В марте 2026 года Harvey привлекла $200 млн при оценке компании в $11 млрд. Она продаёт AI юристам: это большинство фирм из списка AmLaw 100, более 500 внутренних юридических команд и, по её собственным подсчётам, 100 000 юристов в 1 300 организациях из 60 стран. У каждого из этих юристов уже был универсальный ассистент в телефоне, причём у большинства — бесплатный.
Очевидное объяснение: Harvey построила модель, которая понимает право лучше универсальных. Не построила. Harvey работает на моделях Anthropic, Google DeepMind и OpenAI — тех же передовых моделях, которые доступны каждому, у кого есть ключ к API и кредитная карта. В марте компания опубликовала об этом пост под названием «Why Harvey is Multi-Model by Design».
Значит, узкий игрок выигрывает на двигателе универсала. Именно от этого зависит, можно ли применить совет «идите в вертикаль» в вашем масштабе — или это просто история о венчурных раундах, которых вы никогда не привлечёте.
Ров, который все себе представляют, и ров, который есть на самом деле
Прочитайте архитектурный пост самой Harvey — в нём нигде нет заявления о собственной юридической модели. Названы три причины работать с несколькими поставщиками: качество, надёжность и выбор. Качество — потому что ни одна отдельная модель не лучшая во всём, и исследовательская команда направляет каждую задачу той модели, которая показывает на ней лучшие результаты. Надёжность — потому что, когда один поставщик упирается в лимиты мощностей или падает, работа перенаправляется так, что юрист этого не замечает; а ещё потому, что доступность моделей различается по регионам, и это важно, когда ваш клиент в Австралии и его данные должны оставаться там. Выбор — потому что Harvey требует от каждого поставщика одинаковых условий: нулевое хранение данных, никакого просмотра клиентских данных людьми, никакого обучения на клиентских входных данных.
Из блога самой Harvey: «GPT-5.4, Now Live in Harvey» — 5 марта, «Opus 4.8, Now Live in Harvey» — 28 мая. Компания, которая подаёт релиз поставщика как запуск собственного продукта, довольно точно показывает, где её ценности нет.
Картина неоднородна. Ambience Healthcare, которая продаёт больницам AI для фонового ведения медицинской документации, в релизе о раунде Series C (июль 2025 года) говорит, что её платформа построена на собственных моделях рассуждения, созданных специально для здравоохранения. То есть вертикальный AI — это не одна архитектура: кто-то строит модели, кто-то их арендует. Сходятся они в другом — во всём, что обёрнуто вокруг модели. Именно до этой обёртки универсальный ассистент дотянуться не может.
Четыре слоя, до которых универсальный ассистент не достаёт
Слой | Как это выглядит на практике | Почему этого не может быть у универсального ассистента |
|---|---|---|
Доменная оценка | Harvey прогоняет BigLaw Bench и тесты экспертных предпочтений силами собственной команды Applied Legal Research | У лаборатории нет доступа ни к вашим экспертам-судьям, ни к вашему определению «правильно» |
Место в рабочем процессе | Harvey внутри iManage, Box, Ironclad, Docusign, Microsoft 365; Ambience внутри Epic, Oracle Cerner, athenahealth | Окно чата заставляет пользователя идти к нему, а работа остаётся там, где она уже живёт |
Комплаенс-контур | Сертификация ISO 42001 у Harvey, локализованная обработка данных в США, ЕС и Австралии | Управление соответствием определяется отраслью и юрисдикцией — это не функция продукта |
Люди на внедрении | Встроенные команды legal engineering у Harvey; более 25 000 собственных агентов, которые клиенты собрали на платформе по состоянию на март 2026 года | У self-serve-софта нет никого внутри вашего здания |
Формулировка Ambience по второй строке острее всего, что обычно признают в презентациях вендоров: платформа подстраивается под конкретные условия оказания помощи и специальность без перестройки рабочих процессов и без переобучения персонала. Универсальные инструменты перекладывают эту нагрузку на пользователя, а результат потом называют проблемой внедрения.
Цифра, которую может дать только узкая система
17 сентября 2025 года Ardent Health — 30 больниц для лечения острых состояний, около 280 точек оказания медицинской помощи, более 1 800 аффилированных медиков в шести штатах — объявила о развёртывании Ambience во всей своей амбулаторной сети. Развёртыванию предшествовал пилот, который охватил 17 специальностей и 7 языков; на момент анонса с помощью Ambience задокументировали более 140 000 приёмов пациентов.
Заявленные результаты пилота, как их опубликовала Ambience:
- На 45% меньше времени на документирование — по данным Epic User Action Log
- 5 часов в неделю сэкономлено на каждого врача
- 90% приёмов у участников пилота проведено с использованием системы
- 70% врачей в пилоте сообщили о снижении когнитивной нагрузки
- 100% врачей в пилоте сказали, что это повысило их удовлетворённость работой
Рассортируйте этот список по происхождению каждой цифры. Последние две — это врачи, которые отвечают в анкете, что они чувствуют; это чего-то стоит, но это не доказательство. 45% вышли из журнала аудита Epic — той самой системы, которой больница уже пользуется, чтобы выставлять счета, планировать графики персонала и защищаться, когда аудитор спрашивает, что происходило в течение смены.
Атрибуцию делает возможной именно узость охвата, и к интеллекту это почти не имеет отношения. «Время на документирование в Epic» было цифрой до появления AI и останется цифрой после того, как его выключат, поэтому изменение можно измерить вычитанием. «Прирост продуктивности от универсального ассистента» — цифра, которой нет ни в одной системе, и именно поэтому любое её обсуждение на совете директоров скатывается в обмен отдельными историями.
Veeva: медленная версия той же ставки
Veeva Systems продаёт отраслевое облачное ПО для life sciences: клинические исследования, регуляторика, фармаконадзор, коммерция. В ноябре 2015 года компания отчиталась о квартальной выручке $106,9 млн и более чем 375 клиентах. 3 июня 2026 года — о квартальной выручке $882,9 млн, росте на 16% год к году, более чем 1 500 клиентах и годовом прогнозе выше $3,6 млрд. Цель выйти на годовой темп выручки $6 млрд к 2030 году компания подтвердила в отчёте за 2026 финансовый год 4 марта 2026 года.
CEO Peter Gassner описал текущий этап как «переход от компании отраслевых приложений к компании отраслевых приложений и AI-агентов».
Veeva выиграла life sciences не благодаря AI. Больше десяти лет она накапливала отраслевую модель данных, присутствие в регулируемом контенте и клиентскую базу — и теперь монетизирует это агентами, надстроенными сверху. Vault CRM добавила 27 клиентов только за тот квартал и перешагнула отметку в 150 работающих внедрений. Агенты — новые. Ров — нет.
Вертикальный актив накапливается медленно, а AI превращает его в деньги. Это выворачивает вопрос планирования наизнанку: не «какой AI нам купить в этом году», а «какой узкий актив мы накапливаем, чтобы через три года агент смог превратить его в деньги».
Как это выглядит без миллиарда долларов
Вы не переиграете передовую лабораторию на уровне модели, и вы никогда не участвовали в этой гонке. Три из четырёх слоёв выше не стоят ничего, кроме дисциплины, а все четыре доступны и небольшой команде.
Начните с выбора рабочего процесса, у которого уже есть цифра. Он должен происходить каждый день или почти каждый, а его метрика — жить в системе, которой владеете вы: CRM, хелпдеск, телефония, бухгалтерия. Если никто в комнате не может назвать текущую цифру, у вас ещё нет проекта — у вас есть демо. Наш метод расчёта ROI начинается с того же места.
Потом соберите набор для оценки — до того, как напишете агента. Именно этот шаг все пропускают, и именно он делает работу. Возьмите от 30 до 50 реальных кейсов за прошлый месяц. Пусть ваш самый сильный сотрудник отметит на каждом, как выглядит правильный результат, своими словами — включая те два-три, над которыми ему пришлось подумать. Этот файл и есть ваш BigLaw Bench. Он стоит полдня работы, для него никогда не нужен вендор, и это единственный инструмент, который скажет вам, помогло ли обновление модели в следующем квартале или тихо что-то сломало, — а учитывая, насколько результаты дрейфуют от прогона к прогону, на этот вопрос не ответить чтением release notes. Команды, которые этот шаг пропускают, не узнают, что ошибались; они просто ещё два квартала спорят об ощущениях.
Поставьте агента туда, где работа уже идёт: внутрь карточки в CRM, в тикет, в звонок. Каждый шаг, который человеку приходится делать навстречу AI, съедает ваше внедрение. И возьмите на себя скучный слой: логи, права доступа, эскалацию и заранее определённый ответ на вопрос, что агент делает, когда отказывается или не уверен.
Всё это — не технологические решения. Это четыре выбора: об охвате, измерении, размещении и ответственности. Те же четыре, которые сделали Harvey и Ambience, только в масштабе, где их можно сделать за полдня.
Когда узкое не выигрывает
Этот паттерн продают слишком охотно, так что вот где он ломается:
- Работа с низкой частотой. Собрать набор для оценки стоит примерно одинаково, происходит ли процесс 400 раз в месяц или четыре. Если четыре — он не окупится никогда.
- Нет системы учёта. Если работа живёт в головах людей и в чате WhatsApp, цифры «до» не существует, и проект заканчивается спором, в котором никто не может выиграть.
- Правила без внутреннего владельца. Доменная специфика означает, что кто-то персонально отвечает за то, что такое «правильно», и поддерживает это определение актуальным. Без этого человека вы получите узкий инструмент, который дрейфует на устаревших допущениях, а это хуже универсального.
Есть ещё и настоящий длинный хвост. Когда все задачи разные, универсальный ассистент — просто лучший ответ. Да и выбор никогда не был «или-или»: клиенты Harvey продолжают пользоваться Copilot, врачи Ardent продолжают искать в интернете.
Вопрос, с которым стоит прийти на ближайшую встречу по планированию
Не о том, какой AI самый умный. Назовите одну вещь, которую ваша команда делает каждый день в системе, где её уже считают, и произнесите вслух текущую цифру. Если эта фраза даётся легко — вы нашли проект. Если нет, честный следующий шаг — не AI, а измерение, и стоит оно дёшево. Именно этого никто не хочет слышать на встрече об AI.
А если не даётся, то отправить этот текст стоит тому, кто отвечает за ту систему. Разговор — с ним, а не с бюджетом на AI.
Бесплатный двухминутный AI-аудит сделан именно для того, чтобы пройти эту проверку вместе с вами, — и он скажет, когда ответ такой, что агент вам пока не нужен. Если же процесс планку берёт, Grow2.ai строит агента под KPI, зафиксированный в договоре, и запускает пилот за 14 дней. Пилот оплачивается вперёд; если на ревью 30-го дня согласованный KPI не сдвинулся — возвращаем полную сумму.