Рано чи пізно майже кожній сервісній ІТ-компанії доведеться відповісти собі на незручне питання: якщо значну частину звичної роботи незабаром можна буде виконати швидше, дешевше і меншими силами, за що тоді клієнт платитиме через кілька років? Найпоширеніша відповідь зараз звучить однаково в усіх: ми використовуємо AI, наші люди працюють зі штучним інтелектом, у нас AI-first підхід.
Схожу впевненість компанії демонстрували років десять тому, коли на кожному сайті red-flag-ом красувалося «у нас agile». Проблема в тому, що новий інструмент сам собою нічого не вирішує — важить лише те, чого завдяки йому можна досягти такого, що раніше було недосяжним, або зробити швидше й якісніше. Штучний інтелект змінює сервісний ІТ-бізнес не тому, що навчився писати код, малювати макети й готувати презентації, а тому, що поступово здешевлює саме виробництво. А коли виробництво дешевшає, бізнесу знову доводиться пояснювати, в чому його цінність.
На одному з бізнес-сніданків Forbes прозвучала теза, незручна для багатьох: щоб залишатися конкурентними, сервісним компаніям доведеться підніматися над execution — у бік discovery, продуктової стратегії, архітектури, галузевої експертизи та консалтингу. Інакше кажучи, продавати не розробку й дизайн самі по собі, а допомогу сформулювати ідею, пройти product-market fit і зрозуміти, що взагалі варто будувати. Розробка не зникає, але код дедалі рідше буде самостійною цінністю — основна вага переходить до вибору рішення, архітектури, інтеграції та відповідальності за результат.
Години більше не пояснюють ціну
Погодинна модель довго влаштовувала всіх: команда працює, клієнт платить, більше роботи — більший рахунок, усе легко рахується в Excel. AI порушив цю зручну логіку. Якщо окремі завдання тепер виконуються набагато швидше, клієнта дедалі менше турбує кількість витрачених годин — йому важливий результат.
І це цілком логічно: клієнт купує не 47 годин роботи розробника, а запущений продукт, робочу функцію або бізнес-ефект — швидший реліз, нижчий TCO, менше дефектів чи приріст продуктового показника. Тому питання поступово змінюється: замість «скільки часу вам треба» клієнт питає «що саме ви можете зробити і наскільки швидко це закриє мою проблему». Для сервісного бізнесу це означає перебудову логіки продажів, ціноутворення й упаковки послуг.
Фраза «ми робимо все» більше не переконує
Варто зайти на сайт майже будь-якої сервісної компанії — і побачите однакові слова: Full Circle, End-to-End, Cross-Tech, а якщо пощастить — ще й blockchain. Але чи достатньо цього, щоб клієнт обрав саме вас? Такий універсальний опис нагадує меню привокзальної забігайлівки: сторінок багато, а замовити особливо нічого.
Коли базове виробництво стає доступнішим, довгий перелік послуг перестає бути перевагою. На перегрітому ринку значно легше зрозуміти компанію, яка каже «допомагаємо досягти наступної віхи зростання у FinTech», ніж ту, що обіцяє «ми можемо практично все». Штучний інтелект лише посилює цю різницю: коли частину стандартної роботи може зробити невелика команда з доступними інструментами, увага переміщується на те, що важко скопіювати — знання конкретної індустрії, розуміння бізнесу клієнта, досвід у певному типі продуктів і здатність розв'язувати конкретні проблеми. Питання «що ви вмієте» поступається питанню «у чому саме ви справді добре розбираєтеся».
Четверо сильних людей замість десяти
AI дає senior-спеціалістам додатковий важіль: вони швидше досліджують, збирають прототипи, перевіряють гіпотези, пишуть і тестують код, аналізують великі масиви даних. Це не означає, що будь-який проєкт тепер можна робити втрьох на кухні, але розмір команди вже не доказує масштаб сам собою.
Торік автор спостерігав за проєктом, під який спершу планували команду з дванадцяти людей, а зрештою його зробили четверо — AI-інструменти стали одним із факторів, що дозволили вкластися у строки без розширення штату. Замовник працював за моделлю T&M, тож різницю одразу побачив у рахунку; якби домовлялися на fixed price, економія лишилася б в агенції непомітною.
Раніше команда з двадцяти людей сама по собі виглядала переконливо. Сьогодні клієнт цілком може запитати, навіщо йому всі двадцять, адже розуміє — це насамперед фонд оплати праці. Для сервісної компанії це означає, що продавати людей стає складніше: потрібно показувати, яку цінність створює саме такий склад команди для конкретного завдання. На якомусь проєкті справді потрібні двадцятеро, але далеко не завжди, і якщо четверо впораються швидше, клієнт не засмутиться через відсутність шістнадцяти зайвих резюме в папці.
Клієнт приходить на перший дзвінок уже підготовленим
Ще одна зміна не стосується виробництва напряму: клієнт став набагато краще поінформованим. До першого дзвінка він уже вивчив ваш сайт, переглянув кейси, порівняв конкурентів, почитав відгуки, запитав штучний інтелект, хто працює в потрібній йому ніші, і склав власний шортліст. Sales-зустріч дедалі менше нагадує презентацію компанії для людини, яка про вас нічого не знає.
Фраза «ми працюємо з 2012 року, у нас 150 спеціалістів, ось наші офіси, а ось послуги» — це корпоративна вода, яку клієнт, найімовірніше, уже бачив і забув за хвилину. Тому хороший sales сьогодні починається з діагностики, причому перший сигнал команда отримує ще до розмови — з каналу, яким клієнт прийшов. Лід з рекомендації, з галузевої статті чи з холодної реклами — це три різні рівні підготовки й три набори питань, до яких варто готуватися заздалегідь: що насправді відбувається у клієнта, де проблема, чому вона виникла, що вже пробували і чи взагалі потрібна йому та послуга, з якою він прийшов. Останнє питання іноді найкорисніше, адже продати непотрібне технічно можна, але довгостроковий бізнес на цьому не побудуєш.
Контенту побільшало, довіри — поменшало
Штучний інтелект чудово генерує тексти, тож експертних статей, постів у LinkedIn і white papers стало значно більше. А від заголовків на кшталт «Наших 10 інсайтів про майбутнє індустрії» вже навіть трохи нудить. Виникає парадокс: контенту більшає, а довіра до нього падає.
Сама по собі стаття вже нічого не доводить — набагато переконливіший реальний кейс: що було у клієнта, що саме зробила команда, яке рішення ухвалили, що не спрацювало і що змінилося після запуску. Те саме з портфоліо: красивий дизайн нікуди не подівся, але його вже замало. Клієнту цікаво, що сталося після того, як цей дизайн потрапив у реальний продукт — чи зросла конверсія, чи швидше запустили продукт, чи стало дешевше вносити зміни, чи скоротився час розробки. AI в цьому сенсі робить корисну річ: змушує сервісні компанії розрізняти «ми щось зробили» і «ми щось змінили».
Конкурент сидить за сусіднім столом клієнта
Раніше сервісна компанія конкурувала переважно з іншими сервісними компаніями. Тепер у клієнта з'явився ще один варіант — не наймати нікого взагалі. Частину досліджень, прототипів, текстів, візуалів, тестування і навіть коду його власна команда вже може зробити самостійно за допомогою штучного інтелекту.
Це не означає, що сервісні компанії стали непотрібними — просто їм доводиться боротися не лише за право виконати роботу, а й за право бути потрібними взагалі. У декого цілі сегменти клієнтів просто зникли. Найбільшого тиску зазнають стандартизовані greenfield-задачі без суттєвого legacy, складних інтеграцій і регуляторних обмежень, де внутрішня команда клієнта вже здатна закрити значну частину роботи сама за допомогою AI. Особливо вразливі компанії, які роками продавали саме execution за принципом «дайте нам завдання — і ми все зробимо»: якщо цінність підрядника зводиться лише до виконання чітко сформульованого завдання, клієнт цілком може запитати, навіщо взагалі передавати цю роботу назовні. Тому виграватимуть позиціонування, спеціалізація та досвід десятків схожих проєктів — те, чого в AI «за плечима» немає.
«Ми дешевші» вже не аргумент
Для українського ІТ ця зміна особливо чутлива. Довгі роки модель була зрозумілою: сильні спеціалісти, хороша інженерна школа і нижча вартість праці порівняно з багатьма західними країнами. Але конкурувати лише ціною стає дедалі важче — якщо головна перевага це дешевша година, завжди знайдеться хтось дешевший.
Тому українським ІТ-сервісним компаніям доведеться продавати не дешеву працю, а експертизу: знання індустрії, розуміння бізнесу, швидкість ухвалення рішень і здатність довести справу до результату. Йдеться не про те, щоб робити дешевше, а про те, щоб допомагати клієнту витрачати менше на розробку, зміни й помилки — це вже зовсім інша розмова.
«Ми використовуємо AI». І що далі?
Зараз компанії наввипередки розповідають, як впровадили штучний інтелект у розробку, дизайн, аналітику й продажі. Але з часом це стане таким самим базовим інструментом, як CRM чи хмара. Фраза «ми використовуємо AI» звучатиме як «у нас є вайфай»: приємно, але піднімати за це чек якось незручно.
Отже, питання не в тому, чи використовуєте ви штучний інтелект, а в тому, що саме завдяки йому змінилося. Чи швидше ви запускаєте проєкти? Чи перевіряєте більше гіпотез тією самою командою? Чи беретеся за складніші завдання без роздування штату? Саме це важить, бо сам по собі інструмент перевагою не є.
Доведеться перевинайти сам продукт
Можливо, найбільша зміна станеться саме тут. Формулювання «ми робимо дизайн», «ми пишемо код», «ми займаємося QA» описують роботу команди, але погано відповідають на головне питання: за що саме платить клієнт? Йому потрібен не дизайн, код чи QA самі по собі, а те, що вони дають бізнесу — швидший запуск продукту, перевірену гіпотезу, кращу конверсію, нижчу вартість розробки або зрозумілу відповідь на питання, чому продукт не росте.
Тому сервісним компаніям доведеться поступово підніматися на рівень вище — від конкретної роботи до конкретного результату. Виникає парадокс: що дешевшим стає execution, то більша частка цінності переходить у рішення, архітектуру, відповідальність та управління ризиками. Виконати окреме завдання стає легше, але рішення про те, що саме робити, навіщо і які наслідки матиме помилковий вибір, від цього не спрощується. Саме тут і залишається роль сильного спеціаліста: якщо раніше значна частина його цінності була пов'язана із самим виконанням роботи, то тепер дедалі важливішими стають розуміння задачі, правильні питання, якість рішень і готовність відповідати за результат.
То за що платитимуть
З одного боку, AI забирає частину старого попиту, з іншого — створює новий. Компаніям потрібні інтеграція штучного інтелекту в бізнес-процеси, модернізація legacy-систем, підготовка даних, безпека, governance і перебудова самого процесу розробки. Для сервісного бізнесу це не лише загроза старій моделі, а й новий ринок.
Автор не вважає, що штучний інтелект знищить сервісний ІТ-бізнес, але він цілком може знищити звичні способи його продавати. Години ставатимуть слабшим аргументом для пояснення ціни, розмір команди — слабшим доказом масштабу, а довгий список послуг — слабшим способом відрізнитися від конкурентів. Тому питання, яке сервісним компаніям варто поставити собі вже зараз, звучить просто: якщо завтра production стане ще дешевшим, швидшим і доступнішим — за що саме клієнт усе одно буде готовий платити? Краще мати відповідь заздалегідь, ніж чекати, поки це питання поставить клієнт.
Джерело: Highload.tech
