ИИ — не убийца экономических рвов, но это нарушит отрасли

Искусственный интеллект бросит вызов компаниям, чьи сильные стороны зависят от трений в рабочих процессах, трудоемкости и приверженности приложениям, в то время как бизнесы, построенные вокруг инфраструктуры, собственных данных, сетевых эффектов или специализированных отраслевых процессов, сохранят или даже укрепят свои позиции.

Многое из влияния ИИ уже заложено в цены акций сегодня, но мы также ожидаем большей волатильности в ближайшем будущем, поскольку лаборатории ИИ, стремящиеся выйти на биржу, продолжают быстро совершенствовать свои агентные решения.

Пока рыночный нарратив колеблется между максимализмом ИИ-лабораторий и преимуществами устоявшихся компаний, мы видим возможности для покупки устойчивых бизнесов по разумным ценам после недавних распродаж.

Чтобы учесть влияние ИИ на конкурентные преимущества компаний, мы пересмотрели рейтинги moat для 132 компаний, в которых, по нашему мнению, ИИ может быть disruptive и требует более глубокого анализа.

Скачайте руководство Morningstar по рейтингам moat в условиях ИИ- disruption.

Измерение влияния ИИ на экономические преимущества

Рейтинг экономического moat от Morningstar подытоживает продолжительность конкурентных преимуществ компании. Экономическая «рва» — это структурная особенность, позволяющая компании получать избыточную прибыль в течение длительного времени. Если аналитики Morningstar считают, что избыточная прибыль сохранится 20 лет и более, компания получает рейтинг широкого moat. Аналитики ожидают, что у компании с узким moat конкурентоспособность сохранится как минимум 10 лет.

Мы разработали собственную систему оценки, чтобы систематически анализировать, как ИИ влияет на устойчивость moat. Эта система изначально предназначалась для оценки moat в программном обеспечении, но были внесены небольшие корректировки для более применимых отраслей, таких как ИТ-услуги или финансовые услуги.

Эта система предназначена для выявления как угроз, которые ИИ представляет для существующих moat, так и возможностей, которые он создает для компаний, хорошо расположенных в цепочке создания стоимости ИИ.

Ключевые параметры для оценки moat в эпоху ИИ

		7 ключевых параметра для оценки moat в эпоху ИИ

Источник: Morningstar. Данные по состоянию на 13 марта 2026 г. Скачать CSV.

ИИ не разрушает moat равномерно — он действует как механизм сортировки

Из 132 рассмотренных компаний 22 получили понижение рейтинга широкого moat (20 до узкого, две — до отсутствия moat), 18 — понижение узкого moat, и две — повышение до широкого благодаря их позициям в инфраструктурном слое и сетевым эффектам. ИИ действительно создает риски, в этом нет сомнений. Но равны ли эти риски для всех компаний? Нет ли среди них программных фирм с сохраненными moat? Совершенно точно — нет.

Сервисы оплаты труда, ИТ-услуги и корпоративное программное обеспечение оказались группами, наиболее подверженными понижению рейтингов, переоценке и росту неопределенности. Это логично, поскольку ИИ- disruption наиболее сильно ударяет по монетизации человеческого труда, автоматизации простых рабочих процессов и лицензированию программного обеспечения по сид-основанной модели.

Интересно, что многие из пониженных компаний все еще имеют крупную базу пользователей, популярные продукты и/или важные отношения с клиентами. Иными словами, ситуация не была черно-белой даже для многих из них.

Тем не менее, мы считаем, что ИИ существенно снижает долгосрочную видимость и может ослабить устойчивость существующих преимуществ, делая части рабочего слоя легче для копирования, автоматизации или менее зависимыми от роста числа пользователей.

Где компании показали устойчивость

Мы не считаем, что ИИ — универсальный разрушитель всех конкурентных преимуществ; скорее, он служит механизмом сортировки. Большинство moat осталось без изменений, но число пониженных компаний было значительным.

Конкурентное преимущество компании обычно было надежным, если оно основывалось на сетевых эффектах, контроле инфраструктуры или собственных данных, наличии глубоких и сложных экосистем, работе в условиях высоких регуляторных барьеров или наличии уникальной отраслевой логики.

Однако, если преимущество компании в основном заключалось в неэффективности рабочих процессов или привычках пользователей на уровне приложений, его надежность была менее высокой.

Наибольшую устойчивость мы обнаружили в сложных инженерных программных рабочих процессах, кибербезопасности, финансовой инфраструктуре и предложениях с уникальными данными и/или сетевыми эффектами. Половина компаний с рейтингом широкого moat после этого анализа демонстрируют сетевые эффекты. Другие ключевые источники устойчивости — регуляторные барьеры для изменений или барьеры переключения, а также уникальные активы данных.

		Дизайнерское программное обеспечение, платформы и кибербезопасность оказались более устойчивыми

Источник: Morningstar. Данные по состоянию на 13 марта 2026 г. Скачать CSV.

Как источники moat компании были затронуты

Компании, у которых moat основан на сетевых эффектах, показали наименьшее количество понижений. Сетевые эффекты не связаны с технологией продукта; они основаны на силе самой сети. Логично предположить, что даже при изменении технологий сама сеть может оставаться трудноразрушимой.

Классическими примерами являются платежные сети, биржи и даже туристические сети, такие как Booking Holdings BKNG. Основой бизнеса Booking является сила туристической сети и возможность агрегировать широкий спектр гостиничных предложений, что технологические инновации вроде ИИ не обязательно решают.

Сетевые эффекты также лежат в основе двух повышений, произошедших в ходе этого анализа: Cloudflare NET и CrowdStrike CRWD.

Решения в области кибербезопасности будут пользоваться все большим спросом по мере распространения ИИ и открытия, казалось бы, неограниченных векторов атак — представьте себе злонамеренных агентов, действующих 24/7, ограниченных только доступной вычислительной мощностью. Компании, такие как Cloudflare и CrowdStrike, также обладают структурными преимуществами данных и масштабируемости, что привело к повышению их moat.

		Распределение результатов обзора ИИ moat

Источник: Morningstar. Данные по состоянию на 13 марта 2026 г. Скачать CSV.

Стоимость переключения не была столь эффективной, и почти половина пониженных компаний ранее имели moat, основанный на стоимости переключения. В текущей среде, ориентированной на ИИ, стоимость переключения — традиционный показатель для оценки moat программного обеспечения — требует пересмотра, особенно поскольку модели ИИ интегрируются в фрагментированные и сложные технологические стеки предприятий.

ИИ может автоматизировать ключевые технологические процессы, ранее являвшиеся источниками стоимости переключения (например, перенос данных), и негативно влиять на спрос на определенное программное обеспечение. Рост неопределенности относительно будущего программного обеспечения в эпоху ИИ затруднил уверенность в доходных структурах более чем на 10 лет для многих компаний, что привело к наибольшему количеству понижений.

Учитывая разницу между стоимостью переключения и сетевыми эффектами, вероятно, по мере того как рабочие процессы становятся более управляемыми ИИ, простое внедрение клиента (предшественник стоимости переключения) будет сталкиваться с давлением, тогда как настоящие сетевые эффекты — где масштаб повышает ликвидность, актуальность, глубину контента, телеметрию или полезность экосистемы —, скорее всего, возрастут в ценности.