Две трети IT-руководителей заявляют о результатах от AI, но лишь единицы готовы прервать отпуск CEO ради них

Что произошло в Лас-Вегасе: опрос, который обнажил разрыв

Азим Азхар (Azeem Azhar), основатель исследовательской группы Exponential View, спросил у примерно 160 IT-вице-президентов на конференции в Лас-Вегасе, может ли кто-то из них показать измеримые результаты от AI. Две трети зала подняли руки. Второй вопрос оказался жестче: у кого результаты настолько значимы, чтобы прервать летний отпуск CEO. На ногах осталось около восьми человек.

Прямой ответ на главный вопрос темы: применение AI уже дает заметный, но редко критичный для бизнеса эффект. Компании двигаются вперед, однако темп может не оправдывать объем денег, которые вкладывают в модели, чипы и дата-центры.

Сам Азхар формулирует вывод спокойно: прогресс есть, он медленный, и вопрос, достаточно ли этот темп быстр для текущего уровня инвестиций, остается открытым.

Кто такой Азим Азхар и почему ему можно доверять

Азхар, британский технологический предприниматель, основал исследовательскую группу Exponential View, которая занимается анализом технологических трендов. Он много лет пишет и выступает о том, как новые технологии меняют экономику, и его оценки регулярно цитируют отраслевые медиа. Эпизод в Лас-Вегасе он обсуждал в подкасте The Atlantic с Николасом Томпсоном.

Формат важно учитывать: это публичный опрос в зале, а не рецензируемое исследование с выборкой, контролем и проверкой ответов. Цифры показывают настроение группы IT-руководителей, а не статистику всей отрасли. Как срез настроений опрос все равно полезен: он показывает, насколько расходятся слова и готовность действовать.

Две трети против восьми: что стоит за цифрами

Первый вопрос допускает широкое толкование. «Измеримый результат» может означать что угодно: ускорение обработки заявок, сокращение времени на подготовку документов, пилот, который окупил подписку. Такую планку легко закрыть почти любым запущенным проектом.

Второй вопрос задает совсем другую высоту. Прервать отпуск первого лица ради результата значит, что эффект заметен на уровне выручки, рисков или ключевых издержек компании. Сюда попадают единицы проектов.

Аналогия поможет уловить разницу. Спросите коллег, есть ли у них дома спортзал: руку поднимут многие. Спросите, кто занимается там каждый день: останутся единицы. Инструмент есть у всех, привычка и результат у немногих.

Почему заявления о результатах AI могут расходиться с реальностью

Расхождение между словами и делами связано со стимулами и отчетностью не меньше, чем с техникой.

Данные BCG: 70% CEO и их стимулы

Азхар ссылается на опрос Boston Consulting Group: около 70% CEO по всему миру считают, что успех в AI важен для того, как их воспринимают в роли руководителя. Репутационный стимул работает независимо от фактических цифр. Руководитель может искренне верить в удачный пилот и при этом не иметь метрик, привязанных к выручке или затратам.

Отсюда и риск: чем выше ставки в публичном поле, тем охотнее успехи описывают ярче, чем позволяет реальность. Это не прямой обман. Это системный сдвиг в сторону оптимизма, который стоит учитывать, читая очередной отчет о прорыве.

Анекдоты вместо экономики: где на самом деле виден возврат инвестиций

Возврат вложений в AI пока не удается задокументировать на уровне всей экономики. Он проявляется в отдельных случаях: конкретная компания автоматизировала часть поддержки, сократила время на рутинную обработку данных, ускорила подготовку отчетов. Такие истории реальны, но не складываются в общую картину роста производительности, по описанию самого Азхара.

Давление при этом растет. По его словам, некоторые руководители рассказывают, что после первых удач советы директоров становятся амбициознее и просят больше. Даже на более медленных рынках, например в Италии, Азхар слышал от CEO, что доверие к AI растет и бюджеты увеличиваются, несмотря на ошибки на этом пути.

Пузырь AI: есть ли он и что на это указывает

Дебаты о пузыре сводятся к одному вопросу: растет ли выручка AI-лабораторий достаточно быстро, чтобы оплатить масштабное строительство дата-центров.

Ключевой вопрос: успевает ли выручка за строительством дата-центров

Схема простая. Компании вкладывают деньги в серверы, чипы, энергию и охлаждение, чтобы обучать и запускать модели. Чтобы вложения окупились, выручка от AI-услуг должна расти минимум тем же темпом. Если выручка отстает, возникает разрыв: построено больше, чем рынок готов оплатить. Такой разрыв обычно заканчивается коррекцией расходов и оценок.

Масштаб стройки виден на отдельных примерах: OpenAI строит дата-центр Project Camellia в Джорджии мощностью 3,2 ГВт и обещает замкнутую систему водяного охлаждения, а также 80 млн долларов на социальные нужды региона. Разбор проекта показывает, во сколько обходится инфраструктура и как компании пытаются снизить сопротивление вокруг нее.

Срок службы чипов: незаметный фактор, который меняет всё

Один из факторов, который делает ситуацию шаткой, обсуждают редко: сколько лет купленные AI-чипы остаются полезными в работе. Четыре года, шесть или восемь - это три разные экономики проекта. Чем короче срок службы, тем быстрее приходится списывать оборудование и тем выше реальная стоимость вычислений.

Рынок ускорителей меняется быстро: стартап Etched привлек 300 млн долларов при оценке в 10,3 млрд и обещает ускорить вывод моделей без GPU, хотя индустрия относится к этим обещаниям с сомнением. Детали технологии помогают понять, почему часть уже купленного железа может обесцениться раньше срока и почему расчеты по окупаемости придется пересматривать.

Простой оговорки о пузыре у Азхара нет: он называет ситуацию шаткой, на грани. Однозначного вывода не дают ни он, ни доступные данные.

Переход на открытые модели: спасение или новая проблема

Многие компании переходят от дорогих фронтирных моделей к открытым альтернативам. Термины здесь определяют экономику, поэтому разберем их на пальцах.

Фронтирные модели - самые большие и продвинутые модели, доступ к которым обычно продают по подписке или за токены. Открытые модели (open-weight) - модели, чьи веса опубликованы: их можно запускать на своих серверах или у выбранного провайдера и не платить за каждый запрос по тарифу разработчика.

Для компании это снижение затрат и рост числа сценариев, где AI становится выгоден. Азхар описывает сценарий, в котором использование AI растет, но пузырь все равно может лопнуть: дешевые открытые модели приносят разработчикам меньше выручки, а значит, меньше денег возвращается на финансирование дата-центров.

Аналогия с лекарствами: если все пересядут на дешевые аналоги, производитель оригинального препарата не окупит исследования. Экономика всей цепочки меняется, даже когда технология становится доступнее и полезнее.

Что это значит для вас: практические выводы

• Смотрите на метрики, привязанные к бизнесу. Вопрос «есть ли у нас AI-проект» мало что говорит. Полезнее спросить, какую издержку, выручку или риск меняет проект и на сколько.
• Осторожно с эффектом новизны. Пилот с локальным улучшением легко принять за успех масштаба компании. Проверяйте, воспроизводится ли результат за пределами одной команды.
• Считайте переход на открытые модели. Он может заметно снизить стоимость использования AI. Пример с увольнениями в tech-секторе показывает, как быстро компании перестраивают расходы под новые приоритеты: разбор динамики рынка труда.
• Учитывайте, как AI меняет задачи. Исследование OpenAI показало, что инструменты скорее расширяют круг задач сотрудника, чем заменяют его роль, поэтому оценка эффекта включает перестройку процессов, а не только экономию часов. Что именно нашли исследователи.
• Не делайте выводов из одного опроса. Цифры вроде «две трети против восьми» показывают разрыв, но не заменяют вашу собственную отчетность.
• Планируйте с поправкой на неопределенность. Пока вопрос о пузыре открыт, разумно распределять инвестиции этапами и оставлять возможность остановиться.

Практический вывод простой: проверяйте цифры, отделяйте заявленное от измеренного и не спешите перестраивать всю стратегию под один громкий кейс. Что в вашей компании сегодня считается доказательством эффекта от AI: количество запущенных проектов или изменение конкретной издержки?

Есть вопрос или заметили неточность? Напишите нам, разберем вместе.