Від Максим Місіченко · Yahoo Finance ·
Що AI-агенти думають про цю новину
The panel generally agreed that market substitution is not linear but follows a curved path due to high switching costs, integration challenges, and other frictions. However, they also noted that this curve can be compressed or accelerated by technological advancements, regulatory changes, or other external factors.
Ризик: Human risk aversion and the fear of catastrophic migrations can act as a significant barrier to market substitution, even when technical costs and integration times are reduced.
Можливість: Technological advancements, such as AI-driven modularity and LLM-based API orchestration, can compress the substitution curve and lead to sudden, non-linear displacement of incumbents.
Цей аналіз створений pipeline'ом StockScreener — чотири провідні LLM (Claude, GPT, Gemini, Grok) отримують ідентичні промпти з вбудованими захистами від галюцинацій. Прочитати методологію →
“Better” Isn’t Always Enough. Why Smart Leaders Use This Hidden Curve to Decide Who Wins
Neel Somani
5 min read
Entrepreneur Media LLC and Yahoo Finance LLC можуть отримувати комісію або дохід від деяких продуктів і послуг за посиланнями нижче.
Ключові тези
“Better” не означає “замінено” — реальні обмеження сповільнюють кожну очевидну зміну.
Існуючі компанії залишаються, тому що вартість їхньої заміни складніша, ніж показує будь-яка таблиця.
Не сперечайтеся, хто переможе — з’ясуйте, що потрібно для того, щоб відбулася зміна.
Якщо віддалитися достатньо далеко, заміна завжди здається чистою.
Вугілля — це старе. Природний газ — це нове. Тому люди кажуть: «Існують нові, більш ефективні природні газові генератори. Давайте приберемо весь вугілля з мережі та встановимо ці природні газові установки замість нього».
І якщо ви колись були всередині реальної системи, ви вже знаєте, що станеться далі: це не так працює.
Те, що виглядає як просте оновлення, зазвичай є компромісом. Це заміна за обмежень. І я турбуюся про це, тому що лідери роблять ту саму помилку в бізнесі все час, особливо коли капітал і увага рухаються швидше, ніж очікують. Вони розглядають заміну як порівняння в режимі реального часу, коли, на практиці, це крива.
Проблема в тому, що лідери схильні моделювати заміну як просто долари: скільки ми платимо зараз і скільки ми б заплатили замість цього?
Але вартість заміни складніша, ніж просто долари. Існують «липкі» ринкові ефекти. Деякі обмеження роблять «очевидну» зміну не такою вже й очевидною. Якщо ви не враховуєте це, ви закінчуєте прийняття рішень на основі розповіді, а не кривої, на якій ви насправді працюєте.
Перехід на природний газ — це заміна за обмежень
Коли я кажу «природний газ проти вугілля», я не говорю про дебати. Я говорю про криву заміни.
Існують часи, коли система буде спалювати більше газу та витісняти вугілля. Існують часи, коли система покладається на вугілля. І це не тому, що люди раптом змінили свою думку. Це тому, що відносний компроміс змінився, і обмеження ускладнили або полегшили перехід у цей момент.
Це лідерський момент: ринки не замінюють чисто та лінійно просто тому, що з’явилася нова опція. Вони замінюють, коли компроміс має сенс за наявних обмежень.
Це проявляється як дуже поширена помилка в бізнесі. Ви дивитеся на варіант заміни, ви дивитеся на «кращий» продукт і припускаєте, що старий скоро буде стертий. Потім цього не відбувається. І ви вирішуєте, що ринок є ірраціональним.
Більшість часу це не ірраціонально. Більшість часу ви ігноруєте криву заміни.
Вугілля як SAP: Старе не означає зникле
Найпростіший спосіб пояснити це бізнес-аудиторії — це навести приклад, який не має нічого спільного з енергетикою. Вугілля схоже на старі корпоративні компанії, які існують, як SAP. SAP все ще коштує багато, і вона все ще входить до переліку найкращих в Європі, навіть коли інші компанії обертаються в «найціннішому» слоті.
Ви б подумали, що SAP було стерте Palantir і цими новими компаніями, які можуть вирішувати багато тих самих проблем, але цього не сталося. І це тому, що вартість заміни складніша, ніж просто «Скільки ми платимо SAP порівняно з тим, скільки ми платимо Palantir або Salesforce?» Існують «липкі» ринкові ефекти та інші речі, які призводять до збереження SAP.
І це тому, що вартість заміни складніша, ніж просто «Скільки ми платимо SAP порівняно з тим, скільки ми платимо Palantir або Salesforce?» Існують «липкі» ринкові ефекти та інші речі, які призводять до збереження SAP.
Саме це лідери неправильно інтерпретують, коли зосереджуються на «кращій» історії. Вони розглядають заміну як порівняння функцій або порівняння цін і припускають, що ринок буде поводитися як таблиця.
Але існуючий гравець залишається, коли перехід є складним.
Навіть коли заміна є дійсно сильною, люди хочуть, щоб історія була чистою. Лідери хочуть, щоб це було чисто, тому що це робить планування більш чистим. Але якщо ви намагаєтеся здійснити заміну, вам потрібно думати так, ніби ви на кривій, а не так, ніби ви судите дебати.
Тому що на реальних ринках ви можете мати продукт, який виглядає очевидно «кращим», і все одно не побачити, як відбувається перехід з тією швидкістю, яку ви хочете.
Перевірочний список заміни, який лідери можуть насправді використовувати
Отже, що з цим робити, практично?
Якщо ви намагаєтеся зрозуміти конкурентну динаміку або намагаєтеся замінити щось у своїй власній компанії, вам потрібен перевірочний список заміни. Не слайд, на якому написано «нове — добре, старе — погано». Перевірочний список, який змушує вас називати компроміс і обмеження.
Ось версія, яку я використовую:
Які є заміни? Не просто перелічуйте своїх улюблених. Перелічіть те, що люди насправді використовують як альтернативу.
Що запускає перемикання? Що має бути правдою, щоб перехід став раціональним?
Які є витрати на заміну? Не лише долари. Інші витрати, які виникають на практиці.
Які існують «липкі» ринкові ефекти? Причини, чому існуючий гравець залишається, навіть коли існує заміна.
Які обмеження зупиняють перемикання, навіть коли заміна виглядає краще? Речі, які роблять «очевидний» крок не таким вже й очевидним.
Якщо ви це зробите чесно, багато «несподіваних» результатів перестануть бути несподіваними.
Помилка лідера полягає в тому, щоб дивитися на новішу опцію та припускати, що заміна є автоматичною. Помилка лідера полягає в тому, щоб зосереджуватися на розповіді, а не на кривій. В енергетиці ви бачите це як перехід на природний газ. У програмному забезпеченні для підприємств ви бачите це як компанії, які продовжують існувати, навіть коли історія про заміну виглядає переконливо.
Припиніть сперечатися про історію, почніть малювати криву
Якщо ви намагаєтеся керувати конкурентною зміною, питання полягає не в тому, «Хто має рацію?» Питання полягає в тому, «Який компроміс і які обмеження формують криву заміни?»
Саме тому природний газ проти вугілля є корисним орієнтиром. Це навчає вас не думати в бінарному коді. Це навчає вас не припускати, що «краще» означає «замінено». Це навчає вас запитувати, чому стара річ може зберігатися і що потрібно для того, щоб відбулася заміна.
Якщо ви хочете приймати правильні рішення на ринку або всередині компанії, вам не потрібна суперечка. Вам потрібен перевірочний список заміни, і ви повинні серйозно поставитися до «липких» ринкових ефектів.
Підпишіться на щоденний інформаційний бюлетень Entrepreneur, щоб отримувати новини та ресурси, необхідні вам сьогодні, щоб допомогти вам будувати свій бізнес краще.
Чотири провідні AI моделі обговорюють цю статтю
"Sticky switching costs will keep SAP's installed base and margins intact longer than Palantir-led disruption models price in."
The article frames market substitution as a constrained curve rather than linear replacement, using coal-to-gas and SAP examples to show why incumbents endure despite superior alternatives. For investors this implies legacy enterprise software names can sustain cash flows and multiples longer than disruption narratives assume, especially where integration, compliance, and data-migration costs dominate. Capital allocators should therefore stress-test revenue forecasts against explicit switching triggers rather than feature comparisons alone. Overlooking these frictions risks mispricing both defenders and attackers in sectors with high switching inertia.
Generative-AI tooling is already compressing integration timelines and data-mapping costs, which could flatten the substitution curve faster than historical energy or ERP precedents suggest and accelerate displacement.
"Substitution curves are real and matter, but the article provides a diagnostic framework, not a predictive model—and conflates 'slow adoption' with 'rational persistence,' which are not the same thing."
This is a framework essay, not financial news—it's about decision-making under constraints, not a market call. The core insight is sound: substitution rarely follows clean narratives. SAP persisting despite 'better' competitors (Salesforce, Palantir) is real; switching costs—integration, retraining, organizational risk—are genuinely sticky. But the article conflates two different problems: (1) why incumbents survive when cheaper alternatives exist (valid), and (2) whether they survive when fundamentally superior AND cheaper alternatives exist. Those are different curves. The article also assumes 'better' is subjective or hard to measure, when in many markets it's brutally objective—cloud beat on-prem not through narrative but through measurable economics.
The article's framework could rationalize any outcome as 'the curve is just complex'—a tautology that explains everything and predicts nothing. If SAP persists, it's 'sticky effects.' If SAP collapses, it's 'the tradeoff finally shifted.' Without quantifying what those constraints actually are (switching cost in dollars? time? risk premium?), this is sophisticated hand-waving, not actionable analysis.
"The 'substitution curve' is not static; it is being rapidly compressed by AI, turning legacy technical debt from a defensive moat into a terminal liability."
The article correctly identifies that 'better' is not a proxy for adoption, but it dangerously undersells the role of technical debt and regulatory capture in enterprise software. While SAP remains dominant due to high switching costs and deep integration, the 'substitution curve' is increasingly being compressed by AI-driven modularity. Investors often mistake persistence for moat strength; in reality, companies like SAP or legacy utilities are often just beneficiaries of inertia. When the cost of integration drops—as we are seeing with LLM-based API orchestration—that 'messy' substitution cost collapses, leading to a sudden, non-linear displacement that the author’s model might miss.
The author assumes that 'sticky market effects' are a permanent feature, potentially ignoring that technological disruption eventually reaches a tipping point where the cost of maintaining the legacy system exceeds the cost of a total platform rip-and-replace.
"Substitution is a curve shaped by constraints; the decisive signals are policy, financing, and grid/capital costs that bend the curve, not simple 'better' narratives."
Short take: the article nails a real risk in strategy and investing—substitution is curved, not a clean 'better replaces worse' switch. Leaders misprice the timing by fixating on the new option's efficiency and ignoring switching costs, incumbents' ecosystems, and sticky market effects. The strongest risk to this view is when policy, regulation, or financing collapses the cost of adoption or imposes penalties for keeping old tech, accelerating the curve far faster than the narrative suggests. Missing context includes network effects, supplier lock-in, and capital cycles; in energy, grid upgrades and carbon pricing can compress the curve dramatically.
Policy tailwinds and rapid cost declines have disrupted sectors faster than expected in the past. If you discount that, you risk underpricing upside in early-stage disruption.
"AI-driven integration cost cuts give the substitution curve testable numbers instead of remaining descriptive."
Claude flags the framework as potentially tautological without dollar or time metrics, yet Gemini's LLM orchestration example supplies one: migration pilots now cut ERP integration from 18 to 9 months. That measurable compression directly tests the article's sticky-effects claim for SAP and utilities, turning vague constraints into forecast inputs rather than post-hoc explanations, especially when paired with carbon-pricing deadlines.
"Pilot-stage migration speedups don't prove the substitution curve has fundamentally shifted at enterprise scale."
Grok's 18-to-9-month compression is concrete, but it's a pilot metric—not yet production-scaled across thousands of legacy SAP installations. The real test: does that 50% speedup hold when you're migrating a $2B global finance operation with 15 years of custom code? Gemini assumes LLM orchestration scales linearly; I'd want to see failure rates and hidden costs before declaring the substitution curve actually flattened. Pilots compress; production deployments often don't.
"The substitution curve is constrained more by organizational risk aversion than by the technical speed of migration."
Claude is right to demand production-scale data, but both Grok and Gemini miss the real bottleneck: human risk aversion. Even if LLMs halve migration time, CIOs aren't incentivized to rip out stable SAP backbones for a 50% efficiency gain if the failure risk is catastrophic. The substitution curve isn't just about technical cost or integration speed; it’s about the career-ending risk of a failed core ERP migration. That's the 'sticky' variable that won't compress.
"Production-scale economics and governance/compliance risks will dominate, so migration speed alone won't flatten the substitution curve."
Gemini overplays the 'human risk' blocker as the sole limiter. Yes, CIOs fear catastrophic migrations, but the bigger gating factor is architectural debt and data governance risk across multi-tenant, regulated environments. Pilot cost and user adoption matter, but production-scale economics--total cost of ownership, auditability, and regulatory penalties for outages--will often trump migration speed. Without quantifying those, the 18->9 months metric risks overstating the curve flattening.
The panel generally agreed that market substitution is not linear but follows a curved path due to high switching costs, integration challenges, and other frictions. However, they also noted that this curve can be compressed or accelerated by technological advancements, regulatory changes, or other external factors.
Technological advancements, such as AI-driven modularity and LLM-based API orchestration, can compress the substitution curve and lead to sudden, non-linear displacement of incumbents.
Human risk aversion and the fear of catastrophic migrations can act as a significant barrier to market substitution, even when technical costs and integration times are reduced.