Чем AI-нативная модель отличается от классического SaaS по четырём осям прогона — монетизация, граница free/paid, gross margin (маржа) и привлечение — и почему. Это ось, связывающая весь прогон: тот же бизнес, но другая экономика «одного запроса».
Чем AI-нативная модель отличается от классического SaaS по четырём осям прогона — монетизация, граница free/paid, gross margin (маржа) и привлечение — и почему. Это ось, связывающая весь прогон: тот же бизнес, но другая экономика «одного запроса».
Ключевая секция документа — четыре оси сравнения.
| Ось | Классический SaaS | AI-native | Почему разница |
|---|---|---|---|
| Монетизация | Per-seat (за место) или flat-подписка. Цена ≈ «сколько человек логинится». Примеры: Salesforce CRM, Slack, Notion (за seat); Basecamp (flat). | Сдвиг к usage / credits / токены и outcome-based (за результат). Примеры: OpenAI/Anthropic API (за токены), Cursor (кредиты на frontier-модели), Intercom Fin ($0.99 за разрешённый тикет), Salesforce Agentforce ($2 за разговор / Flex-кредиты $0.10 за действие). | Per-seat привязан к числу людей. Агент работает вместо человека → число «мест» падает, а нагрузка (запросы) растёт. Платить «за место» становится бессмысленно. + variable cost инференса требует, чтобы цена росла вместе с потреблением. |
| Граница free/paid | Щедрый free-тир: фичи, история, интеграции. Лимиты — про ценность (история сообщений, число проектов), не про себестоимость. Free почти ничего не стоит вендору. | Урезанный free, лимит на количество запросов/время. ChatGPT Free ≈ 10 сообщений / 5 ч на топ-модели, дальше — мини-версия; Cursor Hobby $0; Perplexity Free ≈ 5 Pro-поисков/день. | В классике лишний бесплатный юзер ≈ бесплатен → можно держать. В AI каждый бесплатный запрос = реальный счёт за инференс → free строго лимитируют по объёму, чтобы не сжигать деньги. |
| Gross margin (маржа) | ~80–90% (a16z исторически: «гравитация» тянула SaaS к 70–80%; ICONIQ-сравнение даёт 75–85%). | ~50–60%, в среднем по рынку растёт: ICONIQ 41% (2024) → 45% (2025) → 52% прогноз 2026. Bessemer: 50–60%. | COGS («прямые затраты на обслуживание запроса») в SaaS почти не растёт с числом юзеров; в AI растёт линейно с использованием — 10 000-й запрос стоит примерно столько же, сколько 1000-й (a16z). Инференс «съедает» 23% выручки на scaling-stage (ICONIQ). |
| Привлечение | PLG / sales-led / marketing-led. Воронка через free-фичи, sales-демо, контент. | Виральные демо модели (показал «вау» → разошлось), API-first / developer-led (разработчик пробует API, тянет за собой команду), бесплатная проба самой модели как hook (дать пощупать интеллект → конверсия в paid). Примеры: OpenAI/Anthropic (API + chat-демо), Cursor (free-tier для разработчиков), Perplexity (free-поиск как hook). | Сам продукт — это «магия модели», её можно показать мгновенно и вирусно. Но щедрость пробы упирается в стоимость инференса (см. ось free/paid) → hook короче, чем в классике. |
Механика поломки (established, логика подтверждена a16z, Bessemer, MindStudio):
Цифры сдвига (Bessemer, as of 2026):
Почему давит (established, механика — a16z):
В SaaS COGS масштабируется сублинейно: 10 000-й клиент стоит почти столько же, сколько 1000-й. В AI COGS масштабируется линейно с использованием: 10 000-й запрос стоит примерно как 1000-й — каждый запрос = GPU-время или счёт за API-токены. Это структурный, а не временный фактор.
Цифры (несущие — по ≥2 источникам):
| Метрика | Значение | Источник / дата | Confidence |
|---|---|---|---|
| AI-native gross margin, средн. | 52% (прогноз 2026), 45% (2025), 41% (2024) | ICONIQ State of AI, as of янв 2026 | High (первичный survey ~300 экзеков, лонгитюд) |
| AI gross margin, диапазон | 50–60% | a16z «New Business of AI» + Bessemer AI pricing playbook | High (2 независимых VC) |
| AI gross margin (LLM-native) | ~65% | Bessemer State of AI 2025 | Medium (одна оценка) |
| Классический SaaS, бенчмарк | 80–90% (a16z/Bessemer); 75–85% (ICONIQ-сравнение) | a16z, Bessemer, ICONIQ | High (сходятся) |
| Инференс как доля выручки | 23% на scaling-stage | ICONIQ, as of янв 2026 | High (первичный) |
| Эрозия маржи от AI-инфры | 84% компаний теряют ≥6 п.п. | ICONIQ, as of янв 2026 | Medium-High |
| AI-фича на $80 seat | +$15 variable cost → маржа 80% → ~65% | a16z-производный расчёт | Medium (иллюстративный estimate) |
| Публичные SaaS: раскрытие inference-COGS | 4–9% выручки | отраслевые сводки Q1 2026 | Medium (вторичные источники) |
Всё различие AI vs классика выводится из одного факта: near-zero marginal cost (классика) против реальной стоимости каждого запроса (AI). Это «первопричина», из которой следуют и урезанный free, и смерть per-seat, и просадка маржи.
Объяснять продакт-команде надо именно от неё, а не от частностей.
Per-seat ломается не из-за моды, а из-за конфликта интересов: агент уменьшает число нужных людей → клиент хочет платить меньше seats именно когда получил больше ценности. Per-seat наказывает вендора за успех агента.
Это структурно, не отыграется. (Established)
Outcome-based pricing — пока тренд, не норма. 4-кратный разброс цен за «один результат» ($0.50–$2.00) и то, что Salesforce держит 3+ модели разом, — прямой сигнал, что рынок ещё экспериментирует.
Не закладывайте outcome-pricing как «стандарт индустрии».
Маржа AI растёт, но потолок ниже классики. 41%→52% за 2 года (ICONIQ) благодаря LLMflation, но прогнозный потолок 60–65% против 80–90% классики.
Планируя AI-продукт, закладывайте, что с рубля выручки у вас будет оставаться ~50–60 копеек, а не 85 — это меняет требования к CAC, цене и retention.
Free-тир в AI — это статья расходов, а не маркетинг «бесплатно». Каждый бесплатный запрос = счёт за инференс. Отсюда жёсткие лимиты по объёму (ChatGPT ~10 сообщений/5ч, Perplexity ~5 Pro-поисков/день).
Дизайн free-границы в AI = балансировка «дать почувствовать магию» против «не разориться».
Гибрид побеждает в переходный период: floor (стабильная подписка) + usage/outcome (upside с потреблением) — рост 27%→41% за год.
Это безопасный дефолт для нового AI-продукта: предсказуемая выручка + защита от тяжёлых юзеров.