614 квалифицированных встреч из 442 тысяч чатов и 2,2 млн визитов на сайт — с такими цифрами SaaStr подвел итоги «дня агентов» на конференции SaaStr AI Annual 2026. Для русскоязычной IT-аудитории это важный сигнал: AI-агенты в SaaS уже продают, обслуживают клиентов и подсказывают продуктовые решения не на уровне демо, а в боевом режиме и с понятной экономикой.
Как пишет SaaStr, в центре программы был разбор реального агентного стека: Джейсон Лемкин и Amelia показали более 20 агентов, на которых работает их бизнес. На той же сцене CEO Owner.com Адам Гилд рассказал, как компания перешагнула отметку в $100 млн ARR после нескольких лет ставки на ИИ, а CEO Klaviyo Эндрю Бялецки объяснил, как публичная компания перестраивает продуктовую и инженерную работу вокруг агентов. В результате получилась не обычная подборка «10 трендов AI», а довольно приземленный список того, где агентная модель уже дает деньги и где пока требует ручной донастройки.
Самый жесткий тезис касается воронки продаж. По данным SaaStr, их агент Amelia, построенный на базе Qualified, самостоятельно назначил 614 встреч, имея доступ к контексту Salesforce и актуальному содержимому сайта. Лемкин формулирует вывод без дипломатии: если у AI-компании в 2026 году на сайте все еще стоит форма «Свяжитесь с нами», она просто теряет выручку. Аргумент понятен и без пафоса. Человеческая BDR-команда, способная обработать такой объем диалогов, обошлась бы дорого, а еще потребовала бы найма, обучения и постоянной замены сотрудников. Агент в этой логике — не «ассистент для отдела продаж», а новый интерфейс входящего спроса.
Вторая важная мысль для техдиров и продактов: полноценные AI-агенты в SaaS редко рождаются как «агенты» с первого дня. SaaStr описывает другой маршрут. Их AI VP of Marketing по имени 10K начинался как скучный дашборд, чтобы не копировать цифры из Marketo и Salesforce в Notion. AI VP of Customer Success QBee сначала был инструментом проектного управления. Агент Annie, который теперь помогает с ивентами, вырос из замены для Squarespace. Общий паттерн выглядит почти прозаично: взять сломанный рутинный участок, быстро собрать рабочий инструмент, а потом сотнями коммитов добавлять контекст, интеграции и право действовать. Для инженерных команд тут нет магии, зато есть неприятная правда: «агентность» чаще всего возникает не из красивой архитектурной схемы, а из нескольких месяцев упрямой итерации.
CRM как топливо для агентов
Отдельный акцент SaaStr делает на CRM. Лемкин называет «headless Salesforce» одной из самых недооцененных инвестиций по ROI: не работать внутри стандартного интерфейса CRM, а подключаться к данным по API через Replit, Lovable, v0 или собственный слой и строить поверх этого отдельные сценарии. Причина простая: именно CRM хранит максимальный бизнес-контекст, а значит, становится лучшим источником правды для AI-агентов в SaaS. В статье приводятся примеры задач, которые так удобнее решать в реальном времени: динамика продаж билетов по часам, сегментация VC-участников по регионам, оценка похожих спонсоров. Для разработчиков это еще один аргумент в пользу того, что следующий конкурентный слой в B2B — не интерфейс CRM, а агентные workflows поверх CRM-данных.
При этом SaaStr спорит с популярной сказкой про «полностью автономных» агентов, которых можно включить и забыть. Их опыт с 20+ продакшн-агентами показывает обратное: чем больше времени команда проводит с агентом, тем лучше результат. Формула подозрительно похожа на работу с сильным сотрудником: регулярная обратная связь, больше доменного контекста, уточнение задач. Эта мысль особенно важна для компаний, которые сейчас пытаются сократить команду под обещание «агенты все сделают сами». Судя по кейсу SaaStr, рабочая модель другая: меньше механической рутины, но больше управленческой и продуктовой дисциплины вокруг самих агентов.
Еще один любопытный вывод касается платформ. Один и тот же спецификационный документ, одни и те же входные данные, но разные среды разработки дали разный результат: версия агента 10K, собранная на Lovable, выдала идеи про рекламные бюджеты, а версия на Replit сильнее тяготела к email-маркетингу. Оба ответа выглядели разумно, но направление отличалось. Это неприятная новость для тех, кто надеется на взаимозаменяемость стеков. Выбор платформы и модели под капотом начинает влиять не только на скорость прототипирования, но и на то, какие бизнес-решения агент будет считать «естественными».
Почему деньги лежат не в лучших лидах
Самая практичная часть материала — тезис о B-лидах. По версии SaaStr, A-лиды и так закроются: крупный входящий запрос не останется без ответа даже у ленивой sales-команды. А вот B-лиды, где есть совпадение по ICP и живой сигнал интереса, но ожидаемая ценность сделки кажется менеджеру недостаточной, часто просто гниют в CRM. Именно туда авторы советуют ставить агент. В статье приводится цифра: outbound-агент Artisan помог вернуть около $500 тыс. спонсорской выручки именно на таких лидах. Для стартапов и mid-market SaaS это, вероятно, самый внятный сценарий внедрения: не пытаться сразу доверить ИИ весь enterprise-sales, а системно монетизировать то, что люди игнорируют из-за низкого приоритета.
Кейс Owner.com развивает ту же логику, но уже на стороне продукта и маркетинга. По словам Адама Гилда, 83% новых клиентов компании сначала приходят через бесплатный AI-продукт. Речь идет об AI-генераторе сайтов для ресторанов: публикация о нем собрала более 2 млн просмотров в X, а себестоимость вычислений, как утверждает компания, держится около $1 на ресторан. Дальше пользователь расширяется до пакета за $500 в месяц. Это меняет старую дискуссию о freemium. В 2026 году вопрос уже не в том, какой тариф открыть бесплатно, а в том, можно ли за пять минут показать пользователю ощутимый результат, который затянет его глубже в продуктовый стек.
Не менее показателен взгляд Klaviyo на метрики качества. Бялецки предлагает почти провокационный критерий: в агентном мире высокий DAU/MAU может быть не признаком любви к продукту, а признаком того, что пользователь вынужден делать работу сам. Если агент справляется, человеку незачем часто заходить в интерфейс. Для продактов это болезненный, но полезный разворот. Оптимизация под «время в приложении» начинает конфликтовать с обещанием ИИ убрать лишние действия. Отсюда и другой тезис Klaviyo: базовая LLM быстро становится товаром, а настоящая защита строится на тренировочном контуре, доменных данных и обратной связи из реального использования. Иначе новый релиз Claude, ChatGPT или другой сильной модели может обнулить ваше преимущество за квартал.
Финальный слой всей этой истории — кадровый. В AMA, который пересказывает SaaStr, звучит прямой совет: людей, свободно работающих с агентами, надо продвигать и удерживать быстрее обычного цикла оценки. Денег на рост в 3-10 раз по зарплате у большинства компаний нет, а конкуренция за AI-native операторов уже есть. Для российского рынка это тоже знакомый сюжет: выигрывать будут не те, кто громче всех говорит про «внедрение ИИ», а те, кто научится превращать сильных инженеров, маркетологов и CS-менеджеров в операторов агентных систем с реальными полномочиями.
Главный вопрос теперь не в том, придут ли AI-агенты в SaaS, а в том, какие куски бизнеса компании успеют отдать им первыми: форму на сайте, B2B-продажи, CRM-аналитику или сам продуктовый цикл. Судя по кейсам, озвученным на , ставка на «понаблюдаем еще год» начинает выглядеть не осторожностью, а дорогой формой промедления.