Катастрофа штучного інтелекту: коли капітал замінює мислення – чому генеративний штучний інтелект виходить з-під контролю з економічного боку

Справжнє створення стратегічної цінності можливе лише завдяки кришталево чіткому фокусу на варіантах використання, надійній архітектурі та послідовному управлінню

Ажіотаж навколо генеративного штучного інтелекту був величезним, але тепер у світі бізнесу настає розчарування. Мільярди стікають у величезні центри обробки даних з ненаситним апетитом до електроенергії та дорогих мікросхем пам'яті. Водночас більшість компаній не досягають обіцяного фінансового успіху. Чи досягає вже ця технологія, яку проголошують наступним етапом цифрової революції, своїх фізичних та економічних меж? Критики навіть називають її однією з найбільших «інженерних катастроф» в історії: експериментом вартістю трильйон доларів, який кидає виклик класичним принципам масштабування програмного забезпечення. Більш уважний погляд на необроблені цифри показує, чому все більше експертів закликають до радикальної стратегічної переорієнтації – від сліпого гігантизму до більшої точності.

Найгірша технологія всіх часів? Чому експерти раптом ставлять під сумнів диво штучного інтелекту

Не чіпи, а електрика: справжня причина, чому бульбашка штучного інтелекту може луснути

Дискусії щодо економічної цінності генеративного штучного інтелекту загострилися останніми тижнями. У статті журналіста Алекса Райснера у відомому американському журналі The Atlantic було висунуто твердження, яке змусило задуматися навіть найзатятіших технологічних оптимістів: якщо порівнювати з понесеними витратами та досягнутою інженерною ефективністю, генеративний ШІ може бути найгіршою цифровою технологією, коли-небудь розробленою у великих масштабах. Ця оцінка ґрунтується не на ідеологічній технофобії, а на тверезому аналізі споживання ресурсів, масштабованості та макроекономічних побічних ефектів. Райснер повідомляє, що він запитав кількох дослідників ШІ, чи знають вони якесь інше реальне програмне забезпечення, яке масштабується так само погано, як великі мовні моделі. Жоден не зміг назвати порівнянну технологію. Це твердження знаменує собою розрив із поширеною думкою про те, що генеративний ШІ – це лише наступний етап цифрової революції після Інтернету та смартфона.

«Точність перемагає швидкість: лише завдяки кришталево чіткому фокусу на варіантах використання, надійній архітектурі та послідовному управлінню генеративний ШІ може перетворитися з дорогої тіньової ІТ на справжній компонент створення стратегічної цінності. Зараз нам потрібна міцна інженерна дисципліна замість сліпого активізму»

Частка в сімдесят відсотків, яка трансформує цілу галузь

Ключовим доказом, що підтверджує тезу про неефективність, є споживання пам'яті великими мовними моделями. Звіти показують, що технологічні компанії зараз купують до 70 відсотків світових запасів високоякісної комп'ютерної пам'яті для запуску та навчання моделей, таких як ChatGPT та Claude. Ця величезна частка створює структурний дефіцит, який виходить далеко за межі самої індустрії штучного інтелекту. Виробники мікросхем пам'яті, такі як SK Hynix, Micron та Samsung, вже попередньо продали всі свої виробничі потужності на 2026 рік великим хмарним постачальникам, що призвело до рекордної рентабельності від 60 до 70 відсотків на мікросхемах пам'яті з високою пропускною здатністю. Практично для кожної іншої галузі, яка залежить від напівпровідників — від автомобільної та побутової електроніки до промислової автоматизації — це призводить до вищих витрат на закупівлю та збільшення термінів виконання робіт. Таким чином, виробники пам'яті звільнилися від своєї багаторічної ролі низькорентабельних постачальників сировини та тепер диктують ціни, оскільки штучний дефіцит став найприбутковішим продуктом галузі.

Чому класичні правила економіки програмного забезпечення тут не працюють

У класичній цифровій економіці простий принцип діє вже десятиліттями: програмне забезпечення масштабується майже безкоштовно. Після розробки програми обслуговування додаткового мільйона користувачів коштує ледь більше, ніж обслуговування одного. Саме цей принцип масштабування, на якому базувався економічний успіх Google, Facebook та традиційних хмарних сервісів, не застосовується до генеративного штучного інтелекту. Кожен окремий запит до великої мовної моделі тягне за собою вимірювані витрати на обчислення, зберігання та енергію, які зростають лінійно або навіть непропорційно з кількістю користувачів. За оцінками, один запит до системи чату зі штучним інтелектом споживає в багато разів більше енергії, ніж традиційний запит пошукової системи. Цю фізичну реальність не можна позбутися лише за допомогою оптимізації програмного забезпечення. Саме в цьому і полягає суть критики: інвестори перенесли логіку оцінки традиційних програмних платформ на продукт, граничні витрати на використання якого не наближаються до нуля, але залишаються реальними та суттєвими.

Експеримент на трильйон доларів без готового плану

Фінансові масштаби цієї трансформації безпрецедентні. Тільки п'ять найбільших гіперскейлерів — Amazon, Microsoft, Google, Meta та Oracle — оголосили про сукупні інвестиції в інфраструктуру штучного інтелекту на суму понад 660 мільярдів доларів США протягом поточного року. Тільки OpenAI досяг угод зі своїми партнерами Oracle та Nvidia на суму понад 400 мільярдів доларів і планує проект центру обробки даних у Техасі потужністю 1,2 гігавата, що еквівалентно постачанню електроенергії приблизно 750 000 будинків. Водночас, згідно з публічно доступними звітами, компанія повідомляє про щорічні операційні збитки близько 5 мільярдів доларів при доходах приблизно 12 мільярдів доларів. Таким чином, суми інвестицій знаходяться в такому співвідношенні з попередніми доходами, що навряд чи можна виправдати традиційними бізнес-показниками. Тому критики влучно описують це як інженерний експеримент вартістю трильйон доларів, у якому ключові завдання ефективності, масштабованості та надійної архітектури вирішуються ретроактивно та під тиском часу, замість того, щоб бути обґрунтовано вирішеними з самого початку. Чи може це подальше вдосконалення бути технічно повністю успішним, наразі залишається відкритим питанням, яке все частіше сприймається скептично в експертних колах.

Як Китай переосмислює питання влади

Другий фактор ще більше підживив дискусії в останні місяці: зростання порівняно ефективних китайських моделей. Китайські постачальники, такі як DeepSeek, продемонстрували, що високопродуктивні мовні моделі можна реалізувати зі значно меншими обчислювальними зусиллями та меншими витратами на навчання, ніж підходи основних американських постачальників. Порівняння цін ілюструє масштаб різниці: тоді як запит до провідної західної моделі, такої як Claude, коштує еквівалент приблизно 4811 одиниць обчислень, порівнянна китайська модель вимагає лише близько 1071 одиниці. Цей розрив в ефективності не є академічною приміткою для інвесторів, а питанням екзистенційного значення, оскільки він безпосередньо впливає на заплановані IPO американських постачальників моделей. Звіти свідчать про те, що існування дешевших, але потужних китайських альтернатив дедалі більше ставить під сумнів оцінки понад 800 мільярдів доларів кожна, прогнозовані для IPO OpenAI та Anthropic. Якщо конкурент може запропонувати порівнянний продукт за частку вартості, обґрунтувати такі високі коефіцієнти стає значно складніше.

Дефіцит, за який розплачуються також усі інші галузі промисловості

Потреби в ресурсах генеративного штучного інтелекту виходять далеко за рамки вимог щодо зберігання даних. Нещодавні аналізи напівпровідникової промисловості описують ситуацію, коли одночасно виникає кілька фізичних вузьких місць: мідь для проводки та охолодження, гелій для охолодження пластин та перевірки герметичності, а також бром для травлення схем – усі вони стали дефіцитними, а центри обробки даних зараз активно конкурують з традиційними галузями промисловості за цю сировину. Ціна на мідь досягла піку близько шести доларів за фунт у січні цього року, тоді як алюміній досяг чотирирічного максимуму. До цього додається геополітичний компонент: перебої в ключовому експортному вузлі природного газу в Катарі в березні тимчасово позбавили світовий ринок приблизно 20 відсотків світових поставок зрідженого природного газу, що призвело до зростання витрат на електроенергію для енергоємних заводів з виробництва мікросхем на Тайвані та в Південній Кореї. Цей ланцюг залежностей ілюструє, як продукт, який спочатку був виключно цифровим, глибоко переплітався з фізичними ланцюгами поставок, енергетичними ринками та геополітичними лініями розлому, створюючи збої, які виходять далеко за межі самого технологічного сектору.

Коли навіть чіпси більше не є вузьким місцем

Ще більш дивовижним є розвиток подій, що відбувся протягом 2026 року: наявність електроенергії, а не напівпровідників, стала справжнім обмежувальним фактором для подальшого розширення інфраструктури штучного інтелекту. Численні технологічні компанії вже мають запаси передових чипів штучного інтелекту, які вони просто не можуть ввести в експлуатацію через відсутність достатнього підключення до мережі. Час очікування підключення до мережі для нових центрів обробки даних у Сполучених Штатах зараз становить від трьох до семи років, тоді як загальна черга на підключення до мережі перевищує 2100 гігават, що перевищує всю існуючу потужність мережі країни. Один кластер для навчання ШІ, подібний до тих, що зараз експлуатуються Microsoft, Google або Amazon, може безперервно споживати від 50 до 150 мегават, що приблизно еквівалентно потребам в електроенергії від 40 000 до 120 000 середньостатистичних американських домогосподарств. Аналітики Goldman Sachs прогнозують, що попит на електроенергію в центрах обробки даних у Сполучених Штатах зросте приблизно на 160 відсотків до 2030 року, тоді як Північноамериканська комісія з надійності мережі вже попереджає про підвищені ризики відключень електроенергії у значній частині країни. Такий розвиток подій фактично означає, що мільярди доларів інвестицій у чіпи фактично витрачаються даремно, поки відповідна енергетична інфраструктура не встигатиме за цим — ситуація, яка ще більше впливає на прибутковість інвестицій для всієї галузі.

Керована платформа штучного інтелекту - Зображення: Xpert.Digital

Тут ви дізнаєтеся, як ваша компанія може швидко, безпечно та без високих бар'єрів входу впроваджувати індивідуальні рішення на основі штучного інтелекту.

Керована платформа штучного інтелекту — це ваше комплексне та безтурботне рішення для штучного інтелекту. Замість того, щоб мати справу зі складними технологіями, дорогою інфраструктурою та тривалими процесами розробки, ви отримуєте готове рішення, адаптоване до ваших потреб, від спеціалізованого партнера — часто всього за кілька днів.

Основні переваги з першого погляду:

⚡ Швидке впровадження: від ідеї до готового до використання застосунку за лічені дні, а не місяці. Ми пропонуємо практичні рішення, які створюють негайну додану цінність.

🔒 Максимальна безпека даних: Ваші конфіденційні дані залишаються з вами. Ми гарантуємо безпечну та відповідність вимогам обробку без передачі даних третім особам.

💸 Без фінансових ризиків: Ви платите лише за результат. Повністю виключаються значні початкові інвестиції в обладнання, програмне забезпечення чи персонал.

🎯 Зосередьтеся на своєму основному бізнесі: Зосередьтеся на тому, що ви робите найкраще. Ми подбаємо про повне технічне впровадження, експлуатацію та обслуговування вашого рішення на базі штучного інтелекту.

📈 Орієнтований на майбутнє та масштабований: Ваш ШІ зростає разом з вами. Ми забезпечуємо постійну оптимізацію та масштабованість, а також гнучко адаптуємо моделі до нових вимог.

Більше інформації тут:

• Керована платформа штучного інтелекту

Розчарування в самих компаніях

Хоча мільярди вкладаються у дедалі масштабніші моделі з боку пропозиції, картина значно більш відрезвляюча з боку попиту, серед компаній, які дійсно хочуть продуктивно використовувати генеративний ШІ. Широко цитоване дослідження Массачусетського технологічного інституту показало, що 95 відсотків внутрішніх корпоративних пілотних проектів з генеративним ШІ не змогли створити жодної вимірюваної фінансової доданої вартості, незважаючи на загальні інвестиції близько 40 мільярдів доларів у такі проекти. Консалтингова компанія з управління Bain у широкому опитуванні понад 900 компаній дійшла аналогічного висновку: хоча 37 відсотків компаній прагнули економії коштів від 11 до 20 відсотків, майже 40 відсотків тих компаній, які фактично виміряли свої результати, досягли економії лише в діапазоні від нуля до 10 відсотків. Технологія технічно працювала, але обіцяні економічні вигоди не матеріалізувалися. Цікаво, що, згідно з тим самим дослідженням, незважаючи на відсутність успіху, 90 відсотків компаній збільшили свої бюджети для наступної хвилі інвестицій, цього разу в автономних агентів ШІ – крок, який спостерігачі вважають потенційно небезпечним повторенням тих самих структурних помилок.

Чому операційна реалізація насправді не дає результатів

Аналіз першопричин невдалих проектів дає вирішальне розуміння для практичної трансформації ШІ. За даними Gartner, щонайменше 30 відсотків усіх генеративних проектів ШІ залишаються без уваги після концептуальної фази, причому основними причинами є низька якість даних, неадекватний контроль ризиків, стрімке зростання витрат або нечіткі бізнес-вигоди. Bain визначає відсутність доступу до власних даних як найбільшу перешкоду, навіть більшу, ніж бюджетні проблеми, проблеми з дотриманням вимог або нестача кваліфікованого персоналу. Ще однією ключовою проблемою є те, що компанії часто автоматизують існуючі, неефективні робочі процеси, не переробляючи їх фундаментально. Просте прискорення недосконалого процесу за допомогою ШІ лише посилює початкову помилку, роблячи її більш вкоріненою та дорогою, замість того, щоб виправляти її. Крім того, існують спотворені очікування щодо автономності розгорнутих систем: насправді лише близько семи відсотків розгорнутих наразі агентів ШІ працюють повністю автономно, тоді як переважна більшість все ще потребує схвалення людини або покладається на винятки. Однак, якщо початковий бізнес-кейс був розрахований виходячи з припущення повної автоматизації, існує значний розрив між розрахованою та фактично досягнутою економією.

Логіка вартості на одиницю використання як контрпропозиція

Не всі експерти поділяють загальне твердження, що генеративний ШІ погано масштабується. Економіст Христос Макрідіс стверджує, що вирішальним фактором є не чиста продуктивність моделі, а вартість кожного дійсно корисного результату. Згідно з цією точкою зору, справжні втрати полягають не в самій технології, а в тому, що багато компаній рефлекторно розгортають найбільшу доступну модель верхнього рівня для простих завдань, де цілком достатньо було б менших, спеціалізованих моделей, систем на основі правил або традиційного програмного забезпечення. Компанії повинні керувати токенами – одиницями обробки мовних моделей – з таким самим дисциплінарним підходом, як і витратами на хмарні технології, робочим часом персоналу або запасами: які завдання виправдовують модель верхнього рівня, які може виконувати менша модель, де варто буферизувати реакції, а де людина повинна залишатися залученою до процесу прийняття рішень? Ця перспектива перекладає відповідальність із самої технології на управління, яке зрештою визначає успіх чи невдачу впровадження ШІ, а не покладається виключно на обчислювальну потужність.

Між правдою та перебільшенням

Дебати навколо нібито інженерної катастрофи заслуговують на більш нюансовану перспективу. Безперечно, що споживання ресурсів генеративними системами ШІ в їхньому нинішньому вигляді є надзвичайно високим і створює реальні економічні витрати для незалучених третіх сторін, наприклад, через вищі ціни на зберігання енергії або конкуренцію за потужності електроенергії. Однак було б надмірним спрощенням зробити висновок, що сама технологія за своєю суттю нічого не варта або що її подальший розвиток є глухим кутом. Історично практично всі трансформаційні інфраструктурні технології – від залізниць та електрифікації до розширення волоконно-оптичних мереж у 1990-х роках – на ранніх стадіях супроводжувалися масовими переінвестуваннями, неправильним розподілом ресурсів, а іноді й вражаючими збоями, перш ніж зрештою з'явилася життєздатна, ефективна система. Ключова відмінність генеративного ШІ полягає в швидкості та масштабах залученого капіталу, який протягом кількох років досяг масштабів, що значно перевищують попередні технологічні цикли, тоді як фундаментальні фізичні вузькі місця – енергія, зберігання енергії, охолодження – ще навіть віддалено не вирішені.

Що цей розвиток означає для корпоративної стратегії у сфері штучного інтелекту

Для компаній, які прагнуть інтегрувати генеративний ШІ у свої бізнес-процеси, ця загальна ситуація має чіткі стратегічні наслідки. Ті, хто просто купує інструменти ШІ як своєрідний чарівний стимулятор продуктивності та без розбору обирає найпотужніші, але й найдорожчі моделі, ризикують потрапити в пастку вартості та складності, яка зрештою зводить нанівець їхнє спочатку розраховане бізнес-кейс. Успішні компанії, з іншого боку, характеризуються дуже точною зосередженістю на конкретних, чітко визначених випадках використання, де додана цінність вимірювано визначена з самого початку. Не менш важливим є усвідомлене архітектурне рішення: не кожне завдання вимагає найпотужнішої доступної моделі; часто достатньо менших, спеціалізованих або локально керованих систем, які значно дешевші та енергоефективніші. Крім того, важлива надійна структура управління. Ця структура чітко визначає, хто в компанії відповідає за рішення щодо систем ШІ, як структуровано доступ до даних і як фактично вимірюється успіх до затвердження наступного раунду інвестицій.

«Генеративний ШІ не повинен залишатися неконтрольованим тіньовим ІТ-проектом. Кожен, хто хоче отримати реальну цінність з ажіотажу, повинен розуміти: точність перемагає швидкість. Успіх прийде лише до тих, хто зосереджується на системному дизайні та розумній організаційній архітектурі»

Точність замість швидкості як новий провідний принцип

З усіх цих спостережень можна вивести загальний принцип, який має замінити попередню гонку за дедалі більшими моделями та дедалі вищими інвестиційними сумами: точність перемагає швидкість. Вже недостатньо якомога швидше вкладати якомога більше капіталу в центри обробки даних, чіпи та навчальні цикли, просто сподіваючись, що ефективність та прибутковість зрештою з'являться самі собою. Натомість, з самого початку потрібна надійна системна архітектура, добре продумана інженерія та інтелектуальна організаційна інтеграція в існуючі бізнес-процеси. Тільки за цих умов генеративний ШІ може справді перетворитися з дорогого, часто неконтрольованого тіньового ІТ-явища на стратегічний компонент створення цінності. Наступні два-три роки, ймовірно, покажуть, які постачальники та компанії успішно завершать цю трансформацію від чистої капіталомісткості до справжньої інженерної дисципліни, а які натомість зазнають невдачі через фізичні та економічні обмеження, які все ще характеризують сучасну систему.

Новий вимір цифрової трансформації з «керованим ШІ» (штучним інтелектом) – платформа та рішення B2B | Xpert Consulting - Зображення: Xpert.Digital

Тут ви дізнаєтеся, як ваша компанія може швидко, безпечно та без високих бар'єрів входу впроваджувати індивідуальні рішення на основі штучного інтелекту.

Керована платформа штучного інтелекту — це ваше комплексне та безтурботне рішення для штучного інтелекту. Замість того, щоб мати справу зі складними технологіями, дорогою інфраструктурою та тривалими процесами розробки, ви отримуєте готове рішення, адаптоване до ваших потреб, від спеціалізованого партнера — часто всього за кілька днів.

Основні переваги з першого погляду:

⚡ Швидке впровадження: від ідеї до готового до використання застосунку за лічені дні, а не місяці. Ми пропонуємо практичні рішення, які створюють негайну додану цінність.

🔒 Максимальна безпека даних: Ваші конфіденційні дані залишаються з вами. Ми гарантуємо безпечну та відповідність вимогам обробку без передачі даних третім особам.

💸 Без фінансових ризиків: Ви платите лише за результат. Повністю виключаються значні початкові інвестиції в обладнання, програмне забезпечення чи персонал.

🎯 Зосередьтеся на своєму основному бізнесі: Зосередьтеся на тому, що ви робите найкраще. Ми подбаємо про повне технічне впровадження, експлуатацію та обслуговування вашого рішення на базі штучного інтелекту.

📈 Орієнтований на майбутнє та масштабований: Ваш ШІ зростає разом з вами. Ми забезпечуємо постійну оптимізацію та масштабованість, а також гнучко адаптуємо моделі до нових вимог.

Більше інформації тут:

• Кероване рішення на основі штучного інтелекту – промислові послуги зі штучним інтелектом: ключ до конкурентоспроможності в секторах послуг, промисловості та машинобудування

☑️ Наша ділова мова – англійська або німецька

☑️ НОВИНКА: Листування вашою рідною мовою!

Konrad Wolfenstein

Я та моя команда раді бути вашим особистим консультантом.

Ви можете зв'язатися зі мною, заповнивши контактну форму тут [email protected]:, або просто зателефонувавши мені за номером +49 7348 4088 965. Моя адреса електронної пошти

Я з нетерпінням чекаю нашого спільного проєкту.

☑️ Підтримка МСП у стратегії, консалтингу, плануванні та впровадженні

☑️ Створення або переорієнтація цифрової стратегії та діджиталізації

☑️ Розширення та оптимізація процесів міжнародних продажів

☑️ Глобальні та цифрові торгові платформи B2B

☑️ Розвиток бізнесу Pioneer / Маркетинг / PR / Виставки