У березні 2026 року Harvey залучила $200 млн за оцінки компанії в $11 млрд. Вона продає AI юристам: більшість фірм зі списку AmLaw 100, понад 500 внутрішніх юридичних команд і, за її власними підрахунками, 100 000 юристів у 1 300 організаціях із 60 країн. У кожного з цих юристів уже був універсальний асистент у телефоні, і в більшості — безкоштовно.
Очевидне пояснення: Harvey побудувала модель, яка розуміє право краще за універсальні. Не побудувала. Harvey працює на моделях Anthropic, Google DeepMind і OpenAI — тих самих передових моделях, доступних кожному, у кого є ключ до API і кредитна картка. У березні компанія опублікувала про це допис під назвою «Why Harvey is Multi-Model by Design».
Отже, вузький гравець виграє на двигуні універсала. Саме від цього залежить, чи є порада «йдіть у вертикаль» тим, що можна застосувати у вашому масштабі, чи це просто історія про венчурні раунди, яких ви ніколи не залучите.
Рів, який усі уявляють, і рів, який справді є
Прочитайте архітектурний допис самої Harvey — у ньому ніде немає заяви про власну юридичну модель. Названі три причини працювати з кількома постачальниками: якість, надійність і вибір. Якість — бо жодна окрема модель не найкраща в усьому, тож дослідницька команда спрямовує кожне завдання до тієї моделі, яка показує на ньому найкращі результати. Надійність — бо коли один постачальник упирається в ліміти потужностей або лягає, робота перенаправляється так, що юрист цього не помічає; а ще тому, що доступність моделей різна за регіонами, і це важить, коли ваш клієнт в Австралії та його дані мають залишатися там. Вибір — бо Harvey вимагає від кожного постачальника однакових умов: нульове зберігання даних, жодного перегляду клієнтських даних людьми, жодного навчання на клієнтських вхідних даних.
«GPT-5.4, Now Live in Harvey» — 5 березня. «Opus 4.8, Now Live in Harvey» — 28 травня. Компанія, яка подає реліз постачальника як запуск власного продукту, доволі точно показує, де її цінності немає.
Картина не однорідна. Ambience Healthcare, яка продає лікарням AI для фонового ведення медичної документації, описує свою платформу як побудовану на власних моделях міркування, створених спеціально для охорони здоров'я. Тобто вертикальний AI — це не одна архітектура: хтось будує моделі, хтось їх орендує. Сходяться вони в іншому — у всьому, що обгорнуте навколо моделі. Саме до цієї обгортки універсальний асистент дотягнутися не може.
Чотири шари, до яких універсальний асистент не дістає
Шар | Як це виглядає на практиці | Чому цього не може мати універсальний асистент |
|---|---|---|
Доменне оцінювання | Harvey проганяє BigLaw Bench і тести експертних переваг силами власної команди Applied Legal Research | Лабораторія не має доступу ні до ваших експертів-суддів, ні до вашого визначення «правильно» |
Місце в робочому процесі | Harvey всередині iManage, Box, Ironclad, Docusign, Microsoft 365; Ambience всередині Epic, Oracle Cerner, athenahealth | Вікно чату змушує користувача йти до нього, а робота залишається там, де вона вже живе |
Комплаєнс-контур | Сертифікація ISO 42001 у Harvey, локалізована обробка даних у США, ЄС і Австралії | Управління відповідністю визначається галуззю та юрисдикцією, а не є функцією продукту |
Люди на впровадженні | Вбудовані команди legal engineering у Harvey; понад 25 000 власних агентів, які клієнти зібрали на платформі станом на березень 2026 року | У self-serve-софту немає нікого всередині вашої будівлі |
Формулювання Ambience щодо другого рядка гостріше за все, що зазвичай визнають у презентаціях вендорів: платформа підлаштовується під конкретні умови надання допомоги та спеціальність без перебудови робочих процесів і без перенавчання персоналу. Універсальні інструменти перекладають цей тягар на користувача, а результат потім називають проблемою впровадження.
Цифра, яку може дати лише вузька система
19 серпня 2026 року Ardent Health оголосила про розгортання Ambience на рівні всієї мережі: 30 лікарень невідкладної допомоги, близько 280 точок надання медичної допомоги, понад 1 800 афілійованих лікарів у шести штатах. Розгортанню передував пілот, який охопив 17 спеціальностей і 7 мов, із понад 140 000 задокументованих прийомів пацієнтів.
Заявлені результати пілоту, як їх опублікувала Ambience:
- 45% скорочення часу на документування — за даними Epic User Action Log
- 5 годин на тиждень заощаджено на кожного лікаря
- 90% прийомів проведено з використанням системи серед учасників пілоту
- 70% лікарів у пілоті повідомили про зниження когнітивного навантаження
- 100% лікарів у пілоті сказали, що це покращило їхнє задоволення від роботи
Відсортуйте цей список за походженням кожної цифри. Останні дві — це лікарі, які відповідають в анкеті, що вони відчувають; це чогось варте, але це не доказ. 45% вийшли з журналу аудиту Epic — тієї самої системи, якою лікарня вже виставляє рахунки, планує графіки персоналу й захищається, коли аудитор питає, що відбувалося протягом зміни.
Атрибуцію уможливлює саме вузькість охоплення, і до інтелекту це майже не має стосунку. «Час на документування в Epic» був цифрою до появи AI і залишиться цифрою після того, як його вимкнуть, тож зміну можна виміряти відніманням. «Приріст продуктивності від універсального асистента» — це не цифра, яка існує бодай у якійсь системі, і саме тому будь-яке обговорення її на раді директорів звалюється в перекидання окремими історіями.
Veeva: повільна версія тієї самої ставки
Veeva Systems продає галузеве хмарне ПЗ для life sciences: клінічні дослідження, регуляторика, фармаконагляд, комерція. У листопаді 2015 року компанія відзвітувала про квартальний дохід $106,9 млн і понад 375 клієнтів. 3 червня 2026 року — про квартальний дохід $882,9 млн, зростання на 16% рік до року, понад 1 500 клієнтів, річний прогноз вище $3,6 млрд і заявлену мету вийти на річний темп доходу $6 млрд до 2030 року.
CEO Peter Gassner описав поточний етап як «перехід від компанії галузевих застосунків до компанії галузевих застосунків і AI-агентів».
Veeva виграла life sciences не завдяки AI. Понад десять років вона накопичувала галузеву модель даних, присутність у регульованому контенті та клієнтську базу — і тепер монетизує це агентами, покладеними згори. Vault CRM додала 27 клієнтів лише за той квартал і перетнула позначку в 150 живих впроваджень. Агенти — нові. Рів — ні.
Вертикальний актив накопичується повільно, а AI перетворює його на гроші. Це вивертає питання планування навиворіт: не «який AI нам купити цього року», а «який вузький актив ми накопичуємо, щоб через три роки агент зміг перетворити його на гроші».
Як це виглядає без мільярда доларів
Ви не переграєте передову лабораторію на рівні моделі, і ви ніколи не були в цих перегонах. Три з чотирьох шарів вище не коштують нічого, крім дисципліни, а всі чотири доступні компанії з п'ятнадцяти людей.
Почніть із вибору робочого процесу, у якого вже є цифра. Він має відбуватися щодня або близько до того, а його метрика — жити в системі, якою володієте ви: CRM, хелпдеск, телефонія, бухгалтерія. Якщо ніхто в кімнаті не може назвати поточну цифру, у вас ще немає проєкту — у вас є демо. Наш метод розрахунку ROI починається з того самого місця.
Потім напишіть оцінювання — до того, як напишете агента. Саме цей крок усі пропускають, і саме він робить роботу. Візьміть від 30 до 50 реальних кейсів за минулий місяць. Нехай ваша найсильніша людина позначить на кожному, як виглядає правильний результат, своїми словами — включно з тими двома-трьома, над якими їй довелося подумати. Цей файл і є ваш BigLaw Bench. Він коштує одного пообіддя, для нього ніколи не потрібен вендор, і це єдиний інструмент, який скаже вам, чи оновлення моделі наступного кварталу допомогло, чи тихо щось зламало — а зважаючи на те, наскільки результати дрейфують від прогону до прогону, на це питання не відповісти читанням release notes. Команди, які цей крок пропускають, не дізнаються, що помилялися; вони просто ще два квартали сперечаються про відчуття.
Поставте агента туди, де робота вже відбувається: усередину картки в CRM, у тікет, у дзвінок. Кожен крок, який людині доводиться робити назустріч AI, — це впровадження, яке ви проїдаєте. І візьміть на себе нудний шар: логи, права доступу, ескалацію та визначену відповідь на питання, що агент робить, коли відмовляє або не впевнений.
Нічого з цього не є технологічним рішенням. Це чотири вибори — про охоплення, вимірювання, розміщення й відповідальність. Ті самі чотири, які зробили Harvey та Ambience, тільки в масштабі, де їх можна зробити за одне пообіддя.
Коли вузьке не виграє
Цей патерн продають надто охоче, тож ось де він ламається:
- Робота з низькою частотою. Побудова оцінювання коштує приблизно однаково, чи процес відбувається 400 разів на місяць, чи чотири. Якщо чотири — вона не окупиться ніколи.
- Немає системи обліку. Якщо робота живе в головах людей і в гілці WhatsApp, цифри «до» не існує, і проєкт закінчується суперечкою, у якій ніхто не може виграти.
- Правила без внутрішнього власника. Доменна специфіка означає, що хтось персонально відповідає за те, що таке «правильно», і підтримує це визначення актуальним. Без цієї людини ви отримаєте вузький інструмент, який дрейфує на застарілих припущеннях, а це гірше за універсальний.
Є ще й справжній довгий хвіст. Коли кожне завдання інше, універсальний асистент — просто краща відповідь. Та й вибір ніколи не був «або-або»: клієнти Harvey далі користуються Copilot, лікарі Ardent далі шукають в інтернеті.
Питання, з яким варто прийти на найближчу планувальну зустріч
Не про те, який AI найрозумніший. Назвіть одну річ, яку ваша команда робить щодня всередині системи, що вже її рахує, і промовте вголос поточну цифру. Якщо це речення дається легко — ви знайшли проєкт. Якщо ні — чесний наступний крок — це не AI, а вимірювання, і воно дешеве. Саме цього ніхто не хоче чути на зустрічі про AI.
А якщо не дається, то надіслати цей текст варто тому, хто відповідає за ту систему. Розмова — з ним, а не з бюджетом на AI.
Безкоштовний двохвилинний AI-аудит зроблений саме для того, щоб пройти цю перевірку разом із вами — і він скаже, коли відповідь така, що агент вам поки не потрібен. Якщо ж процес планку проходить, Grow2.ai будує агента під KPI, зафіксований у договорі, і запускає пілот за 14 днів; KPI не досягнуто — ви не платите.