Экосистема искусственного интеллекта полна противоречий. Многие специалисты в области машинного обучения и разработки программного обеспечения сталкиваются с растущим давлением по внедрению ИИ в создаваемые продукты, но без четкого понимания бизнес-целей, которые при этом преследуются. В то же время аналитики рынка и влиятельные фигуры в технологической сфере продолжают сосредотачивать значительные усилия и внимание на ИИ, часто игнорируя другие актуальные темы. Руководители и менеджеры получают от советов директоров, экспертов и консультантов указания о том, что внедрение ИИ или ориентация на него необходимы для успеха бизнеса, и возвращаются к командам с запросами на реализацию этих идей, но никто не может точно объяснить причины такой необходимости. При этом обычные пользователи в социальных сетях выражают недовольство навязанным ИИ в приложениях и сервисах, которые раньше им полностью устраивали.
Что лежит в основе этих кажущихся противоположными тенденций? У меня есть предположение относительно общей картины, которое я хочу изложить.
Технологические стартапы обычно ставят перед собой задачу разработать продукт с функциями, отвечающими потребностям клиентов — это то, что в отрасли называют достижением соответствия продукта рынку. Клиенты платят за такой продукт, используют его для повышения эффективности своего бизнеса, и успех приходит ко всем участникам процесса. Эта модель хорошо отработана и предлагает ясный путь действий: определить нужды или проблемы клиентов, изучить возможные функции для их решения, реализовать эти функции, предложить продукт тем, кто сталкивается с этими проблемами, и повторять цикл.
Как в эту схему вписывается требование "стать ориентированными на ИИ"? Почему эта лихорадка вокруг ИИ сейчас столь интенсивна, словно без оглядки на реальные болевые точки клиентов? Это напоминает волну столярных фирм, все как одна становящихся "ориентированными на отвертки" — конечно, отвертка может быть полезной и даже незаменимой в столярном деле, но она далеко не единственный инструмент в арсенале. ИИ аналогичен: решение о его применении должно приниматься только после анализа проблемы и оценки различных подходов.
Почему эта лихорадка вокруг ИИ сейчас столь интенсивна, словно без оглядки на реальные болевые точки клиентов?
Итак, если ИИ не является оптимальным решением для ключевых задач клиентов, что делать под таким мощным давлением на его использование в любом случае? Как инженеры мы можем быть склонны просто проигнорировать этот запрос, поскольку он не укладывается в описанную модель развития стартапа. Некоторые руководители и компании способны отмахнуться от цунами хайпа вокруг ИИ и продолжать работать в прежнем русле. Если инструмент ИИ окажется лучшим для какой-то задачи, его можно применить, но он не должен определять весь план развития.
Однако для большинства это, вероятно, неосуществимый вариант. Куда же тогда двигаться? И как мы дошли до этого? У меня есть соображения по этому поводу, так что давайте разберем ключевых участников процесса.
Внутри стартапа
Как я уже отметил, программные стартапы в целом стремятся создать функции, помогающие клиентам преодолевать проблемы. Uber разработал приложение для совместных поездок, которое позволило людям находить удобные и комфортные варианты транспортировки по ценам значительно ниже такси. (Это имело и продолжает иметь серьезные негативные последствия, но оставим это за скобками на данный момент.) Другие стартапы пытались устранить неэффективности и неудобства в самых разных отраслях. Они придумывают идею, привлекают инвестиции от венчурного капитала или других источников, используют эти средства для превращения идеи в реальный продукт. Затем они набирают клиентов, начинают генерировать доход и выходят на прибыль. В итоге может произойти выход на биржу или поглощение более крупной компанией.
Хорошая идея — это еще не все в подходе стартапа, часто присутствует и элемент представления. Из-за модели финансирования многие стартапы создают минимально жизнеспособный продукт, или MVP, а затем продолжают "собирать самолет в полете", как гласит старая поговорка. Это подразумевает продажу начальной, упрощенной (но, надеюсь, все же полезной) версии продукта с обещаниями будущих улучшений и расширений функционала. Такой подход может сработать, но для привлечения интереса как клиентов, так и инвесторов к потенциалу этих обещаний требуется определенный уровень шумихи.
Мы склонны считать, что достаточно иметь лучшую идею и наиболее умный план ее реализации, чтобы финансирование потекло рекой, — но реальность далека от этого. Если для успеха нужно привлекать внимание, то приходится обещать именно то, чего ждут люди, и демонстрировать, что вы — самая современная, свежая и передовая опция на рынке. Теоретически аргумент заключается в том, что технологическая компания с продуктом, не соответствующим "переднему краю", не сможет предложить клиентам максимальную ценность или наиболее полезные функции. Даже фирмы с устоявшимися и качественными продуктами, куда более развитыми, чем MVP, продолжают расширять клиентскую базу. Им по-прежнему требуется внимание рынка и эффект новизны, чтобы удерживать интерес потенциальных покупателей.
Мы склонны считать, что достаточно иметь лучшую идею и наиболее умный план ее реализации, чтобы финансирование потекло рекой, — но реальность далека от этого.
Здесь как раз и возникают требования стать "ориентированными на ИИ". Более 50% венчурных инвестиций за весь 2025 год ушли в компании, связанные с ИИ, что составило 192,7 миллиарда долларов. Внедрение функций ИИ в программное обеспечение само по себе не вредно, но и не является панацеей. Это всего лишь инструмент, как и любой другой, и если вы рассчитываете, что простое добавление ИИ улучшит продукт, то сильно ошибаетесь. Как столяры с отвертками, выбор инструмента не должен определять стратегию. В итоге можно создать нечто нефункциональное или, даже если оно работает, не соответствующее ключевым требованиям полезности и привлекательности для клиентов.
Но тем не менее именно туда сейчас направляются доступные средства, так что логично, что руководство в многочисленных компаниях дает инженерам такие указания. Когда генеральный директор приходит в отдел разработки и заявляет, что ИИ должен стать новым стратегическим направлением, вы можете задаться вопросом: "Что это значит?" или "Как это вписывается в наши существующие планы?" Я бы сказал, что это неверные вопросы.
Внутри совета директоров
На самом деле вам стоит спросить: "Почему мой руководитель требует этого? Чего он на самом деле хочет?" Чтобы ответить, нужно глубже понять давления и влияния, с которыми сталкивается CEO стартапа.
Роль генерального директора стартапа довольно сложна. Вы возглавляете целую организацию, что само по себе непросто, но при этом автономия обычно ограничена. Часто вы отчитываетесь перед советом директоров, чья задача — обеспечивать благополучие бизнеса. Именно оттуда может исходить значительная часть давления на усиление роли ИИ и его видимости в продукте.
CEO может искренне увлечься хайпом вокруг ИИ и быть готовым навязать его внедрение остальной организации, не особо заботясь о решаемой проблеме. Однако он также может цинично оценивать экономическую среду и понимать, что путь к вниманию СМИ и похвале аналитиков лежит через любое маркетинговое использование ИИ. Одновременно его выборы могут быть ограничены, если совет директоров полностью поглощен нарративом об ИИ.
И CEO, и члены совета слышат от множества источников в СМИ и аналитики о престиже и значимости ИИ, и многие из них верят этому, что порождает страхи оказаться не на переднем крае технологий. Даже если они скептичны, им все равно нужно получать преимущество от внимания аналитиков рынка и поддерживать престиж для стимулирования бизнеса, что означает участие в игре.
Если давление от совета присутствует, как это сейчас для многих технологических лидеров, его нельзя просто игнорировать. Совет директоров обладает огромным влиянием и властью в большинстве стартапов. Они обычно могут уволить CEO, например. Так что если CEO считает, что общее, нецелевое применение ИИ — плохая бизнес-решение для компании, он может попытаться сопротивляться, но наступает момент, когда приходится подчиняться указаниям совета.
Ни один CEO не хочет прослыть технологически отсталым и устаревшим, даже если сохранит пост. Сопротивление общепринятой мудрости момента имеет цену. Политический капитал не бесконечен, и руководители тратят много времени на выбор битв. И это при условии, что CEO сам не полностью увлечен хайпом вокруг ИИ, что вполне возможно.
Сопротивление общепринятой мудрости момента имеет цену.
Откуда аналитики рынка берут эти идеи?
Я упоминал аналитиков рынка вскользь, но они играют ключевую роль в этой экосистеме. Давайте разберемся, в чем она заключается.
Компании вроде Gartner и Forrester зарабатывают на исследовании и анализе фирм в различных отраслях, ранжировании и оценке их, а затем продаже этих отчетов тем, кто выбирает партнеров для контрактов. Эти агентства похожи на кредитные рейтинговые службы для банков — они подтверждают вашу надежность, чтобы другие компании и покупатели, у которых нет времени на глубокий анализ, могли быстро решить, реальный ли вы игрок или пустышка.
Как они определяют, кого рекомендовать? Обычно есть какая-то шкала или набор критериев оценки, таких как широта функций продуктов, их эффективность в решении конкретных задач, удовлетворенность текущих клиентов и тому подобное.
Как вы, вероятно, догадались, сейчас появился фактор, который вытесняет все остальное: "использует ли эта компания много ИИ". Что это вообще значит? К сожалению, судя по наблюдаемому, часто это сводится к "есть ли в продукте компании чат-бот на базе ИИ?" Глубоко изучать продукт компании и все возможные способы интеграции машинного обучения или ИИ в его скрытые функции — это трудоемкий процесс. А вот искать чат-окно и ловить упоминания "ИИ" в маркетинговых материалах — просто.
Существует бесчисленное множество способов, хороших и плохих, интегрировать машинное обучение и ИИ в любой программный продукт, и я утверждаю, что чат-бот редко бывает лучшим выбором для большинства сценариев. Но он яркий, заметный, и люди, не разбирающиеся в технологиях, легко его распознают, поэтому многие организации останавливаются на этом.
Это служит упрощенным индикатором для посторонних, чтобы заявить: "эта компания активно использует ИИ", что в свою очередь означает "эта компания технологически продвинутая и инновационная". К сожалению, такая логика глубоко ошибочна. ИИ не является мерой технической компетентности или качества, особенно сейчас, когда на рынке полно низкокачественных готовых решений ИИ, которые можно просто вставить в продукт от любого второго поставщика. Добавление чат-бота на сайт не имеет отношения к качеству вашего кода, уровню инженерных талантов, стратегическому мышлению или чему-либо еще.
ИИ не является мерой технической компетентности или качества, особенно сейчас, когда на рынке полно низкокачественных готовых решений ИИ, которые можно просто вставить в продукт от любого второго поставщика.
Понимают ли это аналитики рынка? Возможно, но, как и с советом и CEO, это не имеет значения, поскольку вся экосистема уже в лихорадке от хайпа вокруг ИИ. Представьте, что вы управляете фирмой по анализу рынка, а ваши конкуренты активно обсуждают, у каких стартапов самый "продвинутый" ИИ, и ваш отчет фокусируется на базовых функциях. Сможете ли вы так? Теоретически да. Но читатели ваших отчетов — это члены советов, руководители и другие лидеры отрасли, и что они слышат со всех сторон? Хайп вокруг ИИ. Они захотят узнать, есть ли ИИ у этих компаний, не потому что понимают, почему это важно или как это связано с бизнесом. Они хотят это знать, потому что СМИ и компании ИИ внушают, что это передний край, и те, кто упустит его, отстанут. (Читатели могут вспомнить бум Web 3.0 и блокчейна, который оставил после себя компании, бросившиеся в блокчейн-модели бизнеса, которые на деле не имели никакого смысла.)
Почему компании ИИ такие, какие есть?
Это приводит нас к самим компаниям ИИ. У них очевидная мотивация убеждать всех остальных в необходимости внедрения ИИ практически во все программное обеспечение, поскольку их бизнес-модель — предоставление базовых функций для этого.
Сложность в том, что ИИ не всегда неверный выбор. ИИ может быть очень полезен для множества задач! Но ИИ не подходит для всего, и в этом разница. Это инструмент для достижения цели, и мы должны осторожно и вдумчиво решать, где его применять. Причин много — во-первых, разработка функций ИИ несет альтернативные издержки и отвлекает время и ресурсы от создания того, что может быть нужнее клиентам. Кроме того, как я неоднократно подчеркивал, ИИ чрезвычайно ресурсоемок с экологической точки зрения, социально и экономически затратен. Стоимость его создания гораздо выше, чем видно с нашего рабочего места, поэтому его следует использовать только в наиболее подходящих и необходимых случаях.
Стоимость его создания гораздо выше, чем видно с нашего рабочего места, поэтому его следует использовать только в наиболее подходящих и необходимых случаях.
Даже с учетом этого я искренне считаю, что если бы компании ИИ придерживались взвешенного подхода, предлагая возможности ИИ там, где они нужны, мог бы возникнуть здоровый, хоть и не выдающийся рынок для этой технологии. К сожалению, это не модель бизнеса для компаний ИИ — вместо этого сотни миллиардов долларов вложены крупными технологическими фирмами и инвесторами в OpenAI, Anthropic и другие, и они ожидают возврата этих инвестиций любым способом.
В то же время OpenAI в частности занимается странными финансовыми маневрами, обещая инвестиции поставщикам оборудования,远远 превышающими их реальные ресурсы. Мэтт Ливайн в Bloomberg в своей последней колонке Money Stuff отметил: "если вы должны банку 100 долларов, это ваша проблема. Если вы должны Broadcom 500 миллиардов долларов (курсив в оригинале), это проблема Broadcom. Если вы должны каждой крупной технологической компании сотни миллиардов долларов, это их проблема. Они наверняка найдут решение! Или вы. Деньги сами разберутся". Он объясняет, что взятие огромных долгов, вероятно, станет стратегией для поиска средств на выполнение таких обещаний, если что-то вообще будет сделано. Но если OpenAI окажется по уши в долгах, какой финал ждет не только их, но и кредиторов, и компании, которым обещаны инвестиции? Множество влиятельных и крупных фирм имеют экзистенциальные стимулы заставить эту экономику ИИ работать.
Я думаю, вполне вероятно, что технологические гиганты и крупные инвесторы уже вложили в компании ИИ больше, чем когда-либо можно вернуть. Мы наблюдаем яростную, хайп-ориентированную маркетинговую машину ИИ, потому что для выполнения обещаний по доходам и прибыли компаниям ИИ недостаточно ограничиваться клиентами с осмысленными, целенаправленными случаями использования ИИ в продуктах. Им нужно, чтобы каждая компания тратила на ИИ отчаянно, какой бы ни была цена, поскольку сотни миллиардов долларов должны быть найдены, чтобы колесо продолжало крутиться. И не забывайте, что для поставщиков базовых моделей, таких как Anthropic, OpenAI и xAI, неясно, покроют ли разумные розничные цены их затраты, что предполагает возможные убытки при использовании продукта. Многие поставщики решений ИИ второго уровня, такие как инструменты для кодирования, повышают цены и сокращают лимиты использования в планах, чтобы сократить финансовый разрыв.
Мы наблюдаем яростную, хайп-ориентированную маркетинговую машину ИИ, потому что для выполнения обещаний по доходам и прибыли компаниям ИИ недостаточно ограничиваться клиентами с осмысленными, целенаправленными случаями использования ИИ в продуктах.
В технологической отрасли в целом мы отказываемся признавать, что успешная компания может довольствоваться умеренными размерами и здоровой прибылью — вместо этого требуем гигантских масштабов и исключительных прибылей от каждого стартапа, иначе его считают неудачей. Это проявляется в ожиданиях венчурного капитала не просто 2- или 5-кратного возврата инвестиций, а 50- или 100-кратного, но суммы, вкладываемые в ИИ, делают достижение чего-то подобного абсолютно нереалистичным.
Что происходит со стартапами?
Теперь, когда мы проследили феномены к их истокам, как завершается цикл? Ваш стартап впихивает ИИ в продукт достаточно заметным образом, чтобы привлечь внимание, и платит компаниям ИИ за использование модели. Эти платежи существенны, на основе оплаты за использование и часто растут с выходом новых моделей.
Если применение ИИ продумано и реализовано тщательно, оно может решить реальную проблему клиента, и это сработает. Может последовать рост доходов, способствующий успеху бизнеса. Это идеальный сценарий, безусловно! Покроет ли доход от этого растущие цены поставщику базовой модели, чтобы та компания масштабировалась и вернула миллиарды инвесторам? Это гораздо менее очевидно. И если вы решите, что эта функциональность не тот путь или не стоит усилий на обслуживание, извлечение ее из приложения может оказаться крайне сложным.
Но если интеграция ИИ не стратегическая, а хаотичная, driven хайпом, а не нуждами клиентов или соответствием продукту рынку, последствия могут быть катастрофическими. Возможен откат клиентов, сбои в конфиденциальности данных или безопасности, кризисы в PR, если модель сильно галлюцинирует, или другие риски. В худшем случае вы потеряете доверие клиентов и столкнетесь с оттоком пользователей. Тогда вы не будете существенно платить компаниям ИИ в центре этого, поскольку никто не использует функциональность, но вы потратите время, упустите другие возможности и нанесете ущерб бизнесу разом.
В самом банальном случае вы реализуете чат-бот ИИ для продукта, и клиенты могут просто счесть его неинтересным. Трудозатраты на настройку такого не малы, и альтернативные издержки реальны. Что если после всех усилий выяснится, что это не стоило того? Вы можете не увидеть роста доходов, но предоставление этой функциональности ИИ все равно будет стоить денег при использовании. Разберете ли вы всю эту тяжелую работу по внедрению и вернетесь к прежнему? Что скажут ваши клиенты, руководство, совет, инвесторы и рынок?
Это пугает, конечно — и теоретически организации и люди могут держаться в стороне от всей этой суматохи. Вы можете продолжать работать как программный стартап, не беспокоясь об ИИ, и держать его как инструмент в ящике, если подвернется подходящая проблема. Но это риск. Уверены ли вы, что никогда не понадобится раунд финансирования? Абсолютно ли ваш совет согласен с таким подходом, или его просто нет? Такой путь возможен, но опасен. Бизнесы функционируют в экономике, а не в вакууме, и никогда не бывают изолированы от внешних давлений.
Заключение
Многие люди в сети в последнее время жалуются на неудовлетворенность функциями ИИ, добавленными в любимые или ценные программные продукты. Они спрашивают: "почему я не могу получить это без ИИ по старой цене?" когда выходит новое предложение ИИ с повышением абонентской платы, явно обязательным. Я думаю, при взгляде на общую картину ответ ясен. Технологические лидеры получили от советов и медиа-экосистемы указание внедрить ИИ, они это сделали, и теперь им нужно оправдать вложенные инвестиции. Это как заблуждение игрока, бросающего хорошие деньги вслед плохим вместо того, чтобы остановить потери.
Внедрение ИИ недешево, и в большинстве случаев функциональность ИИ в бизнесе подразумевает регулярные платежи поставщикам вроде OpenAI или Anthropic, так что затраты продолжаются при использовании продукта, и поэтому оно требует доплаты. Совет убедили все влияния, которым они внимали, что предложение ИИ жизненно важно для сохранения актуальности и успеха, и они предположили, что ИИ понравится клиентам. Промахнулись все в том, чтобы проверить, правда ли это, и решит ли ИИ проблемы клиентов желательным образом.
Если бизнесу нужен ИИ и его реализация действительно решает проблемы клиентов, то вся эта экономика ИИ может функционировать! Но если сделать это плохо, просто прилепив недодуманную функциональность ИИ к продукту без смысла, весь цикл может рухнуть. Кто в итоге окажется с убытками? Маленькие стартапы, тратящие ограниченные средства на попытки заставить это работать? Компании ИИ, которые никогда не вернут инвестиции? Крупные технологические фирмы, вложившие столько, что это затронет их основной бизнес?
На самом деле я утверждаю, что выживание экономики ИИ в любой форме, если оно возможно, зависит от серьезного изменения перспективы. Мы могли бы иметь умеренную, но успешную экономику ИИ с вдумчивым, осторожным и консервативным внедрением, но для этого нужно принять умеренность. Вместо расточительных трат на обучение следующей версии модели с минимальными улучшениями мы могли бы приоритизировать эффективность, экологическую устойчивость и практические применения больших языковых моделей. Мы знаем, что создание продукта, соответствующего рынку, решающего чью-то проблему и укладывающегося в бюджет, — путь к успеху SaaS-стартапа. Вход ИИ на сцену не меняет эту фундаментальную реальность. Люди не купят ваш продукт, если он не решает их проблемы, и если они купят на основе хайпа, который не оправдается, они уйдут, и вы останетесь с убытками.
Мы могли бы иметь умеренную, но успешную экономику ИИ с вдумчивым, осторожным и консервативным внедрением, но для этого нужно принять умеренность.
Успех придет только если мы осознаем, что ИИ — это инструмент. Он не конечная цель, а лишь один из многих возможных путей к ней. И он не магия, а программное обеспечение. Качественное создание требует столько же усилий, тщательного планирования, экспертизы и навыков, сколько любое другое ПО.
Что делать
Я уже писал об этой проблеме с разных сторон. Если вы инженер по машинному обучению или руководитель, и ваш CEO требует "чего-то с ИИ", у меня есть советы, как с этим справиться. Однако отдельные участники обычно не в силах изменить систему. Сначала я не понимал, что хотя многие CEO искренне увлечены хайпом ИИ, другие под давлением сил, против которых они не могут эффективно сопротивляться.
Я также участвовал в проектах с другими экспертами, обсуждая, как строить решения ИИ для продакшена, которые действительно работают и не станут пустой тратой. Предупреждаю, это сложно! Требует реальных усилий и не собирается за уик-энд кем попало. Но если сделать хорошо, целевая функциональность ИИ может принести настоящую ценность в обслуживании реальных нужд клиентов.
Я рекомендую компаниям, чувствующим давление внедрить ИИ ради маркетинга или престижа, отойти назад и найти способ согласовать это с целями бизнеса. Осознайте альтернативные издержки ваших выборов и последствия ошибок. Не притворяйтесь, что ваши решения затрагивают только вас и ваш бизнес, и принимайте их с учетом всех эффектов.