01AI-механизм
Генеративные модели и автооценка навыков снижают стоимость создания персонализации обучения.
Компании тоже становятся deprecated.
Мы разбираем, где ИИ усиливает бизнес, а где убирает причину за него платить. Один механизм. Один прогноз. Открытый счёт ошибок.
Иллюстративный кейс · демо-данные
Orbit Learning
Иллюстративный кейс · демо-данные
02Критическая функция
Авторинг и кастомизация учебных курсов — ключевая дифференциация и основная маржа.
03Материальный эффект
Коммодитизация авторинга давит на цену и сокращает долю legacy-выручки продукта.
04Проверяемый исход
Доля legacy-выручки ниже 55% к 30.06.2027.
Контракт прогноза · предзарегистрирован
68% · доля legacy-выручки ниже 55% до 30.06.2027
Baseline 41%
Метрика: доля legacy-выручки
Источник: годовой отчёт
Status: OPEN
Демо-данные · не инвестиционная рекомендация
Публичный тезис
Индивидуализированное обучение становится commodity благодаря ИИ. Ценовая власть Orbit в legacy-решении продолжит эродировать.
Читать полный тезисКонтртезис
Работодатели сместят фокус с авторинга на результат и compliance. Интеграции и корпоративные каталоги удержат долю legacy-продукта.
Смотреть контртезисЧто изменит наше мнение
Два квартала legacy-выручки выше 55%, устойчивое ценообразование выше инфляции или партнёрство, расширяющее moat вне авторинга.
Смотреть триггерыПубличный реестр изменений
Append-only| № | Entity | Forecast · кратко | Baseline | Prob | Resolve by | Status |
|---|---|---|---|---|---|---|
| 01 | ORBIT LEARNINGиллюстративно | Доля legacy-выручки ниже 55% к 30.06.2027 | 41% | 68% | 30.06.2027 | OPEN |
| 02 | NORTHSTAR SUPPORTиллюстративно | Средний доход на тикет снизится более чем на 20% | 37% | 42% | 31.12.2026 | OPEN |
| 03 | COMMONS CLOUDиллюстративно | Инфраструктурная выручка вырастет менее чем на 5% | 29% | 33% | 30.06.2027 | RESOLVED MISS |
Версионная история
Orbit Learning
v0.1 опубликован
01.07.2026
v0.2 добавлено доказательство
07.07.2026
исходный прогноз не изменён
18.07.2026
Открыть весь реестр
Ошибку нельзя удалить. Только разрешить.
Публично по умолчанию. Аудируемо. Неизменяемо. Реестр экономических прогнозов о публичных компаниях.
Метод · не единый score
Прогноз, который можно опровергнуть.
Техническая возможность автоматизировать задачу ещё не означает, что компания потеряет деньги. Мы связываем событие с функцией, материальностью и внешним исходом — и заранее фиксируем, что докажет ошибку.
Sustaining / disruptive
ИИ усиливает существующего владельца спроса или позволяет клиенту и конкуренту его обойти.
Exposure × materiality
Какая критическая функция затронута и достаточно ли она велика, чтобы изменить выручку, маржу или контроль над клиентом.
Continuity
Сохраняются ли distribution, switching costs, workflow ownership и способность передать критический результат.
Evidence confidence
Filings — позвоночник. Earnings calls, pricing, hiring и поведение клиентов проверяют, произошёл ли механизм в реальности.
Forecast contract
Вероятность, baseline, метрика, порог, источник и дата резолюции публикуются до исхода. Промах остаётся в реестре.
О проекте · validation stage
Исследовательский продукт, а не готовый терминал.
- Читатель Профессиональный инвестор, которому нужно отделить AI-анонс от материального изменения компании.
- Ритм Короткий Signal Note каждую неделю, один глубокий company или sector разбор в месяц.
- Граница Без персональных verdicts, псевдоточного survival-score и рекомендаций покупать, продавать или шортить.
- Проверка Первые двенадцать недель должны показать не охват, а повторное чтение, пересылки и запросы разобрать конкретную компанию.