SaaS Multiples Fell From 16x to 4.7x in Four Years — 8 Shifts Moving AI's MoneyМультипликаторы SaaS упали с 16x до 4.7x за четыре года — 8 сдвигов, которые двигают деньги AI
SaaS multiples fell from 16x to 4.7x in four years. I’ve been tracking why — here are the 8 shifts moving AI’s money, and where the moat actually sits now.
1. Money and market valuations The SaaS multiple dropped to 4.7x revenue (down from ~16x in 2021). The market overpaid for “software for software’s sake.”
2. Who captures the value + lab monetization The earners are the resource makers: electricity, datacenters, GPUs and the whole chain. Big labs are mostly in the red and hunting for monetization models (e.g. contextual ads). AI products are still tiny in money terms.
3. The bottleneck and new distribution Cost and time of development stopped being the constraint — a result of vibecoding / AI-assisted coding. The bottleneck shifted to distribution. Channels are changing — GEO: traffic from ChatGPT converts at ~15.9% vs ~1.8% from Google SEO. Discovery is moving into generative engines. Any software now needs API + CLI + MCP so AI agents can use it — otherwise you drop out of the market.
4. Speed and AI-native ops AI-native moves multiples faster: a complaint in support → fix shipped to production in 6 hours. AI tooling gets simpler every quarter.
5. New business model and the role of SaaS SaaS is shifting toward guarantee/support (uptime, fast incident triage — the customer is never left unsupported). From subscription to pay-per-token/action — vendors might get richer, charging even for what used to sit in the base plan. AI reprices whole categories overnight: when Anthropic shipped a legal tool for Claude (Feb 2026), Thomson Reuters, RELX and Wolters Kluwer lost 13–16% in a day.
6. What AI gives the product Hyperpersonalization.
7. Org, culture, the employee’s role AI adoption inside teams is still very low. Culture is changing under wild speed; the employee’s role shifts to reviewer, to avoid becoming the bottleneck. Value moves into areas that are hard to verify cleanly — be the expert reviewer there once automation is everywhere.
8. Where to build a moat Narrow, expensive niches with a big market the labs won’t enter (e.g. US credit cards for dentists, with high margins on medical goods). Verticals with expensive labor (US: lawyers, dentists) — there the cost of AI pays off.
What trends are you seeing? Which do you agree or disagree with?
Мультипликаторы SaaS упали с 16x до 4.7x за четыре года. Я разбирался почему — вот 8 сдвигов, которые двигают деньги AI, и где сейчас реально сидит moat.
1. Деньги и оценки рынка Мультипликатор SaaS упал до 4.7x выручки (с ~16x в 2021). Рынок переплатил за «софт ради софта».
2. Кто захватывает ценность + монетизация лабораторий Зарабатывают те, кто делает ресурсы: электричество, дата-центры, GPU и вся цепочка. Большие лаборатории в основном в минусе и ищут модели монетизации (например, контекстную рекламу). AI-продукты в деньгах пока крошечные.
3. Бутылочное горлышко и новая дистрибуция Стоимость и время разработки перестали быть ограничением — результат вайбкодинга / AI-assisted coding. Узкое место сместилось в дистрибуцию. Каналы меняются — GEO: трафик из ChatGPT конвертит в ~15.9% против ~1.8% из Google SEO. Discovery уходит в генеративные движки. Любому софту теперь нужны API + CLI + MCP, чтобы им могли пользоваться AI-агенты — иначе ты выпадаешь из рынка.
4. Скорость и AI-native ops AI-native двигает метрики кратно быстрее: жалоба в поддержке → фикс в проде за 6 часов. AI-инструменты становятся проще с каждым кварталом.
5. Новая бизнес-модель и роль SaaS SaaS смещается в сторону гарантии/поддержки (аптайм, быстрый разбор инцидентов — клиента никогда не бросают). От подписки к pay-per-token/действие — вендоры могут зарабатывать больше, беря деньги даже за то, что раньше входило в базовый план. AI переоценивает целые категории за ночь: когда Anthropic выпустил юридический инструмент для Claude (февраль 2026), Thomson Reuters, RELX и Wolters Kluwer потеряли 13–16% за день.
6. Что AI даёт продукту Гиперперсонализацию.
7. Организация, культура, роль сотрудника Внедрение AI внутри команд всё ещё очень низкое. Культура меняется на диком темпе; роль сотрудника смещается к ревьюеру, чтобы не стать узким местом. Ценность уходит в области, которые трудно чисто верифицировать — будь там экспертным ревьюером, когда автоматизация уже везде.
8. Где строить moat Узкие, дорогие ниши с большим рынком, в которые лаборатории не пойдут (например, кредитки в США для дантистов с высокой маржой на медицинских товарах). Вертикали с дорогим трудом (США: юристы, дантисты) — там стоимость AI окупается.
Какие тренды видишь ты? С чем согласен или не согласен?