Голямото спиране на дейността: Защо компаниите искат да се отърват от своите AI агенти – Когато AI агентите струват повече, отколкото струват

Когато автономните агенти поемат контрола и центровете за данни изгарят повече капитал, отколкото пазарът може да спечели

Милиарди, инвестирани без възвръщаемост: Агентите с изкуствен интелект трябва да докажат своята полезност

Изкуственият интелект навлиза в нова фаза. Първата фаза беше доминирана от технологични пробиви, зрелищни демонстрации и перспективата за значително по-продуктивна работа със знания. Втората фаза доведе до огромни бюджети, вложени в модели, центрове за данни, графични процесори, облачни платформи и първоначални корпоративни приложения. Сега започва третата фаза: проверка на икономическата и организационна реалност. Това ще определи не само кои доставчици ще оцелеят, но и дали компаниите действително ще създадат трайна, измерима стойност от ИИ или просто ще натрупат нови рискове, свързани с разходите, контрола и отговорността.

Две развития подчертават особено този повратен момент. На ниво приложение, автономните агенти с изкуствен интелект се разпространяват по-бързо, отколкото много компании могат да адаптират своето управление, права за достъп, контрол на разходите и отговорности. Едновременно с това, на ниво инфраструктура, центровете за данни и специализираните облачни капацитети се появяват в мащаб, за който в момента няма достатъчно голям и желаещ краен пазар, за да функционира икономически ефективно. Това представлява сливане на две различни надценки: компаниите надценяват организационната зрялост на автономните системи в краткосрочен план, докато инвеститорите и операторите на инфраструктура може да надценяват скоростта, с която търсенето на изкуствен интелект може да се превърне в печеливши приходи.

Следователно ключовият въпрос вече не е дали изкуственият интелект работи технически. Става въпрос за това къде функционира надеждно, контролируемо и печелившо в реални условия. Тази промяна променя логиката на пазара. Максималната автономност, максималният размер на модела или максималната изчислителна мощност сами по себе си няма да определят успеха. Конкурентните предимства възникват, когато техническите възможности се комбинират със стабилен дизайн на процесите, ясна отчетност, проверими решения, реалистични модели на разходите и диференцирана стойност за клиента.

Голямото разочарование започва в компаниите

Прогнозата, че повече от 40 процента от агентните проекти за изкуствен интелект могат да бъдат прекратени, понижени или фундаментално преработени до края на 2027 г., трябва да се разбира не толкова като преценка за дългосрочното значение на технологията, колкото като критика на настоящото ѝ внедряване. Много проекти започват като тестове за доказателство на концепцията при контролирани условия. В тази среда данните се подбират, задачите са ограничени, потребителите са благосклонни и грешките имат относително незначителни последици. Преходът към производствени операции обаче променя всички параметри. След това агентът трябва да се справя с непълни данни, противоречиви правила, наследени системи, специални случаи, променящи се разрешения и решения, свързани с отговорността.

Именно на този праг значителен брой технологични пилотни проекти се провалят. Убедителният демонстратор отговаря на въпроса дали дадена функция е фундаментално възможна. Той не отговаря на въпроса дали тя може да бъде изпълнена милиони пъти с приемливи общи разходи, стабилно качество и управляем риск. Този проблем се изостря при автономните агенти, защото те могат не само да генерират съдържание, но и самостоятелно да извикват инструменти, да променят данни, да задействат процеси и да свързват решения. Следователно, грешката не е непременно ограничена до неправилен текстов отговор. Тя може да се разпространи като грешна поръчка, неоторизиран достъп до данни, грешно решение на клиента или промяна в производствена система.

Следователно очакваното отмяна на проекта е икономически осъществимо. Нарастващите разходи, неясната бизнес стойност и неадекватният контрол на риска не са отделни проблеми; те се подсилват взаимно. Колкото по-ненадеждно работи един агент, толкова по-големи усилия са необходими за мониторинг, одит и коригиращи действия. Колкото повече ръчна намеса е необходима, толкова по-малко е действителното увеличение на производителността. Колкото по-малко е увеличението на производителността, толкова по-трудно е да се оправдаят допълнителните разходи за модели, интеграции, мониторинг, сигурност и съответствие. Система, първоначално планирана за автоматизация, може по този начин да създаде нов, до голяма степен невидим слой ръчен надзор.

Автономията се превръща в нов вид разход

Цените на агентно-базирания изкуствен интелект често се разглеждат твърде тясно. Компаниите сравняват цените на моделите или изчисляват таксите за входни и изходни токени, но това обхваща само част от икономическата тежест. Агентът често разделя задачата на множество стъпки, осъществява достъп до различни системи, повтаря неуспешни опити, проверява междинни резултати и поддържа по-дълги контексти. Следователно сложните работни процеси могат да изискват значително повече изчислителна мощност от конвенционалния чатбот. Към това се добавят разходите за оркестрация, подготовка на данни, интерфейси, регистриране, управление на идентичността, контрол на сигурността, оценка и работата на различни модели.

Още по-значителни са косвените разходи. Те включват времето, прекарано от специалисти в преглед на резултатите, отстраняване на грешки, внедряване на допълнителни вътрешни контроли, осигуряване на обучение, провеждане на правни прегледи и адаптиране на работни процеси. Ако даден агент изпълнява задача само за няколко цента, но резултатът изисква редовен преглед от квалифицирано лице, цената на модела става практически безсмислена като показател. Важното е общата цена на процеса за всяка правилно изпълнена задача. Това трябва да включва и повторенията, последствията от грешките, изключенията и цената на човешкия надзор.

Фактът, че само 21% от анкетираните CIO имат пълна прозрачност по отношение на разходите за своите AI агенти и AI натоварвания, разкрива фундаментална липса на контрол. Без разпределение на разходите по случаи на употреба, бизнес звено и процес е невъзможно да се оценят икономическите ползи или да се управлява надежден бюджет. Рискът е разходите за AI да нарастват децентрализирано в рамките на облачните акаунти, софтуерните абонаменти и бюджетите на отделите, докато централният ИТ отдел вижда само част от общите разходи. След това сметката се появява със закъснение, когато използването, обемът на данните и броят на агентите вече са се увеличили значително.

За правилна оценка, компаниите трябва да преминат от разглеждане само на разходите за техническо използване към всеобхватен модел на стойността. Разходите за успешно завършване на процес, процентът на правилно завършени случаи без човешка намеса, процентите на грешки и повторения, времето за обработка, усилията за контрол и действително реализираната финансова полза трябва да бъдат измерени. Само когато тези показатели останат стабилни за по-дълъг период, може да се прецени дали даден агент трябва да бъде мащабиран. Автономността не е самоцел, а по-скоро инвестиционна променлива: тя е икономически жизнеспособна само ако допълнителните ползи надвишават повишените рискове от контрол и грешки.

Shadow IT печели агенция

Разпространението на AI агенти променя класическия проблем на скритата ИТ. Преди това отделите са набавяли неоторизиран софтуер или са съхранявали данни в неконтролирани услуги. Днес служителите могат бързо да създават свои собствени агенти, които имат достъп до фирмени данни и самостоятелно извършват действия. Проучване сред 685 корпоративни ИТ директори разкри, че 84% от тях съобщават, че служителите разработват AI агенти по-бързо, отколкото ИТ отделът може да внедри подходящи правила за управление. Следователно проблемът се крие не само в нарастващия брой приложения, но и в нарастващия брой дигитални участници.

Тези участници често притежават технически самоличности, API ключове, сервизни акаунти или делегирани потребителски права. Това създава нов клас нечовешки самоличности, които в много организации не са предмет на същите правила като служителите. 59% от анкетираните организации все още не са интегрирали напълно агенти с изкуствен интелект в съществуващите си политики за управление на самоличността и достъпа. В същото време 72% съобщават за средна до голяма разлика между достъпа, който теоретично е разрешен на един агент, и достъпа, който организацията може реално да демонстрира.

Икономически, тази разлика е особено опасна, защото измества очаквания баланс между ефективност и риск. Агентът може да действа денонощно и с висока скорост. Самата характеристика, която обещава продуктивност, увеличава обхвата на щетите в случай на грешка. Широките разрешения, дълготрайните ключове за достъп и неадекватното регистриране могат да доведат до систематично повтаряне на едно-единствено неправилно решение. Пределната цена на друго неправилно действие е почти нулева за агента, докато последващите разходи за компанията се натрупват.

Последицата е ясна: Всеки продуктивен агент се нуждае от формална идентичност, документирана цел, отговорен човешки собственик и ограничени привилегии. Достъпът трябва да се предоставя съгласно принципа на най-малките привилегии, да е ограничен във времето и да се наблюдава непрекъснато. Особено последващите действия трябва да бъдат одобрени от човек преди изпълнение. Централизираните механизми за изключване са също толкова важни, за да не се налага агентите да бъдат трудоемко деактивирани поотделно в множество системи в случай на неизправност. Въпреки че тези мерки могат донякъде да намалят краткосрочната скорост, те увеличават мащабируемостта на системата като цяло, като ограничават щетите, несигурността и регулаторните сътресения.

Отговорност без реален контрол

Организационното напрежение е разкрито в глобално проучване сред 3200 ИТ директори. Осемдесет и осем процента отбелязват, че оперативното внедряване на изкуствен интелект напредва по-бързо от адаптирането на управлението. В същото време 90 процента предполагат, че централната ИТ служба ще бъде държана отговорна за пропуски в сигурността или съответствието, дори ако инструментите, които ги причиняват, са били закупени независимо от други бизнес звена. Това създава разминаване между правомощията за вземане на решения и отчетността.

Подобна структура създава перверзни стимули. Бизнес звената печелят краткосрочното предимство на бързото експериментиране, докато значителна част от риска остава в ИТ, защитата на данните, информационната сигурност и управлението. Централизираната ИТ може да се превърне в пречка, ако се изисква да одобрява всяко заявление поотделно. Ако обаче се откаже изцяло от контрола, се появява сложен пейзаж от модели, агенти, достъп до данни и договори. И двете крайности са неефективни. Чисто централизираният подход задушава иновациите, докато напълно децентрализираният подход умножава рисковете и дублирането на усилия.

Следователно е необходим федерален модел на управление. Централните функции определят обвързващи технически и организационни насоки, предоставят одобрени платформи и наблюдават самоличността, разходите и критичните дейности. Бизнес звената могат да разработват и управляват приложения в тази рамка, но трябва да документират ползите, източниците на данни, рисковете и отговорните лица. Това държи решенията възможно най-близо до ежедневните операции, като същевременно общите стандарти предотвратяват необходимостта всеки екип да решава едни и същи проблеми със сигурността и интеграцията многократно.

Личният натиск върху ИТ директорите показва колко драстично се е развил изкуственият интелект от тема за иновации до фактор, свързан с кариерата и управлението. 76% от анкетираните ИТ ръководители смятат, че позицията им е изложена на риск, ако компанията им не успее да постигне измерими бизнес резултати с изкуствен интелект до края на 2027 г. Този натиск може да ускори разумното приоритизиране, но също така носи риска от неистово мащабиране. Тези, които са под натиск за краткосрочен успех, биха могли да дадат приоритет на видимите показатели за внедряване пред стабилните подобрения в процесите. Парадоксалната последица би била, че самият натиск за бързо демонстриране на възвръщаемост на инвестициите увеличава вероятността от скъпоструващи грешки.

Когато самият контролер се превърне в разходен фактор

Първоначалният опит от управлението и одита показва, че рисковете не са просто теоретични. В проучване сред 417 специалисти по управление, риск, съответствие и одит, 34% съобщават, че организацията им е действала въз основа на неточно решение на агент. 30% са наблюдавали непредвидени действия, 25% - провал на контрола, а 24% - въздействие върху клиентите. В 20% от случаите двама агенти са влезли в конфликт помежду си. Близо половината от служителите са се нуждаели от повече време за преглед и коригиране на резултатите от ИИ, отколкото преди.

Тези данни трябва да се тълкуват с повишено внимание, тъй като проучванията отразяват възприятията и опита на участниците, а не автоматично честотата на всички грешки на пазара като цяло. Въпреки това те разкриват ясна закономерност: компаниите делегират правомощия за вземане на решения на агенти, преди процесите, данните и системите за контрол да бъдат проектирани за тази форма на автономност. Изкуственият интелект не прави автоматично лошия процес добър. Той може просто да го направи по-бърз, по-непрозрачен и по-разпространен.

Допълнителните усилия за одит са особено важни от икономическа гледна точка. Автоматизацията обикновено се оправдава с аргумента за намалени разходи за персонал. Ако обаче квалифицирани специалисти трябва непрекъснато да проверяват резултатите, да изясняват изключенията и да реконструират решенията на агентите, работата просто се измества. Тя не изчезва, а по-скоро се премества от действителната обработка към мониторинг и отстраняване на неизправности. Тези дейности могат да бъдат по-взискателни и скъпи от първоначалния процес, защото изискват едновременно техническа, професионална и регулаторна експертиза.

Това не означава, че човешкият надзор е по своята същност неикономичен. В области с висок риск той е незаменим. Ключовият момент е да се съобрази интензивността на контрола с потенциалните щети. Агент, категоризиращ вътрешни документи, изисква различни одобрения от система, която инициира плащания, подготвя решения за персонала или променя клиентски акаунти. Следователно компаниите трябва да предоставят автономност на етапи. Колкото по-необратимо е едно действие, толкова по-чувствителни са данните и колкото по-голямо е потенциалното външно въздействие, толкова по-строги трябва да бъдат предварителните одобрения, регистрирането и независимите одити.

Тестовите пътеки се превръщат в част от икономическата инфраструктура

Две трети от ИТ директорите не са сигурни дали биха могли да предоставят на регулатора пълен отчет за решението на даден агент. Това е нещо повече от просто проблем със съответствието. Липсата на проследимост увеличава цената на всеки инцидент, защото причините са по-трудни за определяне, засегнатите процеси са по-трудни за изолиране, а контрамерките са по-бавни за прилагане. Без надеждни записи, една компания трудно може да докаже, че агентът е действал в рамките на своите правомощия или че отговорно лице се е намесило по подходящ начин.

Следователно, одитируемостта трябва да се разбира като продуктивна инфраструктура, а не като изискване за документация, добавено със задна дата. Самоличността на агента, използваният модел и версия на софтуера, достъпните източници на данни, наличните разрешения, междинните стъпки, извикванията на външни инструменти, одобренията и крайният резултат трябва да бъдат записани. Също толкова важна е способността за техническо възпроизвеждане на процес или поне за правдоподобното му възстановяване. При вероятностните модели точното възпроизвеждане не винаги е възможно, но съответните входни данни, конфигурации и пътища за вземане на решения трябва да бъдат запазени.

Предизвикателството се увеличава в многоагентните системи. Когато множество агенти разпределят задачи, взаимно преглеждат резултатите или последователно модифицират различни корпоративни системи, възниква верига от разпределена отговорност. Грешка може да възникне от взаимодействието на няколко привидно правдоподобни частични решения. Конвенционалните системи за контрол, които разглеждат отделни потребителски действия или изолирани софтуерни транзакции, са недостатъчни за това. Компаниите се нуждаят от непрекъснато наблюдение на цялата верига от процеси.

Регулаторните промени засилват този натиск за действие. Европейската правна рамка за изкуствен интелект, разпоредбите за защита на данните и специфичните за индустрията надзорни задължения увеличават изискванията към управлението на риска, документацията и човешкия надзор. Органите за защита на данните извън Европейския съюз също обръщат по-голямо внимание на това как автоматизираните системи обработват лична информация. Икономическият извод е, че управлението не е допълнителен разходен център, който може да бъде добавен след успешно мащабиране. То е предпоставка за гарантиране, че мащабирането е законово съвместимо и устойчиво.

Рисковете, свързани с изкуствения интелект, се изместват в горната група

В проучване сред 1330 членове на борда и ръководители, новите рискове, произтичащи от въвеждането на изкуствен интелект за периода от 2027 г. нататък, вече се нареждат на второ място сред краткосрочните бизнес рискове, непосредствено след киберзаплахите. Тази класация показва, че изкуственият интелект вече не се разглежда като изолирана ИТ инициатива. Той засяга едновременно оперативната стабилност, регулациите, защитата на данните, трети страни, персонала, репутацията и разпределението на капитала.

Рисковете, свързани с изкуствения интелект (ИИ), и киберрисковете не трябва да се анализират поотделно. Агентите увеличават повърхността за дигитална атака, защото изискват достъп до данни, приложения и инструменти. Нападателите могат да се опитат да манипулират входните данни, да подтикнат агенти да извършват неоторизирани действия или да злоупотребят с техните идентификационни данни. В същото време, правилно удостоверен агент може сам да извършва рискови действия, ако целта му е неправилно дефинирана, контекстът му е манипулиран или разрешенията му са твърде широки. Следователно, традиционната ИТ сигурност решава само част от проблема. Освен че определя дали даден участник е оторизиран за достъп до данни, е изключително важно да се оцени дали предвиденото действие е допустимо и подходящо в конкретния контекст.

Това води до разширени отговорности за ръководството на компанията. Не е необходимо те да разбират технически всеки модел, но трябва да гарантират, че съществуват ясна собственост, класификации на риска, процедури за ескалация и икономически цели за ключови приложения на ИИ. Надзорът не може да се ограничава до броя на стартираните проекти или размера на бюджета. От решаващо значение е надеждна информация за това кои процеси се автоматизират по продуктивен начин, кои данни са засегнати, колко често се изисква човешка намеса, какви потенциални щети са възможни и дали очакваните ползи действително се реализират.

Квази-вътрешно решение: Как Xpert.Digital запълва оперативните пропуски в B2B маркетинга и продажбите – Интелигентен бизнес, управляван от съдържание - Изображение: Xpert.Digital

Xpert.Digital е индустриален център за B2B, базиран на данни, ръководен от Konrad Wolfenstein . Компанията действа като външно, квази-вътрешно решение за индустриални партньори, запълвайки оперативните пропуски в маркетинга, съдържанието и продажбите – без да се изискват допълнителни ресурси от страна на клиента.

Повече информация тук:

• Квази-вътрешно решение: Как Xpert.Digital запълва оперативните пропуски в B2B маркетинга и продажбите – Smart Content-Driven Business

Проблемът с капитала расте под козирката на софтуера

Докато компаниите се борят да контролират своите агенти, технологичната индустрия разширява физическата основа на изкуствения интелект в безпрецедентен мащаб. Очакват се инвестиции от близо един трилион щатски долара в инфраструктура с изкуствен интелект за 2026 г. Между 2027 и 2030 г. могат да бъдат добавени още шест трилиона щатски долара. Тези суми се вливат в центрове за данни, графични процесори (GPU), мрежови технологии, съхранение, охлаждане, захранвания и земя. Това разширяване следва очакването, че необходимостта от обучение и управление на модели с изкуствен интелект ще нарасне значително през годините.

Само растежът обаче не гарантира адекватна възвръщаемост на инвестициите. Операторите на центрове за данни с изкуствен интелект ще трябва да генерират кумулативни приходи от приблизително 8,5 трилиона долара до 2030 г., за да покрият обявените инвестиции, разходите за финансиране и предполагаемата възвръщаемост на инвестициите от 12 процента. Потенциално приходите, които могат да се отразят на корпоративния и потребителския бизнес с изкуствен интелект, се оценяват на максимум 3,6 трилиона долара за същия период. Въпреки че тези цифри са обект на значителна несигурност поради дългия им прогнозен хоризонт, мащабът на разликата е забележителен.

Би било погрешно обаче да се сравняват директно инвестициите и приходите от изкуствен интелект. Центровете за данни имат живот, обхващащ няколко години, инфраструктурата може да се справи с различни натоварвания, а някои от икономическите ползи се натрупват за потребителските компании, а не за оператора на инфраструктурата. Освен това, намаляващите разходи за изчисления могат да генерират ново търсене. Въпреки това, основното послание остава валидно: Пазарът трябва не само да расте силно, но и да произвежда монетизируеми приложения изключително бързо за всички планирани капацитети, за да се постигне очакваната възвръщаемост.

Това условие е предизвикателство. Много от днешните приложения за изкуствен интелект намаляват разходите или подобряват съществуващите продукти, но не генерират автоматично допълнителни приходи, равни на инвестициите в основната инфраструктура. Освен това, печалбите от производителност могат да бъдат разпределени между доставчици и клиенти. Интензивната конкуренция води до понижаване на цените, моделите с отворен код намаляват бариерите за навлизане, а по-ефективните модели намаляват изчислителните изисквания за всяка задача. Въпреки че това е полезно за цялостната икономика, то може да повлияе негативно на рентабилността на отделните оператори на центрове за данни.

Часовникът за амортизация тиктака по-бързо от търсенето

Хардуерът с изкуствен интелект се различава от дълготрайната базова инфраструктура по кратките си иновационни цикли. Новите поколения ускорители често предлагат значително по-висока производителност или по-добра енергийна ефективност. В резултат на това по-старият хардуер може да загуби икономическа стойност, въпреки че все още функционира технически. Следователно операторът трябва да възстанови инвестицията си възможно най-бързо чрез висока степен на използване и атрактивни цени. Ако търсенето е под очакванията, балансовите стойности и моделите на финансиране са подложени на натиск.

До 2030 г. приблизително 3,5 трилиона долара активи, свързани с изкуствен интелект, може да са изложени на риск от обезценка; до 2032 г. тази цифра може да нарасне до над 4 трилиона долара. Обезценката не означава физически изчезване на сървърите. По-скоро тя показва, че очакваните бъдещи парични потоци вече не оправдават балансовата стойност на актива. За операторите с висок ливъридж това може да затегне кредитните условия, да подкопае собствения капитал и да затрудни по-нататъшните инвестиции.

Динамиката е подобна на предишни инфраструктурни цикли. Новите фундаментални технологии често предизвикват разширяване, първоначално създавайки излишен капацитет. Железопътните линии, телекомуникационните мрежи и оптичните влакна са преживели сходни фази. Част от инвестирания капитал е загубен, докато леснодостъпната и евтина инфраструктура по-късно дава възможност за нови бизнес модели. Следователно, две твърдения могат да бъдат верни едновременно: изкуственият интелект може да предизвика дълбока икономическа трансформация и въпреки това значителна част от днешните инвеститори все още може да постигне неадекватна възвръщаемост.

За икономиката като цяло, корекцията на пазара не е задължително да бъде изцяло отрицателна. Обезценяването и фалитите могат да намалят цената на изчислителната мощност и да дадат на по-ефективните купувачи достъп до инфраструктура. Компаниите могат да се възползват от по-ниски цени, дори ако първоначалните инвеститори понесат загуби. Ситуацията става проблематична, когато свръхинвестирането е свързано с висок дълг, дългосрочни енергийни договори или регионално концентриран капацитет. В такива случаи корекциите могат да засегнат банки, доставчици на енергия, пазари на недвижими имоти и местни публични бюджети.

Неооблачни системи между растежа и селекцията

Най-уязвими са специализираните доставчици на неооблачни услуги, които предоставят изчислителна мощност за задачи, свързани с изкуствен интелект. Тяхното предимство се състои във високото ниво на техническа специализация, бързия достъп до търсени графични процесори и често по-гъвкавите предложения от тези на големите, широко диверсифицирани облачни компании. Компании като CoreWeave и Nebius са пример за този сегмент. Адресируемият пазар за оптимизирани за изкуствен интелект предложения за инфраструктура като услуга може да нарасне от 66 милиарда долара през 2027 г. до 174 милиарда долара през 2030 г. Това би било впечатляващо увеличение, но все пак може да не е достатъчно, за да се използва печелившо едновременно изграденият капацитет.

Прогнозата, че повече от 80 процента от неооблачните технологии могат да прекратят независимата си работа до 2030 г., не означава непременно пълното изчезване на техните изчислителни ресурси. Фалити, придобивания, сливания, дългосрочни партньорства или интеграция в по-големи платформи са все възможни варианти. Основният икономически фактор е значителната консолидация. Доставчиците без благоприятно финансиране, сигурно енергоснабдяване, висока степен на използване и ясно диференцирано предлагане на услуги ще се затруднят да останат независими.

Бизнес моделът е крехък по няколко причини. Първо, той изисква огромни първоначални инвестиции в бързо остаряващ хардуер. Второ, клиентската база може да бъде концентрирана, което означава, че загубата дори на няколко големи клиенти може драстично да промени използването на капацитета. Трето, неооблачните технологии стоят между производителите на чипове и клиентите, без непременно да притежават същото ниво на преговорна сила. Четвърто, хиперскалерите могат да се конкурират с цялостни платформени услуги, глобална инфраструктура и съществуващи взаимоотношения с клиенти. Пето, ценовият натиск е заплашителен, тъй като става достъпен повече капацитет или бизнес моделите стават по-ефективни.

Следователно не всички неооблачни услуги са еднакви. Най-вероятно ще оцелеят доставчиците със структурни предимства: дългосрочен достъп до по-евтина енергия, особено високо техническо използване, достъп до оскъден капитал, специализирани услуги или силна позиция в специфични региони и регулирани индустрии. Суверенната, национално или европейско контролирана инфраструктура също може да бъде диференциращ фактор, ако клиентите дават приоритет на поверителността на данните, местоживеенето на данните и стратегическата независимост пред най-ниската цена.

Хиперскалерите си печелят време

Големите облачни и технологични компании имат решаващо предимство пред специализираните доставчици: Те финансират разширяването на изкуствения интелект от широки и печеливши бизнес области. Облачните платформи, рекламата, търговията, софтуерните абонаменти, социалните мрежи и съществуващите корпоративни услуги генерират потоци от приходи, които могат да поддържат инвестициите за продължителни периоди. Това позволява на Amazon, Google, Microsoft, Meta и други големи доставчици да преживеят по-добре период на ниска пряка възвръщаемост от изкуствения интелект.

Диверсификацията обаче не елиминира проблема с възвръщаемостта на инвестициите. Дори големите корпорации трябва да обясняват в дългосрочен план как техните инвестиции създават стойност. Те просто имат повече време и допълнителни канали за монетизация. Изкуственият интелект може да увеличи съществуващото използване на облачни услуги, да подобри рекламните продукти, да задържи клиентите на платформите, да ускори процесите на разработка и да защити други бизнес области. Следователно някои от ползите не се появяват като отделно отчетени приходи от ИИ. Тези стратегически странични ефекти затрудняват директното сравнение с неооблачните технологии, чийто икономически успех зависи в по-голяма степен от отдаването под наем на изчислителна мощност.

Пазарната сила на хипермащабируемите компании може да нарасне допълнително в резултат на консолидацията. Когато по-малките доставчици напуснат пазара, големите платформи придобиват клиенти, квалифицирани работници и атрактивно ценена инфраструктура. Това може да увеличи икономиите от мащаба, но също така да изостри зависимостите. Следователно компаниите и правителствата трябва да преценят ефективността спрямо устойчивостта. Силно концентрираната инфраструктура често е по-евтина в краткосрочен план, но може да повлияе на ценообразуването, пътищата за иновации и цифровия суверенитет в дългосрочен план.

Това създава стратегическа дилема за Европа. Изграждането на собствени възможности за изкуствен интелект е енергоемко и капиталоемко, докато американските и азиатските доставчици вече притежават значителни икономии от мащаба. Простото копиране на хиперскалерите едва ли би било обещаващо. По-разумен подход е да се съсредоточим върху специфични индустриални приложения, надеждни пространства за данни, регулирани сектори, енергийна ефективност, европейски езикови и технически модели и суверенни оперативни решения. Икономическата обосновка трябва да произтича от диференцирани ползи, а не от опит за безразборно имитиране на глобалните състезания за капацитет.

Шест трилиона долара не е прогноза за търсене

Друг модел илюстрира мащаба на предизвикателството. Ако се очаква годишните разходи за инфраструктура с изкуствен интелект да достигнат приблизително 1,5 трилиона долара до 2031 г., а инвестициите се очаква да представляват приблизително една четвърт от приходите на индустрията, световният пазар на изкуствен интелект ще трябва да генерира близо 6 трилиона долара годишно. Съществуващите потребителски и корпоративни приложения биха могли да допринесат между 1,2 и 1,8 трилиона долара от това. Това би оставило празнина от приблизително 4,2 трилиона долара, която ще трябва да бъде запълнена от нови пазари.

Тази цифра от шест трилиона щатски долара трябва да се разбира като икономическа пречка, а не като надеждна прогноза за приходите. Числото описва порядъка на величината, който би бил необходим за устойчиво финансиране на разширяването при определени допускания за възвръщаемост и инвестиции. То не прогнозира, че тези приходи действително ще бъдат генерирани. Това разграничение е от решаващо значение, тъй като високите потенциални пазарни обеми често се третират като очаквани приходи в технологичните дебати.

Допълнителни пазари с растеж включват търсене и реклама, задвижвани от изкуствен интелект, автономни превозни средства, камиони и дронове, индустриална автоматизация, роботика, цифрови близнаци, разработване на лекарства, медицински услуги, изследвания на материали и енергетика. Прогнозите са, че автономните системи имат потенциал от около 400 милиарда щатски долара, докато физическият изкуствен интелект, обхващащ симулации, цифрови близнаци и роботика, се оценява на приблизително 900 милиарда щатски долара. Тези области притежават значителна икономическа стойност, но се развиват по-бавно от чисто софтуерно базираните продукти. Те изискват хардуер, регулаторни одобрения, тестове за безопасност, интеграция във физически процеси и често нови разпоредби за отговорност.

Следователно, времевата разлика е потенциално по-важна от дългосрочния пазарен потенциал. Дори ако роботиката и индустриалният изкуствен интелект генерират огромни приходи, те трябва да се мащабират достатъчно бързо, за да оправдаят днешните инвестиции. Разходите за центрове за данни, чипове и финансиране се правят незабавно; новите физически приложения често отнемат години, за да достигнат широко разпространена пазарна зрялост. Следователно, фундаментално обоснованите бъдещи очаквания все пак могат да се превърнат в лоша инвестиция, ако цената, структурата на финансиране или времето са грешни.

Физическият изкуствен интелект ще определи втората половина на бума

Успехите на генеративния изкуствен интелект до момента са силно фокусирани върху работата с цифрови знания. Текстове, изображения, софтуерен код, изследвания и комуникация с клиенти могат да бъдат интегрирани в съществуващи приложения сравнително бързо. Потенциалните приходи от тези пазари са значителни, но сами по себе си едва ли са достатъчни, за да оправдаят всички планирани инвестиции в инфраструктура. Следователно следващата фаза на растеж трябва да се разпростре по-дълбоко във физическата икономика.

Физическият изкуствен интелект свързва обучителните системи с машини, превозни средства, производствени съоръжения и реални среди. Във фабриките дигиталните близнаци могат да симулират нови производствени процеси, преди скъпото оборудване да бъде модифицирано. Роботите могат да реагират по-гъвкаво на променящите се детайли. В логистичните центрове могат да се координират материалните потоци, комплектоването на поръчки и автономният транспорт. В автомобилната индустрия времето за разработка може да бъде намалено, докато автономните системи дават възможност за нови услуги. Икономическата стойност произтича не само от намалените разходи за персонал, но и от повишената наличност на инсталации, по-ниските нива на брак, по-бързото стартиране на фабрики и новите продукти.

Това представлява стратегическа възможност, особено за Германия и Европа. Тяхната индустриална база, познания за процесите, специализирани производители на машини и сложни вериги за доставки предлагат ценни данни и области на приложение. Това предимство обаче не възниква автоматично. Голяма част от индустриалните данни са фрагментирани, патентовани или недостатъчно структурирани. Компаниите трябва да модернизират своите архитектури на данни, да стандартизират интерфейсите и да картографират дигитално оперативните знания. Без тази основа, физическият ИИ ще остане ограничен до демонстрационни модели.

Монетизацията също се различава от типичния облачен софтуер. Индустриалните компании очакват доказана надеждност, дълъг жизнен цикъл и ясна отчетност. Те не приемат постоянна експериментална среда в критични за безопасността процеси. Следователно, доставчиците трябва да предоставят надеждни, интегрирани системи, които комбинират модели, сензори, системи за управление, киберсигурност и поддръжка. Именно тук може да се развие пазар за специализирани европейски доставчици, който е по-малко фокусиран върху максималния размер на модела и повече върху експертизата в областта, интеграцията и доверието.

Общото ядро ​​на двете кризи

Проблемите с агентите с изкуствен интелект и неооблачните технологии първоначално изглеждат отделни. От една страна, има бизнес процеси, управление и погрешни решения; от друга, центрове за данни, финансиране и амортизация. В действителност и двете се основават на едно и също икономическо погрешно схващане: че техническите възможности почти автоматично ще се превърнат в печеливши, мащабируеми ползи.

При агентите, успешният пилотен проект често се бърка със зрялост на производството. При инфраструктурата, бързо нарастващите компютърни нужди се отъждествяват с достатъчна готовност за плащане и устойчива възвръщаемост на инвестициите. И в двата случая междинните етапи често се пренебрегват. Между производителността на модела и бизнес ползата се крият качеството на данните, препроектирането на процесите, интеграцията, сигурността, човешкият надзор и приемането. Между изчислителния капацитет и възвръщаемостта на инвеститорите се крият използването, ценообразуването, разходите за енергия, стареенето на хардуера, финансирането и конкуренцията.

Това откритие не оспорва изкуствения интелект. То е аргумент в полза на по-професионално разпределение на капитала. Технологичните революции рядко протичат линейно. Излишъците финансират експерименти и инфраструктура, но впоследствие водят до корекция и консолидация. Победителите не са непременно компаниите, които инвестират първи или най-много. Често тези, които печелят, са тези, които управляват разумно разходите, учат се от ранните грешки и съобразяват предложенията си с действителната готовност за плащане.

Шумът трябва да се превърне в добра бизнес практика

Компаниите трябва да внедряват агенти с изкуствен интелект само там, където съществуват ясно дефиниран процес, надеждни данни и измерим целеви показател. Началната точка не трябва да бъде мястото, където може да се демонстрира възможно най-голяма автономност. Решаващият фактор е къде може да се елиминира специфично пречка, да се намали времето за изпълнение, да се подобри качеството или да се генерират допълнителни приходи. За всеки случай на употреба трябва да се определи преди началото какви разходи и проценти на грешки са приемливи и при какви условия проектът ще бъде спрян.

Разгръщането трябва да бъде поетапно. Първоначално агентът може да предоставя предложения, след това да действа с одобрението на човека и едва след стабилно представяне може автономно да изпълнява ограничени задачи. Тези нива на зрялост позволяват отделно наблюдение на ползите и рисковете. Система, която вече не генерира измерима стойност като асистент, няма да стане икономически жизнеспособна, просто като ѝ бъдат предоставени повече привилегии.

Успоредно с това е необходима централизирана инвентаризация. Компаниите трябва да знаят кои агенти съществуват, кои модели използват, до кои системи имат достъп и кой е отговорен. Разходите трябва да бъдат разпределени по отделни процеси и бизнес звена. Критичните действия изискват прагове за одобрение, а всяко производствено приложение се нуждае от функциониращ механизъм за спиране. Управлението не трябва да се разглежда като твърд документ; то трябва да бъде технически вградено в платформи, идентичности, протоколи и процеси на разработка.

Доставчиците на услуги също се променят. Договорите с доставчици на изкуствен интелект и облачни услуги трябва да включват клаузи относно използването на данни, промените в моделите, достъпа до регистрационни файлове, инциденти със сигурността, производителността, отговорността и опциите за смяна. Компаниите трябва да избягват да правят основните процеси зависими от един-единствен доставчик, чиито цени, модели или бизнес стратегия могат да се променят в кратки срокове. Където е възможно, модулните архитектури и взаимозаменяемите модели увеличават преговорната сила.

За инвеститорите в инфраструктура клиентът е това, което има значение, а не чипът

За центровете за данни и неооблачните технологии, достъпът само до съществуващ хардуер не е достатъчен за жизнеспособен бизнес модел. Инвеститорите трябва преди всичко да проучат качеството и продължителността на търсенето. Дългосрочните договори са ценни само ако клиентите са кредитоспособни и минималните изисквания за покупка могат действително да бъдат изпълнени. Също толкова важни са цените на енергията, мрежовите връзки, охлаждането, моделите на използване, възможностите за рефинансиране и остатъчната стойност на по-стария хардуер.

Препоръчва се особено внимание, когато растежът се финансира до голяма степен от допълнителен дълг и очакваното използване на капацитета се основава на малък брой клиенти. Спадът в търсенето може едновременно да повлияе на приходите, стойността на активите и капацитета за финансиране. Стрес сценариите трябва да комбинират по-ниски цени, забавено въвеждане в експлоатация, намаляващо използване на капацитета, ускорено стареене на хардуера и по-високи капиталови разходи. Само когато бизнес моделът остава жизнеспособен дори при по-неблагоприятни предположения, възвръщаемостта на инвестициите е надеждна.

За специализираните доставчици пътят от взаимозаменяемост води през диференциация. Това включва високоефективни центрове за данни, суверенни европейски оперативни модели, специфични за индустрията платформи, гарантирано местоживеене на данните, интегрирани услуги за сигурност или тясна връзка между експертизата в инфраструктурата и приложенията. С увеличаването на предлагането, чистият капацитет се превръща в търгуем товар. Доверието, интеграцията и демонстрируемата производителност, от друга страна, остават по-редки.

Предстоящото почистване не е краят на изкуствения интелект

Очакваното анулиране на проекти и потенциалната консолидация на неооблачните технологии не означават опровержение на изкуствения интелект. По-скоро те са типични за прехода от фаза на разширяване, основана на технологии, към пазар, където възвръщаемостта на инвестициите, надеждността и институционалната зрялост са от първостепенно значение. Голяма част от ранните проекти ще изчезнат, защото са били лошо дефинирани, лошо интегрирани или икономически нежизнеспособни. В същото време успешните приложения ще проникнат по-дълбоко в основните процеси.

Инфраструктурните активи не просто губят стойност. Изчислителният капацитет все още може да се използва след амортизация, придобивания или по-ниски цени. За потребителите консолидацията на пазара може дори да бъде предимство, ако конкуренцията и свръхкапацитетът намалят разходите. Разпределението на печалбите обаче се променя: клиентите и по-късните купувачи могат да се възползват, докато ранните инвеститори в акции и дълг понасят част от загубите.

Следователно най-вероятният път на развитие не е нито пълен срив на очакванията за ИИ, нито плавно продължаване на бума. По-вероятно е двустранно развитие. Висококачествените, ясно контролирани приложения ще продължат да се разрастват и ще се превърнат в стандартна бизнес инфраструктура. За разлика от тях, недиференцираните агентски проекти, лошо обезпечените бизнес модели и надценените капацитети ще бъдат подложени на натиск. Пазарът разделя технологичните възможности от икономическата жизнеспособност.

Истинската революция в областта на изкуствения интелект не започва със следващия грандиозен модел, а с трезвата способност да се превърне технологията в надеждно създаване на стойност. Компаниите, които управляват разходите, контрола и ползите заедно, ще излязат по-силни от тази корекция. Тези, които мащабират автономността без отговорност или изчислителната мощност без печелившо търсене, от друга страна, финансират предимно следващата вълна от отписвания.

От видимост до доверие: Вашият мащабируем път с Xpert.Digital - Изображение: Xpert.Digital

В индустриалния B2B сектор, устойчивите бизнес взаимоотношения рядко възникват за една нощ. Те се развиват стъпка по стъпка – чрез видимост, професионална релевантност, повтарящи се точки на контакт и нарастващо доверие. 4-етапният модел на Xpert.Digital се справя точно с това: Той предлага структуриран път, който започва с управляема входна точка и може да се развие в по-задълбочено сътрудничество в развитието на бизнеса, ако е необходимо.

Вместо да се разчита на гръмки маркетингови обещания, този модел поставя взаимоотношенията на преден план. Компаниите започват с ясно дефинирани, лесно изчислими мерки и след това решават, въз основа на собствения си опит, докъде искат да разширят сътрудничеството. Ключов фактор за този необезпокояван процес на изграждане на доверие: Платформата напълно избягва досадните реклами, така че редакционният фокус остава единствено върху експертизата на компаниите.

Повече информация тук:

• От видимост до доверие: Вашият мащабируем път с Xpert.Digital

☑️ Нашият бизнес език е английски или немски

☑️ НОВО: Кореспонденция на родния ви език!

Konrad Wolfenstein

Аз и моят екип с удоволствие ще бъдем на ваше разположение като ваш личен съветник.

Можете да се свържете с мен, като попълните формата за контакт тук [email protected]:или просто ми се обадите на +49 7348 4088 965. Моят имейл адрес е

Очаквам с нетърпение нашия съвместен проект.

☑️ Подкрепа за МСП в стратегията, консултирането, планирането и внедряването

☑️ Създаване или пренасочване на дигиталната стратегия и дигитализация

☑️ Разширяване и оптимизиране на международните процеси на продажби

☑️ Глобални и дигитални B2B търговски платформи

☑️ Pioneer Развитие на бизнеса / Маркетинг / PR / Търговски панаири