Tehisintellekti insenerikatastroof: kui kapital asendab mõtlemise – miks generatiivne tehisintellekt on majanduslikult kontrolli alt väljumas

Konrad Wolfenstein

2 tundi tagasi

Tehisintellekti insenerikatastroof: kui kapital asendab mõtlemise – miks generatiivne tehisintellekt on majanduslikult kontrolli alt väljumas – Pilt: Xpert.Digital

Elekter, salvestusruum, miljardite väärtuses kulud: ebamugav tõde genereeriva tehisintellekti kohta

Tõeline strateegiline väärtuse loomine on võimalik ainult kristallselge kasutusjuhtumite fookuse, tugeva arhitektuuri ja järjepideva juhtimise kaudu

Generatiivse tehisintellekti ümber valitses tohutu elevus – aga nüüd on pettumus haaranud kogu ärimaailma. Miljardid voolavad tohututesse andmekeskustesse, millel on rahuldamatu isu elektri ja kallite mälukiipide järele. Samal ajal ei suuda enamik ettevõtteid lubatud rahalist edu saavutada. Kas tehnoloogia, mida peetakse digitaalse revolutsiooni järgmiseks etapiks, on juba saavutamas oma füüsilisi ja majanduslikke piire? Kriitikud nimetavad seda isegi üheks ajaloo suurimaks "insenerikatastroofiks": triljoni dollari suuruseks eksperimendiks, mis trotsib klassikalisi tarkvara skaleerimise põhimõtteid. Lähemal vaatlusel toores numbritele selgub, miks üha rohkem eksperte nõuab radikaalset strateegilist ümberkorraldust – eemale pimedast gigantismist ja suurema täpsuse poole.

Kõigi aegade halvim tehnoloogia? Miks eksperdid järsku tehisintellekti imes kahtluse alla seavad?

Mitte kiibid, vaid elekter: tegelik põhjus, miks tehisintellekti mull võis lõhkeda

Viimastel nädalatel on ägenenud debatt generatiivse tehisintellekti majandusliku väärtuse üle. Ajakirjanik Alex Reisneri artikkel tuntud USA ajakirjas The Atlantic esitas väite, mis on paisanud isegi kõige paadunud tehnoloogiaoptimistid pausile: võrreldes tehtud kulude ja saavutatud inseneritöö efektiivsusega võib generatiivne tehisintellekt olla halvim digitaaltehnoloogia, mis eales suures mahus välja töötatud. See hinnang ei põhine ideoloogilisel tehnofoobial, vaid pigem ressursitarbimise, skaleeritavuse ja makromajanduslike kõrvalmõjude kainel analüüsil. Reisner teatab, et ta küsis mitmelt tehisintellekti uurijalt, kas nad teavad mõnda muud reaalmaailma tarkvara, mis skaleeruks sama halvasti kui suured keelemudelid. Keegi ei osanud võrreldavat tehnoloogiat nimetada. See väide tähistab murdepunkti valitseva narratiiviga, et generatiivne tehisintellekt on vaid digitaalse revolutsiooni järgmine etapp pärast internetti ja nutitelefoni.

„Täpsus võidab kiiruse: ainult kristallselge kasutusjuhtude fookuse, tugeva arhitektuuri ja järjepideva juhtimise kaudu saab generatiivne tehisintellekt kallist vari-IT-st küpseda tõeliseks strateegiliseks väärtusloome komponendiks. Nüüd vajame pimeda aktivismi asemel kindlat inseneridistsipliini.“

Seitsmekümneprotsendiline osakaal, mis muudab tervet tööstusharu

Peamine tõend ebaefektiivsuse teesi toetamiseks peitub suurte keelemudelite mälutarbimises. Aruanded näitavad, et tehnoloogiaettevõtted ostavad nüüd kuni 70 protsenti ülemaailmsest kvaliteetse arvutimälu pakkumisest selliste mudelite nagu ChatGPT ja Claude käitamiseks ja treenimiseks. See tohutu osakaal tekitab struktuurse puudujäägi, mis ulatub tehisintellekti tööstusest endast kaugemale. Mälukiipide tootjad nagu SK Hynix, Micron ja Samsung on juba kogu oma 2026. aasta tootmisvõimsuse eelnevalt müünud suurtele pilveteenuse pakkujatele, mille tulemuseks on rekordilised 60–70-protsendilised marginaalid suure ribalaiusega mälukiipidel. Praktiliselt iga teise pooljuhtidele tugineva tööstusharu jaoks – alates autotööstusest ja tarbeelektroonikast kuni tööstusautomaatikani – tähendab see kõrgemaid hankekulusid ja pikemaid tarneaegu. Mälutootjad on seega vabanenud oma aastakümneid kestnud rollist madala marginaaliga tooraine tarnijatena ja dikteerivad nüüd hindu, sest kunstlikust nappusest on saanud tööstusharu kõige tulusam toode.

Miks tarkvaraökonoomika klassikalised reeglid siin ebaõnnestuvad

Klassikalises digitaalmajanduses on aastakümneid kehtinud lihtne põhimõte: tarkvara skaleerub peaaegu tasuta. Kui programm on välja töötatud, ei maksa miljoni täiendava kasutaja teenindamine rohkem kui ühe kasutaja teenindamine. See skaleerimise põhimõte, millel põhines Google'i, Facebooki ja traditsiooniliste pilveteenuste majanduslik edu, ei kehti generatiivse tehisintellekti puhul. Iga päring suurele keelemudelile toob kaasa mõõdetavaid arvutus-, salvestus- ja energiakulusid, mis kasvavad lineaarselt või isegi ebaproportsionaalselt kasutajate arvuga. Hinnanguliselt tarbib üks päring tehisintellekti vestlussüsteemile mitu korda rohkem energiat kui traditsiooniline otsingumootori päring. Seda füüsilist reaalsust ei saa ainuüksi tarkvara optimeerimisega kaotada. See ongi kriitika tuum: investorid on traditsiooniliste tarkvaraplatvormide hindamisloogika üle kandnud tootele, mille piirkulud kasutuse kohta ei lähene nullile, vaid jäävad reaalseks ja oluliseks.

Triljoni dollari suurune eksperiment ilma valmis kavandita

Selle ümberkujundamise rahaline ulatus on enneolematu. Ainuüksi viis suurimat hüperskaleerijat – Amazon, Microsoft, Google, Meta ja Oracle – on teatanud tehisintellekti taristusse käesoleval aastal kokku enam kui 660 miljardi USA dollari suurustest investeeringutest. Ainuüksi OpenAI on oma partnerite Oracle'i ja Nvidiaga sõlminud lepingud enam kui 400 miljardi dollari ulatuses ning plaanib Texases andmekeskuse projekti, mille võimsus on 1,2 gigavatti, mis võrdub umbes 750 000 kodu elektrivarustusega. Samal ajal teatab ettevõte avalikult kättesaadavate aruannete kohaselt umbes 5 miljardi dollari suurusest aastasest tegevuskahjust umbes 12 miljardi dollari suuruse tulu juures. Investeeringusummad on seega varasemate tuludega võrreldes suhtes, mida traditsiooniliste ärinäitajatega vaevalt õigustada saab. Seetõttu kirjeldavad kriitikud seda tabavalt kui triljoni dollari suurust insenerieksperimenti, kus efektiivsuse, skaleeritavuse ja robustse arhitektuuri olulisi ülesandeid käsitletakse tagasiulatuvalt ja ajalise surve all, selle asemel, et neid algusest peale mõistlikult lahendada. Kas see hilisem täiustus saab tehniliselt olla täielikult edukas, on praegu lahtine küsimus ja ekspertide ringkondades suhtutakse sellesse üha skeptilisemalt.

Kuidas Hiina võimu küsimust ümber defineerib

Teine tegur on viimastel kuudel arutelu veelgi õhutanud: suhteliselt tõhusate Hiina mudelite esiletõus. Hiina pakkujad, nagu DeepSeek, on näidanud, et suure jõudlusega keelemudeleid saab rakendada oluliselt väiksema arvutuskoormuse ja madalamate koolituskuludega kui USA suuremate pakkujate lähenemisviisid. Hinnavõrdlus illustreerib erinevuse ulatust: kui päring tipptasemel lääne mudelile nagu Claude maksab umbes 4811 arvutusühikut, siis võrreldav Hiina mudel nõuab vaid umbes 1071 ühikut. See efektiivsuslõhe ei ole investorite jaoks akadeemiline allmärkus, vaid eksistentsiaalse tähtsusega küsimus, kuna see mõjutab otseselt Ameerika mudelipakkujate kavandatud börsileminekuid. Aruanded näitavad, et odavamate, kuid võimsate Hiina alternatiivide olemasolu seab üha enam kahtluse alla OpenAI ja Anthropicu börsileminekute hinnangud, mis on kumbki üle 800 miljardi dollari. Kui konkurent suudab pakkuda võrreldavat toodet murdosa hinnaga, muutub selliste kõrgete kordajate õigustamine oluliselt raskemaks.

Puudujääk, mille eest maksavad kinni kõik teised tööstusharud

Generatiivse tehisintellekti ressursivajadused ulatuvad kaugemale salvestusvajadustest. Hiljutised pooljuhtide tööstuse analüüsid kirjeldavad olukorda, kus samaaegselt esineb mitu füüsilist kitsaskohta: vask juhtmete ja jahutuse jaoks, heelium kiipide jahutamiseks ja lekke testimiseks ning broom vooluringide söövitamiseks on kõik muutunud nappima ning andmekeskused konkureerivad nüüd aktiivselt traditsiooniliste tööstusharudega nende toorainete pärast. Vase hind saavutas haripunkti selle aasta jaanuaris umbes kuue dollari juures naela kohta, samas kui alumiinium saavutas nelja aasta kõrgeima taseme. Sellele lisandub geopoliitiline komponent: Kataris asuva peamise maagaasi ekspordikeskuse katkestused märtsis jätsid maailmaturu ajutiselt ilma umbes 20 protsendist ülemaailmsest veeldatud maagaasi pakkumisest, mis tõstis Taiwani ja Lõuna-Korea energiamahukate kiibitehaste elektrienergia hindu. See sõltuvuste ahel näitab, kuidas algselt puhtalt digitaalne toode on sügavalt läbi põimunud füüsiliste tarneahelate, energiaturgude ja geopoliitiliste raskusjoontega, tekitades häireid, mis ulatuvad tehnoloogiasektorist endast kaugemale.

Kui isegi kiibid pole enam pudelikaelaks

Veelgi üllatavam on 2026. aastal ilmnenud areng: elektrienergia, mitte pooljuhtide kättesaadavus on muutunud tehisintellekti infrastruktuuri edasise laiendamise tõeliseks piiravaks teguriks. Paljudel tehnoloogiaettevõtetel on juba varud täiustatud tehisintellekti kiipe, mida nad lihtsalt ei saa kasutusele võtta piisava võrguühenduse puudumise tõttu. Uute andmekeskuste võrguühenduste ooteajad Ameerika Ühendriikides on nüüdseks kolm kuni seitse aastat, samas kui võrguühenduste järjekorrad ületavad 2100 gigavatti, ületades riigi kogu olemasoleva võrguvõimsuse. Üks tehisintellekti koolitusklastri rajatis, nagu need, mida praegu haldavad Microsoft, Google või Amazon, suudavad pidevalt tarbida 50–150 megavatti, mis on umbes samaväärne 40 000–120 000 keskmise Ameerika leibkonna elektrienergiavajadusega. Goldman Sachsi analüütikud ennustavad, et andmekeskuste elektrienergiavajadus Ameerika Ühendriikides suureneb 2030. aastaks ligikaudu 160 protsenti, samas kui Põhja-Ameerika elektrivõrgu töökindluse komisjon hoiatab juba elektrikatkestuste suurenenud ohu eest riigi suurtes osades. See areng tähendab sisuliselt seda, et miljardid dollarid kiipide investeeringutest lähevad sisuliselt raisku, kuni vastav energiainfrastruktuur sammu peab – olukord, mis mõjutab veelgi kogu tööstusharu investeeringute tasuvust.

🤖🚀 Hallatud tehisintellekti platvorm: kiiremad, turvalisemad ja nutikamad tehisintellekti lahendused UNFRAME.AI abil

Hallatud tehisintellekti platvorm - pilt: Xpert.Digital

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie kõikehõlmav ja muretu tehisintellekti lahendus. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsessidega tegelemise asemel saate spetsialiseerunud partnerilt teie vajadustele vastava valmislahenduse – sageli vaid mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest kasutusvalmis rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest lisaväärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie hoolitseme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hoolduse eest.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet leiate siit:

Hallatud tehisintellekti platvorm

Tehisintellekti eufooria lõpp: miks on nutika süsteemi arhitektuur olulisem kui suuremad mudelid

Pettumus ettevõtete endi sees

Samal ajal kui pakkumise poolel voolavad miljardid üha suurematesse mudelitesse, on pilt nõudluse poolel oluliselt kainestavam, ettevõtete seas, kes tegelikult soovivad generatiivset tehisintellekti produktiivselt kasutada. Massachusettsi Tehnoloogiainstituudi laialdaselt tsiteeritud uuring näitas, et 95 protsenti ettevõtte sisemistest generatiivse tehisintellektiga pilootprojektidest ei suutnud luua mõõdetavat rahalist lisaväärtust, hoolimata umbes 40 miljardi dollari suurusest koguinvesteeringust sellistesse projektidesse. Juhtimiskonsultatsioonifirma Bain jõudis enam kui 900 ettevõtte ulatuslikus uuringus sarnasele järeldusele: kuigi 37 protsenti ettevõtetest seadis eesmärgiks 11–20 protsendi suuruse kulude kokkuhoiu, saavutas ligi 40 protsenti nendest ettevõtetest, kes oma tulemusi tegelikult mõõtsid, kokkuhoidu vaid 0–10 protsenti. Tehnoloogia toimis tehniliselt, kuid lubatud majanduslikku kasu ei realiseerunud. Huvitaval kombel suurendas sama uuringu kohaselt 90 protsenti ettevõtetest vaatamata edu puudumisele oma eelarveid järgmise investeeringute laine jaoks, seekord autonoomsetesse tehisintellekti agentidesse – samm, mida vaatlejad peavad samade struktuurivigade potentsiaalselt ohtlikuks kordamiseks.

Miks operatiivne rakendamine tegelikult ebaõnnestub

Ebaõnnestunud projektide algpõhjuste analüüsimine annab olulist teavet tehisintellekti praktiliseks ümberkujundamiseks. Gartneri andmetel loobutakse vähemalt 30 protsendist kõigist genereeriva tehisintellekti projektidest pärast kontseptsioonifaasi, kusjuures peamisteks põhjusteks on halb andmete kvaliteet, ebapiisav riskikontroll, spiraalselt kasvavad kulud või ebaselged ärilised eelised. Bain peab suurimaks takistuseks juurdepääsu puudumist omandiõigusega kaitstud andmetele, isegi suuremaks takistuseks kui eelarveprobleemid, vastavusprobleemid või oskustööjõu puudus. Teine oluline probleem on see, et ettevõtted automatiseerivad sageli olemasolevaid ebaefektiivseid töövooge ilma neid põhjalikult ümber kujundamata. Vigase protsessi kiirendamine tehisintellekti abil ainult süvendab algset viga, muutes selle juurdunumaks ja kulukamaks, selle asemel, et seda parandada. Lisaks on juurutatud süsteemide autonoomia osas moonutatud ootus: tegelikkuses töötab ainult umbes seitse protsenti praegu juurutatud tehisintellekti agentidest täiesti autonoomselt, samas kui valdav enamus vajab endiselt inimese heakskiitu või tugineb eranditele. Kui aga algne äriplaan arvutati täieliku automatiseerimise eeldusel, on arvutatud ja tegelikult saavutatud kokkuhoiu vahel märkimisväärne erinevus.

Kasutusühiku maksumuse loogika vastupakkumisena

Mitte kõik eksperdid ei jaga üldist väidet, et generatiivne tehisintellekt skaleerub halvasti. Majandusteadlane Christos Makridis väidab, et otsustavaks teguriks ei ole mitte ainult mudeli jõudlus, vaid tõeliselt kasuliku väljundi maksumus. Selle vaate kohaselt ei seisne tegelik raiskamine mitte tehnoloogias endas, vaid selles, et paljud ettevõtted juurutavad refleksiivselt lihtsate ülesannete jaoks suurimat saadaolevat tipptasemel mudelit, kus väiksemad, spetsialiseeritud mudelid, reeglipõhised süsteemid või traditsiooniline tarkvara oleksid täiesti piisavad. Ettevõtted peaksid haldama tokeneid – keelemudelite töötlemisüksusi – sama distsiplinaarse lähenemisviisiga nagu pilvekulusid, töötajate töötunde või varusid: millised ülesanded õigustavad tipptasemel mudelit, milliseid saab hallata väiksem mudel, kus on mõttekas vastuseid puhverdada ja kus peab inimene otsustusprotsessis osalema? See vaatenurk nihutab vastutuse tehnoloogialt endalt juhtimisele, mis lõppkokkuvõttes määrab tehisintellekti rakendamise edu või ebaõnnestumise, selle asemel, et loota ainult arvutusvõimsusele.

Tõe ja liialduse vahel

Väidetava insenerikatastroofi ümber käiv debatt väärib nüansirikkamat vaatenurka. On vaieldamatult tõsi, et generatiivsete tehisintellekti süsteemide ressursitarbimine praegusel kujul on erakordselt suur ja tekitab reaalseid majanduslikke kulusid kolmandatele isikutele, kes pole kaasatud, näiteks kõrgemate salvestushindade või elektrienergia võimsuse pärast konkureerimise kaudu. Siiski oleks liigne lihtsustamine järeldada, et tehnoloogia ise on oma olemuselt väärtusetu või et selle edasiarendamine on tupiktee. Ajalooliselt kaasnesid praktiliselt kõik transformatiivsed taristutehnoloogiad – alates raudteedest ja elektrifitseerimisest kuni fiiberoptiliste võrkude laiendamiseni 1990. aastatel – oma algstaadiumis tohutu üleinvesteerimise, ressursside ebaõige jaotamisega ja mõnikord ka suurejooneliste ebaõnnestumistega, enne kui lõpuks tekkis elujõuline ja tõhus süsteem. Oluline erinevus generatiivse tehisintellekti ja selle vahel seisneb kasutatava kapitali kiiruses ja ulatuses, mis mõne aastaga on saavutanud ulatuse, mis ületab kaugelt varasemaid tehnoloogiatsükleid, samas kui põhilisi füüsilisi kitsaskohti – energia, salvestamine, jahutus – pole veel kaugeltki lahendatud.

Mida see areng tähendab ettevõtte tehisintellekti strateegia jaoks

Ettevõtete jaoks, kes soovivad integreerida generatiivset tehisintellekti oma äriprotsessidesse, on sellel üldisel olukorral selged strateegilised tagajärjed. Need, kes ostavad tehisintellekti tööriistu lihtsalt omamoodi maagilise tootlikkuse suurendajana ja valivad valimatult kõige võimsamad, aga ka kõige kallimad mudelid, riskivad langeda kulude ja keerukuse lõksu, mis lõpuks nende algselt arvutatud äriplaani rööpast välja viib. Edukaid ettevõtteid seevastu iseloomustab väga täpne keskendumine konkreetsetele, selgelt määratletud kasutusjuhtudele, kus lisaväärtus on algusest peale mõõdetavalt määratletud. Sama oluline on teadlik arhitektuuriline otsus: iga ülesanne ei vaja kõige võimsamat saadaolevat mudelit; sageli piisab väiksematest, spetsialiseeritud või lokaalselt hallatavatest süsteemidest, mis on oluliselt odavamad ja energiatõhusamad. Lisaks on oluline tugev juhtimisstruktuur. See struktuur määratleb selgelt, kes ettevõttes vastutab tehisintellekti süsteemiga seotud otsuste eest, kuidas on struktureeritud andmetele juurdepääs ja kuidas edu tegelikult mõõdetakse enne järgmise investeerimisvooru heakskiitmist.

„Generatiivne tehisintellekt ei tohi jääda kontrollimatuks vari-IT-projektiks. Igaüks, kes soovib hüpest tõelist väärtust ammutada, peab mõistma: täpsus on kiirem. Edu saavutavad ainult need, kes keskenduvad süsteemi disainile ja nutikale organisatsioonilisele arhitektuurile.“

Täpsus kiiruse asemel uue juhtpõhimõttena

Kõigist neist tähelepanekutest saab tuletada üldise põhimõtte, mis peaks asendama varasema võidujooksu üha suuremate mudelite ja üha suuremate investeerimissummade nimel: täpsus võidab kiiruse. Enam ei piisa sellest, kui pumbata võimalikult palju kapitali andmekeskustesse, kiipidesse ja koolitusprogrammidesse nii kiiresti kui võimalik, lootes vaid, et efektiivsus ja kasumlikkus järgnevad lõpuks iseenesest. Selle asemel on algusest peale vaja kindlat süsteemi arhitektuuri, läbimõeldud inseneritööd ja intelligentset organisatsioonilist integreerimist olemasolevatesse äriprotsessidesse. Ainult nendes tingimustes saab generatiivne tehisintellekt tõeliselt areneda kallist ja sageli kontrollimatust vari-IT-nähtusest strateegiliseks väärtusloome komponendiks. Järgmised kaks kuni kolm aastat näitavad tõenäoliselt, millised pakkujad ja ettevõtted viivad edukalt lõpule selle ülemineku puhtast kapitalimahukusest tõeliseks inseneridistsipliiniks ja millised ebaõnnestuvad füüsiliste ja majanduslike piirangute tõttu, mis praegust süsteemi endiselt iseloomustavad.

Digitaalse transformatsiooni uus dimensioon hallatud tehisintellekti (AI) abil - platvormi- ja B2B-lahendus | Xpert Consulting

Digitaalse transformatsiooni uus dimensioon hallatud tehisintellekti (AI) abil – platvormi ja B2B lahendus | Xpert Consulting - pilt: Xpert.Digital