Почему ИИ пока не приносит прибыль

Искусственный интеллект (ИИ) сегодня внедряют практически во всех отраслях, но финансовая отдача от этих проектов остаётся под вопросом. Компании тратят миллиарды на разработку и поддержку моделей, однако доходы от ИИ-продуктов пока не сопоставимы с расходами. Разберём, с чем это связано и когда ситуация может измениться.

Главная статья издержек — вычисления. Обучение больших языковых моделей (LLM) требует огромных кластеров графических процессоров и колоссального количества электроэнергии. При этом эксплуатация уже обученной модели тоже стоит дорого: каждый запрос пользователя проходит через сложные математические операции, что увеличивает счета за облачные сервисы. Дополнительно нарастает конкуренция за инженеров, специализирующихся на ИИ, — их зарплаты достигают астрономических уровней.

Тем не менее некоторые компании находят способы повышать эффективность. Оптимизация архитектур, использование более компактных моделей и переход на специализированное оборудование позволяют снижать затраты. Прибыльность достигается там, где ИИ решает узкие, но дорогостоящие задачи: диагностика в медицине, прогнозирование отказов оборудования, автоматизация рутинных операций в финансах. Однако массовый рынок пока не готов платить за ИИ-функции столько, чтобы покрыть все издержки.

В итоге большинство игроков рассматривают ИИ как долгосрочную инвестицию. Они сознательно идут на убытки сейчас, рассчитывая захватить лидерство в будущем. Но без значительного снижения стоимости вычислений и появления действительно массовых платных сценариев прибыльность останется уделом единичных проектов.