# Кривая опыта — закон Хендерсона и когда его можно закладывать в себестоимость Кривая опыта обещает простую вещь: чем больше вы произвели, тем дешевле обходится каждая следующая единица, причём с предсказуемым шагом. На этой идее BCG построила целую школу стратегии, а сегодня на неё опираются финмодели солнечной энергетики и аккумуляторов. В промышленном B2B и в DeepTech-стартапах её часто закладывают в модель как данность — «к третьему году себестоимость упадёт на треть». Разберу, откуда взялся закон, где он работает и почему в модели нового продукта его рано ставить в базовый сценарий. ## Что говорит мировая практика Первым зависимость описал авиаинженер Теодор Райт. В статье 1936 года [Factors Affecting the Cost of Airplanes](https://pdodds.w3.uvm.edu/research/papers/others/1936/wright1936a.pdf) он обобщил наблюдения, которые вёл с 1922 года: трудоёмкость сборки самолёта падает по степенному закону от накопленного объёма выпуска. Причины он перечислил конкретно: рабочий набивает руку, с ростом серии меньше изменений в конструкции, окупается оснастка, которая сама снижает трудозатраты, можно ставить менее квалифицированный персонал. Материалы тоже дешевеют: отходы при выпуске от одной до пяти машин доходили до 40%, а на сотне машин снижались до 20%. В 1966 году Boston Consulting Group расширила идею Райта с труда на все издержки. Основатель BCG Брюс Хендерсон в эссе [The Experience Curve](https://www.bcg.com/publications/1968/business-unit-strategy-growth-experience-curve) (1968) сформулировал: себестоимость добавленной стоимости снижается на 20–30% при каждом удвоении накопленного объёма производства, и снижение идёт без предела, если считать в постоянных ценах. В [ретроспективе 1973 года](https://www.bcg.com/publications/1973/corporate-finance-strategy-portfolio-management-experience-curve-reviewed-part-ii-the-history) Хендерсон уточнил разницу терминов. Кривая обучения — это только прямой труд, около 10–15% экономии на удвоение, её давно учитывали в военных контрактах. Кривая опыта — все издержки, и открыли её на ценах полупроводников: у части продуктов цена в постоянных долларах падала примерно на 25% с каждым удвоением накопленного объёма отрасли. Отсюда стратегический вывод BCG: лидер по доле рынка быстрее накапливает опыт и получает самоподдерживающееся преимущество по себестоимости. На этом выводе потом выросла и матрица BCG. Самый известный современный пример — солнечные панели. По данным [Our World in Data](https://ourworldindata.org/learning-curve), больше четырёх десятилетий их цена снижалась примерно на 20% с каждым удвоением установленной мощности в мире — с $106 до $0,38 за ватт. Проверка на 62 технологиях в [статье PLOS One](https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0052669) (2013) показала, что закон Райта прогнозирует будущую стоимость лучше альтернатив, хотя закон Мура отстаёт ненамного. Но та же Our World in Data предупреждает: большинство технологий закону Райта не следует — велосипеды, холодильники и угольные электростанции не дешевеют экспоненциально с ростом выпуска. Главная критика — в статье Уильяма Абернати и Кеннета Уэйна [Limits of the Learning Curve](https://hbr.org/1974/09/limits-of-the-learning-curve) (HBR, 1974). На примере Ford Model T авторы показали, что погоня за себестоимостью через объём требует стандартизации и специализированного оборудования, а это делает компанию негибкой: нельзя одновременно получать крутое снижение затрат по кривой и быстро обновлять продукт. Ford довёл цену Model T до минимума и проиграл рынок тем, кто предлагал новые модели. К началу 1980-х, как отмечает [рабочая статья Стэнфорда](https://www.gsb.stanford.edu/faculty-research/working-papers/diagnosing-experience-curve), доверие к концепции падало: трудности применения были всегда, а часть стратегических выводов стали считать заблуждением. ## Что выдержало мою практику Кривая опыта — закон про накопленный объём, и первый вопрос к любой модели нового промышленного продукта: сколько удвоений она реально успеет пройти. Для быстровозводимых конструкций я пересчитывал юнит-экономику и получил план продаж — 2 контракта в месяц на 3 млн рублей выручки ([[Юнит-экономика быстровозводимых конструкций]]). Простая арифметика: при таком темпе путь от 24 до 48 выполненных контрактов займёт год, до 96 — ещё два. Даже если закладывать нижнюю границу Хендерсона в 20% на удвоение, заметный эффект появится через годы, а не к концу горизонта инвестиционной модели. Поэтому снижение себестоимости «за счёт опыта» я в базовый сценарий не ставлю. Второй вывод — кривую не на что наложить, пока нет точной стартовой точки. Для типовой конструкции 10×10 метров я довёл себестоимость до ведомости материалов, расходников и трудозатрат ([[Себестоимость типовой конструкции]]). Без такой сметы любой процент снижения — это процент от оценки на глаз. Райт строил свою кривую из реальных точек выпуска и корректировал её с каждой новой партией — та же логика работает и сейчас: сначала факт по первой единице, потом наблюдение за следующими. Третий вывод — в моей практике опыт сильнее всего срабатывал не в цеху, а в процессах вокруг продукта. Расчёт коммерческого предложения за два года прошёл путь от полутора-двух месяцев ручной работы до 30 минут ([[История инструментов продаж — от Excel до ИИ]]). Это и есть механизм Райта — стандартизация процедуры, оснастка в виде калькулятора, меньшая зависимость от квалификации исполнителя. Похожая логика в сервисе беспилотников: процесс ремонта сначала описал в BPMN и закрепил как стандарт ([[Формализация процесса ремонта БПЛА]]), потому что без повторяемого процесса накапливать нечего. Кривая опыта не работает сама — её запускает формализация. Предупреждение Абернати и Уэйна я тоже вижу на практике: в DeepTech продукт меняется от партии к партии, и каждая доработка конструкции частично обнуляет накопленный опыт. Чем чаще вы обновляете продукт, тем меньше права у вас закладывать крутую кривую. Что советую тем, кто строит финмодель промышленного или технологического продукта. Считайте себестоимость первой единицы по смете, а не по аналогии. Оценивайте, сколько удвоений накопленного объёма реально помещается в горизонт модели, и только это число переводите в процент снижения. Выносите эффект опыта в оптимистичный сценарий, а в базовом держите себестоимость постоянной, пока фактические данные по партиям не покажут наклон. И ищите быстрый эффект опыта там, где объём повторений большой уже сейчас, — в продажах, расчётах, сервисных операциях. ## Мои кейсы по теме - [[Юнит-экономика быстровозводимых конструкций]] — план в 2 контракта в месяц показывает, как медленно накапливаются удвоения объёма. - [[Себестоимость типовой конструкции]] — детальная смета как стартовая точка, без которой кривую не на что наложить. - [[История инструментов продаж — от Excel до ИИ]] — эффект опыта в процессе: расчёт КП с полутора-двух месяцев до 30 минут. - [[Формализация процесса ремонта БПЛА]] — стандарт процесса как условие, при котором опыт вообще начинает накапливаться. ## Связаться Если у вас похожая задача — обсудим ваш продукт: [[email protected]](mailto:[email protected]), Telegram [@falcolupus](https://t.me/falcolupus) или [MAX](https://max.ru/u/f9LHodD0cOJd5VFHyaG9k7YpP7BW9s55ZYkjWX6P8j51xBYS3XgDfnOxz3U). Работаю удалённо в любом часовом поясе.