Катастрофа инжењеринга вештачке интелигенције: Када капитал замени размишљање – Зашто генеративна вештачка интелигенција економски излази ван контроле

Право стварање стратешке вредности могуће је само кроз кристално јасан фокус на случај употребе, робусну архитектуру и доследно управљање

Хајп око генеративне вештачке интелигенције био је огроман – али сада разочарање шири пословни свет. Милијарде се сливају у огромне центре података са незаситом жељом за електричном енергијом и скупим меморијским чиповима. Истовремено, већина компанија не успева да оствари обећани финансијски успех. Да ли технологија, која се сматра следећом фазом дигиталне револуције, већ достиже своје физичке и економске границе? Критичари је чак називају једном од највећих „инжењерских катастрофа“ у историји: експериментом од трилиона долара који пркоси класичним принципима скалирања софтвера. Пажљивији поглед на сирове бројке открива зашто све већи број стручњака позива на радикално стратешко преусмеравање – даље од слепог гигантизма и ка већој прецизности.

Најгора технологија свих времена? Зашто стручњаци одједном доводе у питање чудо вештачке интелигенције

Не чипови, већ струја: Прави разлог зашто би балон вештачке интелигенције могао да пукне

Дебата о економској вредности генеративне вештачке интелигенције интензивирала се последњих недеља. Чланак новинара Алекса Рајснера у познатом америчком часопису „The Atlantic“ изнео је тврдњу која је навела на размишљање чак и најокорелије технолошке оптимисте: Мерено у односу на настале трошкове и постигнуту инжењерску ефикасност, генеративна вештачка интелигенција могла би бити најгора дигитална технологија икада развијена у великим размерама. Ова процена није заснована на идеолошкој технофобији, већ на трезвеној анализи потрошње ресурса, скалабилности и макроекономских нуспојава. Рајснер извештава да је питао неколико истраживача вештачке интелигенције да ли знају за неки други софтвер из стварног света који се скалира једнако лоше као модели великих језика. Нико није могао да наведе упоредиву технологију. Ова изјава означава прекид са преовлађујућим наративом да је генеративна вештачка интелигенција само следећа фаза дигиталне револуције након интернета и паметних телефона.

„Прецизност побеђује брзину: Само кроз кристално јасан фокус на случај употребе, робусну архитектуру и доследно управљање, генеративна вештачка интелигенција може сазрети од скупе информационе технологије у сенци у праву компоненту за стварање стратешке вредности. Оно што нам је сада потребно је чврста инжењерска дисциплина уместо слепог активизма.“

Удео од седамдесет процената који трансформише целу индустрију

Кључни доказ који подржава тезу о неефикасности лежи у потрошњи меморије великих језичких модела. Извештаји показују да технолошке компаније сада купују до 70 процената глобалне залихе висококвалитетне рачунарске меморије за покретање и обучавање модела попут ChatGPT и Claude. Овај огромни удео ствара структурни недостатак који се протеже далеко изван саме индустрије вештачке интелигенције. Произвођачи меморијских чипова попут SK Hynix, Micron и Samsung већ су унапред продали цео свој производни капацитет за 2026. годину великим добављачима услуга у облаку, што је резултирало рекордним маржама од 60 до 70 процената на меморијским чиповима великог пропусног опсега. За практично сваку другу индустрију која се ослања на полупроводнике – од аутомобилске и потрошачке електронике до индустријске аутоматизације – ово се претвара у веће трошкове набавке и дуже време испоруке. Произвођачи меморије су се тако ослободили своје деценијске улоге добављача сировина са ниском маржом и сада диктирају цене јер је вештачка оскудица постала најпрофитабилнији производ у индустрији.

Зашто класична правила софтверске економије овде не успевају

У класичној дигиталној економији, једноставан принцип важи већ деценијама: софтвер се скалира готово бесплатно. Када се програм развије, опслуживање додатних милион корисника кошта једва више од опслуживања једног. Управо овај принцип скалирања, на којем је заснован економски успех Гугла, Фејсбука и традиционалних услуга у облаку, не примењује се на генеративну вештачку интелигенцију. Сваки појединачни упит великом језичком моделу ствара мерљиве трошкове рачунарства, складиштења и енергије који расту линеарно или чак несразмерно са бројем корисника. Процењује се да један упит систему за ћаскање са вештачком интелигенцијом троши много пута више енергије од традиционалног упита претраживача. Ова физичка реалност се не може отклонити само оптимизацијом софтвера. Управо је то суштина критике: инвеститори су пренели логику вредновања традиционалних софтверских платформи на производ чији се гранични трошкови по употреби не приближавају нули, већ остају стварни и значајни.

Експеримент од трилиона долара без завршеног плана

Финансијски обим ове трансформације је без преседана. Само пет највећих хиперскалера – Амазон, Мајкрософт, Гугл, Мета и Оракл – објавили су комбинована улагања од преко 660 милијарди америчких долара у вештачку интелигенцију за текућу годину. Само ОпенАИ је постигао споразуме са својим партнерима Ораклом и Нвидијом за више од 400 милијарди долара и планира пројекат дата центра у Тексасу капацитета 1,2 гигавата, што је еквивалентно снабдевању електричном енергијом приближно 750.000 домаћинстава. Истовремено, према јавно доступним извештајима, компанија пријављује годишње оперативне губитке од око 5 милијарди долара уз приходе од приближно 12 милијарди долара. Износи инвестиција су стога у односу на претходне приходе који се тешко могу оправдати традиционалним пословним метрикама. Критичари стога то прикладно описују као инжењерски експеримент од трилион долара у којем се кључни задаци ефикасности, скалабилности и робусне архитектуре решавају ретроактивно и под временским притиском, уместо да се од самог почетка чврсто реше. Да ли ово накнадно побољшање може технички бити у потпуности успешно тренутно је отворено питање и све се више скептично посматра у стручним круговима.

Како Кина редефинише питање моћи

Други фактор је додатно подстакао дебату последњих месеци: успон упоредно ефикасних кинеских модела. Кинески добављачи попут DeepSeek-а су показали да се високо-перформансни језички модели могу имплементирати са знатно мање рачунарског напора и нижим трошковима обуке него приступи главних америчких добављача. Поређење цена илуструје обим разлике: док упит ка врхунском западном моделу попут Claude-а кошта еквивалент приближно 4.811 рачунарских јединица, упоредиви кинески модел захтева само око 1.071 јединицу. Ова разлика у ефикасности није академска фуснота за инвеститоре, већ питање од егзистенцијалног значаја јер директно утиче на планиране иницијалне јавне понуде (IPO) америчких добављача модела. Извештаји указују да постојање јефтинијих, али моћних кинеских алтернатива све више доводи у питање процене вредности од преко 800 милијарди долара, које су пројектоване за IPO компанија OpenAI и Anthropic. Ако конкурент може да понуди упоредив производ за делић цене, оправдавање тако високих мултипликатора постаје знатно теже.

Несташица, коју плаћају и све остале индустрије

Потребе за ресурсима генеративне вештачке интелигенције далеко превазилазе захтеве за складиштење. Недавне анализе полупроводничке индустрије описују ситуацију у којој се истовремено јавља неколико физичких уских грла: бакар за ожичење и хлађење, хелијум за хлађење плочица и испитивање цурења и бром за нагризање кола су постали оскудни, а центри података сада активно конкуришу традиционалним индустријама за ове сировине. Цена бакра достигла је врхунац од око шест долара по фунти у јануару ове године, док је алуминијум достигао четворогодишњи максимум. Овоме се додаје и геополитичка компонента: поремећаји на кључном извозном чворишту природног гаса у Катару у марту привремено су лишили светско тржиште приближно 20 процената глобалне залихе течног природног гаса, повећавајући трошкове електричне енергије за енергетски интензивне фабрике чипова у Тајвану и Јужној Кореји. Овај ланац зависности илуструје како је производ који је првобитно био искључиво дигиталан постао дубоко испреплетен са физичким ланцима снабдевања, енергетским тржиштима и геополитичким линијама раседа, стварајући поремећаје који се протежу далеко изван самог технолошког сектора.

Када чак ни чипови више нису уско грло

Још изненађујућији је развој догађаја који се појавио током 2026. године: доступност електричне енергије, а не полупроводника, постала је прави ограничавајући фактор за даље ширење инфраструктуре вештачке интелигенције. Бројне технолошке компаније већ имају залихе напредних чипова вештачке интелигенције које једноставно не могу да ставе у рад због недостатка довољне повезаности на мрежу. Времена чекања за прикључивање на мрежу за нове центре података у Сједињеним Државама сада се крећу од три до седам година, док укупни редови чекања за прикључивање на мрежу прелазе 2.100 гигавата, што превазилази цео постојећи капацитет мреже у земљи. Један кластер објекат за обуку вештачке интелигенције, попут оних којима тренутно управљају Мајкрософт, Гугл или Амазон, може континуирано трошити између 50 и 150 мегавата, што је отприлике еквивалентно потребама за електричном енергијом 40.000 до 120.000 просечних америчких домаћинстава. Аналитичари Голдман Сакса предвиђају да ће потражња за електричном енергијом у центрима података у Сједињеним Државама порасти за приближно 160 процената до 2030. године, док Северноамеричка комисија за поузданост мреже већ упозорава на повећане ризике од нестанка струје у великим деловима земље. Овај развој догађаја ефективно значи да се милијарде долара улагања у чипове у суштини бацају у заборав док одговарајућа енергетска инфраструктура не прати корак – ситуација која додатно утиче на повраћај инвестиција за целу индустрију.

Управљана AI платформа - Слика: Xpert.Digital

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Управљана AI платформа

Разочарање унутар самих компанија

Док се милијарде уливају у све веће моделе на страни понуде, слика је знатно отрежњујућа на страни потражње, међу компанијама које заправо желе да продуктивно користе генеративну вештачку интелигенцију. Широко цитирана студија Масачусетског технолошког института открила је да 95% интерних пилот пројеката компанија са генеративном вештачком интелигенцијом није успело да генерише никакву мерљиву финансијску додату вредност, упркос укупним инвестицијама од око 40 милијарди долара у такве пројекте. Консултантска кућа за менаџмент Bain, у широком истраживању преко 900 компанија, дошла је до сличног закључка: Док је 37% компанија циљало на уштеде трошкова од 11 до 20%, скоро 40% оних компанија које су заправо мериле своје резултате остварило је уштеде само у распону од нула до 10%. Технологија је технички функционисала, али обећане економске користи се нису материјализовале. Занимљиво је да је, према истој студији, упркос недостатку успеха, 90% компанија повећало своје буџете за следећи талас инвестиција, овог пута у аутономне агенте вештачке интелигенције – потез који посматрачи сматрају потенцијално опасним понављањем истих структурних грешака.

Зашто оперативна имплементација заправо не успева

Анализирање основних узрока неуспелих пројеката пружа кључне увиде за практичну трансформацију вештачке интелигенције. Према Гартнеру, најмање 30 процената свих генеративних пројеката вештачке интелигенције се напушта након концептуалне фазе, а лош квалитет података, неадекватне контроле ризика, растући трошкови или нејасне пословне користи су главни разлози. Бејн идентификује недостатак приступа власничким подацима као далеко највећу препреку, чак и више од буџетских проблема, проблема са усклађеношћу или недостатка квалификованог особља. Још један кључни проблем је то што компаније често аутоматизују постојеће, неефикасне токове рада без њиховог фундаменталног редизајнирања. Једноставно убрзавање неисправног процеса помоћу вештачке интелигенције само погоршава оригиналну грешку, чинећи је дубљом и скупљом, уместо да је исправи. Штавише, постоји искривљено очекивање у вези са аутономијом распоређених система: У стварности, само око седам процената тренутно распоређених вештачких агената ради потпуно аутономно, док велика већина и даље захтева људско одобрење или се ослања на изузетке. Међутим, ако је оригинални пословни случај израчунат под претпоставком потпуне аутоматизације, постоји значајан јаз између израчунатих и стварно постигнутих уштеда.

Логика трошкова по јединици употребе као контрапредлог

Не деле сви стручњаци општу тврдњу да се генеративна вештачка интелигенција слабо скалира. Економиста Христос Макридис тврди да кључни фактор нису чисте перформансе модела, већ цена по заиста корисном резултату. Према овом гледишту, право расипање не лежи у самој технологији, већ у чињеници да многе компаније рефлексно примењују највећи доступни модел највишег нивоа за једноставне задатке, где би мањи, специјализовани модели, системи засновани на правилима или традиционални софтвер били сасвим адекватни. Компаније би требало да управљају токенима – јединицама за обраду језичких модела – истим дисциплинским приступом као и потрошњом на облак, радним сатима запослених или залихама: Који задаци оправдавају модел највишег нивоа, које може да обради мањи модел, где се исплати ублажити одговоре и где човек мора да остане укључен у процес доношења одлука? Ова перспектива пребацује одговорност са саме технологије на менаџмент, који у крајњој линији одређује успех или неуспех имплементације вештачке интелигенције, уместо да се искључиво ослања на рачунарску снагу.

Између истине и претеривања

Дебата око наводне инжењерске катастрофе заслужује нијансиранију перспективу. Несумњиво је тачно да је потрошња ресурса генеративних система вештачке интелигенције у њиховом садашњем облику изузетно висока и генерише реалне економске трошкове за неукључене треће стране, на пример кроз више цене складиштења или конкуренцију за капацитет електричне енергије. Међутим, било би превише поједностављено закључити да је сама технологија инхерентно безвредна или да је њен даљи развој ћорсокак. Историјски гледано, практично све трансформативне инфраструктурне технологије – од железница и електрификације до ширења оптичких мрежа 1990-их – биле су у својим раним фазама праћене масивним прекомерним улагањем, погрешном расподелом ресурса, а понекад и спектакуларним кваровима пре него што се коначно појавио одржив, ефикасан систем. Кључна разлика у односу на генеративну вештачку интелигенцију лежи у брзини и обиму уложеног капитала, који је у року од неколико година достигао величину која далеко превазилази претходне технолошке циклусе, док фундаментална физичка уска грла – енергија, складиштење, хлађење – још увек нису ни приближно решена.

Шта овај развој значи за корпоративну стратегију вештачке интелигенције

За компаније које желе да интегришу генеративну вештачку интелигенцију у своје пословне процесе, ова целокупна ситуација има јасне стратешке импликације. Они који једноставно купују алате за вештачку интелигенцију као неку врсту магичног појачивача продуктивности и неселективно се одлучују за најмоћније, али и најскупље моделе ризикују да упадну у замку трошкова и сложености која на крају избацује њихов првобитно прорачунати пословни случај. Успешне компаније, с друге стране, карактерише веома прецизан фокус на конкретне, јасно дефинисане случајеве употребе где је додата вредност мерљиво дефинисана од самог почетка. Подједнако важна је свесна архитектонска одлука: није сваки задатак захтевао најмоћнији доступни модел; често су довољни мањи, специјализовани или локално управљани системи, који су знатно јефтинији и енергетски ефикаснији. Штавише, робусна структура управљања је неопходна. Ова структура јасно дефинише ко је унутар компаније одговоран за одлуке о систему вештачке интелигенције, како је структуриран приступ подацима и како се успех заправо мери пре него што се одобри следећа рунда инвестиција.

„Генеративна вештачка интелигенција не сме остати неконтролисани ИТ пројекат у сенци. Свако ко жели да извуче праву вредност из помпе мора да разуме: прецизност побеђује брзину. Успех ће постићи само они који се фокусирају на дизајн система и паметну организациону архитектуру.“

Прецизност уместо брзине као нови водећи принцип

Из свих ових запажања може се извести свеобухватни принцип који би требало да замени претходну трку за све већим моделима и све већим инвестиционим износима: Прецизност побеђује брзину. Више није довољно убацити што више капитала у центре података, чипове и тренинге што је брже могуће, само се надајући да ће ефикасност и профитабилност на крају уследити саме од себе. Уместо тога, од самог почетка су потребни солидна системска архитектура, добро осмишљен инжењеринг и интелигентна организациона интеграција у постојеће пословне процесе. Само под овим условима генеративна вештачка интелигенција може заиста еволуирати од скупог, често неконтролисаног феномена информационих технологија у стратешку компоненту стварања вредности. Наредне две до три године ће вероватно открити који добављачи и компаније успешно завршавају ову трансформацију од чистог капиталног интензитета до праве инжењерске дисциплине, а који уместо тога не успевају због физичких и економских ограничења која и даље карактеришу тренутни систем.

Нова димензија дигиталне трансформације са „Управљаном вештачком интелигенцијом“ – платформа и B2B решење | Xpert Consulting - Слика: Xpert.Digital

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Решење за управљану вештачку интелигенцију - Индустријске услуге вештачке интелигенције: Кључ конкурентности у секторима услуга, индустрије и машинства

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

Konrad Wolfenstein

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде [email protected]:или ме једноставно позовите на +49 7348 4088 965. Моја имејл адреса је

Радујем се нашем заједничком пројекту.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови