Братство кольца

Выйти из полноэкранного режима

Развернуть на весь экран

«Пузырь» на то и «пузырь», чтобы лопнуть. И для самой технологии ИИ — это не катастрофа, а необходимое условие взросления. На первый взгляд кажется, что рынок абсолютно подтверждает масштаб будущего спроса на ИИ. В реальности картина не такая однозначная. Во-первых, основной объем капитала и риска сейчас сосредоточен на уровне нескольких ИТ-гигантов. Во-вторых, большая часть этих расходов финансируется за счет долга, а не операционного кэша. По оценке Morgan Stanley, из $2 трлн капитальных затрат крупнейших компаний на ИИ-инфраструктуру в 2025–2028 годах свыше $1 трлн придется на новый долг. Так, Amazon, ранее финансировавший экспансию исключительно из собственных средств, в 2026 году вышел на облигационный рынок сразу на $37–42 млрд. Получается странная картина.

Многие думают, что рынок разгоняют миллионы частных инвесторов. В реальности же горстка компаний занимает деньги под будущий спрос, который пока никто не гарантировал.

В-третьих, заметен «кольцевой» характер части сделок в отрасли. Взаимные инвестиции и контракты между Nvidia, OpenAI, Oracle, Microsoft и другими компаниями — это ситуация, где один и тот же капитал ходит по кругу между производителями чипов, облачными компаниями и разработчиками ИИ-моделей. Их взаимные инвестиции и сделки подталкивают оценки друг друга вверх, а агрессивный маркетинг дополнительно раздувает «пузырь» ИИ.

При этом, по данным международной базы данных о стартапах Crunchbase, в 2025 году венчурное инвестирование в ИИ-отрасль выросло по сравнению с 2024 годом на 85% и составило $211 млрд (половина всего мирового венчурного финансирования). Рост к 2024 году — 85%. По данным BIS, компании, связанные с ИИ, также обеспечивают около половины размещений облигаций инвестиционного уровня и получают 87% венчурного финансирования.

Но вопрос в том, приносит ли ИИ реальную отдачу тем компаниям, которые уже его внедрили. Если да, то долговая нагрузка — это временные издержки роста, если нет — риск куда серьезнее. 88% организаций, по данным McKinsey, используют ИИ хотя бы в одном бизнес-процессе, но только 39% фиксируют реальное влияние ИИ на прибыль компании. Жестче оценка MIT: 95% пилотов генеративного ИИ не показывают финансовой отдачи.

Почему так происходит? Не потому, что технологии не работают. Чаще проблема возникает в момент выбора задачи и способа внедрения. Чем теснее задача связана с конкретной статьей затрат или доходов и чем проще измерить результат, тем выше вероятность, что внедрение действительно окупится. Но когда десятки компаний одновременно вкладываются по принципу «нельзя ничего не делать», рынок получает огромное количество пилотов, у которых есть бюджет и поддержка, но нет окупаемости. Если до внедрения нельзя сформулировать, какую экономию времени или денег оно принесет, инициатива остается имиджевой и не влияет на бизнес.

Работающие кейсы объединяет одно: их эффект можно посчитать. Чаще всего они находятся в бэк-офисе и напрямую снижают затраты — обработка документов, борьба с мошенничеством, оптимизация логистики. Здесь есть точка отсчета, стоимость операции до и после, количество ошибок, затраченное время, потери или экономия. Второй признак — узкая отраслевая специализация и доступ к данным, которые сложно воспроизвести. Чем глубже продукт встроен в конкретный процесс, тем труднее заменить его очередной универсальной моделью и выше его ценность.

Александр Цыкунов, гендиректор ИТ-компании «Некстби»