Андрей Скорочкин: ИИ после хайпа

Все чаще звучат разговоры о перегреве на рынке искусственного интеллекта (ИИ). Заморозка найма в Meta* (признана в России экстремистской организацией и запрещена), высказывания Сэма Альтмана о «пузыре», провал ожиданий от новых версий ChatGPT и падение стоимости CoreWeave заставляют инвесторов задуматься о перспективах дальнейшего роста. Согласно данным MIT, 95% компаний не получили ощутимой выгоды от генеративного ИИ. Действительно ли ИИ — это только хайп, возможен ли сценарий, схожий с пузырем доткомов, и стоит ли инвестировать в эту технологию?

Если бы мы знали, зачем нужна эта технология

В последнее время под искусственным интеллектом все чаще подразумевают именно большие языковые модели (LLM). Это они очаровывают массового пользователя и разгоняют интерес к ИИ в целом. LLM, безусловно, облегчают взаимодействие с информационными системами, позволяя формулировать команды на естественном языке, а также существенно повышают производительность в отдельных областях — программировании, медицине, разработке новых материалов и биотехе.

Несмотря на почти 100%-ное проникновение, они нередко показывают ограниченные или околонулевые результаты в рамках регулярного менеджмента и повседневной деятельности компаний. Внедрение такого ИИ пока носит характер «гигиенического фактора», компании используют его, чтобы не отстать от конкурентов и «соответствовать», а не для получения реально значимых результатов. Они интегрируют технологию в существующие процессы, пытаясь заменить отдельных сотрудников. Это не приводит к значительному росту производительности, так как не меняет того, как процесс устроен.

Настоящий эффект будет достигнут тогда, когда процессы будут построены вокруг ИИ, а не с «костылем» или, чаще всего, украшением в виде ИИ. Для эффективной работы с технологией необходимо перейти от бесконечных пилотов к амбициозным проектам — заняться не имитацией, а трансформацией. Цель должна заключаться не в увольнении нескольких бухгалтеров, а в радикальном улучшении качества и эффективности процессов и управления.

Другой важный аспект — информационная безопасность. Вопрос доверия к ИИ и возможности передачи ему права принятия решений остается открытым. В итоге, проблема не только и не столько в технологической плоскости, сколько в области культуры, трансформационного менедж­мента и готовности бизнеса к серьезной перестройке. Чем крупнее компания и чем дольше она находится на рынке, тем меньше у нее шансов на успех в этой игре.

Маленькими шагами к большим прорывам

Несмотря на эйфорию вокруг ИИ, коррекция неизбежна. Однако, в отличие от пузыря доткомов, тема ИИ не исчезнет. Вероятно, значимые эффекты именно от масштабного внедрения LLM мы увидим не раньше чем через 7–10 лет. Этот прогноз может измениться в зависимости от появления новых технологий и увеличения производительных мощностей. Например, настоящим прорывом может стать появление General AI, которому можно будет делегировать принятие решений. Это уже радикально изменит игру и откроет дорогу к роботизированным автономным промышленным комплексам.

Пока же вложения будут перераспределяться в сторону более практичных, чем в NVIDIA или OpenAI, и узких индустриальных решений. И это хорошая новость для российских инвесторов. В текущей экономической и геополитической реальности нам нет смысла пытаться создать конкурента Microsoft, чтобы объять необъятное. А вот узкоспециализированные индустриальные или функциональные решения в сфере ИИ с понятным рынком и эффективностью вполне могут быть конкурентоспособными даже на мировой арене.

Последние цифры также вселяют оптимизм. По итогам 2024 года отечественный рынок ИИ достиг 1,45 млрд долларов, что на 38% превышает прошлогодние показатели, и эксперты прогнозируют дальнейший рост до 2,1 млрд долларов в 2025 году (+45%). Объем же венчурных инвестиций в эту технологию по итогам первого полугодия оценивается около 33,67 млн долларов  — лидирующий показатель среди всех технологических направлений.

Если говорить о конкретных направлениях для инвестиций, то стоит напомнить, что генеративный ИИ — это лишь одна из областей применения. Машинное зрение и машинное обучение уже сейчас активно используются и приносят результаты. Стоит следить и за развитием Edge AI, который предполагает использование локализованных моделей. Они не требуют дорогостоящей инфраструктуры гиперскейлеров.

Лидерами в области внедрения генеративного ИИ станут отрасли, где важен фронт-офис: телекоммуникации, финансы, ретейл, маркетинг и технологические компании. Большой эффект может быть достигнут в биотехе, медицине и агротехе. Поэтому стоит следить за компаниями, предлагающими решения для этих отраслей.