Sequoia только что объявила о конце целой эпохи выхода на рынок, и большинство SaaS-компаний не осознает, что с ними произошло, в течение 18 месяцев. Рост, основанный на продукте, строился на одном предположении: люди будут пробовать программное обеспечение. Вся стратегия с 2010 года оптимизировалась для человеческого открытия. Красивые целевые страницы. Безболезненные бесплатные пробные версии. Вирусные циклы приглашений. Slack, Dropbox, Zoom, Calendly. Более 200 миллиардов долларов в рыночной капитализации было создано за счет успешного привлечения пользователя в первые 5 минут. Ничто из этого не имеет значения, если программное обеспечение выбирает агент. Клода не интересует ваше изображение героя. Он не может быть впечатлен вашими наградами на Dribbble. Он читает документацию, анализирует отзывы пользователей, проверяет надежность API и сопоставляет функции с использованием. Все это поверхностное блеск, которое убедило ленивых людей нажать «зарегистрироваться», становится неактуальным. Новая воронка PLG выглядит совершенно иначе. Это запрос агента → сканирование документации → сопоставление функций → рекомендация. Что означает, что новый защитный механизм выглядит совершенно иначе. Вам не нужно лучшее введение. Вам нужна лучшая документация. Вам не нужны вирусные циклы. Вам нужны структурированные данные, которые агенты могут анализировать. Вам не нужен красивый интерфейс для первой сессии. Вам нужен API, который агент действительно может вызвать. Компании, которые выиграли PLG, нанимали дизайнеров и хакеров роста. Компании, которые выиграют рост, управляемый агентами, будут нанимать технических писателей и инженеров по связям с разработчиками. И вот часть, которую никто еще не учитывает: агенты не имеют лояльности. У них нет затрат на переключение. Они порекомендуют Supabase сегодня и что-то лучшее завтра, если документация будет более понятной или цены более прозрачными. Привязанность, которая сделала PLG таким мощным, сетевые эффекты и усвоенное поведение, не передаются. Sequoia говорит вам, что весь слой распределения переписывается. Вопрос в том, оптимизирован ли ваш продукт для человеческого внимания или машинного анализа. Большинство из них построены для неправильной аудитории.