惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
C
Cisco Blogs
Latest news
Latest news
K
Kaspersky official blog
Attack and Defense Labs
Attack and Defense Labs
Cisco Talos Blog
Cisco Talos Blog
C
CERT Recently Published Vulnerability Notes
Webroot Blog
Webroot Blog
V2EX - 技术
V2EX - 技术
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
W
WeLiveSecurity
C
CXSECURITY Database RSS Feed - CXSecurity.com
PCI Perspectives
PCI Perspectives
S
Security @ Cisco Blogs
A
Arctic Wolf
Hacker News - Newest:
Hacker News - Newest: "LLM"
C
Check Point Blog
云风的 BLOG
云风的 BLOG
N
News | PayPal Newsroom
Microsoft Azure Blog
Microsoft Azure Blog
Security Latest
Security Latest
Cloudbric
Cloudbric
F
Fortinet All Blogs
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
Application and Cybersecurity Blog
Application and Cybersecurity Blog
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
S
Security Affairs
T
Threat Research - Cisco Blogs
L
LangChain Blog
Spread Privacy
Spread Privacy
T
Tor Project blog
Simon Willison's Weblog
Simon Willison's Weblog
Y
Y Combinator Blog
N
News and Events Feed by Topic
Blog — PlanetScale
Blog — PlanetScale
D
DataBreaches.Net
Google Online Security Blog
Google Online Security Blog
T
The Blog of Author Tim Ferriss
Forbes - Security
Forbes - Security
Security Archives - TechRepublic
Security Archives - TechRepublic
Martin Fowler
Martin Fowler
Vercel News
Vercel News
H
Heimdal Security Blog
P
Proofpoint News Feed
H
Help Net Security
Google DeepMind News
Google DeepMind News
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - 司徒正美
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
人人都是产品经理
人人都是产品经理

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
SASпокалипсис отменяется: почему рынок неправильно считает угрозу ИИ-агентов для корпоративного софта
terabucks · 2026-04-26 · via Все публикации подряд на Хабре

Уровень сложностиСредний

Время на прочтение6 мин

Охват и читатели21

Мнение

Теги: #SaaS #AI #Adobe #Salesforce #ServiceNow #ИИ-агенты #инвестиции #рынок #enterprise-software #GenAI


TL;DR В феврале 2026 года корпоративный софтверный сектор потерял ~$2 трлн капитализации на фоне запуска Claude Code и агентского ChatGPT. Рынок испугался: ИИ-агенты заменят людей → лицензий покупать некому → всё пропало. Это ошибка в модели. Adobe переходит в нишу «юридически чистого ИИ», Salesforce меняет биллинг с per-seat на per-action. Обе стратегии — не отступление, а захват новой позиции. Технически и финансово — разбираем механику.


Биржа, если внимательно наблюдать за ней лет десять, начинает казаться не экономическим инструментом, а тестом на устойчивость нервной системы. Каждые несколько лет она находит повод впасть в панику, описывает происходящее в апокалиптических терминах, а потом тихо корректирует позиции и делает вид, что всё так и было задумано.

Февраль 2026-го не исключение. Но на этот раз у паники есть несколько технически интересных слоёв, которые стоит разобрать без спешки.


Что произошло 3 февраля 2026 года

Два события в один день. Anthropic анонсирует Claude Code — агента, который умеет автономно работать с кодовой базой: читает репозитории, пишет и правит код, открывает PR, закрывает тикеты. OpenAI одновременно запускает агентный режим ChatGPT — та же идея, но с акцентом на GUI-автоматизацию и работу с браузером.

Рынок применил линейную логику:

1 агент ≈ 10 сотрудников
→ компания покупает в 10 раз меньше лицензий
→ SaaS-выручка падает
→ sell everything

За несколько недель сектор enterprise software потерял больше двух триллионов долларов рыночной капитализации. Adobe (ADBE)проселапримернона30ADBE)проселапримернона30CRM) — схожая картина. ServiceNow ($NOW) — тоже.

Паника получила имя: SASпокалипсис.

Логика понятна. Проблема в том, что она игнорирует, как именно устроена монетизация этих компаний и куда они ведут свои продукты.


Ошибка в модели: почему «меньше людей = меньше лицензий» не работает

Линейная модель рынка предполагает: количество лицензий = количество сотрудников. Это справедливо для per-seat биллинга образца 2015 года. Но крупнейшие игроки уже несколько лет методично эту модель переписывают.

Salesforce: переход с per-seat на per-action

Salesforce ещё в 2024 году объявила о новом продукте — Agentforce. Ключевое отличие от классической CRM: вместо биллинга за «кресло» (seat) — биллинг за действие агента. Базовая цена — $0.10 за операцию.

Арифметика контринтуитивна, но строга:

  • Компания X держала 100 менеджеров по продажам. Каждый совершал ~50 значимых действий в CRM в день.

  • Итого: 5 000 операций/день при, условно, $1 500 000/год за лицензии (100 seats × $15K/год).

  • После внедрения Agentforce: 5 человек контролируют агентов. Агенты работают 24/7 и совершают 15 000+ операций/день (в 3 раза больше).

  • Итого при $0.10/операция: ~$547 500/год. Клиент сэкономил на ФОТ десятки миллионов. Salesforce получила меньше, чем раньше.

Но. Именно здесь и начинается самое интересное. Компания, которая уволила 95 человек и поставила агентов, неизбежно расширяет охват своей CRM. Раньше она обрабатывала 1 000 лидов в месяц. Теперь — 10 000. Количество операций растёт нелинейно. И вот уже $0.10 × 200 000 операций/месяц даёт Salesforce больше, чем per-seat модель.

Это не потеря рынка. Это смена ценовой архитектуры с расчётом на то, что объём заменит маржу на пользователя.

Adobe: юридическая монополия на чистый ИИ

Здесь другой механизм, но не менее интересный.

Adobe Firefly — генеративная модель, обученная исключительно на лицензионном контенте: собственный сток Adobe, материалы с явным разрешением правообладателей и контент из публичного домена. Это принципиально отличает её от Midjourney, Stable Diffusion и большинства других генеративных инструментов, датасеты которых включают материалы сомнительного происхождения.

Практическое следствие для корпоративного сегмента:

  • Крупная компания, запускающая рекламную кампанию на $50M+ с изображениями из условного Midjourney, берёт на себя юридический риск иска от правообладателей.

  • Adobe, напротив, даёт корпоративную гарантию возмещения ущерба (indemnification) — если правообладатель подаёт иск на вас за использование Firefly-контента, Adobe берёт расходы на себя.

Это превращает Firefly не в конкурента Midjourney в нише «сделай красивую картинку», а в страховой продукт для enterprise. А страховки в кризис покупают охотнее, а не реже.

Подтверждение — в финансовых показателях. Количество активных пользователей Adobe превысило 850 миллионов (+17% г/г). Выручка растёт примерно на 11% в год четыре года подряд — в разгар того самого «апокалипсиса». Программа buyback: за три года компания выкупила почти 20% собственных акций — это агрессивный сигнал о том, что менеджмент считает бумаги недооценёнными.


Что изменилось в инфраструктурном слое

Отдельного внимания заслуживает сдвиг, который происходит не на уровне SaaS, а на уровне железа и архитектуры нагрузок.

До 2024 года основной точкой роста был training — обучение больших моделей. Отсюда безумный спрос на GPU, рост NVIDIA, инвестиции в H100/H200. Теперь центр тяжести смещается в inference — эксплуатацию уже обученных моделей в продакшне.

Inference — другая нагрузка:

Параметр

Training

Inference

Основной ресурс

VRAM, FP16/BF16 GPU

CPU, RAM, латентность I/O

Батч-размер

Тысячи примеров

1–8 запросов параллельно

Продолжительность

Недели на кластере

Миллисекунды на запрос

Масштаб затрат

$10M–$100M+

$0.001–$0.01 на запрос

Это значит, что компании, которые выглядели «скучными» три года назад — производители серверной DRAM, провайдеры CPU-инфраструктуры, энергетические компании, операторы ЦОД — получают второе дыхание. Агентский ИИ никогда не спит, потребляет запросы к API 24/7 и требует огромного количества дешёвых инференс-ресурсов.

Попутный эффект: форвардный P/E сектора enterprise software упал с 84 до 22. Это не катастрофа — это нормализация оценок до исторически разумных значений. Компании с реальной выручкой, растущей клиентской базой и активным buyback при P/E=22 выглядят иначе, чем те же компании при P/E=84.


Исторический параллелизм: это уже бывало

Без этого контекста анализ неполный.

1908 год. Ford запускает Model T и конвейерное производство. Рынок труда лишился сотен тысяч рабочих мест ручной сборки. Образовались новые — оператор конвейера, механик, водитель, заправщик, дорожный строитель. Суммарный размер автомобильной экономики вырос в десятки раз.

1981 год. IBM выпускает персональный компьютер. Секретари с печатными машинками должны были остаться без работы. Количество «офисных работников» в США к 2000 году выросло в разы — просто они стали делать другое.

1999 год. Napster «убивает» музыкальную индустрию. В итоге появился iTunes, затем Spotify. Выручка индустрии сначала упала, потом выросла выше доцифровых значений — только деньги пошли другим маршрутом.

Паттерн устойчив: технология не уничтожает рынок, она перераспределяет, кто именно получает деньги. Выигрывают те, кто первым встраивает технологию в продукт. Adobe и Salesforce — именно это и делают, причём не в режиме защиты, а в режиме атаки.


Этический слой: что остаётся за скобками финансового анализа

Есть вопрос, который аналитики корпоративного рынка традиционно игнорируют, но который влияет на регуляторную среду в перспективе 3–5 лет.

Когда Salesforce помогает клиенту «срезать ФОТ», за этим стоят реальные люди — менеджеры по продажам, операторы поддержки, аналитики. Рынок труда адаптируется, но не мгновенно. Разрыв между скоростью автоматизации и скоростью переквалификации — это политический и регуляторный риск.

Луддиты XVIII века разбивали ткацкие станки не из злобы, а из экзистенциального страха перед потерей дохода и смысла. Общество тогда справилось — но через промышленную революцию, которая заняла 60+ лет. Нынешняя скорость изменений принципиально другая.

Это не повод игнорировать акции $ADBE. Но это повод понимать, что регуляторная реакция — налоги на автоматизацию, требования к переобучению, ограничения на агентский биллинг — может прийти в горизонте 2–4 лет. Особенно в Европе. Особенно после следующих выборов в нескольких крупных экономиках.

Финансовый анализ без регуляторного — неполный.


Что это значит технически и практически

Для тех, кто строит продукты:

Модель «агент вместо человека» меняет архитектуру SaaS-продуктов. Вместо UI-ориентированных интерфейсов («нажмите кнопку, введите данные») нужны API-first агентные интерфейсы — с гранулярными действиями, аудит-логами и механизмами авторизации агентов. Salesforce Agentforce и Adobe Firefly API уже движутся в этом направлении. Продукты, которые не имеют агентного слоя к 2027 году, рискуют оказаться вне цепочки автоматизации.

Для тех, кто работает в затронутых профессиях:

Перераспределение переговорной силы — реальное. Тот, кто умеет конфигурировать, оценивать и контролировать ИИ-агентов, стоит дороже. Тот, кто делает только то, что агент делает лучше и дешевле, — дешевеет. Это не утешительная речь и не страшилка: это просто новый ценовой сигнал рынка труда.

Для тех, кто смотрит на рынок:

Форвардный P/E ~22 при стабильно растущей выручке (+11% г/г), рекордных buyback (-20% акций за 3 года) и 850M активных пользователях — это другая ситуация, чем то, что транслируют заголовки. Рынок часто путает «страшная история» с «плохой бизнес».


Вместо итога

Биржевая паника — плохой аналитический инструмент. Хороший аналитический инструмент — это понять механику изменений, посмотреть в отчётность и проверить, соответствуют ли цифры нарративу.

В данном случае: нарратив говорит «SaaS умрёт», цифры говорят «SaaS перестраивается». Это разные истории с разными инвестиционными импликациями.

Терпеливые против впечатлительных — в долгосрочной перспективе биржа всегда голосовала за первых.


За исходную аналитику по секторам Adobe / Salesforce / ServiceNow — Дмитрий Солодин (TelegramDiscord-сообществоинтенсив). Исторический контекст, технический анализ инфраструктурного сдвига и этический слой — на ответственности автора проекта, Игоря Рябушкина.

Материал носит аналитический и образовательный характер. Не является индивидуальной инвестиционной рекомендацией.