Можем ли мы спасти экономику ИИ?

А хотим ли мы этого?

Делиться

Введение

Экосистема ИИ, похоже, полна противоречий. Я и многие мои коллеги, работающие в области машинного обучения и разработки программного обеспечения, сталкиваемся со всё большим давлением, связанным с необходимостью внедрения ИИ в разрабатываемое нами программное обеспечение, но при этом отсутствует ясность в отношении бизнес-целей, которых мы пытаемся достичь. В то же время аналитики рынка и «лидеры мысли» в сфере технологий продолжают концентрировать огромную часть своей энергии и внимания на ИИ, по-видимому, в ущерб любым другим возможным интересным темам. Руководители и лидеры слышат от советов директоров, аналитиков и консультантов, что «внедрение ИИ» или «управление ИИ» необходимы для успеха бизнеса, и обращаются к своим командам с просьбой объяснить, как выполнить эти инструкции, но никто не понимает, зачем это нужно. И всё это время в социальных сетях обычные пользователи жалуются на нежелательные внедрения ИИ в приложения и продукты, которые им раньше нравились.

Что движет этими, казалось бы, противоречивыми силами? У меня есть гипотеза относительно общей картины, которой я хочу поделиться.

Технологические стартапы обычно ставят перед собой главную цель — создать продукт с функциональностью, отвечающей потребностям клиентов (соответствие продукта рынку, как часто говорят те, кто работает в этой сфере). Эти клиенты будут платить за продукт, использовать его для повышения эффективности своего бизнеса, и это принесет успех всем участникам. Эта модель хорошо зарекомендовала себя и указывает нам путь. Определите потребности или проблемы клиента, исследуйте, какие функции могут их решить, реализуйте эти функции, продайте продукт клиентам, столкнувшимся с этими проблемами, затем повторите попытку.

Какое место здесь занимает «перейти на ИИ»? Почему эта мания ИИ так сильна сейчас, не обращая, по-видимому, никакого внимания на реальные проблемы клиента? Это похоже на волну плотницких компаний, которые перешли на «отвёрточный» подход. Конечно, отвёртка может быть очень полезна и даже необходима для плотницких работ, но это, конечно, не единственный инструмент в вашем арсенале. С ИИ то же самое, и решение о его применении следует принимать только после анализа проблемы и рассмотрения различных подходов.

Итак, если ИИ не является лучшим решением насущных проблем ваших клиентов, что вы делаете, столкнувшись с огромным давлением, требующим его использования, несмотря ни на что? Как инженеры, мы можем поддаться искушению просто проигнорировать это требование, учитывая, что оно не вписывается в описанную мной модель развития стартапов. Некоторые руководители и компании могут просто проигнорировать цунами ажиотажа вокруг ИИ и продолжать работать так же, как и раньше. Если инструмент ИИ оказывается лучшим решением для чего-то, они могут его использовать, но он не обязательно должен определять всю их дорожную карту.

Однако для большинства из нас этот путь, вероятно, не подходит. Итак, куда нам идти? И как мы сюда попали? У меня есть несколько идей, поэтому давайте рассмотрим основных участников.

Внутри стартапа

Как я уже объяснял, стартапы, занимающиеся разработкой ПО, обычно стремятся создать функционал, который поможет клиентам решить проблему. Uber создал приложение для совместных поездок, которое помогло людям найти удобные и комфортные поездки по гораздо более низким ценам, чем такси. (Это имело и продолжает иметь серьёзные негативные внешние эффекты и последствия, но давайте пока оставим это в стороне.) Другие стартапы пытались найти решения для устранения неэффективности и неудобств во множестве других секторов. Они придумывают идею, привлекают инвестиции от венчурного капитала или других источников и используют эти деньги, чтобы превратить идею в реальный продукт. Они привлекают клиентов, начинают зарабатывать и становятся прибыльными. В конечном итоге может произойти IPO или поглощение более крупной компанией.

Однако хорошая идея — это ещё не всё, что нужно стартапу — зачастую присутствует и элемент зрелищности. Из-за модели финансирования многие стартапы создают минимально жизнеспособный продукт (MVP), а затем продолжают «строить самолёт, летая на нём», как гласит старая поговорка. Это означает, что вы продаёте примитивный (но, надеемся, всё ещё полезный) первоначальный продукт с обещаниями будущих улучшений, расширения функциональности и так далее. Это может сработать, но вам понадобится определённый ажиотаж, чтобы заинтересовать людей (в качестве клиентов или инвесторов) инвестировать в потенциал этих будущих обещаний.

Нам хотелось бы думать, что вам достаточно иметь лучшую идею и самый продуманный план её реализации, а финансирование придёт само собой, но это не так. Если вам нужно привлечь внимание для достижения успеха, вам нужно обещать то, что ищут люди, и продемонстрировать, что вы — самый современный, свежий и продвинутый вариант на рынке. Теоретически, технологическая компания, чьё предложение не «передовое», не обеспечит клиентам оптимальное соотношение цены и качества или не предложит максимально полезный функционал. Даже технологические компании, у которых есть уже зарекомендовавшие себя и хорошие продукты, гораздо более развитые, чем MVP, всё ещё пытаются расширить свою клиентскую базу. Им всё ещё нужно внимание рынка и рекламный эффект, чтобы удержать внимание потенциальных покупателей.

Именно здесь вступают в игру некоторые требования, предъявляемые к компаниям, работающим на ИИ. Более 50% венчурных инвестиций в 2025 году пришлось на компании, занимающиеся ИИ. Внедрение функций ИИ в программное обеспечение само по себе неплохая идея, но и не панацея. Это всего лишь инструмент, как и любой другой, и если вы надеетесь, что простое использование ИИ действительно улучшит ваш продукт, вы глубоко ошибаетесь. Как и плотники с их отвёртками, выбор инструмента не должен определять стратегию. Вы можете в конечном итоге создать что-то нефункциональное, или даже если оно функционально, не отвечающее ключевым требованиям к полезности или привлекательности для клиентов.

Но, тем не менее, именно на это сейчас уходят доступные деньги, поэтому вполне понятно, что именно такие инструкции руководство даёт инженерам во многих компаниях. Когда генеральный директор вашей компании приходит в инженерный отдел и говорит вам, что ИИ должен стать новым стратегическим направлением, вы можете задуматься: «Что это значит?» или «Как это вписывается в наши планы?» Я бы сказал, что задавать такие вопросы не стоит.

Внутри зала заседаний

На самом деле вам интересно узнать: «Почему мой руководитель просит об этом? Чего он на самом деле хочет?» И чтобы ответить на эти вопросы, вам нужно немного больше узнать о давлении и влиянии, оказываемом на генерального директора стартапа.

Роль генерального директора стартапа на самом деле довольно сложна. Вы руководите целой организацией, что само по себе непросто, но в большинстве случаев у вас нет неограниченной автономии. Зачастую вы отчитываетесь перед советом директоров, который следит за тем, чтобы бизнес функционировал успешно. Именно отсюда может возникнуть сильное давление, связанное с необходимостью расширения использования ИИ и повышения его прозрачности в продукте.

Генеральный директор может органично поддаться шумихе вокруг ИИ и быть готовым продвигать внедрение этого инструмента в остальной организации, не особо заботясь о решаемой проблеме. Однако он может также цинично взглянуть на экономическую ситуацию и понять, что путь к привлечению внимания СМИ и аплодисментов аналитиков лежит через внедрение ИИ любыми доступными способами. В то же время, если совет директоров его компании слишком увлекается ИИ, его выбор может быть ограничен.

Генеральные директора и члены советов директоров слышат от множества СМИ и аналитиков о престиже и важности ИИ, и многие из них верят в это, что порождает опасения, что их не сочтут передовыми в технологическом плане. Даже если они настроены скептически, они всё равно хотят привлечь внимание аналитиков рынка и сохранить престиж для развития бизнеса, а это значит играть по правилам.

Если такое давление со стороны совета директоров ощущается, как это происходит сейчас со многими руководителями технологических компаний, его нельзя просто игнорировать. Совет директоров обладает значительным влиянием и властью в большинстве стартапов. Например, они обычно могут уволить генерального директора. Поэтому, если генеральный директор не считает, что всеобщее применение ИИ — это хорошее бизнес-решение для вашей компании, он может попытаться возразить, но в какой-то момент ему придётся принять указания совета директоров.

Ни один генеральный директор не хочет получить репутацию технологически отсталого и устаревшего человека, даже если он сохранит свою должность. Отказ от общепринятых взглядов дорого обходится. Политический капитал не бесконечен, и руководителям приходится тратить много времени на то, чтобы решать, в каких битвах участвовать. И это даже при условии, что сам генеральный директор не полностью разделяет ажиотаж вокруг искусственного интеллекта, что вполне возможно.

Откуда рыночные аналитики берут эту информацию?

Я упомянул рыночных аналитиков вскользь, но они важны для всей экосистемы. Давайте разберёмся, в чём же заключается их роль на самом деле.

Такие компании, как Gartner, Forrester и другие, занимающиеся анализом рынка, зарабатывают деньги, исследуя и анализируя компании в различных отраслях, ранжируя их и присваивая им рейтинги, а затем продавая эти отчёты тем, кто решает, с какой компанией заключить контракт. Эти агентства чем-то похожи на рейтинговые агентства для банков: они ручаются за вас, чтобы другие компании и покупатели, у которых нет столько времени, могли легко определить, серьёзны ли вы или просто фиктивны.

Как они решают, какие компании рекомендовать? Обычно существует некая шкала или набор критериев оценки, например, какие продукты обладают самой широкой функциональностью, какие лучше всего решают определённые проблемы, насколько удовлетворены продуктами текущие клиенты и так далее.

Как вы, возможно, догадались, появился новый элемент, который сейчас буквально высасывает из головы все соки: «если эта компания активно использует ИИ». Что это вообще значит? К сожалению, судя по тому, что я видел до сих пор, это часто означает: «есть ли в продукте этой компании чат-бот на основе ИИ?» Сложно глубоко изучить продукт компании и все возможные способы интеграции машинного обучения или ИИ в её различные функции и предложения. С другой стороны, довольно легко найти окно чата и услышать «ИИ» в маркетинговом предложении.

Существует бесконечное множество способов, как хороших, так и плохих, интегрировать машинное обучение и ИИ в любой программный продукт, и я бы сказал, что чат-бот редко является лучшим решением для большинства случаев использования. Но он яркий и очевидный, и люди, мало знакомые или совсем не знакомые с принципами работы этой технологии, могут заметить его за километр, поэтому многие организации выбирают его.

Он служит своего рода условным обозначением, которое посторонние могут использовать для утверждения: «Эта компания активно использует ИИ», что, в свою очередь, является условным обозначением «Эта компания технологически продвинута и инновационна». К сожалению, такая логика совершенно ошибочна. ИИ не является показателем технического мастерства или качества, особенно сейчас, когда все остальные поставщики предлагают низкокачественные готовые решения на основе ИИ для внедрения в программные продукты. Внедрение чат-бота на ваш сайт никак не связано с качеством вашей кодовой базы, уровнем ваших инженерных навыков, вашей стратегической подкованностью или чем-либо ещё.

Понимает ли это рыночный аналитик? Возможно, но, как и в случае с советом директоров и генеральным директором, это не имеет значения, поскольку вся экосистема и так уже охвачена ажиотажем вокруг ИИ. Представьте, что произойдёт, если вы возглавите фирму, занимающуюся анализом рынка, а ваши конкуренты будут рассуждать о том, какие стартапы обладают самыми «продвинутыми» технологиями ИИ, а ваш рыночный отчёт будет содержать лишь базовые функции. Сможете ли вы это сделать? Возможно. Но читатели ваших отчётов — члены совета директоров, руководители и другие лидеры отрасли, и что они сейчас получают со всех сторон? Ажиотаж вокруг ИИ. Они захотят узнать, есть ли у этих компаний ИИ, не потому, что знают, зачем им это нужно, или какое отношение ИИ имеет к бизнесу компании. Они хотят знать, потому что СМИ и компании, занимающиеся ИИ, торжественно заявили им, что это передовой рубеж, и любой, кто его упустит, останется позади. (Читатели, возможно, вспомнят помешательство на Web 3.0 и блокчейне, в результате которого различные компании бросились строить бизнес-модели на основе блокчейна, которые на самом деле не имели никакого смысла.)

Почему компании, занимающиеся ИИ, являются такими, какие они есть?

Это возвращает нас к самим компаниям, занимающимся ИИ. У этих компаний есть очевидная мотивация убедить всех нас в необходимости внедрения ИИ практически во всё программное обеспечение, поскольку их бизнес-модель предусматривает предоставление базовой функциональности для этого.

Тонкость и сложность в том, что ИИ не всегда неправильный выбор. ИИ может быть очень полезен для множества разных вещей! Но ИИ не является правильным выбором для всего , и в этом вся разница. Это инструмент для достижения цели, и мы должны быть медленными и вдумчивыми в том, где мы его внедряем. Это по многим причинам — во-первых, создание функциональности ИИ имеет альтернативные издержки и не позволяет вам использовать свое время и ресурсы для создания чего-то другого, что может понадобиться клиенту. Но, кроме того, как я много раз описывал, ИИ чрезвычайно дорог в экологическом, социальном и экономическом плане. Стоимость его создания намного выше, чем мы можем видеть со своих рабочих столов, поэтому его следует использовать только в самых подходящих и необходимых сценариях.

Даже учитывая это, я искренне считаю, что если бы компании, занимающиеся ИИ, придерживались взвешенного подхода, предоставляя возможности ИИ там, где это необходимо, для этой технологии мог бы сформироваться здоровый, хотя и не экстраординарный рынок. К сожалению, это не бизнес-модель для компаний, занимающихся ИИ. Вместо этого крупные технологические компании и инвесторы вложили сотни миллиардов долларов в OpenAI, Anthropic и другие, и они ожидают, что эти инвестиции так или иначе окупятся.

В то же время OpenAI, в частности, участвует в странных финансовых махинациях, обещая поставщикам оборудования инвестиции, значительно превышающие любые возможные оценки их финансовых ресурсов. Мэтт Левин из Bloomberg освещал это в своей последней колонке Money Stuff, отмечая: «Если вы должны банку 100 долларов, это ваша проблема. Если вы должны Broadcom 500 миллиардов долларов (выделено в оригинале), это проблема Broadcom. Если вы должны каждой крупной технологической компании сотни миллиардов долларов, это их проблема. Наверняка они найдут решение! Или вы найдёте. Деньги найдутся сами собой». Далее он объясняет, что принятие огромных долгов, вероятно, будет стратегией, которая будет использована для поиска средств для выполнения таких обещаний, если вообще что-то будет сделано. Но если OpenAI будет вкладываться по уши, что будет в итоге не только для них, но и для их кредиторов и компаний, которым они обещали инвестиции? Многие влиятельные и крупные компании имеют экзистенциальные стимулы, чтобы эта экономика ИИ работала.

Я думаю, что технологические гиганты и крупные инвесторы уже вложили в компании, занимающиеся ИИ, больше денег, чем когда-либо реально получить взамен. Мы наблюдаем бешеный, рекламный ажиотаж вокруг ИИ-маркетинга, поскольку для того, чтобы ИИ-компании могли выполнить свои обещания по доходам и прибыли, они не могут довольствоваться только клиентами, у которых есть продуманный и осознанный сценарий использования ИИ в их продуктах. Им нужно, чтобы каждая компания отчаянно тратила на ИИ, независимо от цены, поскольку для поддержания работы необходимы сотни миллиардов долларов. И давайте не будем забывать, что для компаний, предоставляющих базовые модели, такие как Anthropic, OpenAI и xAI, неясно, смогут ли разумные розничные цены покрыть их расходы, что говорит о том, что они могут терять деньги при использовании продукта. Многие поставщики решений ИИ второго уровня, такие как инструменты для программирования, повышают цены и сокращают квоты использования по тарифным планам, чтобы попытаться сократить этот финансовый разрыв.

В сфере технологий в целом мы отказываемся признавать, что успешная компания может довольствоваться умеренным размером и высокой прибылью. Вместо этого мы требуем от каждого стартапа гигантских размеров и невероятной прибыли, иначе он будет признан неудачным. Это проявляется в ожиданиях венчурного капитала не просто двукратной или пятикратной, а пятидесятикратной или стократной доходности инвестиций. Однако объёмы инвестиций в ИИ делают достижение даже близкой к этому цели совершенно нереальным.

Что происходит со стартапами?

Теперь, когда мы проследили происхождение этого явления, как замыкается цикл? Ваш стартап внедряет ИИ в свой продукт достаточно эффектно, чтобы это заметили, и вы платите компаниям, разрабатывающим ИИ, комиссию за использование этой модели. Эти комиссии весьма существенны, они платятся по факту использования и часто растут с выходом новых моделей.

Если приложение ИИ хорошо продумано и тщательно спроектировано, оно может решить реальную проблему клиента, и это может сработать. Это может привести к росту выручки, что, в свою очередь, может способствовать успеху бизнеса. Это, безусловно, идеальный сценарий! Хватит ли полученного дохода, чтобы платить всё более высокие цены базовому поставщику модели, чтобы компания могла масштабироваться и вернуть миллиарды инвесторам? Это гораздо менее очевидно. И если вы придёте к выводу, что эта функциональность не подходит или не стоит поддержки, извлечь её из вашего приложения может быть очень сложно.

Но если интеграция ИИ не является стратегически важной, а небрежной и обусловлена шумихой, а не потребностями клиентов или соответствием продукта рынку, результат может быть катастрофическим. Реальна реакция клиентов, как и нарушения конфиденциальности или безопасности данных, PR-кризисы, если модель будет давать особенно сильные галлюцинации, и другие опасности. В худшем случае вы рискуете потерять доверие клиентов и столкнуться с оттоком пользователей. В таком случае вы не платите существенного вознаграждения компаниям, занимающимся ИИ, которые лежат в основе всего этого, потому что никто не использует эту функциональность, но вы теряете время, упускаете другие возможности и одним махом наносите ущерб своему бизнесу.

В самом банальном сценарии вы разрабатываете чат-бот на основе ИИ для своего продукта, и клиентам он может просто не понравиться. Объём технического труда, необходимый для его настройки, немал, а альтернативные издержки реальны. Что произойдёт, если вы пройдёте через всё это и обнаружите, что оно того не стоило? Вы можете не увидеть никакого роста выручки, но предоставление этой функциональности ИИ всё равно будет стоить вам денег при её использовании. Неужели вы сведёте на нет всю проделанную работу по её внедрению и вернётесь к прежнему уровню? Что скажут ваши клиенты, руководители, совет директоров, инвесторы и рынок?

Конечно, это пугает, и теоретически организации и отдельные лица могут держаться подальше от всей этой свалки. Вы можете продолжать свой софтверный стартап, не беспокоясь об ИИ и просто держа его в качестве инструмента в своём арсенале на случай возникновения нужной проблемы. Но вы рискуете. Вы уверены, что вам никогда не понадобится раунд финансирования? Полностью ли ваш совет директоров одобряет такой подход, или у вас его просто нет? Пойти по этому пути можно, но он опасен. Компании работают в экономике, а не в вакууме, и они никогда не застрахованы от давления, которое может оказывать на них внешний мир.

Заключение

В последнее время многие пользователи сети жалуются на недовольство функциями ИИ, добавленными в ранее любимые или ценимые программные продукты. Они спрашивают: «Почему я не могу получить всё это без ИИ по старой цене?», когда выходит новое предложение ИИ, которое, очевидно, сопровождается повышением абонентской платы, что, безусловно, является обязательным. Думаю, если взглянуть на ситуацию в целом, ответ довольно очевиден. Руководители технологических компаний получили указание от своих советов директоров и медиасистемы о необходимости ИИ, внедрили его, и теперь им нужно найти способ оправдать сделанные инвестиции. Это похоже на ошибку игрока: бросать деньги на ветер вместо того, чтобы минимизировать потери.

Внедрение ИИ обходится недёшево, и во многих, если не в большинстве случаев, функциональность ИИ для бизнеса предоставляется поставщикам ИИ, таким как OpenAI или Anthropic, поэтому они продолжают нести расходы при использовании продукта, поэтому он должен продолжать оплачиваться дополнительно. Совет директоров был убеждён, что внедрение ИИ жизненно важно для поддержания релевантности и успеха, и они предполагали, что этот ИИ будет хорошо принят клиентами. Однако все упускали из виду, насколько это соответствует действительности и действительно ли ИИ будет решать проблемы клиентов желаемым образом.

Если бизнесу нужен ИИ, и внедрение ИИ действительно решает проблемы клиентов, то вся эта экономика ИИ может работать! Но если сделать это плохо и добавить в продукт непродуманный функционал ИИ, который не имеет смысла, весь цикл может рухнуть. Кто в итоге окажется в проигрыше? Небольшие стартапы, которые тратят свои ограниченные средства, пытаясь заставить его работать? Компании, разрабатывающие ИИ, которые никогда не смогут окупить инвестиции? Крупные технологические компании, которые так сильно вложились в это дело, что оно фактически влияет на их основной бизнес?

На самом деле, я бы сказал, что выживание экономики ИИ в любой форме, если оно вообще возможно, зависит от серьёзного изменения точки зрения. У нас могла бы быть умеренная, но успешная экономика ИИ, где внедрение ИИ будет продуманным, осторожным и консервативным, но нам нужно научиться принимать эту умеренность. Вместо непомерных расходов на обучение следующей версии модели для достижения лишь незначительных улучшений мы могли бы отдать приоритет эффективности, экологической устойчивости и практическому применению LLM. Мы знаем, что создание продукта, который соответствует рынку, решает чьи-то проблемы и соответствует их бюджету, — это путь к успеху SaaS-стартапа. Появление ИИ не меняет этой базовой реальности. Люди не будут покупать ваш продукт, если он не решает их проблем, а если купят его, полагаясь на не оправдавшийся ажиотаж, они откажутся от вас и уйдут, и вы останетесь ни с чем.

Мы добьёмся успеха только в том случае, если поймём, что ИИ — это инструмент. Это не конечная цель, а лишь один из множества возможных способов её достижения. Это не магия, это программное обеспечение. Его создание требует такого же упорного труда, тщательного планирования, опыта и навыков, как и разработка любого другого программного обеспечения.

Что делать

Я уже писал об этой проблеме с разных сторон. Если вы инженер или руководитель, специализирующийся на машинном обучении, и ваш генеральный директор обратился к вам с требованием «чего-нибудь с ИИ», у меня есть совет, как с этим справиться. Однако отдельные игроки в этой игре обычно не имеют возможности реально что-то изменить. Поначалу я не понимал, что, хотя многие генеральные директора глубоко вовлечены в ажиотаж вокруг ИИ, многие другие находятся под давлением сил, которым они не могут противостоять, по крайней мере, без какого-либо существенного эффекта.

Я также участвовал в проектах с другими экспертами в этой области, обсуждая, как на самом деле создавать эффективные решения на основе ИИ для производства, которые не будут просто пустыми тратами времени. Имейте в виду, это сложно! Это требует серьёзных усилий и не то, что каждый может соорудить за выходные. Но при правильном подходе целевая функциональность ИИ, отвечающая реальным потребностям клиентов, может принести реальную пользу.

Я рекомендую компаниям, которые чувствуют давление, связанное с внедрением ИИ из маркетинговых или престижных соображений, остановиться и по-настоящему постараться найти способ согласовать это с целями бизнеса. Осознайте, что ваш выбор сопряжен с упущенными возможностями, и что ошибки в нём имеют последствия. Не делайте вид, что ваш выбор касается только вас и вашего бизнеса, и принимайте решение, чётко осознавая все последствия.

Источник: towardsdatascience.com