У розмові на подкасті 20VC з Гаррі Стеббінгсом співзасновник і CEO AppLovin Адам Форугі описує трансформацію компанії, яка пройшла шлях від публічного приниження до однієї з найефективніших машин прибутку у світовій технологічній індустрії. Після IPO 2021 року капіталізація AppLovin сягнула близько $40 млрд, але вже у 2022‑му впала приблизно на 92% — до менш ніж $4 млрд. Саме в цій точці компанія фактично зупинила розвиток старої рекламної рекомендаційної системи, зробила ставку на нову AI‑архітектуру й почала радикально перебудовувати організацію під епоху машинного навчання.
Результатом став запуск моделі Axon 2 у квітні 2023 року, майже трицифрове зростання виручки у 2024‑му та безпрецедентна рентабельність: основний рекламний бізнес із приблизно 400 співробітниками генерує близько $10 млн EBITDA на одного працівника. За цією статистикою стоїть не лише технологічний прорив, а й жорсткі кадрові рішення, відмова від класичної ролі продакт‑менеджера та глибока інтеграція AI в інженерну й креативну роботу.
Від краху до Axon 2: чому AppLovin «заморозила» стару систему рекомендацій
Падіння вартості AppLovin у 2022 році було не просто ринковою корекцією. Для керівництва це стало сигналом, що попередня технологічна база вичерпала потенціал. Компанія ухвалила радикальне рішення: зупинити більшість R&D‑інвестицій у легасі‑рекомендаційну систему й фактично переписати серце рекламної платформи на новій архітектурі машинного навчання.
Це не була косметична модернізація. Йшлося про те, щоб відмовитися від багаторічних напрацювань і замінити їх моделлю, здатною працювати на рівні сучасних AI‑систем рекомендацій, які сьогодні визначають ефективність реклами в мобільних додатках, іграх та інших цифрових середовищах. У контексті публічної компанії з мільярдними оборотами це означало поставити під ризик поточний бізнес заради шансу створити новий, значно потужніший «двигун» монетизації.
Кульмінацією цього курсу став запуск Axon 2 у квітні 2023 року. Нова модель стала ядром рекламного бізнесу AppLovin — саме через неї тепер проходить ключова логіка таргетингу, оптимізації ставок і розподілу трафіку. Фактично компанія перетворила Axon 2 на центральний мозок своєї екосистеми.
Після запуску Axon 2 динаміка бізнесу різко змінилася. Фінансові показники та курс акцій почали відновлюватися, а у 2024 році виручка зросла майже тризначними темпами. Для ринку це стало підтвердженням того, що ставка на повну перебудову рекомендаційної системи себе виправдала: нова AI‑архітектура не просто замінила стару, а створила конкурентну перевагу, яку важко відтворити.
Радикальна оптимізація штату: як AI став аргументом для скорочень
Технологічна трансформація в AppLovin супроводжувалася не менш радикальною організаційною. Керівництво виходило з простої, але жорсткої тези: якщо AI здатен автоматизувати значну частину рутинної роботи, компанія має діяти на випередження й скорочувати ті функції, де автоматизація неминуча.
У результаті в багатьох департаментах штат був зменшений приблизно на 40–50%. Це не були вимушені скорочення через падіння попиту; навпаки, вони відбувалися паралельно з відновленням бізнесу й подальшим зростанням. Логіка полягала в тому, щоб не чекати, поки AI де-факто зробить частину ролей зайвими, а заздалегідь перебудувати структуру під нову реальність.
Найяскравіший приклад — HR. До трансформації команда людських ресурсів налічувала близько 70–80 людей. Після перегляду ролей і процесів її скоротили до приблизно 15. З організації прибрали більшість позицій, орієнтованих на процеси, координацію й адміністративну роботу. Залишили переважно індивідуальних виконавців — тих, хто безпосередньо «робить» результат: закриває складні найми, вирішує конкретні кадрові кейси, а не керує багаторівневими процедурами.
Схожий підхід застосували до креативних команд. Історично рекламний бізнес AppLovin спирався на великі групи дизайнерів, відеопродюсерів і креаторів, які генерували й тестували тисячі варіантів креативів для мобільних ігор та додатків. Керівництво зробило ставку на те, що AI‑інструменти зможуть взяти на себе значну частину рутинного створення й варіювання креативних матеріалів. Людям у цій моделі відводиться інша роль: не масове виробництво, а постановка завдань, креативний напрям, інтерпретація результатів і тонке доопрацювання найкращих варіантів.
Це означало суттєве скорочення креативних підрозділів. Замість великих студій, які вручну штампують контент, AppLovin рухається до компактних команд «інноваторів», що працюють у тандемі з AI‑системами. Машини генерують більшість сирого матеріалу, люди визначають, що саме варто масштабувати, як адаптувати креатив під різні аудиторії й як поєднати дані з інтуїцією.
Такий підхід різко контрастує з традиційною корпоративною логікою, де зростання виручки часто автоматично тягне за собою розширення штату. У випадку AppLovin зростання майже тризначними темпами у 2024 році відбувається на фоні суттєво менших команд — і це не побічний ефект, а свідомий стратегічний вибір.
Інженерія в епоху AI: 80–90% коду пишуть моделі, а не люди
Найглибші зміни, однак, торкнулися інженерної організації. AppLovin системно інтегрувала AI в розробку програмного забезпечення до такого рівня, що, за оцінкою керівництва, сьогодні 80–90% коду за обсягом генерується саме AI‑інструментами.
Йдеться не лише про автодоповнення чи локальні підказки в IDE. Моделі беруть на себе значну частину рутинної роботи: створення шаблонного коду, типових інтеграцій, повторюваних модулів, тестів, допоміжних скриптів. Людські інженери фокусуються на постановці задач, архітектурних рішеннях, критичних ділянках продуктивності, безпеці, а також на перевірці й доведенні до продакшен‑якості того, що згенерував AI.
Важливий нюанс: керівництво принципово відмовляється вимірювати ефективність інженерів у рядках коду. Якщо більшість коду пише машина, то кількість рядків перестає бути хоч скільки‑небудь адекватною метрикою. Натомість AppLovin оцінює інженерну продуктивність через бізнес‑призму: який вплив має команда на виручку, маржинальність, ефективність рекламних кампаній, утримання клієнтів.
Це зміщує фокус із «скільки ми написали» на «що це дало бізнесу». В умовах, коли AI може за секунди згенерувати тисячі рядків, цінність інженера визначається здатністю правильно сформулювати проблему, обрати підхід, перевірити гіпотезу й інтегрувати рішення в складну систему, а не швидкістю набору тексту.
Така модель роботи вимагає іншого профілю людей. AppLovin робить ставку на інженерів, які мислять як системні дизайнери й підприємці одночасно, здатні працювати з AI як із потужним, але вимогливим інструментом, а не як із «чарівною паличкою». Це також означає, що компанія може досягати значно більшого технологічного обсягу з меншими командами — за рахунок того, що більшу частину «важкої фізичної роботи» бере на себе машинне навчання.
Без продакт‑менеджерів: інженери як власники продукту
Ще одна нетипова риса AppLovin — відсутність окремої функції продакт‑менеджменту. У більшості технологічних компаній саме продакт‑менеджери формулюють бачення продукту, збирають вимоги, пріоритезують фічі й координують роботу інженерів, дизайнерів, аналітиків. AppLovin свідомо відмовилася від цієї моделі.
Тут інженери очікувано виступають у ролі власників продукту. Вони самі визначають проблеми, які варто розв’язувати, формують гіпотези, проектують рішення й відповідають за їхній вплив на бізнес. Це не означає відсутність стратегії чи координації — радше інший розподіл відповідальності, де технічні лідери й окремі розробники мають значно більше автономії й прямого зв’язку з результатами.
У поєднанні з AI‑генерацією коду це створює специфічну культуру: замість багаторівневої ієрархії «продакт → техлід → інженери» формується більш пласка структура, де люди, які безпосередньо пишуть і запускають код, одночасно приймають ключові продуктові рішення. Це скорочує час від ідеї до експерименту, але вимагає високої зрілості від інженерів і чітких бізнес‑орієнтирів з боку керівництва.
Такий підхід також частково пояснює, як AppLovin вдається утримувати невеликий за чисельністю, але надзвичайно продуктивний «ядровий» підрозділ. Коли одна людина поєднує ролі розробника й продакт‑менеджера, а AI бере на себе значну частину рутинної реалізації, потреба в проміжних ланках і координаційних ролях різко зменшується.
400 людей, $10 млн EBITDA на кожного: як влаштований «двигун» прибутку
У центрі всієї цієї трансформації — основна рекламна продуктова організація AppLovin, яка налічує близько 400 людей. Саме вона генерує більшість EBITDA компанії, забезпечуючи приблизно $10 млн операційного прибутку на одного співробітника — показник, який практично не має аналогів у публічних технологічних компаніях.
Важливо розуміти, що цей показник не «розмивається» іншими активами. AppLovin володіє Adjust — аналітичною компанією, а також Wurl — бізнесом у сфері CTV (connected TV). Обидві структури працюють як окремі бізнеси й не є основними драйверами екстраординарної EBITDA‑на‑голову. Саме ядро рекламної платформи — з Axon 2 як центральною моделлю — формує левову частку прибутковості.
Поєднання кількох факторів пояснює цю ефективність. По‑перше, нова AI‑архітектура рекомендацій дозволяє краще монетизувати кожен показ реклами, оптимізуючи розміщення в реальному часі й витискаючи максимум цінності з кожного користувацького сигналу. По‑друге, радикальне скорочення штату в підтримуючих функціях і креативі зменшує постійні витрати без шкоди для масштабованості бізнесу. По‑третє, глибока інтеграція AI в інженерію дозволяє невеликим командам створювати й підтримувати складні системи, які раніше вимагали б у рази більше людей.
У підсумку AppLovin отримує структуру, де більшість витрат зосереджена в невеликій групі висококваліфікованих фахівців, а значну частину «важкої роботи» виконують моделі машинного навчання. Це не просто оптимізація — це інша модель масштабування: замість лінійного зростання штату разом із виручкою компанія намагається збільшувати оборот, майже не додаючи людей.
Для ринку це створює непростий прецедент. Якщо подібний підхід стане нормою, індустрія рекламних технологій (і ширше — SaaS та інфраструктурних сервісів) може зіткнутися з новою планкою очікувань щодо маржинальності й продуктивності. Компанії, які продовжують нарощувати штати за інерцією, ризикують виглядати структурно неефективними на фоні гравців, що будують бізнес навколо AI‑ядра й компактних команд.
Висновок: AppLovin як прототип AI‑нативної публічної компанії
Історія AppLovin після краху 2022 року — це не лише кейс успішного технологічного «камбеку». Це, по суті, експеримент у тому, як може виглядати публічна технологічна компанія, побудована за принципами AI‑нативності.
Компанія не просто інтегрувала машинне навчання в окремі продукти, а переписала центральну рекомендаційну систему на новій архітектурі, зробила AI основним інструментом інженерної роботи, скоротила процесні й креативні ролі, які можна автоматизувати, і відмовилася від класичної моделі продакт‑менеджменту на користь інженерів‑власників продукту. Усе це вилилося в компактний, але надзвичайно потужний 400‑осібний «двигун» прибутку з EBITDA близько $10 млн на одного працівника.
Для решти ринку це ставить незручні запитання. Наскільки великі справді мають бути команди в епоху, коли 80–90% коду може писати AI? Які ролі є критично важливими, а які існують лише тому, що так «завжди було»? І чи готові компанії, особливо публічні, не просто говорити про AI, а перебудовувати під нього свою структуру, процеси й культуру так само радикально, як це зробила AppLovin?
Відповіді на ці запитання визначать, хто зможе не лише вижити, а й домінувати в наступному циклі розвитку технологічної індустрії.
Джерело
YouTube: $160B Market Cap, $5.48B Revenue, $10M EBITDA Per Head: Inside AppLovin’s Profit Engine