MotherDuck інвестує $100M в агентні пайплайни за 60 центів/годину

MotherDuck встановив ціну на агентну інтеграцію даних приблизно в 60 центів за годину роботи, і генеральний директор компанії відкрито визнає, що ця ціна не розрахована на отримання прибутку. Це ключова цифра, яку варто мати на увазі: платна функція, навмисно спроектована як збитковий лідер проти чинних ELT-вендорів, чиї моделі ціноутворення на основі місць і обсягу рядків на порівнянних робочих навантаженнях регулярно перевищують цей показник на порядки. Компанія налічує 850 платних клієнтів через 18 місяців роботи на ринку та має $100 мільйонів у запасі, щоб витримати цей ризик.

Що сталося

10 червня 2026 року MotherDuck представив Flights — функцію, яка дозволяє користувачам будувати та керувати робочими процесами обробки даних за допомогою розмовного інтерфейсу з AI-асистентами на природній мові. Як повідомляє SiliconANGLE, функція дозволяє агентам, зокрема ChatGPT, Claude та Gemini, створювати, планувати й керувати пайплайнами зсередини Python-середовища, і постачається з інтеграцією Model Context Protocol (MCP).

Flights — це друга AI-нативна функція, яку MotherDuck випустив у 2026 році. Раніше цього року компанія представила Dives — інструмент, який використовує AI для генерації дашбордів і застосунків. Разом обидві функції описують злиття стека: інтеграція, трансформація та візуалізація стиснені в один агентно-керований робочий процес поверх DuckDB — вбудованого аналітичного движка, який часто порівнюють із «SQLite для аналітики», що запитує CSV, Parquet і JSON файли безпосередньо.

Співзасновник і генеральний директор Джордан Тігані сформулював суть запуску прямо: «AI прийшов до світу даних». Він стверджує, що можливість полягає у заміні написаних вручну задач запитами на природній мові, і пішов далі у своїх ставках на протоколи, припускаючи, що MCP «може бути таким же важливим для AI, яким API були для хмарних розробок». Це сильне твердження, і воно є стратегічною передумовою, на якій тримається вся функція.

Ціноутворення базується на споживанні і починається з приблизно 60 центів за годину роботи. Тігані зазначив, що мета — не дохід, а зниження вартості активації завантаження даних у сховище. Джерело не розкриває валовий прибуток від цієї погодинної ставки або те, яке обчислювальне навантаження споживає «типовий» агентно-побудований пайплайн за годину, а це важливо, оскільки юніт-економіка «агент вирішує запустити тимчасовий пайплайн» виглядає зовсім інакше, ніж «людина деплоїть один статичний DAG».

Технічна архітектура

Flights складається з трьох шарів, які варто розглянути окремо. В основі — сам DuckDB, вбудований движок, що читає формати файлів безпосередньо без окремого серверного процесу. В середині — хмарна платформа MotherDuck, яка розширює DuckDB до керованого сховища з приблизно 850 платними клієнтами сьогодні. Зверху — новий агентний шар: Python-середовище, де MCP-сумісні агенти можуть створювати, планувати, оновлювати та відстежувати пайплайни через MCP-сервер MotherDuck.

MCP важливий тут, оскільки стандартизує спосіб, яким зовнішній агент виявляє та викликає можливості всередині системи вендора. Без нього кожен вендор постачав би окрему схему виклику функцій для ChatGPT, іншу — для Claude, ще одну — для Gemini. З ним MotherDuck один раз розкриває інструменти пайплайну, і будь-який MCP-сумісний агент може ними керувати. Аналогія Тігані з API цілком доречна: REST не забезпечив перемогу жодному окремому хмарному вендору, але зробив хмарну еру можливою, знизивши вартість інтеграції N-на-M до N-плюс-M. Якщо MCP закріпиться, таке ж стиснення застосовуватиметься до інтеграції агент-система.

Більш цікавий архітектурний наслідок, на який вказав Тігані. Пайплайни, побудовані людьми, є важкими та статичними, оскільки люди амортизують витрати на їх побудову протягом місяців повторного використання. Агентно-побудовані пайплайни, у його описі, є дешевими, одноразовими та дослідницькими: запустіть один, щоб отримати відповідь на одне запитання, і викиньте. Це змінює профіль навантаження, яке повинно обслуговувати сховище. Замість кількох сотень добре налаштованих DAG, що запускаються за розкладом, ви отримуєте довгий хвіст ефемерних, можливо надлишкових, можливо некоректно сформованих завдань інтеграції. Атрибуція витрат, спостережуваність і контроль квот стають складними проблемами, а не авторство пайплайнів.

Порівняйте це зі світом dbt, де одиницею роботи є версіонована, протестована, перевірена колегами модель. Припущення dbt полягає в тому, що логіка трансформації заслуговує на суворість програмної інженерії. Припущення Flights ближче до протилежного: більшість пайплайнів — це одноразові дослідження, і вони не повинні нести такого навантаження. Обидва підходи можуть бути правильними для різних навантажень, але вендорам доведеться вирішити, яку сторону вони оптимізують. Ми ще не знаємо, як Flights обробляє лінійність даних, дрейф схеми або дедублікацію повторюваних завдань, і джерело цього не повідомляє, тому верхня межа «хаосу агентів» наразі не обмежена у публічних матеріалах.

Хто постраждає

Найбільш вразлива категорія — mid-market ELT. Стаття прямо називає Fivetran, Estuary та dbt як інструменти, які клієнти зараз комбінують із ручним налаштуванням для вирішення тієї ж проблеми, на яку орієнтований Flights. Жоден із цих трьох не знищений через одну функцію MotherDuck, але цінові сигнали важливі: 60 центів за годину з публічною заявою CEO про те, що мета — не дохід, є навмисним ударом по моделях ціноутворення на основі конекторів і обсягу рядків. Якщо агент може написати Python-скрипт для інтеграції з CRM API та запланувати його менш ніж за долар на годину роботи, питання покупця перестає бути «який каталог конекторів найбільший» і стає «навіщо я взагалі платжу за рядком».

Друга вразлива група — малі та середні дата-команди, які побудували свої стеки навколо DuckDB саме тому, що він легкий. Вони є встановленою базою MotherDuck і водночас когортою, яка найімовірніше вважає контракт з Fivetran болісним відносно свого аналітичного бюджету. Для них Flights є достовірною заміною значної частини наявного стека — за умови, що агентно-згенерований код достатньо якісний. Цей застереження несе велике навантаження. Джерело не надає жодного бенчмарку щодо надійності агентних пайплайнів порівняно з написаними вручну аналогами.

Менш очевидна вразливість — для Snowflake та Databricks у нижньому сегменті. Жоден з них не перебуває під загрозою на корпоративних акаунтах. Обидва мають звертати увагу на те, як когорта з 850 клієнтів зростає до mid-market навантажень на сховищі, яке оцінює інтеграцію як майже безкоштовну активність. Якщо Flights суттєво збільшить кількість платних клієнтів MotherDuck вище 850 протягом наступних чотирьох кварталів — це і є показник, за яким варто стежити. Якщо ні — ціновий експеримент провалився, і теза про агентну інтеграцію отримає удар по репутації у всій категорії.

Стратегія для дата-команд

Якщо ви керуєте аналітичною інфраструктурою, три дії варті уваги цього кварталу незалежно від того, чи ви впроваджуєте Flights конкретно.

По-перше, проведіть аудит того, яка частка ваших наявних пайплайнів справді повторно використовується, а яка є одноразовими дослідженнями, що потрапили у продакшн, оскільки не було дешевого способу від них позбутися. Це співвідношення показує, яка частка ваших витрат на ELT структурно вразлива перед агентно-керованими робочими процесами. Команди, у яких я очікую знайти 40 і більше відсотків у категорії одноразових, вже зараз мають запускати Flights або аналогічний proof of concept.

По-друге, починайте розглядати підтримку MCP-сервера як обов'язковий критерій при виборі постачальників. Якщо ставка Тігані правильна, кожен інструмент для роботи з даними, який ви купуєте у 2026 та 2027 роках, потребуватиме надійної MCP-поверхні, інакше він стане невидимим для агентів, які вже використовують ваші аналітики. Вимагайте від вендорів дорожню карту MCP у письмовому вигляді.

По-третє, встановіть обмеження до того, як агенти з'являться. Бюджети часу виконання для кожного користувача, обов'язкове теґування пайплайнів, автоматичне завершення завдань, що простоювали більше N годин, і фіксація лінійності для кожного артефакту, згенерованого агентом. Сценарій провалу агентної інтеграції — не поганий пайплайн, а тисяча надлишкових пайплайнів, жоден з яких нікому не належить. Якщо ця тенденція розвиватиметься так, як описує Тігані, ми маємо побачити щонайменше один публічний post-mortem протягом 12 місяців від команди, яка дала агентно-запущеним завданням працювати безконтрольно і перевитратила квартальний бюджет на обчислення.

Ключові висновки

• MotherDuck запустив Flights 10 червня 2026 року, встановивши ціну на агентну інтеграцію приблизно в 60 центів за годину роботи — явно не як джерело доходу.
• Flights постачається з інтеграцією MCP, що дозволяє ChatGPT, Claude та Gemini створювати, планувати й відстежувати пайплайни через стандартний протокол, а не через окремі рішення кожного вендора.
• У поєднанні з Dives, запущеним раніше у 2026 році, MotherDuck стискає інтеграцію, аналітику та візуалізацію в один агентно-керований стек поверх DuckDB.
• Найбільший миттєвий конкурентний тиск відчують mid-market ELT-вендори, названі у джерелі: Fivetran, Estuary та робочі процеси трансформації на базі dbt.
• Відкрите питання з вимірюваним результатом: якщо Flights спрацює, кількість платних клієнтів MotherDuck має суттєво перевищити 850 протягом чотирьох кварталів; якщо ні — теза про збиткове ціноутворення публічно провалиться.