфраструктурные решения, которые демократизировали веб-разработку: Auth0 сняла месяцы боли с аутентификацией, Stripe упростила платежи, Twilio превратила интеграцию SMS из кошмара телекомов в несколько строк кода. Сейчас, по наблюдениям Bessemer, формируются такие же фундаментальные слои для AI-native разработки.

Ключевые новые элементы стека:

Управление памятью и контекстом. Инструменты вроде Mem0, Zep, Subconscious и сами лаборатории моделей решают проблему «без памяти» у LLM (Large Language Models — больших языковых моделей). Если раньше разработчики вручную строили векторные базы данных и системы поиска, то теперь «memory as a service» (память как сервис) даёт готовые модули, которые сохраняют контекст диалога, предпочтения пользователя и обучаются в долгую — критично для любого AI-приложения, которое должно казаться «умным» за пределами одной сессии.
AI-native фреймворки. Как React изменил разработку интерфейсов, так LangChain, LlamaIndex, DSPy и Crew упрощают связку подсказок, использование инструментов и многослойное рассуждение. Больше не нужно вручную писать логику повторов, управлять токенами или собирать оркестрацию агентов — эти фреймворки берут «техническую кухню» на себя.
Инфраструктура для запуска и развёртывания. Modal, Replicate и Fireworks для AI делают то же, что Vercel сделал для Next.js: убирают проблемы с GPU и «холодным стартом» приложений. Они снимают узкое место DevOps, позволяя запускать модель буквально одной функцией.

В Software 2.0 ключевым инсайтом стало непрерывное развертывание с безопасными откатами и итеративным обучением. LaunchDarkly, например, полностью изменил процесс релизов: команды могли выпускать апдейты каждый день, тестировать их на 1% пользователей и мгновенно откатывать. Это резко ускорило цикл обратной связи — с месяцев до часов.

AI-native эквивалент только формируется, но направление уже понятно. Если компании Software 2.0 спрашивали «Работает ли эта фича?», то AI-native компании должны отвечать «Дает ли эта подсказка/модель/цепочка точные, безопасные и полезные результаты?». Сложность здесь на порядок выше: речь не только о конверсии, но и о понимании языка, фактической точности и соответствии намерениям пользователя.

Формируется новая экосистема инструментов для оценки и мониторинга (eval & observability):

Версионирование подсказок как feature flags (A/B-тесты разных версий подсказок прямо в продакшне с возможностью отката при ухудшении качества). Honeyhive и PromptLayer уже позволяют так делать.
Непрерывные eval-пайплайны (системы, которые автоматически тестируют качество работы модели не только до релиза, но и в реальном времени на боевых данных и по обратной связи пользователей). Пример — Bigspin.ai.
Семантические метрики (новые показатели качества вроде «оценки полезности» или «точности фактов» вместо привычных метрик кликабельности). Здесь появляются Judgment Labs и подход LLM-as-judge, когда сами модели помогают измерять качество.

Победитель в этой области переведёт AI-разработку от принципа «запустил и молись» к уверенной, основанной на данных итерации. В отличие от традиционного тестирования, поведение LLM непредсказуемо: платформа должна связывать локальные тесты с мониторингом в продакшне, позволять менять модели и подсказки «на лету» без релиза и умно ловить регрессии — когда улучшение в одном месте ломает другое.

И самое главное: всё это должно масштабировать обратную связь от людей. Сложные кейсы будут направляться экспертам, а их сигналы автоматически включаться в систему. Так создаётся «маховик», который постоянно повышает точность моделей.

Bessemer подчёркивают: пока это только начало, но именно эти строительные блоки дадут такой же рывок в скорости разработки, какой когда-то дала эпоха Software 2.0. Только теперь речь идёт не о том, как меняется картинка на экране, а о том, как сам софт думает и рассуждает.

Тема 4. Новые инженерные взаимодействия в эпоху AI

MCP (Model Context Protocol) — возможный стандарт, который определяет, как модели AI получают и обрабатывают контекст.

Если MCP закрепится как де-факто стандарт, за этим последует несколько важных изменений. Во-первых, сам контекст станет и составным, и переносимым — данные смогут свободно переходить между разными системами и приложениями. Это запустит новую эру context engineering (инженерии контекста), где формирование, маршрутизация и настройка контекста превратятся в отдельную дисциплину — аналогично тому, как когда-то развивалась data engineering рядом с базами данных.

Компании будут инвестировать в пайплайны, инструменты и модели управления, которые позволяют оптимизировать качество, происхождение и своевременность контекстных данных. Даже небольшие различия в том, как собран контекст, могут давать заметные выигрыши в качестве работы моделей, создавая конкурентные преимущества для команд, умеющих лучше всего «оркестровать» контекст из внутренних и внешних источников.

Bessemer также ожидают появления MCP-клиентов для бизнеса — инструментов, созданных не для разработчиков в средах вроде IDE (инструменты программирования), а специально под корпоративные кейсы и рабочие процессы. Такие клиенты будут изначально включать функции инженерии контекста: адаптивные окна контекста, журналы для критически важных подсказок, автоматическое сжатие или расширение контекста в зависимости от задачи.

В долгосрочной перспективе стандартизация MCP может поднять инженерию контекста с «фона» на уровень полноценного продуктового слоя. Тогда компании будут отличаться друг от друга не только доступом к данным или моделям, но и способностью создавать контекст — более богатый, чистый и применимый, чем у конкурентов.

Тема 5. «Опыт агента» как новая версия «опыта разработчика»

Developer Experience (DX) — удобство и эффективность инструментов для программистов.
Agent Experience (AX) — новый термин: удобство и эффективность инструментов для AI-агентов, которые сами работают с кодом.

По наблюдениям Bessemer, по мере того как AI-агенты берут на себя всё больше задач в традиционных процессах разработки, само понятие «пользователь» инструментов для программистов радикально меняется. AI-агенты для написания кода больше не просто «вторые пилоты», которые помогают человеку. Они начинают брать управление на себя — самостоятельно писать, модифицировать, тестировать и развёртывать софт.

Это сдвиг парадигмы: AI-агенты становятся «полноправными» пользователями софта и требуют инструментов, которые выходят далеко за рамки привычных UX-паттернов, рассчитанных на человеческое восприятие и взаимодействие. Если раньше оптимизация шла под «опыт разработчика» (DX), то теперь наступает эпоха, когда инструменты должны учитывать ещё и «опыт агента» (AX).

Bessemer отмечают, что стартапы уже начинают подстраиваться под это:

создаются синтетические браузеры для исследования среды агентами,
появляются платформы для оркестрации агент-взаимодействий,
разрабатываются интерфейсы, позволяющие агентам самостоятельно выполнять задачи на компьютере и работать с системами,
документация адаптируется так, чтобы её могли легко находить и читать сами агенты.

Параллельно такие области, как документация и аутентификация, перестраиваются, становясь всё более машиночитаемыми. Лучшие инструменты будущего будут ориентированы не только на людей. Они будут работать в гибридной экосистеме, где программисты и AI-агенты сотрудничают — или даже в средах, где агенты действуют полностью автономно.

Что это все значит для венчурных инвестиций

В Mento VC мы согласны с Bessemer: сейчас мы видим крупнейшую перестройку разработки со времён облаков. Инструменты для программистов меняются с нуля, появляются новые категории, старые процессы переписываются заново. Главное отличие этой волны в том, что она сама себя ускоряет: AI-инструменты помогают создавать ещё более сильные AI-инструменты, и инновации движутся в разы быстрее.

Да, остаются вызовы — приватность, мониторинг, надёжность, ограничения у моделей. Но мы верим, что основатели Software 3.0 их решат.

Именно здесь открывается огромная возможность для венчурных инвестиций. Это не про «чуть повысить эффективность», а про новое понимание: как создаётся софт, кто его создаёт и что становится возможным, когда цикл разработки сжимается с месяцев до минут.

Для инвесторов это значит простую вещь: в ближайшие годы именно в этой области будут появляться самые сильные компании и новые платформы, которые определят будущее AI.

Если вы, как и мы в Mento VC, верите в силу AI и хотите быть в центре этих изменений — напишите Кате (@katiatatulova), Head of Operations фонда. Она расскажет, как можно инвестировать вместе с нами или присоединиться к нашим сделкам.

А чтобы быть на связи и получать лучшие материалы про AI, стартапы и венчур на русском языке — подписывайтесь на мой Telegram: Саша Журавлёв | Mento VC.