22 октября 2025 г.
Искусственный интеллект — удовольствие дорогое: одни только крупнейшие компании США истратили за первые семь месяцев 2025 г. на развитие своих ИИ-проектов 155 млрд долл. (это больше, чем правительство страны направило на нужды школьного образования, профессионального обучения, обеспечения занятости и социальные службы в совокупности за тот же период). К исходу текущего десятилетия, по оценке главы Nvidia, на инфраструктуру для тренировки и исполнения генеративных моделей по всему миру разово израсходуют от 3 до 4 трлн долл., — это только на «железо», здания дата-центров и их инженерное оборудование; регулярные затраты на электроэнергию, воду, зарплаты сотрудников и прочее в расчёт не включены.
Было бы странно ожидать от разумных капиталистов, что те идут на подобных масштабов издержки, не представляя, в какие сроки их расходы окупятся. С разработчиками и изготовителями собственно «железа» — компаниями вроде Nvidia, AMD, TSMC, Samsung — всё как раз понятно: они действуют, словно продавцы лопат на Клондайке в эпоху «золотой лихорадки», поставляя азартным старателям необходимые для тех инструменты. И внакладе не остаются: та же Nvidia недаром стала недавно первой в мире компанией с биржевой оценкой стоимости более чем в 4,3 трлн долл. Многие экономисты впрочем, небезосновательно указывают, что — с учётом фактической выручки за 2025 ф. г. около 88 млрд долл. — соотношение биржевой оценки стоимости компании к её реальному приходу за год в районе 50:1 намекает, мягко говоря, на некоторый перегрев ожиданий инвесторов, — но это уже разговор особый.
С тем же, для чего именно используют столь дорогие «лопаты» современные «старатели» — а именно, с самими моделями искусственного интеллекта, — ситуация чуть сложнее. OpenAI, разработчик популярнейшей, пожалуй, в мире серии генеративных моделей GPT — что завоевали признание благодаря чат-боту ChatGPT — уже много лет никак не выйдет на прибыльность; за первое полугодие
Что уж тогда говорить о самих «старателях» — конечных заказчиках, что надеются при помощи ИИ-инструментов снизить свои издержки, поднять производительность труда, автоматизировать целый ряд рутинных процессов без привычных затрат на методичное изучение узких мест и кропотливую их расшивку, — просто формулируя верные запросы для всезнающих умных ботов! Реальность, увы, обманывает чересчур восторженные ожидания: по оценке экспертов Wall Street Journal, типичная американская компания-заказчик, выбирающая генеративные инструменты для решения повседневных задач (составления отчётов и презентаций, суммирования итогов заседаний, анализа обширных документов и т. д.), теряет на этом до 10% своей прибыли (не выручки!) — по сравнению с классическим подходом, когда всю подобную работу исполняют штатные сотрудники под присмотром менеджеров.
Что же в сложившейся ситуации делать этим самым «старателям», — прекратить копать и вернуться с неблагосклонных к ним приисков к прежним способам добычи хлеба насущного? Глава IBM Арвинд Кришна (Arvind Krishna) уверен, что это было бы чересчур радикальным шагом: его рецепт — набраться терпения и подождать. Выступая на недавней конференции XChange Best of Breed, CEO одного из лидеров в области ИИ-разработок (достаточно вспомнить впервые уверенно одолевший шахматного гроссмейстера компьютер Deep Blue или умную экспертную систему Watson) предупредил собравшихся на форум участников американского ИТ-канала, что реальный эффект от воздействия ИИ на бизнес-процессы навряд ли повергнет и их, и их клиентов в восторг в ближайшие годы.
«Зато если заглянуть подальше в будущее, лет этак на десять, вы окажетесь попросту шокированы тем, насколько генеративные модели превзойдут самые завышенные сегодняшние ожидания, — горячо заверил аудиторию мистер Кришна. — Думаю, речь идёт об очередной революции в производительности труда; о по меньшей мере десятикратном её приросте, — однако потребуется ещё пара десятилетий, чтобы реализовать весь предлагаемый ИИ потенциал на практике». Предыдущие революции производительности, на которые ссылается топ-менеджер, — это внедрение в широкий обиход паровых машин, двигателей внутреннего сгорания, полупроводников и Интернета.
Заявление Арвинда Кришны бесспорно здравое: всякое кардинально меняющее бизнес-процессы новшество требует перестройки под себя сложившейся инфраструктуры. Те же бензиновые автомобили не стали доминировать на дорогах, пока эти самые дороги не приобрели в массе своей асфальтовое покрытие, а вдоль них не выстроились регулярно пополняемые топливом заправочные станции. И пока столь глубокого преобразования бизнес-процессов на всех уровнях и во всех отраслях не произошло — а занять это грозит как раз те самые ближайшие годы, — глава IBM предлагает участникам ИТ-канала концентрировать на внедрении у своих заказчиков ИИ в ситуациях с низкими уровнями риска (low-risk uses cases). Имея в виду, что постепенно количество станет переходить в качество, — и привыкшие к генеративным решениям простых задач клиенты сами начнут активнее применять эти решения в более критичных для их собственного бизнеса случаях.
Низкий же уровень риска подразумевает, что ИИ-инструментарий, по меньшей мере в обозримой перспективе, не должен пытаться подменять собой классические бизнес-средства. К примеру, переводить всю софтверную разработку в компании разом на ИИ-платформу — значит получать от генеративной модели некий кое-как работающий (в лучшем случае) код, совершенно не представляя, насколько тот оптимален в плане потребления ресурсов, как защищён от взлома и т. д. ИИ-инструменты NoCode/LowCode должны пополнить арсенал живых квалифицированных разработчиков, а не подменять их — по крайней мере, не прямо сегодня.
То же относится к ИИ-средствам взаимодействия с клиентами, управления персоналом, сопровождения документооборота и т. п.: не вместо, но вместе — на первых порах. И лишь потом, по прошествии нескольких лет, когда ИИ во вспомогательных бизнес-процессах станет привычным, а его надёжность окажется подтверждена долгой практикой, следует задумываться об интеграции генеративных моделей уже в ключевые для бизнеса заказчика операции — опять-таки, начиная с малого.
Понятно, что всё это время отдача от внедрения искусственного интеллекта продолжит оставаться для клиентов малозначительной, если вообще положительной. Но именно те, как уверен глава IBM и разделяющие его точку зрения эксперты, кто найдёт в себе силы сделать ставку на ИИ в самом начале, смирившись с определёнными издержками в первые годы и нацелившись на деятельную работу по эффективной его интеграции, окажется в итоге в наибольшем выигрыше — когда количество перейдёт наконец в качество. И наконец-то наступит тот самый вожделенный рост производительности труда в десять и более раз, который визионеры светлого генеративного будущего самозабвенно пророчат уже сегодня.
Источник: Максим Белоус, IT Channel News
