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.
За даними власного блогу Harvey: «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, у релізі про раунд Series C (липень 2025 року) 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
17 вересня 2025 року Ardent Health — 30 стаціонарів гострої допомоги, близько 280 точок надання медичної допомоги, понад 1 800 афілійованих медиків у шести штатах — оголосила про розгортання Ambience в усій своїй амбулаторній мережі. Розгортанню передував пілот, який охопив 17 спеціальностей і 7 мов; на момент анонсу за допомогою Ambience задокументували понад 140 000 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 і річний прогноз вище $3,6 млрд. Мету вийти на річний темп доходу $6 млрд до 2030 року компанія підтвердила у звіті за 2026 фінансовий рік 4 березня 2026 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 й невеликій команді.
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. Пілот оплачується наперед; якщо на рев'ю 30-го дня узгоджена KPI не зрушила — повертаємо повну суму.