# Klarna отказывается от Salesforce и Workday в пользу собственного ИИ
Klarna расторгла корпоративные контракты с Salesforce и Workday. Это не был спор по контракту или смена вендора. Они планомерно избавились от зависимости от традиционного коммерческого софта, переведя операции на собственные внутренние модели.
Генеральный директор Себастьян Семятковски подтвердил этот шаг после аудита внутренних инструментов Klarna. По его словам, компания отказалась от более чем 1200 автономных сторонних SaaS-приложений и интеграций рабочих процессов. Цель была проста: избавиться от регулярных платежей за лицензии (seat licenses) и перевести все внутренние рабочие процессы в единую среду данных.
### Архитектура: Neo4j и онтологии
Многие предполагали, что Klarna просто подключила базовые промпты к внутренним дашбордам. Это не так.
Создание кастомной замены CRM или HRIS требует гораздо большего, чем просто базовые API-вызовы к передовым foundation models. Klarna развернула графовые базы данных Neo4j для создания централизованной семантической онтологии в масштабах всей компании.
> Неструктурированные записи без строгой онтологии заставляют большие языковые модели (LLM) галлюцинировать при работе с критически важными связями клиентов и сотрудников.
Вот как работает этот пайплайн:
* **Сбор и нормализация:** Сырые взаимодействия с клиентами, логи транзакций и внутренние тикеты поступают напрямую в графовые кластеры Neo4j.
* **Онтологический маппинг:** Граф назначает строгие связи сущностей между клиентами, мерчантами, спорами и статусами комплаенса.
* **Оркестрация LLM:** Foundation models от OpenAI делают запросы к этому предварительно структурированному графу для выполнения рабочих процессов, составления обновлений по кейсам и маршрутизации задач.
Без этого промежуточного графового слоя LLM не могут поддерживать детерминированный контекст среди миллионов аккаунтов Buy Now Pay Later (BNPL). Neo4j выступает в роли ограждения, которое делает замену корпоративных баз данных технически осуществимой.
### Прямое влияние на компанию
Мгновенный результат — полный отказ от экономики SaaS с оплатой за рабочее место. Klarna перестала оплачивать стандартные счета за корпоративное ПО для тысяч внутренних пользователей.
Вместо этого они перенаправили эти операционные бюджеты напрямую на вычислительные мощности, токены моделей и обслуживание внутренней платформы. Консолидация 1200 инструментов в единый внутренний фреймворк устраняет разрозненность данных (data silos).
Это также полностью концентрирует операционный риск на их внутренней команде инфраструктуры.
---
## Сигналы для IPO против производственной реальности
Публичные рынки ценят нарратив не меньше, чем денежный поток. При оценке масштабного демонтажа технологического стека финансовый контекст показывает реальную картину.
### Игра с мультипликаторами оценки
Уолл-стрит совершенно по-разному оценивает кредитный бизнес и софтверные платформы. Традиционные BNPL-кредиторы часто торгуются с скромными мультипликаторами выручки, типичными для компаний потребительского кредитования. Pure-play компании, занимающиеся ИИ-инфраструктурой, получают значительно более высокие мультипликаторы оценки.
> Позиционируйте себя как платежный процессор, и вас будут оценивать по дефолтам по кредитам. Позиционируйте себя как ИИ-нативную операционную машину, и ваше первичное публичное размещение (IPO) получит мультипликаторы технологического уровня.
Уберите статьи расходов на корпоративное ПО, и коммерческие, общие и административные расходы (SG&A) немедленно снизятся. На слайдах pre-IPO роуд-шоу такой операционный рычаг выглядит чисто. Он сигнализирует о гиперэффективности.
На практике предсказуемые подписки вендоров обмениваются на капитальные затраты на внутреннюю разработку, которые редко появляются в первоначальных расчетах маржи.
### Переклассификация основных операционных расходов
Корпоративная CRM или HR-система имеет значительные встроенные операционные накладные расходы. Когда компания заявляет, что сэкономила миллионы на комиссиях вендорам, она редко учитывает количество инженеров, необходимых для поддержки кастомных замен.
* Статьи расходов на лицензии ПО перемещаются из операционных расходов напрямую в статьи R&D и обслуживания платформы.
* Специализированные ML-инженеры в итоге занимаются рутинным обслуживанием UI, обработчиками вебхуков и управлением квотами токенов.
* Дорожные карты продуктов стопорятся, поскольку основные команды перенаправляют мощности спринтов на создание паритетных функций для внутренних административных инструментов.
Перенос этих систем in-house создает оптическое улучшение маржи для Уолл-стрит. Реальные затраты просто перемещаются в другую статью баланса.
---
## Операционные потери и технический долг
Отказ от стандартного корпоративного лицензирования выглядит блестяще в квартальном операционном отчете. Статьи расходов исчезают. Операционные расходы падают.
А затем приходит реальный операционный счет.
Когда компания отказывается от зрелых платформ, она не устраняет базовые бизнес-требования. Она просто переназначает их своим собственным инженерным командам.
### Скрытая стоимость in-house кодовых баз
Каждый корпоративный инструмент предоставляет два отдельных актива: интерфейс и невидимый аппарат обслуживания.
Когда вы заменяете устоявшуюся CRM внутренним слоем LLM, вы берете на себя постоянное обслуживание. Рутинные изменения API, индексирование баз данных и модели разрешений пользователей внезапно требуют выделенных инженеров-программистов.
> Математика общей стоимости владения (TCO) редко говорит в пользу кастомного ПО, если учесть постоянное обслуживание.
Рассмотрим базовую юнит-экономику:
* **Лицензирование против инфраструктуры:** Отказ от платы за ПО за каждое рабочее место меняет фиксированные ежемесячные затраты на переменные вычисления, векторное хранилище и постоянное потребление токенов.
* **Упущенная выгода:** Senior-инженеры тратят циклы спринтов на патчинг пайплайнов данных вместо того, чтобы выпускать фичи для клиентов, приносящие доход.
* **Смягчение дрейфа:** Модели галлюцинируют, а маппинг схем ломается при каждом обновлении структур данных ниже по течению, что требует постоянного вмешательства.
Кастомные онтологии требуют постоянного человеческого курирования. Технический долг тихо накапливается в этих внутренних слоях, пока рутинные рабочие процессы не начинают давать сбои в разных отделах.
### Уязвимость комплаенса на регулируемых рынках
Помимо технического обслуживания, существует риск нарушения законодательства.
Готовые HR- и финансовые платформы используют армии аналитиков по нормативно-правовому соответствию. Когда меняются налоговые кодексы, трудовое законодательство в разных юрисдикциях или обновляются стандарты финансовой отчетности, вендоры выпускают патчи комплаенса.
В кастомной среде это бремя ложится исключительно на внутренних сотрудников.
* Подача налоговых деклараций в десятках международных юрисдикций требует жесткого, не вероятностного соблюдения правил.
* Тонко настроенный контроль доступа к данным и неизменяемые журналы аудита (audit trails) должны выдерживать строгие проверки SOX и финансовых регуляторов.
* Сложные мультивалютные правила расчета заработной платы и логика соблюдения требований профсоюзов не терпят ошибок парсинга.
Когда недокументированные пайплайны дают сбой во время обязательного аудита, организации не могут ждать, пока продуктовые команды отладят узлы графа. Они привлекают внешних системных интеграторов по экстренным консалтинговым ставкам. Первоначальная экономия исчезает в счетах за исправление ошибок.
---
## Стратегический плейбук для аудита корпоративного SaaS
Отказ от основных корпоративных инструментов без четкого фреймворка — это рецепт операционного хаоса. Вам не нужен полный демонтаж, чтобы добиться эффективности; вам нужен структурированный аудит, который отделит раздутые лицензии от незаменимых движков.
Вот как оценить архитектуру ПО без ущерба для комплаенса и не утопив инженерные команды в долгах по обслуживанию.
### Шаг 1: Трехуровневый аудит инструментов
Разделите каждую подписку на ПО с большим количеством рабочих мест в вашей организации на три уровня:
* **Уровень 1: Точечные решения (Point Solutions) и CRUD-обертки.** Конструкторы форм, внутренние порталы проектов и обертки для заметок, которые взимают высокую плату за лицензии за базовое хранение в базе данных. Это главные кандидаты на немедленную консолидацию.
* **Уровень 2: Ускорители рабочих процессов и аналитические инструменты.** Отраслевое ПО для обогащения данных, маршрутизации тикетов и составления документов, где внешние API обеспечивают полезность, не выступая в качестве единого источника истины (single source of truth).
* **Уровень 3: Законодательные системы учета (Systems of Record) и финансовые реестры.** Платформы, управляющие обязательными удержаниями из заработной платы, неизменяемыми журналами юридического аудита и нормативными главными книгами.
Если инструмент только хранит строки и запускает простые уведомления, отмените лишние лицензии. Если он несет законодательный риск, трогайте его в последнюю очередь.
### Шаг 2: Объединение фрагментированных хранилищ данных
Не подключайте эндпоинты OpenAI или кастомные рантаймы агентов напрямую к фрагментированным реляционным таблицам. Это приведет к галлюцинациям и сломанным контекстным окнам в вашей бизнес-логике.
Сначала централизуйте метаданные, запустив графы знаний поверх существующих репозиториев.
> Чистые онтологии должны предшествовать автоматизации. LLM не может рассуждать в хаосе схем.
Свяжите отношения между вашими клиентами, контрактами и внутренними рабочими процессами в явную графовую схему. Эта структура дает вашим моделям детерминированные границы, необходимые им для надежного выполнения задач.
### Шаг 3: Построение рва (Moat) вместо замены монолита
Сохраните устоявшиеся SaaS-платформы (systems-of-record) для основного нормативного комплаенса, но сократите их до служебных движков бэкенда.
Не создавайте проприетарную CRM с нуля. Вместо этого разверните легковесные кастомные модели поверх существующих фидов данных CRM для автоматизации обогащения лидов, маршрутизации и сортировки тикетов.
* Оставьте вендора для базового комплаенса, журналов аудита и контроля безопасности.
* Создавайте in-house агентов исключительно там, где уникальные бизнес-процессы создают конкурентное преимущество (competitive moat).
К 2027 году корпорации, пережившие переход на ИИ, не будут теми, кто написал каждую строчку инфраструктуры с нуля. Это будут те, кто рассматривал foundation models как оркестраторов, а не как замену законодательным движкам.
AI-менеджер социальных сетей
Месяц постов для соцсетей, готовых к публикации, за 2 минуты
HighStory изучает ваш сайт и создает посты для Instagram, LinkedIn и Facebook с визуалом, текстами и контент-планом. Вы одобряете, сервис публикует.