Ваш клиент — не человек. Перевод статьи Insight Partners
Привет! Меня зовут Саша Журавлев. Я основатель и управляющий партнер фонда Mento VC. Мы инвестируем в технологические компании на ранних стадиях в США, Великобритании и Израиле.
Недавно у Insight Partners (VC фонд, инвестировали в Shopify, Wix, Veeam, Pipedrive и др.) вышел материал про следующий переломный момент в формировании стратегии для B2B-рынка.
Авторы фиксируют новый перелом в пути от продукта к покупателю. Мы привыкли, что даже в B2B за каждой сделкой стоит живой человек — который гуглит, читает, приходит на демо и в итоге принимает решение. Стратегия развития раньше строилась вокруг этого пути — через совершенствование продаж или самого продукта.
Но в воронке появился новый участник: AI-агент, который прямо сейчас читает вашу документацию, сравнивает вас с конкурентами и делает финальный выбор — совсем без вмешательства человека.
Как раньше уже не будет: воронка меняется целиком. Что теперь делать бизнесу? Insight Partners дают пошаговые рекомендации, а мы подготовили для вас полный перевод ниже.
Agent-led growth - новая стратегия выхода на рынок уже здесь!
У всех появляющихся go-to-market (GTM) стратегий есть одна закономерность: самое широкое окно возможностей открывается в самом начале. Компании, рано сделавшие ставку на product-led growth (PLG) — Slack, Dropbox, Zoom, Miro — не ждали, пока этот подход окончательно докажет свою состоятельность. Snowflake и DocuSign раньше других освоили account-based experience (ABX) и обошли команды, которые всё ещё стреляли во все стороны без разбора. Сейчас открылось такое же окно — для следующей GTM модели.
Схема следующая: новая инфраструктура → новая GTM-стратегия
За большинством доминирующих GTM-стратегий в корпоративном ПО стоит какой-то новый вид инфраструктуры. Модель роста за счет выстраивания продаж (sales-led growth) существовала всегда, но обрела масштаб, когда CRM-системы вроде Salesforce позволили сейлзам управлять сотнями клиентов одновременно. Product-led growth вышел на новый уровень, когда инструменты продуктовой аналитики — например, Mixpanel и Amplitude — сделали пользовательский путь измеримым и воспроизводимым. А account-based experience оформился как полноценный подход, когда платформы с данными о намерении купить, такие как 6sense, дали возможность точно целиться в конкретные компании.
Предыдущие механики проходили один и тот же путь: появляется новая инфраструктура, первые игроки выстраиваются вокруг неё, опоздавшие делают всё, чтобы догнать. Авторы убеждены, что та же динамика формируется прямо сейчас — и победители уже определяются. Insight Partners называют её agent-led growth (ALG), т.е. модель роста за счет агентов.
Что такое ALG: различие, которое важно
Термин agent-led growth уже в ходу, но под одним понятием сейчас смешивают два совершенно разных явления.
Если спросить ChatGPT или Gemini, вы, скорее всего, получите определение "supply-side agent-led growth". Речь об AI-агентах, которых используют сами компании, чтобы эффективнее добираться до покупателя: генерация контента с помощью AI, автоматизация воронки с помощью AI, продажи с помощью AI, и так далее. Это действительно полезно, но по сути это лишь повышение эффективности уже существующих моделей, а не переходный момент в устройстве рынка.
Спрос — вот где источник и возможности (и угрозы)
Demand-side agent-led growth (рост за счет агентов на основе спроса) — это другое. Речь идет о том, что происходит, когда AI-агенты работают на покупателя: исследуют вендоров, составляют таблицы сравнения функций, тестируют возможности, оценивают варианты — и в итоге рекомендуют или даже инициируют покупку от имени пользователя.
Supply-side ALG = модель роста за счет AI-агентов, где их использует сама компания-продавец, чтобы эффективнее находить, прогревать и доводить до продажи клиентам.
Demand-side ALG = модель роста за счет AI-агентов, где они работают на стороне покупателя: ищут, сравнивают, оценивают и даже инициируют покупку.
Supply-side ALG улучшает экономику вашей воронки. Demand-side ALG меняет то, чья это воронка.
Структурная возможность — и структурный риск — находятся именно здесь. Пока этот перелом сильнее всего заметен в экосистеме разработчиков — там агентам раньше всего дали право действовать самостоятельно. В категориях B2B SaaS — CRM, HR, маркетинговой автоматизации, вертикальном ПО — рынок еще не определил дефолтных игроков. Но в среде разработчиков это произошло меньше чем за 18 месяцев. Вопрос не в том, случится ли то же самое в других категориях. Вопрос в том, будете ли вы готовы к моменту, когда покупательское доверие перейдет к агентам — или это будут ваши конкуренты?
Два первых победителя
Самые очевидные примеры — снова из экосистемы разработчиков, где AI-агенты располагают и доверием, и автономией. Vibe-coding инструменты — Bolt, Lovable, Cursor, Claude Code — не просто пишут код. Они способны принимать за разработчика инфраструктурные решения. И сегодня постепенно складывается стек «по умолчанию» — не через продажи и не через маркетинговые бюджеты, а через выбор самих агентов.
Supabase стал дефолтным бэкендом для многих vibe-coding платформ — и не через бизнес-девелопмент, а именно потому что его выбирали сами агенты. Это привилегированное положение позволило компании вырасти с 1 до 4,5 миллиона разработчиков менее чем за 12 месяцев. CEO прямо указал на этот механизм: «Наш темп регистраций удвоился за три месяца — и это благодаря Bolt, Lovable, Cursor». Оценка отразила динамику: с $765 млн в сентябре 2024-го до $5 млрд к октябрю 2025-го.
Resend, сервис для транзакционных email-рассылок, с момента запуска в 2023 году вырос с нуля до 400 тысяч пользователей. Если попросить Claude Code добавить в репозиторий email-функциональность, в 63% случаев он выбирает именно Resend. У его куда более крупного конкурента, SendGrid, этот показатель — 7%.
Почему агенты выбирают именно эти продукты?
- У обоих — обширная, машиночитаемая документация
- Оба предлагают бесплатный тариф, снимающий вопрос согласования бюджета, и растут через оплату по факту
- У обоих — чистые, предсказуемые API, которые минимизируют количество решений, которые агент должен принять
- Оба хорошо представлены в обучающих данных LLM благодаря работе с открытым кодом и публикациям в сообществах
Картина повторяется: эти продукты минимизируют усилие, которое агент должен приложить, чтобы рекомендовать их как приоритетные решения.
Здесь удобно мыслить категорией token-to-value: сколько токенов нужно агенту, чтобы понять, что продукт решает задачу пользователя, — и сколько еще нужно для реализации? Это машинный аналог time-to-value из мира роста за счёт продукта. Любые пробелы в документации, неясная страница с ценами, отсутствие примеров интеграции — всё это увеличивает число токенов.
По опыту Insight: чем быстрее агент приходит к уверенному ответу и чем проще ему реализовать выбранное решение — тем выше шанс стать дефолтным выбором. А дальше такие дефолты начинают быстро накапливать преимущество.
Воронка меняется целиком, не только верхний уровень
Большинство разговоров об AI и GTM крутилось вокруг обнаружения вашего продукта агентами: Generative Engine Optimization (GEO) — оптимизация под генеративные поисковые системы, Answer Engine Optimization (AEO) — оптимизация для попадания в выдачу LLM. GEO реален, важен и уже является базовым требованием. Но это только вершина воронки.
ALG идёт гораздо глубже — и об этом пока говорят намного меньше, хотя последствия тут могут быть куда серьезнее. На этапе оценки агенты уже способны самостоятельно собирать сравнительные матрицы по функциям, читать документацию и тестировать возможности продукта — часто еще до первого разговора с поставщиком. Исследования показывают: 77% покупателей в итоге покупают у того вендора, который изначально оказался фаворитом в их AI-исследовании. Во многих случаях агент уже сформировал мнение ещё до того, как ваш sales вышел на звонок.
На этапе принятия решения роль поставщика меняется. Он больше не создает спрос — он подтверждает или оспаривает уже сложившееся предпочтение. Если оценка агента сыграла в вашу пользу, задача сейлза — закрепить это. Если нет — он запускает переговоры, чтобы исправить ситуацию.
На этапе покупки запуск сделок агентом уже вполне укладывается в потребительскую логику. Instant Checkout от ChatGPT был ранним экспериментом. B2B-последствия — дело ближайшего времени.
Скорость происходящего впечатляет. Разработчик, работающий с Claude Code, может пройти путь от осознания проблемы до интеграции в продакшн меньше чем за пять минут — Resend требует всего одной команды агенту для внедрения. В мире, где посредником выступает агент, воронка не исчезает. Она просто резко ускоряется.
WebMCP: инфраструктура для новой механики
Каждая из упомянутых GTM-механик нуждалась в своей инфраструктуре. CRM — для SLG. Продуктовая аналитика — для PLG. Данные о намерениях — для ABX.
Теперь свою инфраструктуру получает и Agent-led growth.
Протокольный стек складывается из четырёх уровней. Model Context Protocol (MCP) от Anthropic позволяет агентам подключаться к бэкенд-инструментам и данным. Agent-to-Agent (A2A) от Google — координировать взаимодействие между агентами. Протоколы Google и Stripe открывают возможность транзакций и платежей, инициированных агентами.
Но до недавнего времени была одна проблема. Все эти протоколы работали за кулисами — на уровне бэкенда, API и серверной инфраструктуры. Для разработчиков — прекрасно, но все остальные оставались за бортом. Браузер, где мы все взаимодействуем с интернетом, оставался чисто визуальной средой. Агентам приходилось мучительно ориентироваться в ней через скриншоты и догадки о том, куда нажать. Исследования показывают, что две трети вычислений в AI-взаимодействии с сайтами тратились именно на эту бессмысленную угадайку.
Несколько недель назад эта проблема исчезла.
12 февраля Google и Microsoft опубликовали WebMCP — Web Model Context Protocol — как открытый стандарт. Он вошёл в Chrome 146 (версия браузера). И это изменило саму связь между сайтами и AI-агентами.
Самая простая реализация на удивление доступна. Достаточно добавить к существующим HTML-формам несколько атрибутов — имя инструмента и описание, — и Chrome сможет превратить эти формы в структурированные схемы инструментов, которые агент может вызывать. Никаких изменений в бэкенде. Никакой новой инфраструктуры. Ваш текущий сайт становится готовым к работе с агентами.
Теперь представьте это в контексте воронки, о которой мы только что говорили.
WebMCP трансформирует каждый этап покупательского пути. Теперь агенты могут программно тестировать ваш продукт прямо через сайт: запускать поиск, выгружать данные, настраивать параметры, — превращая оценку из контролируемого вендором демо в постоянно доступный, контролируемый покупателем тест. А на этапе покупки путь до конверсии резко схлопывается: вместо нескольких действий, которые должен сделать человек между рекомендацией и покупкой, транзакцию выполняет агент — пользователю остается только подтвердить.
Эффект накапливается: как мы уже видим, агенты, которые считают ваши инструменты надежными, со временем начинают рекомендовать вас все чаще. Так возникает растущая пропасть «машинного доверия» — аналог того, как в человеческом мире работает доверие к бренду.
Что компаниям делать сейчас?
Y Combinator пошутил, что подумывает сменить девиз на «создавай то, чего хотят агенты». «Продавай то, что агенты могут купить» — кажется, точнее.
Анализ экспертов Insight Partners, которые занимаются GTM, показывает устойчивый набор принципов: как агенты учатся и как они действуют. На практике все сводится к трем свойствам, по которым нужно проверять ваш продукт и вашу go-to-market модель, если вы хотите выиграть в мире, где посредником становится агент.
Находимость
Инвестируйте в GEO и AEO. Это базовое требование для обнаружения в AI-выдаче, но оно не статично. Стратегия запросов имеет значение, а соотношение инвестиций в SEO и GEO — живой вопрос, который GTM-командам стоит пересматривать регулярно. Критерий успеха простой: появляется ли ваша компания в ответах агента тогда, когда тот уже понимает задачу покупателя и ищет решение от его имени.
Оцениваемость
Относитесь к документации как к GTM-активу, а не к функции поддержки. Агенты читают документацию, а не питч-деки. И Supabase, и Resend вкладывались в документацию для разработчиков — гораздо больше, чем в маркетинг. Какие вопросы всплывают на демо и в продажах, но не отражены в ваших публичных материалах? Именно эти вопросы агенты и будут задавать — а каждый не отвеченный добавляет токены и вычислительную нагрузку.
Подробная документация по возможностям продукта, прозрачное ценообразование, структурированные страницы с описанием функций — уже часть GTM-стека. Конкретная цель здесь — минимизировать token-to-value, то есть количество токенов, которое нужно агенту, чтобы пройти путь от осознания проблемы до реализации. Команды, у которых Agent-led growth уже работает, проверяют документацию именно с этой точки зрения, а не просто следят, чтобы в ней были актуальные версии.
Исполняемость
Координируйтесь с инженерами, чтобы размечать ключевые точки конверсии для WebMCP: запрос демо, регистрации в триале, страницы с ценами. Наличие пробных тарифов или usage-based pricing (оплаты по факту использования) снимает необходимость в предварительном бюджетном согласовании и позволяет агенту инициировать подключение с минимальным участием человека. Задайте себе честный вопрос: как продвинутый агент оценил бы возможности вашего продукта сегодня — и на что бы он наткнулся? Ответы, как правило, быстро подсвечивают зоны роста.
Все это не заменяет сильных маркетологов и сейлзов. Этот подход лучше всего работает как дополнительный слой поверх внятной человеческой go-to-market стратегии. Агенты вознаграждают последовательность: между тем, что пишет маркетинг, что показывает документация и что говорит сейлз. Более того, ставка на человеческое взаимодействие становится даже выше. Покупатель приходит на более поздней стадии воронки и еще сильнее ценит свое время. В ALG выиграют те команды, которые будут относиться к своему «позиционированию для агентов» как к продолжению уже существующего позиционирования для потребителя, а не как к отдельной истории.
Завоевать статус по умолчанию
Уже 94% B2B-покупателей используют LLM в процессе ресерча. Инфраструктура строится прямо сейчас. Чтобы воспользоваться этим переломом, компании не обязательно полностью переписывать сценарий под агентов — так же, как можно было внедрить лучшие практики PLG, не становясь Dropbox. Думайте о том, как убрать барьеры для агентов, которые оценивают и внедряют ваши решения. Если конкуренты сделают это раньше вас, агенты только увеличат пропасть между вашими продуктами.
Agent-led growth — это то, что происходит, когда AI-агенты не просто помогают покупателям найти поставщиков, а оценивают, сравнивают и совершают действия от их имени. Компании, которые сделают себя видимыми, оцениваемыми и пригодными к действию для машин, создадут следующее поколение устойчивых преимуществ в B2B-софте.
Главный открытый вопрос уже не в том, изменит ли ALG дистрибуцию в B2B. Изменит. Вопрос в другом: какие категории перестроятся первыми — и окажутся ли нынешние лидеры рынка теми, кто адаптируется и заработает дефолтный статус, или теми, кого вытеснят в стремительном темпе.
Примечание: Insight Partners инвестировали в OpenAI, Anthropic, StackBlitz и 6sense.
Этот текст содержит прогнозы и предположения о будущем AI. Они основаны на текущих ожиданиях и допущениях команды Insight Partners, и фактические результаты могут существенно отличаться от тех, что здесь прямо или косвенно описаны. Материал носит исключительно информационный характер и не является финансовой, инвестиционной или профессиональной рекомендацией. Его не следует воспринимать как совет покупать, продавать или удерживать какие-либо конкретные активы или ценные бумаги. Инвестиции в AI и связанные с ним технологии сопряжены с рисками, а прошлые результаты не гарантируют будущих.
Спасибо, что дочитали до конца!
Если вам близко то, как мы смотрим на технологии и венчур — пишите Кате → @katiatatulova
Следить за инсайтами про AI и венчур простым языком можно в Telegram Саши Журавлева