Мне нужна твоя одежда, сапоги и мотоцикл...

В знаменитой фразе из фильма «Терминатор» киборг без лишних слов требует у случайного байкера всё необходимое для выживания в незнакомом мире. Современный подход многих компаний к искусственному интеллекту удивительно напоминает эту сцену. Корпорации и предприятия с огромным энтузиазмом «отбирают» колоссальные ресурсы — финансовые средства, электроэнергию, огромные массивы данных и квалифицированных специалистов — чтобы запустить очередную волну нейросетей и облачных решений. Однако всё чаще возникает вопрос: стоит ли результат таких затрат? Массовый, зачастую неподготовленный подход к внедрению искусственного интеллекта всё заметнее показывает свою нерентабельность. Пузырь ажиотажа постепенно сдувается, а рынок начинает переходить от безудержной гонки к более осознанным и экономически оправданным решениям.

Масштаб проблемы и разрыв между ожиданиями и реальностью

Согласно исследованию McKinsey за 2025 год, около 88 процентов компаний уже внедрили искусственный интеллект хотя бы в одной бизнес-функции. При этом лишь примерно 6 процентов из них получают от этих технологий значимую прибыль, превышающую 5 процентов EBIT. Большинство предприятий внедрило инструменты «для галочки», отчиталось перед акционерами или советом директоров и продолжило работать по старинке. Это классический пример инвестиций, подогреваемых ажиотажем, когда страх отстать от конкурентов берёт верх над трезвым расчётом.

Переход поставщиков от фиксированных подписок к оплате по количеству использованных токенов стал настоящим моментом истины. Мощные модели, такие как последние версии Claude или GPT, потребляют ресурсы с огромной скоростью. Финансовая группа Citi полностью ограничила доступ сотрудников к топовым моделям, объясняя это тем, что они являются основной причиной резкого роста корпоративных расходов. Atlassian, разработчик популярной системы Jira, увидела, как затраты на облачные сервисы искусственного интеллекта выросли с 5 миллионов долларов в августе 2025 года до более чем 15 миллионов в мае 2026-го. По прогнозам, за финансовый год сумма может превысить 120 миллионов долларов. Компания была вынуждена ввести строгий контроль и отказаться от неограниченного доступа. Аналогичные меры принимают Adobe, Amazon, Accenture и другие крупные игроки. Сотрудники жалуются в корпоративных чатах: токены заканчиваются за два-три дня, а заметной отдачи от инвестиций часто нет.

Увольнять людей из-за искусственного интеллекта становится невыгодно

Парадокс ситуации в том, что полная замена сотрудников на нейросети в многих случаях экономически не оправдана. Искусственный интеллект, особенно в виде сложных агентов, требует таких объёмов вычислительных ресурсов, что затраты на него начинают превышать расходы на человеческий труд. Вице-президент Nvidia по прикладному глубокому обучению Брайан Катанзаро открыто признал: в его подразделении стоимость вычислений значительно выше, чем зарплаты сотрудников. Компании, которые активно стимулировали использование искусственного интеллекта (вводили рейтинги отделов по количеству токенов или таблицы лидеров вроде «Клодеономики» в Meta), теперь вынуждены вводить лимиты и даже аннулировать лицензии.

Облачные решения: мощь против цены

Облачные вычисления, безусловно, предоставляют доступ к самым современным и мощным моделям. Однако их стоимость при интенсивной эксплуатации часто оказывается неоправданно высокой. Зависимость от внешних провайдеров создаёт дополнительные риски: рост тарифов, лимиты, проблемы с конфиденциальностью данных. Именно поэтому всё больше крупных компаний рассматривают переход к собственным решениям.

Положительным сигналом стала новость от OpenAI: инженеры компании разработали программные оптимизации, которые позволяют более чем вдвое сократить затраты на обработку запросов к уже существующим моделям без покупки нового оборудования. Такие прорывы показывают, что эпоха бездумного наращивания инфраструктуры постепенно уступает место умной оптимизации и повышению эффективности.

Реальные успехи: точечное применение даёт результат

Несмотря на общие проблемы, искусственный интеллект демонстрирует впечатляющие результаты там, где его применяют целенаправленно. Компания Samsung внедрила технологию цифровых двойников и смогла сократить время тестирования электронной продукции в семь раз — с 15 дней до всего двух. Теперь испытания на падения, перегрев и другие воздействия проводятся в виртуальной среде, что резко снижает затраты на физические прототипы и ускоряет вывод продуктов на рынок. К 2030 году Samsung планирует внедрить искусственный интеллект на всех своих предприятиях.

Не менее показателен пример Toyota. Автопроизводитель собирается использовать искусственный интеллект для наведения порядка в технической документации и терминологии. В огромных архивах документов, накопленных за десятилетия, часто возникают несоответствия, дубли и устаревшие обозначения. Нейросети помогут стандартизировать термины, ускорить поиск нужной информации и обеспечить единообразие. Это именно тот тип задач, где искусственный интеллект проявляет себя с лучшей стороны: рутинная, но критически важная работа, которая раньше отнимала массу времени у квалифицированных сотрудников.

Перспективы: локальные решения для крупных игроков

В ближайшие годы крупные компании всё активнее будут развивать собственный локальный искусственный интеллект, настроенный специально под свои задачи и данные. Такие системы позволяют избежать высоких облачных тарифов, повысить уровень безопасности и добиться максимальной релевантности ответов. Облачные сервисы сохранят роль для обработки пиковых нагрузок или доступа к самым новым моделям, но основная повседневная работа перейдёт на контролируемые внутренние платформы. Это особенно важно для отраслей с высокими требованиями к конфиденциальности, таких как автомобилестроение, финансы и здравоохранение.

Почему массовый подход часто проваливается

Основная проблема заключается не в самой технологии, а в подходе к её внедрению. Массовое «внедрение везде» без тщательного анализа процессов, подготовки данных и расчёта возврата инвестиций приводит к перерасходу ресурсов. Добавьте сюда нехватку квалифицированных специалистов, необходимость постоянной проверки результатов нейросетей и риски ошибок. В итоге многие проекты не окупаются в первые полгода-год и либо сворачиваются, либо превращаются в дорогую «игрушку» для отчётов.

Вывод

«Мне нужна твоя одежда, сапоги и мотоцикл» — яркая метафора, но плохая долгосрочная стратегия. Искусственный интеллект уже доказал свою ценность в конкретных задачах, таких как оптимизация тестирования у Samsung или работа с документацией у Toyota. Однако для массового успеха нужен переход от ажиотажного захвата ресурсов к осознанному, экономически обоснованному использованию. Оптимизация, локальные модели, точечные внедрения и постоянный расчёт эффективности — вот то, что позволит технологиям приносить стабильную пользу, а не становиться очередной статьёй неконтролируемых расходов.

Компании, которые сумеют перестроиться и отделить реальную ценность от хайпа, получат серьёзное конкурентное преимущество. Остальные рискуют потратить огромные средства и остаться ни с чем, когда пузырь окончательно лопнет.

    А. ФИГУРНОВ

Адрес материала: //msn.kg/ru/news/44661/