AI-агенты и волна поглощений: кто кого скупает и зачем

За последние полтора года рынок AI-агентов¹ перешёл из режима «каждый пишет свой фреймворк» в режим скупки готовых команд и продуктов. Причина простая: обучить базовую модель дорого и умеют это единицы, а вот превратить модель в агента, который бронирует, пишет код или разбирает почту, — отдельная инженерная задача, и покупать её быстрее, чем растить. В результате крупные игроки — от OpenAI до Salesforce — закрывают сделки по командам, стартапам и целым продуктовым направлениям.

Что вообще происходит на рынке

Агент отличается от чат-бота тем, что не просто отвечает, а выполняет многошаговые действия: вызывает инструменты, ходит в API, читает и меняет данные, планирует последовательность шагов. Именно этот «слой действий» оказался дефицитным. Модель можно арендовать по API, а вот надёжную обвязку вокруг неё — планировщик, память, интеграции, контроль ошибок — приходится строить руками.

Отсюда две стратегии. Первая — acqui-hire: компания покупает не столько продукт, сколько команду и её экспертизу, а сам продукт нередко сворачивают. Вторая — покупка продукта и клиентской базы: когда у стартапа уже есть работающий агент и выручка, и его встраивают в свою экосистему.

Побеждает не тот, у кого самая большая модель, а тот, кто быстрее превратит её в инструмент, решающий конкретную рабочую задачу. Модели становятся товаром, агенты — продуктом.

Крупные сделки, о которых известно

Здесь важна аккуратность: часть громких историй последних месяцев — это лицензирование команд и найм, а не классическая покупка компании, и путать их не стоит.

• Google и Character.AI (2024). Google заключил лицензионное соглашение и нанял основателей Character.AI, включая Ноама Шазира. Это не полное поглощение компании, а сделка по технологии и команде — типичный пример структуры, которая формально не является покупкой.
• Microsoft и Inflection AI (2024). Microsoft нанял большую часть команды Inflection, включая сооснователя Мустафу Сулеймана, который возглавил направление Microsoft AI. Юридически это тоже не приобретение компании целиком.
• Amazon и команда Adept (2024). Amazon нанял часть команды Adept — стартапа, который как раз занимался агентами, действующими в интерфейсах и приложениях, — и лицензировал технологию.

Замечаете закономерность: гиганты предпочитают структуру «наём плюс лицензия», а не прямую покупку. Одна из причин — внимание антимонопольных регуляторов в США и ЕС к сделкам вокруг ИИ. Если у вас есть данные о более свежих сделках, сверяйтесь с первоисточником: рынок движется быстрее, чем выходят обзоры.

Чем отличаются подходы покупателей

У каждого крупного игрока своя логика, зачем ему агентный слой и что он с ним делает.

Salesforce здесь выделяется тем, что открыто строит агентную платформу (Agentforce) как отдельный коммерческий продукт с тарификацией за действия агента, а не только как фичу внутри существующей подписки. Конкретные цены и модель оплаты сверяйте на официальной странице — тарифы на агентов пересматриваются часто.

Почему покупают, а не строят

Разработка надёжного агента упирается не в саму модель, а в то, что вокруг неё:

1. Интеграции. Агент бесполезен без доступа к десяткам API и корпоративных систем. Готовые коннекторы — это годы работы.
2. Надёжность. Модель ошибается, и агент должен уметь замечать ошибку, откатываться и не удалять данные клиента по неверной команде.
3. Память и контекст. Длинные сценарии требуют управления контекстным окном² и внешней памятью, чтобы агент не забывал, что делал десять шагов назад.
4. Данные для дообучения. У работающего стартапа уже есть логи реальных действий пользователей — ценный материал, который с нуля не соберёшь.

Купить команду, которая всё это уже прошла, дешевле и быстрее, чем повторять путь. Особенно когда счёт идёт на кварталы, а конкуренты выкатывают агентов каждый месяц.

Кому это пригодится, а кому нет

Пригодится, если вы:

• Уже работаете в экосистеме одного вендора — Microsoft 365, Salesforce, Google Workspace. Купленные агенты приходят к вам как новые функции, часто без отдельной интеграции.
• Ищете готовое решение под типовую задачу: обработка обращений, черновики писем, разбор документов. Здесь консолидация играет вам на руку — продукты становятся зрелее.
• Хотите предсказуемости: у крупного вендора агент вряд ли исчезнет через полгода вместе со стартапом.

Скорее не пригодится, если вы:

• Строите узкоспециализированного агента под редкий процесс — универсальные продукты гигантов сюда не дотянутся, проще собрать своё на открытых фреймворках.
• Опасаетесь привязки к одному поставщику. Чем глубже агент вшит в экосистему, тем дороже потом переезд.
• Использовали стартап, который только что купили: его продукт могут закрыть, тарифы — изменить, а поддержку — переориентировать на корпоративных клиентов. Всегда проверяйте, что будет с сервисом после сделки.

Что дальше

Скупка команд, судя по всему, продолжится, но структура сделок будет всё чаще обходить прямые поглощения — из-за регуляторов. Для пользователя это означает: агенты быстро мигрируют в крупные платформы, выбор «маленьких независимых» инструментов сужается, а цена вопроса смещается от «сколько стоит подписка» к «сколько стоит каждое действие агента». Прежде чем встраивать агента в свои процессы, оцените именно этот параметр — тарификация за действие может оказаться дороже человека на тех же задачах.

¹ AI-агент — программа на базе языковой модели, которая не просто отвечает на запрос, а выполняет цепочку действий: планирует, вызывает внешние инструменты и API, проверяет результат.

² Контекстное окно — объём текста (в токенах), который модель удерживает «в голове» за один запрос. Чем оно больше, тем длиннее сценарий агент способен вести без потери деталей.