Ажиотаж вокруг искусственного интеллекта вызывает беспокойство, особенно если учесть увеличение долговой нагрузки компаний, занимающихся его развитием. С чем именно могут возникнуть проблемы, рассуждает в материале для Project Syndicate профессор финансов в Школе бизнеса имени Бута Чикагского университета Рагурам Раджан.
Кто есть кто в цепочке ИИ
ИИ, несомненно, изменит природу труда. Большие языковые модели уже способны генерировать рецензии на мои научные статьи — и они не хуже тех, что написали реальные рецензенты. В отличие от людей, которым всегда не хватает времени, большая языковая модель «знает» гораздо больше литературы или может мгновенно получить к ней доступ и часто демонстрирует меньше предвзятости. ИИ отмечает недостатки в моем анализе, проверяет факты, предлагает варианты улучшений. Лишь в редких случаях рецензии людей оказываются сильнее — обычно потому, что они глубже понимают и предлагают новые идеи.
И все же рыночная эйфория вокруг ИИ начинает вызывать беспокойство, особенно учитывая масштабы долговых обязательств этого сектора. И поэтому стоит задуматься, где именно в производственной цепочке ИИ могут возникнуть проблемы.
Эта цепочка начинается с производителей и разработчиков инфраструктуры ИИ: — компаний, подобных TSMC и Samsung, которые выпускают чипы, Nvidia, которая их разрабатывает, и Cisco, которая обеспечивает сетевую связность. Далее следуют гиперскейлеры, такие как Amazon, Google и Microsoft. Они строят дата-центры для обеспечения работы собственных ИИ-моделей и для продажи вычислительных мощностей. Есть также специализированные компании, подобные Equinix (дата-центры) и, конечно же, Anthropic и OpenAI.
Наконец, есть индивидуальные и корпоративные конечные пользователи ИИ-услуг. Число индивидуальных пользователей быстро увеличивается, корпоративное использование в некоторых сегментах (разработка ПО и клиентская поддержка) растет стремительно.
Однако большинство крупных предприятий, несмотря на активные эксперименты, еще не внедрили сквозные ИИ-решения. Многим необходимо систематизировать накопленные данные для обучения ИИ под собственные нужды, а также перестроить традиционные рабочие процессы, чтобы ИИ мог совершенствоваться по мере накопления опыта. Кроме того, многие компании обоснованно тревожатся по поводу безопасности данных, ошибок, а также ИИ-галлюцинаций, которые могут уничтожить имидж их бренда. Впрочем, менее консервативные молодые игроки будут находить новые способы применения ИИ, создавая конкурентное давление на старые, более крупные фирмы и вынуждая их меняться.
Где ждать проблем
По ряду причин внедрение ИИ может быть прервано, что создает риски для компаний, привлекающих долговое финансирование. Например, если графические процессоры, центральные процессоры и чипы памяти станут быстрее и энергоэффективнее, оборудование действующих дата-центров может стремительно обесцениться, что усложнит для них амортизацию затрат. А развитие LLM, которые уже достигли невероятных возможностей, базируясь, по сути, на прогнозировании следующего слова, может выйти на плато до тех пор, пока не появится какая-то новая технология.
ИИ-лаборатории продолжают вкладывать огромные деньги в обучение новых, более крупных моделей, полагая, что первая модель, которая достигнет некой «магической точки», когда она начнет самосовершенствоваться, будет править в ИИ-мире и принесет огромные прибыли. Но этот сценарий не выглядит вероятным. Даже если подобный уровень реально существует, конкуренты все равно сумеют догнать модель первопроходца (например, переманив ключевых сотрудников, чтобы узнать технические секреты).
Пока что ни одна ИИ-модель не имеет явного устойчивого преимущества. Если только Gemini (Google), Claude (Anthropic) и ChatGPT (OpenAI) не смогут в итоге дифференцироваться, ориентируясь на конкретные сегменты пользователей, (или объединятся, или вступят в сговор), трудно представить, откуда они получат прибыли, оправдывающие огромные инвестиции в обучение моделей.
Кроме того, власти пока держатся в стороне, но меры государственного регулирования в ответ на риски и опасения, связанные с ИИ, неизбежны. Дата-центры потребляют огромные объемы энергии, повышая цены на электричество для всех, поэтому на местные власти будет оказываться растущее политическое давление с требованиями ограничить их строительство. Например, в штате Индиана несколько округов недавно уже ввели мораторий на строительство дата-центров.
По прогнозам на следующий год производители оборудования и дата-центры не смогут обеспечить США необходимыми вычислительными мощностями. А в условиях дефицита у конечных пользователей появятся новые причины отложить внедрение ИИ. Нельзя перестраивать все операционные процессы вокруг ИИ, когда есть веские причины для сомнений в надежности доступа к нему или разумности цен в будущем.
Хуже того, хотя широкое внедрение ИИ может занять больше времени, чем многие ожидают, число случаев его вредоносного использования хакерами и создателями дипфейков, а также неконтролируемое использование детьми быстро растет. Нетрудно представить катастрофические сценарии: например, разрушительный киберинцидент, серьезные утечки или злоупотребление данными со стороны ИИ-агентов, а также плохо обученные модели, дающие детям опасные советы — вплоть до побуждения к насилию против себя или других (что уже происходило). Все громче звучат призывы к регулированию и усилению юридической ответственности разработчиков ИИ. Риски, связанные с «неконтролируемым» ИИ, могут даже подтолкнуть к давно назревшему диалогу между крупными державами и, возможно, привести к некоему «Женевскому соглашению по ИИ».
Возможно, важнейшим триггером для вмешательства властей станет массовое сокращение рабочих мест из-за искусственного интеллекта. Опасаясь политической или социальной реакции, даже те компании, которые хотят внедрить ИИ, могут колебаться с увольнением лишних сотрудников вне периода рецессии, что будет сводить на нет выгоды от внедрения и распространения ИИ.
Учитывая все эти неопределенности, непонятно, насколько широко и быстро будет внедряться ИИ, и кто от этого выиграет.
Производители и разработчики оборудования, казалось бы, находятся в выгодном положении, учитывая огромный спрос на вычислительные мощности. Но если строительство дата-центров приостановится, прибыли начнут доставаться гиперскейлерам и ИИ-лабораториям.
Они могут сократить объем вычислений, выделяемых на обучение более совершенных моделей, которые дают лишь кратковременное преимущество, и переключиться на продажу уже имеющихся вычислительных мощностей компаниям, использующим существующие достаточно мощные модели. Такие изменения также вероятны, если возможности нейросетей выйдут на плато. Регулирование также может заставить разработчиков тратить больше усилий на улучшение обучения и безопасности уже существующих моделей, укрепляя доверие общества.
Хорошая новость в том, что более сдержанное и осторожное внедрение ИИ даст компаниям больше времени на поиск таких видов использования, которые будут дополнять труд людей, а не вытеснять его, а властям и работникам — больше времени на адаптацию. Плохая новость в том, что эйфорические представления о быстрых и невиданных прибылях могут оказаться необоснованными. Это проблема особенно остра для ИИ-компаний, которым приходится обслуживать жесткие долговые обязательства.
Со временем ИИ-прогресс, скорее всего, окупится. Но не каждый поставщик ИИ-услуг получит прибыль — или даже выживет.
Copyright: Project Syndicate, 2026
www.project-syndicate.orgㅤ