Как проверить, что заявленный ров будет расти со временем
Ров (economic moat) — устойчивое преимущество, мешающее конкуренту отнять прибыль. Термин Баффета: замок ценен настолько, насколько глубок ров.
Алексей Кулаков — проектирую цифровые продукты и человеческое взаимодействие с 1992 года.
«Самое ценное, что есть у людей, — диалог».
Ров важен не всем. Сначала проверьте, нужен ли он вам.
Итог: лаборатория — для масштабируемого техно-бизнеса на чужие деньги.
Что проверяем. По ранним признакам предсказать, что защита бизнеса со временем вырастет, а не размоется.
Типология ниже — кандидат: 14 типов рвов с ранними сигналами и допущениями.
Модель собрана по процедуре «сначала пойми, кто изучает проблему, — потом ищи».
Наблюдаемый исход vs прогноз. «Компания X растёт» — исход. «Ров будет держаться» — прогноз. Смешивать — главная ошибка.
Семь областей, каждая со своим определением «что считать доказательством»:
| Кластер | Тип | Кто именно | Как изучает ров (что считает доказательством) |
|---|---|---|---|
| Стратегия фирмы | Наука | Porter, Barney (RBV), Teece, Rumelt | Теория ренты + эмпирика устойчивости прибыли; доказательство = peer-review, длинные ряды |
| Экономика / IO | Наука | Katz–Shapiro, Rochet–Tirole, Armstrong | Формальные модели рынков; доказательство = модель + эконометрика |
| Инвест-канон | Практика | Helmer «7 Powers», Buffett, Morningstar | Классификация + рейтинг устойчивости прибыли (ROIC); доказательство = персистентность доходности |
| Венчур (defensibility) | Индустрия | a16z, NFX, Sequoia, Tunguz, Gil | Эссе + портфельные паттерны; доказательство = кейс (часто = мнение) |
| Innovation stack | Индустрия | Jim McKelvey (Square) | Нарратив взаимоусиливающихся слоёв; доказательство = один разобранный кейс |
| Дистрибуция / агрегация | Индустрия | Ben Thompson (Stratechery) | Аналитика платформ и каналов; доказательство = структурный разбор |
| AI-эра (фронтир) | Индустрия | a16z, Sequoia, Stratechery, Gil, NFX | Свежие эссе 2024–2026 + отчёты о коммодитизации; доказательство = наблюдаемый рынок vs прогноз |
RBV — преимущество даёт ценный-редкий-неповторимый ресурс. IO — раздел экономики про структуру рынков и барьеры входа.
Каждый ров описан по единой рамке из 8 полей. Термины:
Lagging vs leading. Запаздывающие подтверждают результат постфактум; опережающие предсказывают заранее.
NRR (Net Revenue Retention) — сколько платят те же аккаунты спустя год. >100% — база растёт без новых продаж; >120% — сильный ров.
Три группы метрик образуют предсказательную цепочку — это и есть проверяемая гипотеза:
Тест: взять бизнесы с выполненными допущениями и растущими ранними метриками — проверить, выросла ли защита. Прогноз = исход → модель предсказательна.
| # | Ров | Механизм | 3 примера | Как работал раньше | Сдвиг за 2 года из-за ИИ | ★ / метка |
|---|---|---|---|---|---|---|
| 1 | Switching Costs · Издержки переключения | Клиенту дорого/больно уходить: данные, обучение, интеграции заперты | SAP ERP · Salesforce · зарплатный проект банка | Лок через данные + интеграции + переобучение, менялся годами | ↓ на уровне модели (агенты сами мигрируют, Cursor/Copilot свопают модели) · ↑ на уровне workflow | ★★ · ослабление наблюдаемо / усиление прогноз |
| 2 | Network Economies · Сетевой эффект | Ценность растёт с числом юзеров; лидер по базе недосягаем | Сеть: eBay, WhatsApp · Мнимая «сеть»: Midjourney, Character.ai | Winner-take-all при single-homing | = / скорее слабее: у AI-продуктов «сети» почти нет, это масштаб или бренд | ★★ в среднем, ★★★ только при настоящем single-homing · скепсис подтверждён данными |
| 3 | Scale Economies · Экономия масштаба | Постоянные издержки на больший объём → ниже удельная себестоимость | TSMC · дата-центры · логистика Amazon | Барьер в hardware/infra/логистике | ↑ на фронтире (тренировка моделей = огромный fixed cost) · ↓ на прикладном слое (инференс −10x/год) | ★★★ фронтир / ★ аппликуха · наблюдаемо |
| 4 | Cornered Resource · Эксклюзивный ресурс | Эксклюзивный доступ к дефицитному активу на выгодных условиях | Патент на лекарство · лицензия на спектр · эксклюзив на датасет | IP, лицензии, редкие месторождения | ↓ на модели (open-weight, DeepSeek −$589B у Nvidia 27.01.2025) · ↑ на компьют+капитал+preference-данные | ★★★ · эрозия и новый фронтир — оба наблюдаемо |
| 5 | Counter-Positioning · Контрпозиционирование | Новая бизнес-модель, копирование которой каннибализирует прибыль инкумбента | Vanguard vs активные фонды · Netflix vs Blockbuster · Dollar Shave Club | Единственный ров против сильного инкумбента | ↑ окно: AI-native (usage-based, «агент вместо seat») бьёт per-seat SaaS (Perplexity vs реклама Google) | ★★★ механизм / прогноз реализации |
| 6 | Process Power · Процессная сила | Встроенные в оргструктуру процессы, воспроизводимые только долгим накоплением | Toyota Production System · yield TSMC · reuse SpaceX | Операционное превосходство, копируется годами | = / медленно: ИИ ускоряет копию софта, но не оргпрактику; смещается в data+ops-петлю | ★★ · прогноз |
| 7 | Branding · Бренд | Доверие → премия без функционального отличия | Apple · «no one got fired for buying IBM» · ChatGPT как generic | Зреет 4–11 лет, платят «вслепую» | ↑ на consumer, но двойственно: 51% B2B стартуют ресёрч в AI-чате (G2, 03.2026); контр-тренд — доверие к AI-first 20%→39%, полезность 82%→54% (Fractl, Q2 2026) | ★★ · сдвиг канала наблюдаемо / «trust=moat» прогноз |
| # | Ров | Механизм | 3 примера | Как работал раньше | Сдвиг за 2 года из-за ИИ | ★ / метка |
|---|---|---|---|---|---|---|
| 8 | Distribution / Channel · Дистрибуция | Дефолт-канал, эмбеддинг, своя аудитория: доступ к клиенту дешевле | Microsoft встраивает Copilot · дефолты Apple · банк продаёт страховки | Не ров сам по себе, а способ выхода | ↑ для инкумбентов, избирательно: убивает тонкие обёртки, но проницаема (Cursor обошёл Copilot → $2B ARR) | ★★ · нарратив сильный / «убийств» мало (Jasper) |
| 9 | Data Feedback Loop · Петля данных | Использование даёт проприетарные данные → продукт лучше → больше юзеров → больше данных | Tesla FSD · клики в поиске · RLHF preference-данные | «Data moat» как маркетинг; академия: убывающая отдача | Расщепление: generic-данные мертвы (синтетика) · closed-loop/preference подорожали (Meta $14.3B за Scale) | ★★ · «generic мёртв» наблюдаемо / «feedback=ров» продан, не доказан |
| 10 | Innovation Stack · Инновационный стек | Серия взаимозацепленных изобретений; копия одного слоя ломает совместимость | Square (14 инноваций) · IKEA · Amazon | Прочнее одиночного рва, но выживший-байес | ↓ для софт-стеков (ИИ копирует слой за часы); прочны только слои, упёртые во время/физику (John Deere) | ★★ · прогноз + кейсы |
| 11 | Integration Depth · Глубина интеграции (new) | Permissions-aware данные + врастание как система-записи; дорого вырвать | Glean ($7.2B) · Harvey (legal) · Sierra | Раньше — обычные enterprise-интеграции | ↑ реальный ров: permissioned knowledge graph, годы на копию; наблюдаемый ARR | ★★★ (conditional) · наблюдаемо (ARR/retention) |
| 12 | Compute & Energy · Доступ к вычислениям и энергии (new) | Контроль дефицитного физического входа: чипы → грид → энергия | Stargate ($500B) · Google TPU · PPA гиперскейлеров | Частично scale economies | ↑ для инкумбентов: чипы коммодитизируются, но грид (очереди ~2290 ГВт, ожидание ~4.5 года) и энергия — прочный ров | ★★★ гиперскейлеры / ★ технологически · узкое место наблюдаемо (LBNL/IEA) |
| 13 | Workflow / Agentic Lock-in · Врастание в процесс (new) | Продукт = ОС для конкретной работы; лок в правах, регламенте, аудите | Cursor (harness) · Harvey/Sierra (system-of-record) · «clearinghouses» | Switching costs, мигрировавший в эпоху ИИ | ↑ потенциал / пока temporary lead: сырой контекст портируем (MCP), но права/governance — дорого | ★★ · прогноз VC (нет churn-данных) |
| 14 | Regulatory / Compliance · Регуляторный ров (new) | Фиксированные издержки соответствия/лицензии режут малых сильнее | EU AI Act (€50–500K/система) · финлицензии · GDPR (малые IT −12.5% vs крупные −7.9%) | Классический барьер в банках, фарме | ↑ риск, но «умышленный захват» спорен: лоббизм (a16z $3.53M, 2025); критики заинтересованы | ★★ · барьер наблюдаемо / «захват» спорно |
| # | Ров | Целевые метрики (ров построен) | Ранние метрики (ров будет построен) | Стартовые допущения (must-be-true) |
|---|---|---|---|---|
| 1 | Switching Costs | NRR >120%, gross churn <5%/год, доля многолетних контрактов, оценка стоимости миграции ($/недели) | Рост числа интеграций на аккаунт, доля процессов в продукте, накопленные данные/юзер | Продукт = система-записи · миграция объективно дорогая · встроен в критичный процесс · нет дешёвого экспорта |
| 2 | Network Economies | Доля single-homing юзеров, виральный k>1, ликвидность (time-to-match ↓), доля матчей внутри | Падение time-to-match с ростом базы, доля повторных взаимодействий, органический приток | Ценность растёт от чужих юзеров (не от объёма данных) · ключевая сторона single-home'ит · есть чем её запереть |
| 3 | Scale Economies | Удельная себестоимость vs конкурент, gross margin при масштабе, выручка/GPU-час | Кривая падения удельных издержек с объёмом, загрузка мощностей, объём растёт быстрее издержек | Fixed costs высоки и неделимы · объём → удельная экономия · спрос наполнит масштаб · нет oversupply-цикла |
| 4 | Cornered Resource | Срок юр. эксклюзивности, доля дефицитного входа, стоимость воспроизведения конкурентом | Заключённые эксклюзивы/лицензии, законтрактованные мощности/данные, найм ключевых людей | Ресурс реально дефицитен и невоспроизводим · доступ закреплён контрактом/патентом · присвоен ниже создаваемой ценности |
| 5 | Counter-Positioning | Gap маржинальности инкумбента, отвоёванная доля без ответа, время «молчания» инкумбента | Инкумбент отрицает/высмеивает модель, переток клиентов, у инкумбента нет зеркального продукта | У инкумбента есть прибыль, которую копия разрушит · модель компании структурно иная · инкумбент не может «отвязать» новое от старого |
| 6 | Process Power | Устойчивый разрыв в операционной метрике (yield, цикл, дефекты) годами | Год-к-году операционная метрика опережает конкурентов, накопление tacit-знания и инструментов | Преимущество в процессе, а не в патенте · требует времени накопления · не копируется наймом одного человека |
| 7 | Branding | Ценовая премия vs дженерик, доля прямого/брендового трафика, share в AI-выдаче | Рост прямого/брендового поиска, NPS/доверие, цитируемость в AI-ответах | Категория, где доверие важно (риск/деньги) · отличие трудно проверить объективно · есть повторная покупка |
| # | Ров | Целевые метрики (ров построен) | Ранние метрики (ров будет построен) | Стартовые допущения (must-be-true) |
|---|---|---|---|---|
| 8 | Distribution | CAC vs конкурент, доля клиентов через свой/дефолт-канал, attach-rate к базе | Доступ к установленной базе, конверсия дефолт-размещения, CAC падает с ростом | У компании есть канал/база, которых нет у конкурента · продукт встраивается без переизобретения UX · не копируется виджетом за месяц |
| 9 | Data Feedback Loop | Прирост качества на удвоение данных (не плато), доля непокупаемых данных, real-time обновление | Объём проприетарных интеракций/нед, темп улучшения от использования, эксклюзивность источника | Данные within-user/feedback, не generic · +данные измеримо лучше продукт (тест «10x → заметно?») · источник не купить · loop самообновляется |
| 10 | Innovation Stack | Число взаимозависимых слоёв, доля слоёв «время/физика» vs софт, стоимость сборки всего стека | Каждый новый слой рождён предыдущей проблемой, слои ссылаются друг на друга, растёт цена частичной копии | Слои реально взаимозависимы · часть упёрта во время/регуляторику/физику · стек не реверс-инженерится по кускам |
| 11 | Integration Depth | Число интеграций с правами/аккаунт, доля данных под управлением, NRR, время на rip-out | Рост подключённых систем на клиента, глубина permission-модели, cross-workflow использование | Продукт = система-записи/прав, не виджет · интеграции с правами и синком (не read-only) · ценность копится с каждым подключением |
| 12 | Compute & Energy | Законтрактованные МВт/ГВт, стоимость энергии/токен, grid-доступ, доля self-supply | Подписанные PPA, места в очереди на подключение, законтрактованные трансформаторы/мощности | Энергия/грид — связывающее ограничение (не чипы) · есть капитал и доступ к гриду · спрос удержит масштаб |
| 13 | Workflow / Agentic Lock-in | Доля критичных процессов в продукте, стоимость миграции прав/регламента, NRR, глубина автономии агента | Рост доли задач, исполняемых агентом; накопление permission/audit-слоя; интеграция в SOP клиента | Лок в правах/регламенте, не в портируемой памяти · продукт исполняет, а не советует · встроен в критичный регулируемый процесс |
| 14 | Regulatory / Compliance | Наличие лицензии/сертификации, доля рынка среди «допущенных», стоимость соответствия конкурента | Полученные сертификации, участие в стандартах, compliance-инфраструктура готова раньше конкурентов | Отрасль реально регулируется/лицензируется · фиксированные издержки соответствия высоки · компания их абсорбирует, малый конкурент — нет |
| # | Ров | Дешевле АТАКОВАТЬ (угроза) | Дешевле СТАВИТЬ (инструмент) | Нетто |
|---|---|---|---|---|
| 1 | Издержки переключения | ИИ-агенты автоматизируют миграцию и переобучение → конкурент обещает «перевезём за ночь» (уйти от SAP/Salesforce дешевле) [правд] | ИИ авто-настраивает продукт под процессы клиента, копит его контекст, персонализирует — переезд дороже [правд] | Качели: кто быстрее — углубление или удешевление миграции |
| 2 | Сетевой эффект | Умный продукт полезен и в одиночку + ИИ бутстрапит холодный старт (seed-контент/ликвидность) [набл] | ИИ ускоряет критическую массу: матчинг, рекомендации, seed — но ускоряет и конкурента [правд] | Угроза: ИИ ослабляет «нужны все остальные» |
| 3 | Экономия масштаба / процесс | ИИ-копилоты передают «набитую руку» → догоняющий берёт опыт дешевле (Amazon/Frito-Lay) [правд] | ИИ ускоряет свою кривую: маршруты, предиктивное ТО, авто-контроль качества → себестоимость падает быстрее [набл] | Окно для тех, у кого объём и данные |
| 4 | Эксклюзивный ресурс | ИИ-субституты обесценивают дефицит: синтетика вместо редких данных, ИИ-модель вместо редкого эксперта (De Beers) [правд] | ИИ раньше находит и контрактует дефицит (разведка, скаутинг); сам актив не создаёт [правд] | Держится, если ресурс физический/юридический (ASML, лицензия) |
| 5 | Контрпозиционирование | Слабо: структурная ловушка инкумбента от ИИ не зависит [—] | ИИ удешевляет запуск модели, которую инкумбенту больно копировать — плата за результат вместо дорогого сервиса [правд] | Окно на постройку |
| 6 | Процессная сила | ИИ кодифицирует часть неявного знания → практику копируют быстрее [правд] | ИИ ускоряет операционное превосходство на ВАШИХ непубличных данных (логика yield TSMC) [правд] | Держится, если процесс завязан на непубличные данные + физику |
| 7 | Бренд | ИИ-выдача выбирает по релевантности, минуя имя; дешёвая ИИ-генерация размывает отличие (AI-slop) [набл] | ИИ масштабирует персонализированный контент и сервис; AEO — видимость в ИИ-ответах [набл частично] | Угроза каналу открытия; окно — в доверии и сервисе |
| # | Ров | Дешевле АТАКОВАТЬ (угроза) | Дешевле СТАВИТЬ (инструмент) | Нетто |
|---|---|---|---|---|
| 8 | Дистрибуция | ИИ-ассистенты и агенты-покупатели переставляют, кто «стоит у клиента»; дефолты смещаются [правд] | ИИ удешевляет персонализированный охват и конверсию — но инкумбент с базой (Microsoft, Coca-Cola) применит быстрее [правд] | Усиливает крупных с готовой базой |
| 9 | Петля данных | Синтетика + фронтир-модели обесценивают generic-данные → конкурент догоняет без вашего архива [набл] | ИИ быстрее превращает «след работы» в улучшение (closed loop) — ров только на непокупаемых within-user данных (Tesla) [набл частично] | Generic мёртв; закрытый цикл — окно |
| 10 | Инновационный стек | ИИ копирует софт-слои за часы → стек из одного софта пересобирается [набл] | ИИ ускоряет сборку взаимозависимых слоёв; прочны только упёртые во время/физику (IKEA, парк+данные) [правд] | Софт-стек — угроза; физ/время-стек — держится |
| 11 | Глубина интеграции | ИИ-коннекторы и стандарты удешевляют интеграции → врастание проще повторить [правд] | ИИ ускоряет построение графа прав и синка с системами клиента → врастаешь глубже [набл частично] | Окно, если данные + права; угроза, если read-only |
| 12 | Вычисления / энергия | Физику ИИ не удешевляет; спрос ИИ поднял цену энергии и подключения к сети [набл] | Это не ИИ-инструмент, а капитал + грид; ИИ лишь повышает КПД потребления [набл] | Ров капитала/инкумбента — не для большинства |
| 13 | Врастание в процесс (agentic) | Портируемая память/контекст → лок слабеет [правд] | ИИ-агенты, исполняющие процесс клиента + права/аудит → лок глубже [правд] | Окно, но лок держится в правах/регламенте, не в памяти |
| 14 | Регуляторный | ИИ удешевляет compliance малым (авто-документация/аудит) → барьер входа ниже [правд] | ИИ ускоряет сертификацию и соответствие → «допущен» раньше конкурента [правд] | Барьер слабеет для входа, держится в регулируемых нишах |
Академия скептична, венчур оптимистичен — спорят о «данных как рве». Вся динамика во фронтир-кластерах; канон нужен как эталон против хайпа.
1. Нового типа рва не появилось. Всё «новое» — комбинации четырёх базовых: switching costs + сеть + эксклюзивный ресурс + масштаб.
2. Технология сама по себе — не ров. Устойчивость даёт то, что вокруг неё копится: канал, встроенность в процесс, капитал/мощности, закрытый цикл данных.
3. Выжившая типология — 14 механизмов. 10 классических + 4, которые ИИ вывел вперёд. Три классических (дистрибуция, данные, стек) — усилители, не защита.
4. Спор о данных разрешён. Объём — не ров; непокупаемый цикл сбора — может быть. Тест: (1) 10× данных → продукт лучше? (2) конкурент купит/скачает/сгенерит? Ров — только да на первое и нет на второе.
5. Скепсис как метод. Большинство «AI-рвов» — прогнозы. Слишком точные числа («50k интеракций») — сконструированная точность.
Что модель подсказывает — и что группам предстоит проверить:
Не один сценарий, а набор — каждый проверяет свою грань «модель предсказательна»:
Гипотеза подтверждается, если прогнозы по ранним признакам систематически совпадают с реальным ростом защиты. Опровергается, если ранние сигналы не отличают будущие рвы от temporary leads лучше случайного угадывания.
Канон (высокое доверие, peer-review / первоисточники):
Helmer «7 Powers» (2016) · Barney RBV (1991) · Teece dynamic capabilities (1997) · Katz–Shapiro (1985) · Klemperer (1995) · Rochet–Tirole (2006), Armstrong (2006) · Hagiu–Wright, RAND J. Econ. (2023) · Bajari et al., NBER (2019).
Фронтир 2024–2026 (венчур/индустрия, помечено как мнение, датировано):
a16z «LLMflation» (ноя 2024), «Empty Promise of Data Moats» (2019), «Revenge of the GPT Wrappers» (фев 2025) · Epoch AI, price trends (март 2025) · Sequoia «AI's $600B Question» (июн 2024) · Ben Thompson / Stratechery «DeepSeek FAQ» (янв 2025), «Aggregator's AI Risk» (2024) · NFX «Network Effects Bible», «AI Defensibility» (июл 2025) · Tunguz «What If There Is No Moat Yet?» (июн 2026) · McKelvey «The Innovation Stack» (2020) · IEA «Energy and AI» (2025) · LBNL «Queued Up» (2025) · OpenAI Stargate (янв 2025).
Проверка фактов: DeepSeek −$589B у Nvidia 27.01.2025 (Bloomberg) · Meta $14.3B за 49% Scale AI (июн 2025, Reuters) · human-preference $1–10/промпт (Lambert, RLHF book) · GDPR −12.5%/−7.9% (Frey & Presidente, Oxford, 2022) · «74% веба AI-generated» — искажение (на деле 74% новых страниц содержат какой-то ИИ, чисто-AI 2.5%, Ahrefs).
Далее — по каждому из 14 рвов: механизм, три примера, как работал раньше, что изменил ИИ, целевые и ранние метрики, стартовые допущения.
Механизм. Уйти дорого: данные заперты, команда переучена, интеграции выстроены. Глубже — дороже уход.
Примеры: SAP/ERP · Salesforce · зарплатный проект банка.
Как работал раньше. Классический прочный ров; переключение годами. Klemperer (1995).
Что изменил ИИ (★★, вектор ↓/↑). Раздвоился. Атаковать дешевле — наблюдаемый факт: агенты берут миграцию на себя, конкурент обещает «перевезём с SAP за ночь». Строить дешевле — ИИ авто-настраивает продукт под клиента, переезд снова дорожает. Качели; усиление лока — пока прогноз.
Целевые метрики: NRR >120% · gross churn <5% · доля многолетних контрактов · стоимость миграции.
Ранние метрики: рост интеграций на аккаунт · доля процессов в продукте · данные на юзера.
Стартовые допущения: система-записи · миграция дорога · встроен в критичный процесс · нет one-click импорта.
Механизм. Каждый новый юзер повышает ценность для остальных. Лидер по базе недосягаем.
Примеры настоящей сети: eBay · WhatsApp. Мнимая: Midjourney (Discord ~21 млн, но multi-homing).
Как работал раньше. Сильнейший ров цифровой эпохи — но только при single-homing.
Single-homing vs multi-homing. Single-homing — юзер на одной платформе (конкурент не достучится → ров). Multi-homing — несколько параллельно (Uber+Lyft → не запирает). Rochet–Tirole 2006, Armstrong 2006.
Что изменил ИИ (★★, вектор =/↓). Скорее ослабляет, со стороны атаки. ИИ подрывает условие «без остальных бесполезно»: умный продукт полезен в одиночку, холодный старт бутстрапится машиной. Инструмент разгона доступен обеим сторонам. Скепсис «у AI-сетей настоящего эффекта нет» — наблюдаемо (a16z, NFX, Stratechery, Gil).
Кейс — Midjourney vs Nano Banana (наблюдаемо). Google Nano Banana (26.08.2025): 23 млн юзеров за 2 недели. Discord Midjourney встал на плато ~21 млн до конкурента, осел до ~19.8 млн; ранг в a16z Top-100 упал топ-10 → #46. Выручку держат бренд и инерция подписок, не сеть. Вывод: multi-homing — сетевого рва нет.
Целевые метрики: доля single-homing · виральный k>1 · ликвидность (time-to-match ↓) · доля взаимодействий внутри.
Ранние метрики: падение time-to-match с ростом базы · доля повторных · органический приток.
Стартовые допущения: ценность растёт от других юзеров · ключевая сторона single-home'ит · есть чем запереть.
Механизм. Постоянные издержки на больший объём → удельная себестоимость ниже. Догоняющий несёт убыток.
Примеры: TSMC · дата-центры · логистика Amazon.
Как работал раньше. Первичный ров в hardware, инфраструктуре, логистике; одна из 7 Powers.
Что изменил ИИ (★★★ фронтир / ★ аппликуха, вектор ↑/↓). Раздваивает. Атаковать дешевле там, где преимущество на «набитой руке» — копилоты переносят опыт лидера догоняющему почти даром. Строить дешевле — на своём объёме ИИ ускоряет кривую издержек (наблюдаемо). Нетто — окно у того, у кого объём и данные.
Целевые метрики: удельная себестоимость vs конкурент · gross margin при масштабе · выручка на GPU-час.
Ранние метрики: кривая падения издержек с объёмом · загрузка мощностей · объём быстрее издержек.
Стартовые допущения: издержки высоки и неделимы · объём → экономия · спрос наполнит масштаб · нет capex-bust.
Механизм. Эксклюзивный доступ к дефицитному активу на условиях лучше рыночных. Быстро не воспроизвести.
Примеры: патент на молекулу · лицензия на частоты/недра · эксклюзив на датасет.
Как работал раньше. IP, лицензии, месторождения; в RBV — VRIN-ресурс (Barney 1991).
Что изменил ИИ (★★★, вектор ↓/↑, оба наблюдаемо). Разъедает дефицит там, где есть субститут. Атаковать дешевле: синтетика вместо датасета, модель вместо эксперта — если ресурс информационный. Строить дешевле по краям: ИИ раньше находит и контрактует дефицит, но не создаёт. Держится, только если дефицит физический или юридический (ASML, лицензия, De Beers).
Целевые метрики: срок эксклюзивности · доля контроля входа · стоимость воспроизведения.
Ранние метрики: заключённые эксклюзивы/лицензии · законтрактованные мощности · найм ключевых носителей.
Стартовые допущения: ресурс дефицитен и невоспроизводим · доступ закреплён (контракт/патент) · присвоен ниже ценности.
Механизм. Новая модель, которую инкумбент не может скопировать, не убив свою прибыль. Он видит угрозу, но рационально бездействует.
Примеры: Vanguard vs активные фонды · Netflix vs Blockbuster · Dollar Shave Club vs Gillette.
Как работал раньше. Вклад Хелмера (2016) — единственный ров против сильного инкумбента, нельзя «докупить».
Что изменил ИИ (★★★ механизм / прогноз реализации, вектор ↑). Почти чистое окно на постройку. Механизм от ИИ не зависит — атаковать не помогает. Строить дешевле: ИИ обрушивает стоимость запуска «платы за результат вместо дорогого сервиса», который раньше делали дорогие люди. Пока ранние кейсы, не исход.
Целевые метрики: разрыв маржинальности · отвоёванная доля без ответа · длительность «молчания» инкумбента.
Ранние метрики: инкумбент отрицает/высмеивает модель · переток клиентов · нет зеркального продукта.
Стартовые допущения: у инкумбента есть прибыль, которую копия разрушит · модель структурно иная · не может «отвязать» новое от старого.
Механизм. Преимущество в процессах, которые не скопировать быстро даже зная рецепт. Нужно долгое накопление.
Примеры: Toyota Production System · yield TSMC · reuse ракет SpaceX.
Как работал раньше. Операционное превосходство годами (Хелмер; близко к dynamic capabilities Teece, «causal ambiguity» Rumelt).
Что изменил ИИ (★★, вектор =, прогноз). Затронут умеренно. Атаковать чуть дешевле: ИИ кодифицирует часть tacit-знания. Строить дешевле — сильнее: ИИ ускоряет превосходство на ваших непубличных данных, которых у конкурента нет. Ров держится, пока процесс на закрытых данных и физике.
Целевые метрики: устойчивый разрыв в операционной метрике (yield, цикл, дефекты), годами при известном рецепте.
Ранние метрики: операционная метрика год-к-году опережает конкурентов · накопление tacit-знания и инструментов.
Стартовые допущения: преимущество в процессе, а не в патенте · требует времени · не копируется наймом одного человека.
Механизм. Клиент платит премию и выбирает «вслепую» — доверяет имени. Бренд замещает проверку.
Примеры: Apple · «никого не уволили за покупку IBM» · ChatGPT как generic.
Как работал раньше. Медленный ров: зреет 4–11 лет, зато устойчив. У Хелмера — Branding.
Что изменил ИИ (★★, вектор ↑, двойственно). Бьёт по каналу открытия. Атаковать дешевле — наблюдаемо: выдача выбирает по релевантности, дискавери переезжает в чат (51% B2B стартуют ресёрч в AI против 29% год назад, G2 03.2026); AI-slop размывает отличие. Строить дешевле — частично: ИИ масштабирует сервис, появился AEO. Противовес: доверие к «AI-first» падает 20%→39%, польза AI-поиска 82%→54% (Fractl, Q2 2026). «Доверие — новый ров» пока прогноз.
Целевые метрики: ценовая премия · доля прямого/брендового трафика · share of model в AI-выдаче · unaided recall.
Ранние метрики: рост прямого/брендового поиска · NPS/доверие · цитируемость в AI-ответах.
Стартовые допущения: категория, где доверие критично · отличие трудно проверить · есть повторная покупка.
Механизм. Дешёвый доступ к клиенту, которого нет у конкурента: дефолт-канал, встроенность, своя аудитория.
Примеры: Microsoft встраивает Copilot в 365 · дефолты Apple · банк продаёт страховку своим.
Как работал раньше. Не ров сам по себе, а способ выхода (a16z, Greylock). Работает, если конвертируется в масштаб/сеть/switching costs.
Что изменил ИИ (★★, вектор ↑ избирательно). Усиливает крупных с базой. Атаковать дешевле: агенты-покупатели смещают дефолты, канал перестаёт быть монополией. Строить дешевле — сильнее для инкумбента: владелец базы применит персонализацию раньше и дешевле (Microsoft на 365, Coca-Cola на занятой полке). Тонкие обёртки ИИ не спасает.
Целевые метрики: CAC vs конкурент · доля клиентов через свой/дефолт-канал · attach-rate к базе.
Ранние метрики: доступ к базе · конверсия дефолт-размещения · CAC падает с ростом.
Стартовые допущения: есть канал/база, которых нет у конкурента · встраивается без переизобретения UX · не воспроизводим виджетом за месяц.
Механизм. Использование → проприетарные данные → лучше продукт → больше юзеров → больше данных (data flywheel).
Примеры: Tesla FSD · клики в поиске · RLHF preference-данные.
Как работал раньше. Долго был мифом. Академия: данные с убывающей отдачей (Bajari 2019; Hagiu–Wright 2023: ров условен). a16z «Empty Promise of Data Moats» (2019) — якорь скепсиса.
Что изменил ИИ (★★, вектор — расщепление). Атаковать дешевле, где данные generic (наблюдаемо): фронтир-модель проглотила интернет, синтетика добивает остаток. «Годы отраслевых данных» больше не аргумент, если воспроизводимы. Строить дешевле, где петля закрытая: ров только на непокупаемых within-user данных (Tesla FSD — телеметрия флота). Тезис «feedback = ров» продан, не доказан (частично наблюдаемо).
Целевые метрики: прирост качества на удвоение данных (не плато) · доля непокупаемых данных · real-time.
Ранние метрики: объём проприетарных интеракций/нед · темп улучшения от использования · эксклюзивность источника.
Стартовые допущения: данные within-user/feedback, не generic · тест «10x → заметно?» проходит · источник не купить · loop самообновляется.
Механизм. Серия взаимозацепленных изобретений: каждое рождает новую проблему. Конкурент скопирует слой, но не систему.
Примеры: Square (14 инноваций) · IKEA (дизайн+логистика+самосборка+магазин) · Amazon.
Как работал раньше. Термин Маккелви (2020): Amazon скопировал ридер Square, но не связку целиком. Слабость: ретро-нарратив с выжившим-байесом — не предсказывает.
Что изменил ИИ (★★, вектор ↓ для софт-стеков). Атаковать дешевле, если слои цифровые (наблюдаемо): софт-слои пересобираются с месяцев до часов. Строить дешевле, но прочны лишь упёртые во время и физику (IKEA: физическая цепочка + десятилетия отношений с поставщиками). Софт-стек — угроза; физ/время-стек — держится.
Целевые метрики: число взаимозависимых слоёв · доля слоёв «время/физика» vs софт · стоимость сборки всего стека.
Ранние метрики: каждый слой рождается из проблемы предыдущего · слои ссылаются друг на друга · растёт цена частичной копии.
Стартовые допущения: слои реально взаимозависимы · часть упёрта во время/регуляторику/физику · стек не реверс-инженерится по кускам.
Механизм. Продукт врастает как система-записи с моделью прав: подключён к десяткам систем, знает кому что можно, держит синк. Вырвать = пересобрать половину IT.
Примеры: Glean (100+ интеграций; $200M ARR к дек 2025; оценка $7.2B) · Harvey (legal) · Sierra.
Как работал раньше. Обычные enterprise-интеграции; как отдельный ров оформился сейчас.
Что изменил ИИ (★★★ conditional, вектор ↑, наблюдаемо). Нетто — окно. Атаковать чуть дешевле: ИИ-коннекторы удешевляют «мы интегрированы со всем». Строить — сильнее: ИИ ускоряет граф прав и синка, продукт врастает. Ключ — права и запись, а не read-only: там ров реален (ARR/retention). Read-only — угроза.
Целевые метрики: число интеграций с правами/аккаунт · доля данных под управлением · NRR · стоимость rip-out.
Ранние метрики: рост подключённых систем на клиента · глубина permission-модели · across-workflow использование.
Стартовые допущения: система-записи/прав, не виджет · интеграции с правами и записью (не read-only) · ценность копится с подключениями.
Механизм. Контроль дефицитного физического входа в ИИ. Узкое место — не чипы, а энергия и подключение к сети.
Примеры: Stargate ($500B) · собственные TPU Google · энергоконтракты (PPA) гиперскейлеров.
Как работал раньше. Частично покрывался экономией масштаба; отдельным рвом стал в эпоху ИИ.
Что изменил ИИ (★★★ гиперскейлеры / ★ технологически, вектор ↑). ИИ — источник спроса, поднявший ров. Чипы коммодитизируются, но не грид: очереди ~2290 ГВт, ожидание ~4.5 года (LBNL 2025); трансформаторы 4–8 лет (IEA 2025) — наблюдаемо. Оговорка: ров капитала и инкумбента, не большинства. При oversupply — вершина капзатратного цикла.
Целевые метрики: законтрактованные МВт/ГВт · стоимость энергии/токен · grid-подключение · доля self-supply.
Ранние метрики: подписанные PPA · места в очереди на подключение · законтрактованные трансформаторы.
Стартовые допущения: ограничение — энергия/грид, не чипы · есть капитал и доступ к сети · спрос удержит масштаб.
Механизм. Продукт становится ОС для конкретной работы: исполняет задачи, держит права, регламенты, аудит. Лок в governance-слое, не в данных.
Примеры: Cursor (лок в harness) · Harvey/Sierra (система-записи + права) · «clearinghouses выиграют эру агентов» (Ball, июнь 2026).
Как работал раньше. По сути switching costs, мигрировавшие в эпоху ИИ — с новым носителем лока.
Что изменил ИИ (★★, вектор ↑ потенциал / пока temporary lead). Атаковать дешевле: сырой контекст и память переносимы (протоколы обмена) — память не ров. Строить дешевле выше по слою: агент, исполняющий процесс и врастающий в права/регламенты/аудит, углубляет лок. Всё это — прогноз VC, данных об оттоке ещё нет.
Целевые метрики: доля критичных процессов в продукте · стоимость миграции прав/регламента · NRR · автономия агента.
Ранние метрики: рост доли задач у агента · накопление permission/audit-слоя · встроенность в SOP клиента.
Стартовые допущения: лок в правах/регламенте, не в портируемой памяти · продукт исполняет, а не советует · встроен в критичный регулируемый процесс.
Механизм. Фиксированные издержки соответствия ложатся на всех одинаково → режут малых сильнее. Кто абсорбирует — тот «допущен».
Примеры: EU AI Act (€50–500K/система) · банковские/финансовые лицензии · GDPR (прибыль малых IT −12.5% vs −7.9% у крупных; Frey & Presidente, Oxford, 2022).
Как работал раньше. Классический барьер входа — банки, фарма, телеком.
Что изменил ИИ (★★, вектор ↑ риск / «захват» спорен). Атаковать дешевле: авто-документация и авто-аудит делают комплаенс подъёмнее для малых. Строить дешевле: кто прогонит соответствие через ИИ быстрее — «допущен» раньше. Новый барьер — регулирование самого ИИ (~60% стартапов ЕС/UK жалуются на задержки). Барьер наблюдаем, но «регуляторный захват» — спорен (a16z на лоббизм $3.53M в 2025). Нетто: слабеет для входа, держится в нишах.
Целевые метрики: наличие лицензии/сертификации · доля рынка среди «допущенных» · стоимость соответствия конкурента.
Ранние метрики: полученные сертификации · участие в стандартах · compliance-инфраструктура готова раньше конкурентов.
Стартовые допущения: отрасль реально регулируется/лицензируется · издержки соответствия высоки · компания абсорбирует, малый — нет.