Привет! Меня зовут Саша Журавлев. Я венчурный инвестор и основатель фонда Mento vc. Мы инвестируем в стартапы на стадиях Seed / Series A в США, а в своем телеграм-канале рассказываю, как вижу рынок и принимаю инвестиционные решения.

ICONIQ (более $80B под управлением) каждый год выпускает отчет об эффективности software-компаний. И вот недавно вышел свежий сентябрьский отчет за 2026 год.

Для меня это один из самых важных репортов индустрии, и я ждал его с июля (он в прошлом году вышел в июле 2025), и постоянно проверял не вышел ли он еще.

Внутри есть ответы на следующие вопросы:

• Почему инвесторы оценивают один софт в 9 годовых выручек, а другой — меньше чем в 3?

• Как лидеры растут от $1M до $100M ARR за 2-3 года, когда остальным нужно 5+ лет?

• Сколько компании тратят на каждый заработанный доллар и окупается ли это?

• Что AI уже поменял в процессах бизнеса: конкретные цифры?

Если вы инвестируете в софт или строите компанию в этой индустрии, этот отчет — один из самых полезных материалов про рынок на сегодня.

Мы с командой целую неделю делали перевод, собирали графики и добавляли свои пояснения к ним. Приятного чтения!

Какие компании вошли в исследование

В этом году авторы разделили компании в выборке на Лидеров роста (Pacesetters) и на всех остальных. Они приводят сравнение различных результатов, чтобы исследовать: что лидеры делают иначе, чем все? И сколько тратят ради такого быстрого роста?

В выборку вошли финансовые и операционные данные 137 software-компаний: в основном портфельных компаний ICONIQ, а также 11 публичных. Названия трех компаний из выборки не раскрываются.

Затем среди этих компаний искали Лидеров роста (Pacesetters). Два обязательных условия:

1. Быстрый рост: если по росту ARR или выручки за последние три года компания попадает в лучшие 25% своей группы, первое условие выполнено. Причем сравнивают с бизнесами примерно того же размера по ARR.

2. Сильная связь продукта с AI. Либо продукт изначально построен на AI-моделях, либо компания встроила AI в свои основные продукты и выпускает отдельные AI-решения.

Раздел 1: Публичный рынок

За последний год индекс S&P 500 software-компаний упал на 3%, и это худший результат среди секторов. А производители чипов (Semiconductor) выросли на 47%, потому что для развития AI требуется все больше вычислительных мощностей.

AI помогает бизнесу создавать свои приложения, поэтому в целом инвесторы стали ниже оценивать софт. Но интересно, что самые свежие отчеты показывают, что software-сектор начал немного восстанавливаться (несмотря на общее падение на 3%).

На следующем графике ICONIQ показали, как менялись мультипликаторы в разных поднишах за несколько лет, и соотнесли показатели с датами выхода популярных AI-моделей.

Инфраструктура и безопасность (Infrastructure & Security) держатся лучше других: по мнению авторов, внедрение AI поддерживает спрос на серверы, системы работы с данными и защиту.

Что объединяет быстрорастущие публичные компании?

Быстрорастущими будем считать тех, чья выручка увеличивается на 20% в год и быстрее.

Сейчас они оцениваются в 9,2х годовой выручки (vs 6,9х в I квартале). Все остальные, кто растет медленнее 20% — только в 2,7х:

Что общего у компаний с ростом от 20% в год:

1. AI приносит им выручку. Клиенты все активнее пользуются AI-функциями и готовы за них платить. Например, годовая выручка DigitalOcean от AI-инструментов достигла $234 млн и выросла на 212% за год. У ServiceNow годовая стоимость AI-контрактов превысила $1 млрд, а число внедрений AI-агентов за девять месяцев увеличилось в 9 раз. Клиентов Snowflake, которые пользуются AI, стало больше 13 600 — против 4000 раньше.

2. AI помогает делать больше тем же составом. В Shopify AI пишет больше половины кода, при этом число разработчиков не растет. Snowflake благодаря AI обошлась без найма примерно 90 инженеров. У Samsara выручка на одного сотрудника за три года выросла больше чем на 30%.

3. Накопленные данные — их преимущество. AI-модели все более взаимозаменяемы, а накопленные данные скопировать трудно. Shopify собирает данные о торговле уже 20 лет. У Samsara — 25 трлн записей о работе транспорта и оборудования. CrowdStrike ежедневно анализирует триллионы событий в компьютерных системах, чтобы выявлять угрозы.

Как определяется оценка?

Оценки software-компаний по-прежнему сильнее всего связаны с Rule of X — сочетанием роста и прибыльности. Рост в этой формуле примерно в 2,7 раз важнее, чем прибыльность.

При этом инвесторам уже недостаточно только роста. Они все больше смотрят на то, сколько денег остается у компании после необходимых расходов. Впервые с 2024 связь этого показателя с оценкой усилилась (см. рост линии FCF Margin).

Это первый признак того, что инвесторы и компании уделяют больше внимания контролю расходов и эффективности бизнеса.

Компаниям все сложнее быстро наращивать выручку, поэтому они стараются оставлять больше денег после расходов. Это видно по Rule of 40 — показателю, при которой темп роста выручки складывается с маржой свободного кэшфлоу.

Сейчас около 60% этого показателя приходится на маржу, а 40% — на рост выручки.

AI все шире входит в повседневную работу бизнеса: доля американских компаний, которые платят за AI-продукты, выросла с 7,5% в январе 2023 года до более 50% к июлю 2026-го.

Следующий индекс показывает среднюю стоимость обработки миллиона токенов по более чем 20 моделям.

Чем чаще используют модель, тем сильнее ее цена влияет на индекс. Поэтому рост может означать, что пользователи чаще выбирают дорогие передовые модели, а снижение — что переходят на более дешевые.

По мнению авторов, компании учатся экономить на AI: простые задачи поручают более дешевым моделям, а сложные — более мощным и дорогим. Это помогает повысить маржу.

Также ICONIQ сравнили, что 15 software-компаний из выборки говорили инвесторам об AI на ежеквартальных звонках. Доля упоминаний того, как зарабатывать на AI, за год выросла втрое: с 5% во II квартале 2025 года до 15% во II квартале 2026 года.

Чем чаще клиенты используют AI, тем больше компания платит за обработку запросов — и тем меньше зарабатывает с каждого доллара выручки. Поэтому доля упоминаний вычислений и инфраструктуры на звонках с инвесторами удвоилась до 6%. Размер расходов зависит от цены токенов и выбора моделей.

Как меняются найм и команда?

Состав команд в Software тоже меняется: многие компании в этом году сокращают штат примерно на 10-20%.

Некоторые компании направляют освободившиеся от сокращений деньги на найм AI-native специалистов. Где сокращают сотрудников или меняют их работу:

• Поддержка клиентов (Customer support): У Salesforce около 50% входящих обращений уже обрабатывает AI. Часть сотрудников перевели в продажи, а расходы на поддержку снизились примерно на 17%.

• Тестирование (QA): AI помогает писать и проверять код, поэтому задачи тестировщиков переходят к основной команде разработчиков.

• Руководители среднего звена (Middle management): В Meta части менеджеров предложили самим выполнять работу вместо управления другими — либо уйти.

• Административные функции: В Cloudflare автоматизируют часть финансовых, юридических и аудиторских задач.

Кто становится нужнее:

• AI-инженеры (AI & ML engineers): они создают модели и обеспечивают их работу.

• Инженеры по внедрению, которые работают непосредственно с клиентами и адаптируют продукт под их задачи.

• Сейлзы, разбирающиеся в AI (AI-fluent sales), которые могут объяснить клиенту пользу продукта и продать его.

• Универсальные специалисты. Например, Coinbase экспериментирует с ролями, где один человек совмещает разработку, дизайн и работу над продуктом.

Позиция руководителей: с AI небольшая команда может быстрее выполнять работу, для которой раньше требовалось больше людей.

Раздел 2: Как теперь устроен рост

Рынок софта в целом испытывает трудности, но внутри него есть компании, которые растут значительно быстрее остальных — те самые Лидеры роста, Pacesetters. В этом разделе авторы хотят разобраться, как им это удается.

Но и среди лидеров есть группа особенно отличившихся, Outliers. Они проходят путь от $1M до $100M ARR всего за 1-3 года, тогда как остальным компаниям нужно больше пяти лет.

Напомним, что Лидеры или Pacesetters — это, как правило, молодые компании, которые делают ставку на AI и входят в 25% самых быстрорастущих по выручке.

Кто они?

Шесть из десяти с самого начала построены на базе AI (AI-native), остальные перестроили продукт и добавили AI-функции (AI-Driven).

Две трети делают продукт для любого бизнеса (Horizontal), остальные — для одной конкретной отрасли (Vertical).

70% берут деньги за фактическое использование, без подписочной модели.

Путь от $1M до $100M выручки у них занимает 2-4 года, а самой компании в среднем шесть лет.

Дальше ICONIQ приводит свой индекс лидеров (Pacesetter Index). Это сводка показателей самых быстрорастущих AI-компаний — по сути, ориентир, на который теперь предлагают равняться остальному софту.

Что именно лидеры делают иначе?

ICONIQ поговорили с несколькими из них, чтобы разобраться. Это были Anthropic, Braintrust, ElevenLabs, Glean, Legora, Sierra, Snowflake.

Вот три схожих тезиса:

1) Оплата по факту использования (Consumption Pricing)

70% лидеров привязывают часть выручки к тому, сколько клиент реально пользуется продуктом.

• Вводить такую форму оплаты нужно аккуратно: существующих клиентов переводить на новую модель поэтапно, новым давать ее сразу.

• Не доверять прогноз использования людям: ML-модели предсказывают гораздо точнее. Органический рост стоит закладывать в план каждого сейлза заранее, чтобы мотивировать его создавать прирост сверх него.

• Не прекращать охоту за новыми клиентами: даже при выручке $500M рано переключаться только на рост внутри текущих клиентов: без притока новых расти скоро будет некому.

2) Преимущества, которые сложно скопировать, и узкая специализация (Product Moat and Specialization)

Лучшая модель больше не является преимуществом: теперь она есть у всех. Решает то, насколько глубоко продукт встроен в конкретные процессы клиента.

• Компании нанимают инженеров внедрения (forward-deployed engineer), которые работают на стороне клиента и настраивают продукт под его нужды. Так компания быстрее получает выручку и на реальных данных видит, что добавить в основной продукт.

• Скорость, с которой компания выпускает новые версии и функции продукта (product velocity) — это и есть ее защита от конкурентов. Причем защита, которая сама себя усиливает, как сложный процент. После каждого релиза компания видит, что сработало, а что нет, и сразу меняет продукт. И это происходит так быстро, что с каждым разом отрыв от конкурентов становится все больше.

• Узкоспециализированные сейлзы становятся нормой. Их теперь делят по отраслям или даже по сценариям применения: каждый эксперт глубоко разбирается в своем конкретном сегменте.

3) Крупные клиенты: начать с малого и расти (Land-and-expand in Enterprise)

Лидеры всерьез вкладываются в Enterprise клиентов: заходят с небольшим контрактом, а потом растут внутри компании и постепенно его расширяют. И этот подход окупается.

• Одна из компаний выбирает 20-30 главных клиентов в каждом сегменте и собирает под них отдельные команды. Те работают как консультанты: вместе с клиентом перестраивают его процессы под AI.

• На один сегмент приходится примерно 12-15 человек: команда из инженеров и сейлзов. Менеджер не передает клиента в другой отдел после сделки, а остается с ним годами.

А чего хотят сами Enterprise клиенты?

• Гибкой цены, но с потолком. 40% покупателей хотят платить за то, сколько реально пользуются продуктом, полностью или в дополнение к подписке. При этом около 60% готовы на это только при двух условиях: расходы не вылезут за оговоренный лимит, а потребление будет отображено в реальном времени.

• Важнее всего покупателям три человека со стороны продавца: инженер, который покажет, как продукт встанет в их системы, специалист по безопасности и эксперт по самому продукту. Клиент хочет убедиться, что продукт заработает именно у него, решит задачу его отрасли и не создаст рисков для данных.

• Пилот решает все. 45% покупателей говорят, что сделку быстрее всего двигает быстрый пилот, где заранее понятно, что считать успехом. Это вдвое важнее, чем отзывы похожих компаний. В самом пилоте смотрят, делает ли продукт свою основную работу, безопасен ли он и насколько хорошо стыкуется с их системами.

Откуда приходит новый ARR

Лидеры обгоняют остальных в основном за счет новых клиентов: они приносят больше 70% всей новой выручки. Остальной софт растет по-другому — в основном за счет того, что больше продает уже существующим клиентам.

Но и сегмент действующих клиентов у лидеров тоже не стоит на месте: за год они начали платить на 20-46% больше.

Что нужно, чтобы клиент остался и платил больше

1. Короткие контракты. 65% крупных покупателей подписываются только на год или меньше. Пользу нужно приносить быстро и стабильно.

2. Инженеры внедрения на стороне клиента — это плюс. 73% покупателей относятся к FDE положительно: с ними продукт быстрее запускается в работу.

3. Пользу надо доказать до продления. 43% говорят, что продлить контракт проще всего, когда продавец заранее приносит цифры: сколько продуктом пользовались и что это дало. Это в 3,5 раза важнее любого другого фактора.

Раздел 3: Пересборка маржинальности

Маржинальность у software-компаний год к году улучшается. Но лидеры (Pacesetters) с выручкой до $100M сжигают деньги примерно в 5,6 раз активнее остальных компаний того же размера (не-Pacesetters).

У лидеров медианная FCF-маржа −247%, у остальных компаний того же размера только −44%.

Обычный софт почти ничего не стоит в обслуживании: копия программы бесплатна, поэтому валовая маржа у таких компаний обычно высокая. С AI иначе: каждый запрос клиента требует вычислений, и чем активнее клиенты пользуются продуктом, тем больше компания на это тратит. Поэтому крупные лидеры оставляют себе с каждого доллара выручки примерно на 5 центов меньше, чем остальные компании.

Операционные расходы (OpEx) по рынку снижаются. Но лидеры до $100M ARR тратят так, будто уже стали большими: 284% выручки, или $2,84 на каждый заработанный доллар. У остальных — 124%, или $1,24.

Статьи расходов у лидеров примерно те же, что и у остальных компаний. Небольшой перекос есть только у компаний от $100M ARR: они чуть больше тратят на разработку и бэк-офис.

Выделили три статьи:

• продажи и маркетинг (S&M);

• разработка (R&D);

• административные расходы (G&A): финансы, юристы, HR, руководство.

Несмотря на весомые траты, у лидеров от $100M ARR burn multiple ниже 1x. Значит, на масштабе каждый потраченный доллар приносит им больше выручки, чем остальным компаниям того же размера.

Burn multiple показывает, сколько денег компания сжигает, чтобы вырастить годовую выручку на $1. Например, 2x — потратили $2 ради $1 новой выручки. Ниже 1x — новый доллар выручки обходится дешевле доллара. Чем ниже показатель, тем эффективнее рост.

Раздел 4: AI как основа работы компании

И хотя компании все сильнее расслаиваются по результатам, AI в работе используется уже повсеместно — и в продажах, и в маркетинге, и в разработке, и в административных функциях.

В портфельных компаниях ICONIQ к февралю 2026:

• Доступ к AI-инструментам был почти у всех сотрудников: 99% в продажах и маркетинге, 98% в разработке, 97% в административных функциях.

• Каждый день AI использовали 86% разработчиков, 74% сотрудников продаж и маркетинга и 70% административных сотрудников.

При этом AI начинает окупаться: у лучших 25% компаний с выручкой $25-100M каждый сотрудник приносит все больше выручки.

Этому помогает и то, что компании в целом стали нанимать сдержаннее. Исключение — те, чья выручка растет больше чем вдвое за год: они, наоборот, ускоряют найм, чтобы выдержать дальнейший рост.

Когда сотрудник уходит, на замену все чаще берут человека уровнем ниже или вовсе не ищут ему замену, потому что AI уже повысил производительность во всех отделах. Новые вакансии не открывают, пока не проверят, справится ли с работой текущая команда совместно с AI.

Зато появляются новые роли: AI-бизнес-аналитик, инженер по AI-интеграциям, руководитель по AI в продажах. Команды становятся компактнее, роли более универсальными.

Но несмотря на рост эффективности, соотношение сотрудников по отделам почти не изменилось. Похоже, сама модель того, как устроены команды, пока всерьез не поменялась.

AI в продажах и маркетинге

Вот какие результаты внедрения AI ICONIQ видит в отдельно взятых компаниях:

• доля выигранных сделок выросла на 15-30%,

• встреч и потенциальных сделок на одного сейлза стало в 2-3 раза больше,

• 60-70% обращений клиентов решаются с помощью AI,

• 75-100% маркетинговых кампаний делаются с использованием AI.

1) Первичные продажи

• Раньше новый менеджер неделями искал информацию о клиентах по разным системам. Теперь AI-ассистент выдает ее сразу, и новичок быстрее начинает делать результат: непосредственно продавать.

• AI сам распределяет входящие заявки и отвечает на них, поэтому у сейлзов остается больше времени на живое общение с клиентами.

2) Работа с клиентами после продажи

• AI следит, как клиент пользуется продуктом, замечает, если что-то идет не так, и подсказывает менеджеру, что делать. Поэтому один менеджер успевает вести больше клиентов.

• Отчеты для клиентов AI собирает сам: в одной компании так делают около 16 000 презентаций в год, в другой отчет готов за несколько минут.

3) Отдел, который отвечает за CRM, данные и отчеты по продажам

• AI сам дополняет карточки клиентов недостающими данными. Это экономит около 30% времени на поиск информации и примерно 4 часа в неделю на ручные отчеты.

• В одной компании прогнозы продаж стали точнее примерно на 20%, в другой на них стали тратить вдвое меньше времени.

Следующим большим шагом в продажах, по мнению ICONIQ, станет единая система, где собрано все о клиенте: вся информация о нем, кто за него отвечает на каждом этапе и что с ним происходит. С ней каждый сейлз сможет вести больше клиентов, а клиенту больше никогда не придется повторять одно и то же разным людям.

AI в разработке

Результаты в отдельно взятых компаниях:

• от 75% до 100% всего кода, который попадает в продукт, пишет AI,

• разработка занимает на 50-80% меньше времени,

• за то же время команды успевают сделать на 25-75% больше доработок продукта, чем раньше,

• новые функции выпускаются примерно на 40% быстрее.

1) Внедрение: чем четче процесс разработки, тем больше пользы от AI

• В одной компании AI сам делает 90% интерфейса по макетам дизайнеров и пишет 80% тестов, проверяющих продукт. А на описание задач для разработчиков теперь уходит на 40% меньше времени.

• Разработчики раз в неделю собираются и делятся друг с другом промптами и приемами, которые работают. Так AI становится привычкой всей команды.

2) Ускорение: быстрее разработка — больше запусков

• Финтех-компания выпускает 4 крупных обновления за квартал вместо одного. Каждый инженер делает больше, а каждое изменение кода обходится дешевле.

• Сотрудники без глубокой технической подготовки теперь сами делают технические задачи с помощью AI-инструментов. Команды ждут, что через 3-5 лет смогут делать намного больше тем же составом.

3) Проверка: узкое место теперь не написать код, а проверить его

• Во внутреннем тесте одной компании 10 AI-агентов подготовили около 180 изменений кода, и ни одно не прошло автоматическую проверку.

• AI-проверки находят больше проблем, но 20-30% из них — это ложные тревоги, и разбирать их команде обходится дорого.

Если внедрить AI в плохо налаженную работу, будет только хуже: денег уйдет больше, а результат станет слабее. Поэтому важно выстроить порядок: какие задачи поручать, какие данные давать и кто проверяет, что было сделано.

ICONIQ считает, что разработчикам нужна одна система, где видно все: что сделал AI, сколько это стоило и прошла ли работа проверку человеком. Выиграют в таком случае те, у кого такая система со временем сама учится, что работает, а что нет.

AI в бэк-офисе

И снова результаты в отдельно взятых компаниях:

• экономия расходов от $2-4M в год,

• нанимают на 40-60% быстрее,

• на поиск информации и аналитику уходит на 45-80% меньше времени,

• на закрытие месяца и финансовую отчетность — на 30-80% меньше.

1) Рутину стандартизируют

• Ежемесячную сверку финансовых показателей раньше 10 дней делали 5 аналитиков. Теперь ее готовит AI, а спорные места отмечает для проверки людьми.

• AI-агент в финансовом отделе проверяет больше 80% договоров. Специалисты занимаются только действительно сложными.

2) Инструменты строят сами сотрудники отдела

• Кейс: руководитель финансового отдела без технического образования сам собрал прототип системы, через которую каждый день проходят сотни миллионов долларов.

• Другой кейс: сотрудник финотдела без технических навыков подключил Claude к хранилищу данных компании, и теперь один младший специалист ведет целое направление.

3) Общая база знаний для всей компании

• Одна компания подключила AI-поиск по всем внутренним системам для 1400 сотрудников. Каждый экономит часы в неделю.

• Другая сделала бота, который отвечает на рабочие вопросы по внутренним данным и показывает каждому только то, к чему у него есть доступ.

ICONIQ считает, что руководителям бэк-офиса нужна единая система под контролем, где собраны данные компании, база знаний, согласования и видно, во сколько обходится каждая задача. Начинать стоит с рутинных процессов, которые повторяются часто. И только с тех, где понятно, откуда берутся данные, кто отвечает, если что-то пошло не так, и сколько реально удалось сэкономить.

На этом отчет подходит к концу. Спасибо, что дочитали до конца!