Нещодавно OpenAI та Anthropic послідовно опублікували основні звіти про користувачів ChatGPT та Claude. Ці два документи не є простим демонструванням досягнень, а розкривають надзвичайно важливу тенденцію сучасної індустрії штучного інтелекту: дві провідні моделі розвиваються абсолютно різними шляхами, їхнє ринкове позиціонування, основні сценарії застосування та моделі взаємодії з користувачами вже суттєво розділилися.
З цієї причини команда Silicon Rabbit разом із експертами з Кремнієвої долини порівняла ці два звіти, виокремила приховані індустріальні сигнали та обговорила їхні глибокі висновки щодо майбутніх технологічних шляхів, бізнес-моделей та відповідних інвестиційних стратегій.
Дані з обох звітів чітко демонструють різні акценти ChatGPT та Claude щодо користувацької бази та основних функцій, що є відправною точкою для розуміння їхньої довгострокової стратегічної диференціації.
ChatGPT: проникнення на ринок у сфері універсальних застосувань
Звіт OpenAI підтверджує статус ChatGPT як феноменального застосунку. Станом на липень 2025 року його щотижнева активна аудиторія перевищила 700 мільйонів. Структура користувачів має дві ключові риси:
По-перше, аудиторія успішно розширилася до ширшого кола людей, і образ користувача, що раніше складався переважно з технічних спеціалістів, змінився на високоосвічених білих комірців різних професій;
По-друге, гендерний баланс став більш рівномірним, частка жінок-користувачів зросла до 52%.
Щодо сценаріїв застосування, основні функції ChatGPT зосереджені у трьох сферах: практичні поради, пошук інформації та написання документів, які разом складають майже 80% усіх діалогів.
Користувачі переважно використовують його для допомоги у повсякденному житті та рутинних офісних завданнях. Варто зазначити, що у звіті чітко вказано, що частка використання для професійної технічної допомоги, такої як програмування, суттєво знизилася з 12% до 5%.
Узагальнюючи, стратегічний шлях ChatGPT — стати універсальним AI-асистентом для широкої аудиторії. Його основна перевага полягає у величезній користувацькій базі та сформованому мережевому ефекті, а також у високій проникності у щоденні інформаційні процеси користувачів.
Claude: фокус на корпоративних і професійних автоматизованих сценаріях
Звіт Anthropic малює зовсім іншу картину. Розподіл користувачів Claude має сильну позитивну кореляцію з рівнем економічного розвитку регіону (ВВП на душу населення), що свідчить про те, що основна аудиторія — це працівники знань і професіонали з розвинених економік.
Його основні сценарії застосування дуже сфокусовані. Дані звіту показують, що програмна інженерія є головною сферою застосування майже у всіх регіонах, частка відповідних завдань стабільно тримається між 36% і 40%, що різко контрастує з тенденціями використання ChatGPT у цій сфері.
Найбільш вражаючі дані у звіті стосуються частки “автоматизованих” завдань. За останні 8 місяців частка “інструкційних” автоматизованих завдань, коли користувачі дають прямі команди, а AI самостійно виконує більшість роботи, зросла з 27% до 39%.
Серед корпоративних користувачів платного API ця тенденція ще більш виражена: до 77% діалогових взаємодій мають автоматизований характер, і переважна більшість з них — це “інструкційна” автоматизація з мінімальним втручанням людини.
Отже, стратегічне позиціонування Claude цілком чітке: стати професійним інструментом продуктивності та автоматизації, глибоко інтегрованим у ключові робочі процеси підприємств. Його конкурентна перевага — це глибока оптимізація для певних професійних сфер (особливо розробки ПЗ) та максимальна ефективність виконання завдань.
Виходячи з цієї стратегічної диференціації, команда Silicon Rabbit та експерти з Кремнієвої долини провели перехресний аналіз даних двох звітів і виокремили три перспективні індустріальні інсайти для інвесторів.
Перше: диференціація “програмних застосувань” передвіщає зростання ринку спеціалізованих AI-інструментів
Зміна частки програмних застосувань у ChatGPT та Claude не відображає коливань ринкового попиту, а свідчить про перехід користувацьких потреб до “спеціалізації” та “інтеграції”.
Універсальний діалоговий інтерфейс вже не може задовольнити глибокі потреби професійних розробників у складних робочих процесах. Їм потрібні AI-функції, які можуть безшовно інтегруватися з IDE, системами контролю версій коду та програмами управління проектами.
Ця тенденція передвіщає появу важливої ринкової можливості: “AI-нативних інструментальних ланцюжків”, створених для конкретних галузей (наприклад, розробка ПЗ, фінансовий аналіз, юридичні послуги) і глибоко інтегрованих з існуючими робочими процесами.
Це вимагає від AI не лише моделей, а й глибокого розуміння галузі. Для інвестицій у відповідних сферах ключовим критерієм стане здатність компанії створювати таку “глибоку інтеграцію”.
Друге: “77% рівень автоматизації” — прискорення процесу автоматизації корпоративних завдань
“77% рівень автоматизації корпоративного API” у звіті Anthropic — це дуже сильний сигнал, що свідчить: на передовій бізнес-застосувань роль AI швидко змінюється з “допомоги людині” на “виконання завдань”.
Ці дані змушують нас переоцінити швидкість впливу AI на продуктивність підприємств, організаційну структуру та модель витрат. Раніше ринок переважно зосереджувався на “підвищенні ефективності” завдяки AI, але тепер необхідно включити “замінюючу” цінність у ядро аналітичної рамки.
Інвестиційна логіка має розширитися від оцінки “як AI допомагає людським працівникам” до “у яких сферах знань AI може самостійно виконувати стандартизовані завдання з більшою ефективністю та нижчими витратами”.
Генерація фінансової звітності, первинний аналіз контрактів, аналіз ринкових даних та інші процеси з високими витратами на персонал стануть першими напрямками, де AI-автоматизація принесе значний економічний ефект.
Третє: різниця між “співпрацею та автоматизацією” розкриває шлях еволюції AI-бізнес-моделей
Один із парадоксальних пунктів у звіті: у регіонах з вищим середнім рівнем використання Claude користувачі більше схильні до “співпраці”; навпаки, у регіонах з нижчим рівнем використання переважає “автоматизація”.
Це, ймовірно, розкриває зв'язок між бізнес-моделлю AI та зрілістю користувачів. На ранніх етапах проникнення ринку користувачі схильні сприймати AI як простий інструмент підвищення ефективності для виконання окремих завдань (автоматизація).
А коли користувачі (особливо професіонали) краще розуміють межі можливостей AI та способи взаємодії, вони починають досліджувати, як співпрацювати з AI для виконання складних, творчих завдань, які раніше були недосяжними (співпраця).
Це ставить нові питання щодо довгострокових бізнес-моделей AI. Окрім скорочення витрат через автоматизацію (SaaS-модель), створення нової цінності та підвищення якості рішень через співпрацю людини й машини може призвести до появи більш просунутих бізнес-моделей, наприклад, оплата за результат або підписка на підтримку прийняття рішень. Інвестори при оцінці AI-проектів повинні враховувати потенціал розвитку як у напрямку “автоматизації”, так і “спільної творчості”.
Вищенаведений аналіз на основі відкритих звітів — лише початок процесу прийняття рішень. Для повної оцінки потрібно відповісти на глибші питання “як реалізувати” та “хто реалізує”, наприклад:
Яка технічна архітектура, склад команди та ринкова перевірка у найперспективніших стартапів у сфері “AI-нативних інструментальних ланцюжків”?
Які реальні технічні шляхи, витрати на розгортання та конкретні дані про ROI для досягнення високого рівня автоматизації завдань у провідних технологічних компаніях?
Яка стратегія AI у компаніях із закритою екосистемою, таких як Apple, особливо щодо базових технологій власних великих моделей та шляхів комерціалізації?
Цю інформацію неможливо отримати з відкритих звітів, вона походить із практичного досвіду на передовій галузі. Щоб дійсно зрозуміти динаміку сучасної AI-індустрії, потрібно безпосередньо спілкуватися з ключовими особами, які визначають ці технології та продукти.
Наприклад, для глибокого вивчення галузі наші фінансові клієнти нещодавно провели глибокі бесіди з такими експертами:
Один із них — ML/DL/NLP-науковець і технічний керівник з відділу машинного навчання Apple. Як ключовий учасник тренування власної великої мовної моделі (LLM) Apple з нуля, він може безпосередньо розкрити технічні виклики, реальні витрати на тренування та стратегічні міркування, які доповідаються найвищому керівництву технологічного гіганта під час створення власних AI-можливостей.
Ще один — технічний керівник (Engineer Lead) організації генеративного AI у Meta. Як інженер-засновник, він не лише глибоко залучений у розробку LLM, а й очолював впровадження GenAI у такі ключові бізнес-рушії, як рекламний рейтинг і системи рекомендацій. Спілкування з ним дозволяє чітко окреслити шлях від можливостей моделі до комерційного ROI, а також його інвестиційні спостереження щодо передових AI-стартапів Північної Америки.
Інсайти від таких експертів перетворюють макротренди з відкритих звітів на тактичну інформацію найдрібнішого рівня, що може направити конкретні рішення. У швидкозмінному інформаційному середовищі отримання глибших інсайтів, ніж доступно публічно, є основою для створення когнітивної переваги та прийняття точних рішень. Якщо ви бажаєте обговорити ці питання глибше, ми запрошуємо вас зв'язатися з нами для організації консультацій з відповідними експертами.
Коли ваша команда сперечається щодо технологічного шляху, коли ваше інвестиційне рішення залишається невизначеним, коли ваша продуктова стратегія опиняється у тумані... пам'ятайте: ваші труднощі, можливо, вже давно подолані якимось експертом. Ми, Silicon Rabbit, віримо: справжній досвід завжди походить від тих, хто сам рухає галузеві зміни.
