Велике закриття: Чому компанії хочуть позбутися своїх ШІ-агентів – Коли ШІ-агенти коштують більше, ніж вони варті

Коли автономні агенти беруть під контроль, а центри обробки даних спалюють більше капіталу, ніж ринок може заробити

Мільярди вкладено без віддачі: агенти штучного інтелекту повинні довести свою корисність

Штучний інтелект вступає в нову фазу. Перша фаза характеризувалася технологічними проривами, вражаючими демонстраціями та перспективою значно підвищити продуктивність роботи зі знаннями. Друга фаза передбачала величезні бюджети, вкладені в моделі, центри обробки даних, графічні процесори, хмарні платформи та початкові корпоративні додатки. Зараз починається третя фаза: перевірка економічної та організаційної реальності. Це визначить не лише те, які постачальники виживуть, але й те, чи компанії дійсно створять тривалу, вимірювану цінність від ШІ, чи просто накопичать нові ризики, пов'язані з витратами, контролем та відповідальністю.

Дві події особливо підкреслюють цей поворотний момент. На рівні додатків автономні агенти штучного інтелекту поширюються швидше, ніж багато компаній можуть адаптувати своє управління, права доступу, контроль витрат та обов'язки. Одночасно на рівні інфраструктури центри обробки даних та спеціалізовані хмарні потужності з'являються в масштабах, для яких наразі немає достатньо великого та бажаючих кінцевих ринків для економічної роботи. Це являє собою поєднання двох різних переоцінок: компанії переоцінюють організаційну зрілість автономних систем у короткостроковій перспективі, тоді як інвестори та оператори інфраструктури можуть переоцінювати швидкість, з якою попит на штучний інтелект може бути перетворений на прибутковий дохід.

Отже, ключове питання вже не в тому, чи працює ШІ технічно. Йдеться про те, чи він функціонує надійно, контрольовано та прибутково в реальних умовах. Цей зсув змінює логіку ринку. Максимальна автономія, максимальний розмір моделі чи максимальна обчислювальна потужність самі по собі не визначатимуть успіх. Конкурентні переваги виникають там, де технічні можливості поєднуються з надійним проектуванням процесів, чіткою підзвітністю, рішеннями, що піддаються перевірці, реалістичними моделями витрат та диференційованою цінністю для клієнта.

Велике розчарування починається в компаніях

Прогноз про те, що понад 40 відсотків агентних проектів ШІ можуть бути припинені, понижені або фундаментально перероблені до кінця 2027 року, слід розуміти не стільки як судження про довгострокове значення технології, скільки як критику її поточного впровадження. Багато проектів починаються як випробування концепції в контрольованих умовах. У цьому середовищі дані відбираються, завдання обмежені, користувачі доброзичливі, а помилки мають відносно незначні наслідки. Однак перехід до виробничих операцій змінює всі параметри. Потім агенту доводиться мати справу з неповними даними, конфліктуючими правилами, застарілими системами, особливими випадками, зміною дозволів та рішеннями, пов'язаними з відповідальністю.

Саме на цьому порозі значна кількість технологічних пілотних проектів зазнає невдачі. Переконливий демонстратор відповідає на питання, чи є функція принципово можливою. Він не відповідає на питання, чи можна її виконувати мільйони разів з прийнятними загальними витратами, стабільною якістю та керованим ризиком. Ця проблема загострюється у випадку з автономними агентами, оскільки вони можуть не лише генерувати контент, але й самостійно викликати інструменти, змінювати дані, запускати процеси та пов'язувати рішення між собою. Таким чином, помилка не обов'язково обмежується неправильною текстовою відповіддю. Вона може поширюватися як помилкове замовлення, несанкціонований доступ до даних, неправильне рішення клієнта або зміна у виробничій системі.

Таким чином, очікуване скасування проекту є економічно доцільним. Зростання витрат, нечітка бізнес-цінність та неадекватний контроль ризиків не є окремими проблемами; вони підсилюють одна одну. Чим менш надійно працює агент, тим більше зусиль потрібно для моніторингу, аудиту та коригувальних дій. Чим більше потрібно ручного втручання, тим менше фактичне підвищення продуктивності. Чим менше підвищення продуктивності, тим важче виправдати додаткові витрати на моделі, інтеграції, моніторинг, безпеку та відповідність вимогам. Система, спочатку запланована для автоматизації, може таким чином створити новий, значною мірою невидимий рівень ручного контролю.

Автономія стає новим видом витрат

Витрати на використання агентного штучного інтелекту часто розглядаються занадто вузько. Компанії порівнюють ціни моделей або розраховують комісії за вхідні та вихідні токени, але це враховує лише частину економічного навантаження. Агент часто розбиває завдання на кілька кроків, отримує доступ до різних систем, повторює невдалі спроби, перевіряє проміжні результати та підтримує довші контексти. Тому складні робочі процеси можуть вимагати значно більшої обчислювальної потужності, ніж звичайний чат-бот. До цього додаються витрати на оркестрацію, підготовку даних, інтерфейси, ведення журналу, управління ідентифікацією, засоби контролю безпеки, оцінку та роботу різних моделей.

Ще більш значними є непрямі витрати. До них належать час, витрачений спеціалістами на перевірку результатів, виправлення помилок, впровадження додаткових внутрішніх контролів, проведення навчання, проведення юридичних перевірок та адаптацію робочих процесів. Якщо агент виконує завдання лише за кілька центів, але результат вимагає регулярного перегляду кваліфікованою особою, модельна ціна практично втрачає значення як показник. Важлива загальна вартість процесу для кожного правильно виконаного завдання. Сюди також необхідно враховувати повторення, наслідки помилок, винятки та вартість людського нагляду.

Той факт, що лише 21 відсоток опитаних ІТ-директорів мають повну прозорість щодо витрат на своїх агентів ШІ та робочих навантажень ШІ, свідчить про фундаментальну відсутність контролю. Без розподілу витрат за варіантами використання, бізнес-підрозділами та процесами неможливо оцінити економічні вигоди або керувати надійним бюджетом. Ризик полягає в тому, що витрати на ШІ зростатимуть децентралізовано за хмарними обліковими записами, підписками на програмне забезпечення та бюджетами відділів, тоді як центральний ІТ-відділ отримуватиме лише частину загальних витрат. Рахунок тоді з'являється лише із затримкою, коли використання, обсяг даних та кількість агентів вже значно зросли.

Для належної оцінки компанії повинні перейти від розгляду лише технічних витрат до комплексної моделі цінності. Слід вимірювати витрати на одне успішне завершення процесу, коефіцієнт правильно завершених справ без втручання людини, коефіцієнти помилок та повторень, час виконання, зусилля контролю та фактично реалізовану фінансову вигоду. Тільки тоді, коли ці показники залишаються стабільними протягом тривалого періоду, можна оцінити, чи слід масштабувати агента. Автономність не є самоціллю, а радше інвестиційною змінною: вона економічно доцільна лише тоді, коли додаткові переваги переважують підвищені ризики контролю та помилок.

Тіньові ІТ-компанії отримують агентство

Поширення агентів штучного інтелекту змінює класичну проблему тіньових ІТ. Раніше відділи закуповували несанкціоноване програмне забезпечення або зберігали дані в неконтрольованих сервісах. Сьогодні співробітники можуть швидко створювати власних агентів, які отримують доступ до даних компанії та самостійно виконують дії. Опитування 685 директорів з інформаційних технологій підприємств показало, що 84 відсотки повідомляють, що співробітники розробляють агенти штучного інтелекту швидше, ніж ІТ-відділи можуть впроваджувати відповідні правила управління. Таким чином, проблема полягає не лише у зростанні кількості програм, але й у зростанні кількості цифрових учасників.

Ці суб’єкти часто володіють технічними ідентифікаторами, ключами API, обліковими записами послуг або делегованими правами користувачів. Це створює новий клас нелюдських ідентичностей, на які в багатьох організаціях поширюються не ті самі правила, що й на працівників. 59 відсотків опитаних організацій ще не повністю інтегрували агентів штучного інтелекту у свої існуючі політики управління ідентифікаторами та доступом. Водночас 72 відсотки повідомляють про середній або великий розрив між доступом, який агент теоретично може мати, та доступом, який організація може фактично продемонструвати.

З економічної точки зору, цей розрив є особливо небезпечним, оскільки він зміщує очікуваний баланс між ефективністю та ризиком. Агент може діяти цілодобово та з високою швидкістю. Сама характеристика, яка обіцяє продуктивність, збільшує масштаб збитків у разі помилки. Широкі дозволи, довготривалі ключі доступу та недостатнє ведення журналу можуть призвести до систематичного повторення одного неправильного рішення. Граничні витрати на ще одну неправильну дію для агента майже дорівнюють нулю, тоді як непрямі витрати для компанії накопичуються.

Наслідок очевидний: кожен продуктивний агент потребує офіційної ідентичності, задокументованої мети, відповідального власника-людини та обмежених привілеїв. Доступ має надаватися відповідно до принципу найменших привілеїв, бути обмеженим у часі та постійно контролюватися. Особливо важливі дії повинні бути схвалені людиною перед виконанням. Централізовані механізми вимкнення є не менш важливими, щоб агентів не доводилося трудомістко деактивувати окремо в кількох системах у разі несправності. Хоча ці заходи можуть дещо знизити короткострокову швидкість, вони підвищують загальну масштабованість системи, обмежуючи пошкодження, невизначеність та регуляторні суперечності.

Відповідальність без фактичного контролю

Організаційну напруженість виявило глобальне опитування, в якому взяли участь 3200 директорів з інформаційних технологій. Вісімдесят вісім відсотків зазначають, що впровадження штучного інтелекту в операційну діяльність відбувається швидше, ніж адаптація управління. Водночас 90 відсотків вважають, що центральні ІТ-відділи будуть відповідальними за збої в безпеці або дотриманні вимог, навіть якщо інструменти, що їх спричиняють, були придбані незалежно від інших бізнес-підрозділів. Це створює розрив між повноваженнями щодо прийняття рішень та підзвітністю.

Така структура створює хибні стимули. Бізнес-одиниці отримують короткострокову перевагу швидкого експериментування, тоді як значна частина ризику залишається за ІТ, захистом даних, інформаційною безпекою та управлінням. Централізовані ІТ-системи можуть стати вузьким місцем, якщо їм потрібно затверджувати кожну заявку окремо. Однак, якщо вони повністю втрачають контроль, виникає складний ландшафт моделей, агентів, доступу до даних та контрактів. Обидві крайнощі є неефективними. Суто централізований підхід придушує інновації, тоді як повністю децентралізований підхід множить ризики та дублює зусилля.

Тому необхідна федеративна модель управління. Централізовані функції визначають обов'язкові технічні та організаційні інструкції, надають затверджені платформи та контролюють ідентифікаційні дані, витрати та критичні дії. Бізнес-підрозділи можуть розробляти та експлуатувати додатки в рамках цієї системи, але повинні документувати переваги, джерела даних, ризики та відповідальних осіб. Це дозволяє максимально наблизити рішення до щоденних операцій, а спільні стандарти запобігають необхідності кожній команді вирішувати одні й ті ж проблеми безпеки та інтеграції повторно.

Особистий тиск на ІТ-директорів демонструє, наскільки різко штучний інтелект перетворився з теми інновацій на фактор кар'єри та управління. 76 відсотків опитаних ІТ-керівників вважають, що їхня посада опиниться під загрозою, якщо їхня компанія не зможе досягти вимірюваних бізнес-результатів за допомогою ШІ до кінця 2027 року. Цей тиск може пришвидшити розумне визначення пріоритетів, але він також несе ризик шаленого масштабування. Ті, хто перебуває під тиском короткострокового успіху, можуть надавати пріоритет видимим показникам впровадження над суттєвими покращеннями процесів. Парадоксальним наслідком буде те, що сам тиск на швидку демонстрацію окупності інвестицій збільшує ймовірність дороговартісних помилок.

Коли сам контролер стає фактором витрат

Початковий досвід управління та аудиту показує, що ризики не є лише теоретичними. В опитуванні 417 фахівців з управління, ризиків, комплаєнсу та аудиту 34 відсотки повідомили, що їхня організація діяла на основі неточного рішення агента. 30 відсотків спостерігали ненавмисні дії, 25 відсотків – збій контролю, а 24 відсотки – вплив на клієнтів. У 20 відсотках випадків два агенти вступали в конфлікт один з одним. Майже половині співробітників знадобилося більше часу для перегляду та виправлення результатів ШІ, ніж раніше.

Ці дані слід інтерпретувати з обережністю, оскільки опитування відображають сприйняття та досвід учасників, а не автоматично частоту всіх помилок на ринку загалом. Тим не менш, вони виявляють чітку закономірність: компанії делегують повноваження щодо прийняття рішень агентам ще до того, як процеси, дані та системи управління будуть розроблені для цієї форми автономії. Штучний інтелект не робить поганий процес автоматично хорошим. Він може просто зробити його швидшим, більш непрозорим та більш поширеним.

Додаткові зусилля на аудит є особливо актуальними з економічної точки зору. Автоматизація зазвичай виправдовується аргументом зниження витрат на персонал. Однак, якщо кваліфікованим спеціалістам доводиться постійно перевіряти результати, уточнювати винятки та реконструювати рішення агентів, робота просто зміщується. Вона не зникає, а переходить від фактичної обробки до моніторингу та усунення несправностей. Ці види діяльності можуть бути більш вимогливими та дорогими, ніж початковий процес, оскільки вони одночасно вимагають технічної, професійної та регуляторної експертизи.

Це не означає, що людський нагляд за своєю суттю є неекономічним. У зонах високого ризику він незамінний. Найважливішим моментом є узгодження інтенсивності контролю з потенційною шкодою. Агент, який категоризує внутрішні документи, потребує інших погоджень, ніж система, яка ініціює платежі, готує кадрові рішення або змінює облікові записи клієнтів. Тому компанії повинні надавати автономію поетапно. Чим більш незворотна дія, тим чутливіші дані та чим більший потенційний зовнішній вплив, тим суворішими мають бути попередні погодження, ведення журналу та незалежні аудити.

Тестові шляхи стають частиною економічної інфраструктури

Дві третини ІТ-директорів не впевнені, чи можуть вони надати регулятору повний звіт про рішення агента. Це більше, ніж просто питання дотримання вимог. Відсутність можливості відстеження збільшує вартість кожного інциденту, оскільки причини важче визначити, уражені процеси важче ізолювати, а контрзаходи впроваджувати повільніше. Без надійних записів компанія навряд чи зможе довести, що агент діяв у межах своїх повноважень або що відповідальна людина належним чином втрутилася.

Тому аудитність слід розуміти як продуктивну інфраструктуру, а не як вимогу до документації, додану ретроактивно. Особистість агента, використана модель та версія програмного забезпечення, джерела даних, до яких здійснювався доступ, доступні дозволи, проміжні кроки, виклики зовнішніх інструментів, схвалення та кінцевий результат – все це має бути зафіксовано. Не менш важливою є здатність технічно відтворити процес або принаймні правдоподібно реконструювати його. З ймовірнісними моделями точне відтворення не завжди можливе, але відповідні вхідні дані, конфігурації та шляхи прийняття рішень повинні бути збережені.

Проблема зростає в багатоагентних системах. Коли кілька агентів розподіляють завдання, взаємно переглядають результати або послідовно модифікують різні корпоративні системи, виникає ланцюг розподіленої відповідальності. Помилка може виникнути внаслідок взаємодії кількох, здавалося б, правдоподібних часткових рішень. Традиційних систем управління, які досліджують окремі дії користувачів або ізольовані транзакції з програмним забезпеченням, для цього недостатньо. Компаніям потрібен постійний моніторинг усього ланцюжка процесів.

Регуляторні зміни посилюють цей тиск на дії. Європейська правова база для штучного інтелекту, правила захисту даних та галузеві наглядові зобов'язання підвищують вимоги до управління ризиками, документації та людського контролю. Органи захисту даних за межами Європейського Союзу також приділяють пильнішу увагу тому, як автоматизовані системи обробляють персональну інформацію. Економічний висновок полягає в тому, що управління не є додатковим центром витрат, який можна додати після успішного масштабування. Воно є необхідною умовою для забезпечення відповідності та сталості масштабування законодавству.

Ризики, пов'язані зі штучним інтелектом, переходять до першої групи

Згідно з опитуванням 1330 членів правління та керівників, нові ризики, що виникають у зв'язку з впровадженням штучного інтелекту в період з 2027 року, вже посідають друге місце серед короткострокових бізнес-ризиків, одразу після кіберзагроз. Цей рейтинг показує, що штучний інтелект більше не розглядається як ізольована ІТ-ініціатива. Він одночасно впливає на операційну стабільність, регулювання, захист даних, треті сторони, персонал, репутацію та розподіл капіталу.

Ризики, пов'язані зі штучним інтелектом, та кіберризики не слід аналізувати окремо. Агенти збільшують поверхню цифрової атаки, оскільки їм потрібен доступ до даних, програм та інструментів. Зловмисники можуть намагатися маніпулювати вхідними даними, спонукати агентів до виконання несанкціонованих дій або зловживати своїми обліковими даними. Водночас, належним чином автентифікований агент може сам виконувати ризиковані дії, якщо його мета неправильно визначена, його контекст змінено або його дозволи занадто широкі. Таким чином, традиційна ІТ-безпека вирішує лише частину проблеми. Окрім визначення того, чи має актор право доступу до даних, важливо оцінити, чи є запланована дія допустимою та доречною в конкретному контексті.

Це передбачає розширення відповідальності керівництва компанії. Їм не потрібно технічно розуміти кожну модель, але вони повинні забезпечити чітке визначення відповідальності, класифікації ризиків, процедур ескалації та економічних цілей для ключових застосувань штучного інтелекту. Нагляд не може обмежуватися кількістю запущених проектів або розміром бюджету. Найголовніше – необхідна достовірна інформація про те, які процеси автоматизуються продуктивним чином, на які дані це впливає, як часто потрібне втручання людини, яка потенційна шкода можлива та чи дійсно реалізуються очікувані вигоди.

Квазі-власне рішення: Як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес - Зображення: Xpert.Digital

Xpert.Digital — це галузевий центр B2B, що базується на даних, який очолює Konrad Wolfenstein . Компанія виступає зовнішнім, квазі-внутрішнім рішенням для промислових партнерів, усуваючи операційні прогалини в маркетингу, контенті та продажах, не вимагаючи додаткових ресурсів з боку клієнта.

Більше інформації тут:

• Квазі-власне рішення: як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес

Проблема капіталу зростає під тиском програмного забезпечення

Поки компанії намагаються контролювати своїх агентів, технологічна індустрія розширює фізичну основу ШІ у безпрецедентних масштабах. Очікується, що до 2026 року в інфраструктуру ШІ буде вкладено майже один трильйон доларів США. Між 2027 і 2030 роками може бути додано ще шість трильйонів доларів США. Ці суми спрямовуються в центри обробки даних, графічні процесори (GPU), мережеві технології, сховища даних, охолодження, блоки живлення та землю. Це розширення відповідає очікуванням, що потреба в навчанні та запуску моделей ШІ значно зросте з роками.

Однак саме зростання не гарантує адекватної рентабельності інвестицій. Операторам центрів обробки даних зі штучним інтелектом потрібно буде генерувати сукупний дохід приблизно у розмірі 8,5 трильйона доларів до 2030 року, щоб покрити оголошені інвестиції, витрати на фінансування та передбачувану 12-відсоткову рентабельність інвестицій. Потенційно пов'язані доходи від корпоративного та споживчого бізнесу зі штучним інтелектом оцінюються максимум у 3,6 трильйона доларів за той самий період. Навіть попри те, що ці цифри є значно невизначеними через їх довгострокові прогнозні горизонти, масштаб розриву вражає.

Однак було б неправильно безпосередньо порівнювати інвестиції та доходи від штучного інтелекту. Центри обробки даних мають термін служби, що триває кілька років, інфраструктура може обробляти різні робочі навантаження, а деякі економічні вигоди отримують компанії-користувачі, а не оператор інфраструктури. Крім того, зниження витрат на обчислення може генерувати новий попит. Тим не менш, головне повідомлення залишається актуальним: ринок повинен не лише сильно зростати, але й надзвичайно швидко створювати монетизовані додатки для всіх запланованих потужностей, щоб досягти очікуваної віддачі.

Ця умова є складною. Багато сучасних застосувань штучного інтелекту знижують витрати або покращують існуючі продукти, але не генерують автоматично додатковий дохід, що дорівнює інвестиціям в базову інфраструктуру. Крім того, підвищення продуктивності може бути розподілене між постачальниками та клієнтами. Жорстка конкуренція знижує ціни, моделі з відкритим кодом знижують бар'єри для входу, а ефективніші моделі зменшують обчислювальні вимоги до кожного завдання. Хоча це вигідно для економіки в цілому, це може негативно вплинути на прибутковість окремих операторів центрів обробки даних.

Годинник амортизації цокає швидше, ніж попит

Апаратне забезпечення штучного інтелекту відрізняється від довговічної базової інфраструктури своїми короткими інноваційними циклами. Нові покоління акселераторів часто пропонують значно вищу продуктивність або кращу енергоефективність. Як наслідок, старе обладнання може втратити економічну цінність, навіть якщо воно все ще функціонує технічно. Тому оператор повинен якомога швидше окупити свої інвестиції завдяки високому коефіцієнту використання та привабливим цінам. Якщо попит вища за очікуваний, балансова вартість та моделі фінансування опиняються під тиском.

До 2030 року приблизно 3,5 трильйона доларів США активів штучного інтелекту можуть опинитися під загрозою знецінення; до 2032 року ця цифра може зрости до понад 4 трильйонів доларів США. Знецінення не означає фізичного зникнення серверів. Швидше, це вказує на те, що очікувані майбутні грошові потоки більше не виправдовують балансову вартість активу. Для операторів з високим рівнем заборгованості це може посилити кредитні умови, підірвати власний капітал та ускладнити подальші інвестиції.

Динаміка подібна до попередніх інфраструктурних циклів. Нові фундаментальні технології часто провокують розширення, спочатку створюючи надлишкові потужності. Залізниці, телекомунікаційні мережі та оптоволоконні мережі пережили подібні фази. Частина інвестованого капіталу була втрачена, тоді як легкодоступна, недорога інфраструктура пізніше дозволила створити нові бізнес-моделі. Таким чином, одночасно можуть бути правдивими два твердження: ШІ може спровокувати глибоку економічну трансформацію, і все ж значна частина сучасних інвесторів все ще може досягти недостатньої прибутковості.

Для економіки в цілому корекція ринку не обов'язково має бути повністю негативною. Списання вартості активів та банкрутства можуть знизити вартість обчислювальної потужності та надати більш ефективним покупцям доступ до інфраструктури. Компанії можуть отримати вигоду від нижчих цін, навіть якщо початкові інвестори зазнають збитків. Ситуація стає проблематичною, коли надмірні інвестиції пов'язані з високим рівнем боргу, довгостроковими енергетичними контрактами або регіонально зосередженими потужностями. У таких випадках корекції можуть вплинути на банки, постачальників енергії, ринки нерухомості та місцеві державні бюджети.

Неохмари між зростанням та відбором

Найбільш вразливими є спеціалізовані постачальники неохмарних послуг, які постачають обчислювальну потужність для робочих навантажень штучного інтелекту. Їхня перевага полягає у високому рівні технічної спеціалізації, швидкому доступі до затребуваних графічних процесорів і часто більш гнучких пропозиціях, ніж у великих, широко диверсифікованих хмарних компаній. Такі компанії, як CoreWeave та Nebius, є прикладом цього сегмента. Адресний ринок для оптимізованих для штучного інтелекту пропозицій інфраструктури як послуги може зрости з 66 мільярдів доларів у 2027 році до 174 мільярдів доларів у 2030 році. Це було б вражаючим зростанням, але його все ще може бути недостатньо для прибуткового використання одночасно побудованих потужностей.

Прогноз, що понад 80 відсотків неохмар можуть припинити незалежну роботу до 2030 року, не обов'язково означає повне зникнення їхніх обчислювальних ресурсів. Банкрутства, придбання, злиття, довгострокові партнерства або інтеграція у більші платформи – все це можливі варіанти. Основним економічним фактором є значна консолідація. Постачальники без вигідного фінансування, безпечного енергопостачання, високого рівня використання та чітко диференційованої пропозиції послуг будуть намагатися залишатися незалежними.

Ця бізнес-модель є крихкою з кількох причин. По-перше, вона вимагає величезних початкових інвестицій у швидко старіюче обладнання. По-друге, клієнтська база може бути концентрованою, а це означає, що втрата навіть кількох великих клієнтів може суттєво змінити використання потужностей. По-третє, неохмари стоять між виробниками чіпів та клієнтами, не обов'язково маючи такий самий рівень переговорної позиції. По-четверте, гіперскейлери можуть конкурувати з комплексними платформними послугами, глобальною інфраструктурою та існуючими відносинами з клієнтами. По-п'яте, ціновий тиск загрожує, оскільки стає доступним більше потужностей або бізнес-моделі стають ефективнішими.

Тому не всі неохмари однакові. Найбільше шансів на виживання мають постачальники зі структурними перевагами: довгостроковий доступ до дешевшої енергії, зокрема високий рівень технічного використання, доступ до дефіцитного капіталу, спеціалізовані послуги або сильні позиції в певних регіонах та регульованих галузях. Суверенна, національно або європейськи контрольована інфраструктура також може бути фактором диференціації, якщо клієнти надають пріоритет конфіденційності даних, місцезнаходженню даних та стратегічній незалежності, а не найнижчій ціні.

Гіперскейлери виграють собі час

Великі хмарні та технологічні компанії мають вирішальну перевагу над спеціалізованими постачальниками: вони фінансують розширення ШІ з широких та прибуткових бізнес-сфер. Хмарні платформи, реклама, комерція, підписки на програмне забезпечення, соціальні мережі та існуючі корпоративні сервіси генерують потоки доходів, які можуть підтримувати інвестиції протягом тривалого часу. Це дозволяє Amazon, Google, Microsoft, Meta та іншим великим постачальникам краще пережити період низької прямої віддачі від ШІ.

Однак диверсифікація не усуває проблему повернення інвестицій. Навіть великі корпорації повинні пояснювати в довгостроковій перспективі, як їхні інвестиції створюють цінність. У них просто більше часу та додаткові канали монетизації. Штучний інтелект може збільшити використання існуючих хмарних технологій, покращити рекламні продукти, утримати клієнтів на платформах, пришвидшити процеси розробки та захистити інші сфери бізнесу. Тому деякі переваги не відображаються як окремо звітовані доходи від ШІ. Ці стратегічні побічні ефекти ускладнюють пряме порівняння з неохмарами, економічний успіх яких більше залежить від здачі обчислювальних потужностей в оренду.

Ринкова сила гіперскейлерів може ще більше зрости в результаті консолідації. Коли менші постачальники йдуть з ринку, великі платформи завойовують клієнтів, кваліфікованих працівників та привабливу інфраструктуру. Це може збільшити ефект масштабу, але також посилити залежність. Тому компанії та уряди повинні зважувати ефективність та стійкість. Висококонцентрована інфраструктура часто дешевша в короткостроковій перспективі, але може впливати на ціноутворення, шляхи інновацій та цифровий суверенітет у довгостроковій перспективі.

Це створює стратегічну дилему для Європи. Розробка власних можливостей штучного інтелекту є енерго- та капіталомісткою, тоді як американські та азійські постачальники вже мають значну економію від масштабу. Просте копіювання гіперскейлерів навряд чи буде перспективним. Більш розумний підхід полягає в тому, щоб зосередитися на конкретних промислових застосуваннях, надійних просторах даних, регульованих секторах, енергоефективності, європейських мовних та технічних моделях, а також суверенних операційних рішеннях. Економічне обґрунтування має випливати з диференційованих вигод, а не зі спроби без розбору імітувати глобальні перегони за потужностями.

Шість трильйонів доларів – це не прогноз попиту

Інша модель ілюструє масштаб проблеми. Якщо прогнозується, що щорічні витрати на інфраструктуру штучного інтелекту досягнуть приблизно 1,5 трильйона доларів до 2031 року, а інвестиції становитимуть приблизно чверть доходів галузі, світовий ринок штучного інтелекту повинен буде генерувати майже 6 трильйонів доларів щорічно. Існуючі споживчі та корпоративні додатки можуть забезпечити від 1,2 до 1,8 трильйона доларів з цієї суми. Це залишить прогалину приблизно в 4,2 трильйона доларів, яку потрібно буде заповнити новими ринками.

Цю цифру в шість трильйонів доларів США слід розуміти як економічну перешкоду, а не як надійний прогноз доходів. Ця цифра описує порядок величини, який знадобиться для сталого фінансування розширення за певних припущень щодо прибутковості та інвестицій. Вона не передбачає, що цей дохід буде фактично отримано. Ця відмінність є критично важливою, оскільки високі потенційні обсяги ринку часто трактуються як очікувані доходи в технологічних дебатах.

Додаткові ринки зростання включають пошук і рекламу на базі штучного інтелекту, автономні транспортні засоби, вантажівки та дрони, промислову автоматизацію, робототехніку, цифрових двійників, розробку ліків, медичні послуги, дослідження матеріалів та енергетику. Прогнозується, що автономні системи матимуть потенціал близько 400 мільярдів доларів США, тоді як фізичний ШІ, що охоплює симуляції, цифрових двійників та робототехніку, оцінюється приблизно в 900 мільярдів доларів США. Ці галузі мають значну економічну цінність, але розвиваються повільніше, ніж суто програмні продукти. Вони вимагають апаратного забезпечення, схвалення регуляторних органів, тестування безпеки, інтеграції у фізичні процеси та часто нових правил відповідальності.

Таким чином, часовий розрив потенційно важливіший, ніж довгостроковий ринковий потенціал. Навіть якщо робототехніка та промисловий штучний інтелект генерують величезні доходи, вони повинні масштабуватися досить швидко, щоб виправдати сьогоднішні інвестиції. Витрати на центри обробки даних, чіпи та фінансування здійснюються негайно; новим фізичним застосуванням часто потрібні роки, щоб досягти широкого поширення на ринку. Тому фундаментально обґрунтовані майбутні очікування все одно можуть перетворитися на погану інвестицію, якщо ціна, структура фінансування або терміни неправильні.

Фізичний ШІ визначить другу половину буму

Успіхи генеративного штучного інтелекту на сьогодні значною мірою зосереджені на роботі з цифровими знаннями. Тексти, зображення, програмний код, дослідження та комунікації з клієнтами можна відносно швидко інтегрувати в існуючі програми. Потенційний дохід від цих ринків є значним, але сам по собі навряд чи достатній, щоб виправдати всі заплановані інвестиції в інфраструктуру. Тому наступна фаза зростання повинна глибше поширитися у фізичну економіку.

Фізичний ШІ пов'язує навчальні системи з машинами, транспортними засобами, виробничими потужностями та реальним середовищем. На заводах цифрові двійники можуть моделювати нові виробничі процеси до того, як дороге обладнання буде модифіковане. Роботи можуть гнучкіше реагувати на зміну заготовок. У логістичних центрах можна координувати потоки матеріалів, комплектацію замовлень та автономне транспортування. В автомобільній промисловості можна скоротити час розробки, а автономні системи дозволяють надавати нові послуги. Економічна цінність виникає не лише завдяки зниженню витрат на персонал, але й завдяки підвищенню доступності обладнання, зниженню рівня браку, швидшому запуску заводів та появі нових продуктів.

Це створює стратегічну можливість, особливо для Німеччини та Європи. Їхня промислова база, знання процесів, спеціалізовані виробники машин та складні ланцюги поставок пропонують цінні дані та сфери застосування. Однак ця перевага не виникає автоматично. Багато промислових даних є фрагментованими, запатентованими або недостатньо структурованими. Компанії повинні модернізувати свої архітектури даних, стандартизувати інтерфейси та цифровим чином відображати операційні знання. Без цієї основи фізичний ШІ залишатиметься обмеженим демонстраційними моделями.

Монетизація також відрізняється від типового хмарного програмного забезпечення. Промислові компанії очікують демонстрованої надійності, тривалих життєвих циклів та чіткої підзвітності. Вони не погоджуються на постійне експериментальне середовище в критично важливих для безпеки процесах. Тому постачальники повинні надавати надійні, інтегровані системи, що поєднують моделі, датчики, системи керування, кібербезпеку та обслуговування. Саме тут може розвиватися ринок спеціалізованих європейських постачальників, який менше зосереджений на максимальному розмірі моделі та більше на експертизі в предметній області, інтеграції та довірі.

Спільна основа обох криз

Проблеми зі штучним інтелектом та неохмарами спочатку здаються окремими. З одного боку, є бізнес-процеси, управління та помилкові рішення; з іншого – центри обробки даних, фінансування та амортизація. Насправді обидва ґрунтуються на одній і тій самій економічній помилці: що технічні можливості майже автоматично перетворяться на прибуткові, масштабовані переваги.

У випадку з агентами успішний пілотний проект часто помилково сприймається як зрілість виробничого процесу. У випадку з інфраструктурою швидкозростаючі потреби в обчислювальній техніці ототожнюються з достатньою готовністю платити та стійкою рентабельністю інвестицій. В обох випадках проміжні етапи часто ігноруються. Між продуктивністю моделі та бізнес-вигодою лежать якість даних, перепроектування процесів, інтеграція, безпека, людський нагляд та прийняття. Між обчислювальною потужністю та прибутковістю інвесторів лежать використання, ціноутворення, витрати на енергію, старіння обладнання, фінансування та конкуренція.

Цей висновок не спростовує ШІ. Він свідчить про необхідність більш професійного розподілу капіталу. Технологічні революції рідко відбуваються лінійно. Надлишки фінансують експерименти та інфраструктуру, але згодом призводять до корекції та консолідації. Переможцями є не обов'язково компанії, які інвестують першими або найбільше. Часто перемагають ті, хто розсудливо керує витратами, вчиться на ранніх помилках і узгоджує свої пропозиції з фактичною готовністю платити.

Цей ажіотаж має перетворитися на здорову ділову практику

Компанії повинні розгортати агентів штучного інтелекту лише там, де існує чітко визначений процес, надійні дані та вимірюваний цільовий показник. Відправною точкою не повинно бути місце, де можна продемонструвати максимально можливу автономію. Вирішальним фактором є те, де можна усунути конкретне вузьке місце, скоротити час виконання, покращити якість або отримати додатковий дохід. Для кожного випадку використання слід визначити до початку, які витрати та рівень помилок є прийнятними, а також за яких умов проект буде зупинено.

Розгортання має бути поетапним. Спочатку агент може надавати пропозиції, потім діяти за схваленням людини, і лише після стабільної роботи він може автономно виконувати обмежені завдання. Ці рівні зрілості дозволяють окремо відстежувати переваги та ризики. Система, яка вже не генерує жодної вимірюваної цінності як асистент, не стане економічно вигідною просто завдяки наданню більшої кількості привілеїв.

Паралельно потрібна централізована інвентаризація. Компанії повинні знати, які агенти існують, які моделі вони використовують, до яких систем вони мають доступ і хто несе відповідальність. Витрати слід розподіляти між окремими процесами та бізнес-підрозділами. Критичні дії вимагають порогів затвердження, а кожна виробнича програма потребує функціонуючого механізму завершення роботи. Управління не слід розглядати як жорсткий документ; воно має бути технічно вбудоване в платформи, ідентифікаційні дані, протоколи та процеси розробки.

Закупівлі також змінюються. Контракти з постачальниками штучного інтелекту та хмарних технологій повинні містити положення щодо використання даних, змін моделей, доступу до журналів, інцидентів безпеки, продуктивності, відповідальності та варіантів переходу. Компанії повинні уникати залежності основних процесів від одного постачальника, ціни, моделі чи бізнес-стратегія якого можуть змінитися в стислі терміни. Де це можливо, модульні архітектури та взаємозамінні моделі збільшують переговорну силу.

Для інвесторів у інфраструктуру важливий клієнт, а не чіп

Для центрів обробки даних та неохмарних технологій доступу лише до поточного обладнання недостатньо для життєздатної бізнес-моделі. Інвесторам слід насамперед вивчити якість та тривалість попиту. Довгострокові контракти є цінними лише за умови, що клієнти є кредитоспроможними, а мінімальні вимоги до закупівлі фактично можуть бути виконані. Не менш важливими є ціни на енергоносії, підключення до мережі, охолодження, моделі використання, варіанти рефінансування та залишкова вартість старого обладнання.

Особливу обережність слід дотримуватися, коли зростання значною мірою фінансується за рахунок додаткового боргу, а очікуване використання потужностей базується на невеликій кількості клієнтів. Зниження попиту може одночасно вплинути на дохід, вартість активів та фінансові можливості. Стресові сценарії повинні поєднувати нижчі ціни, затримку введення в експлуатацію, зниження використання потужностей, прискорене старіння обладнання та вищі капітальні витрати. Тільки тоді, коли бізнес-модель залишається життєздатною навіть за менш сприятливих припущень, рентабельність інвестицій є надійною.

Для спеціалізованих постачальників шлях від взаємозамінності веде через диференціацію. Це включає високоефективні центри обробки даних, суверенні європейські операційні моделі, галузеві платформи, гарантоване місцезнаходження даних, інтегровані послуги безпеки або тісний зв'язок між досвідом інфраструктури та застосування. Зі збільшенням пропозиції чиста потужність стає товаром, яким можна торгувати. З іншого боку, довіра, інтеграція та демонстрована продуктивність залишаються дефіцитнішими.

Майбутнє очищення — це не кінець ШІ

Очікуване скасування проектів та потенційна консолідація неохмарних технологій не означають спростування штучного інтелекту. Швидше, вони типові для переходу від фази розширення, керованої технологіями, до ринку, де першочерговим є повернення інвестицій, надійність та інституційна зрілість. Значна частина ранніх проектів зникне, оскільки вони були погано визначені, погано інтегровані або економічно нежиттєздатні. Водночас успішні програми глибше проникнуть в основні процеси.

Інфраструктурні активи не просто втрачають свою вартість. Обчислювальні потужності все ще можна використовувати після амортизації, придбань або зниження цін. Для користувачів консолідація ринку може бути навіть вигідною, якщо конкуренція та надлишкові потужності знижують витрати. Однак розподіл прибутку змінюється: клієнти та пізніші покупці можуть отримати вигоду, тоді як ранні інвестори в акціонерний та борговий капітал несуть частину збитків.

Тому найімовірнішим шляхом розвитку є ні повний крах очікувань щодо ШІ, ні плавне продовження буму. Більш імовірним є двосторонній розвиток. Високоякісні, чітко контрольовані додатки продовжуватимуть зростати та ставати стандартною бізнес-інфраструктурою. Натомість, недиференційовані агентські проекти, погано захищені бізнес-моделі та завищені потужності опиняться під тиском. Ринок відділяє технологічні можливості від економічної доцільності.

Справжня революція штучного інтелекту починається не з наступної вражаючої моделі, а з тверезої здатності перетворити технології на надійне створення цінності. Компанії, які разом керують витратами, контролем та вигодами, вийдуть сильнішими з цієї корекції. Ті, хто масштабує автономію без відповідальності або обчислювальну потужність без прибуткового попиту, навпаки, фінансують в основному наступну хвилю списань.

Від видимості до довіри: Ваш масштабований шлях з Xpert.Digital - Зображення: Xpert.Digital

У промисловому B2B сталий бізнес-відносини рідко виникають за одну ніч. Вони розвиваються крок за кроком – через видимість, професійну релевантність, повторювані точки дотику та зростання довіри. 4-етапна модель Xpert.Digital саме це і робить: вона пропонує структурований шлях, який починається з керованої точки входу та може перерости в глибшу співпрацю в розвитку бізнесу, якщо це необхідно.

Замість того, щоб покладатися на гучні маркетингові обіцянки, ця модель ставить на перший план відносини. Компанії починають з чітко визначених, легко обчислюваних показників, а потім, виходячи з власного досвіду, вирішують, наскільки вони хочуть розширити співпрацю. Ключовим фактором для цього безперешкодного процесу побудови довіри є те, що платформа повністю уникає надокучливої ​​реклами, тому редакційна увага залишається виключно на експертизі компаній.

Більше інформації тут:

• Від видимості до довіри: Ваш масштабований шлях з Xpert.Digital

☑️ 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