Доступ к сильной языковой модели стоит сегодня меньше чашки кофе в месяц, а обходится её владельцу в суммы, которые сопоставимы с бюджетами на строительство электростанций. Разрыв между ценой на витрине и себестоимостью за витриной — главный факт этой индустрии, и он объясняет её поведение гораздо лучше, чем разговоры о разуме машин.
Крупнейшие технологические компании мира тратят на вычислительную инфраструктуру десятки миллиардов долларов в год, строят дата-центры рядом с источниками энергии и заключают долгосрочные договоры на электричество. Производитель ускорителей для обучения моделей за считаные годы вошёл в число самых дорогих компаний планеты. Никакой подписки на чат-бота такие расходы не покрывают и близко.
Значит, деньги должны прийти откуда-то ещё. Разбираю, откуда именно, кто на этой волне зарабатывает уже сейчас, а кто пока только вкладывает, — и что из этого следует для предпринимателя, который просто хочет сократить издержки у себя в компании.
Считать буду деньгами, а не восторгами:
- Отчего выручка сервисов так сильно отстаёт от расходов на инфраструктуру?
- Кто получает прибыль на этом рынке прямо сегодня?
- Зачем разработчикам моделей контракты с государством?
- Какая автоматизация окупается в компании из десяти человек?
Ускорители, электричество и тысяча специалистов
Расходная часть распадается на три потока, и ни один не похож на привычную структуру затрат софтверной компании. Первый — оборудование: специализированные ускорители, которые дорого стоят, быстро устаревают и покупаются партиями на годы вперёд. Второй — электроэнергия и охлаждение: обученная модель потребляет ток при каждом обращении, а обучение новой сжигает столько, что размещение центров планируют вокруг подстанций, а не вокруг офисов. Третий — люди: специалистов, способных обучать модели такого класса, в мире тысячи, и стоят они соответственно.
Ключевая особенность в том, что это капитальные затраты, а не операционные. Их несут до того, как появится первый клиент, и вернуть их можно только очень длинными деньгами. Классический софт устроен наоборот: написал один раз, продаёшь миллиону, каждая следующая копия почти бесплатна. В экономике нейросетей себестоимость не исчезает с ростом числа пользователей, а растёт вместе с ним — и это разворачивает всю привычную логику отрасли.
Прибыль оседает этажом ниже громких сервисов
Когда деньги растекаются по такой цепочке, прибыль оседает не там, где шум. Разработчики популярных сервисов работают на грани окупаемости или в убыток, потому что конкурируют ценой доступа. Зарабатывают этажом ниже.
| Этаж | Кто это | Положение сегодня |
|---|---|---|
| Оборудование | Производители ускорителей и сетевого железа | Прибыль здесь и сейчас, очередь на месяцы вперёд |
| Энергия и площадки | Генерация, дата-центры, охлаждение | Долгие контракты, растущий спрос |
| Облачные вычисления | Владельцы мощностей в аренду | Окупают вложения арендой |
| Модели | Разработчики базовых нейросетей | Огромные вложения, отложенная прибыль |
| Приложения | Сервисы поверх чужих моделей | Низкий порог входа, высокая конкуренция |
Для предпринимателя отсюда следует практичный вывод. На молодом рынке устойчивее живёт тот, кто снабжает участников гонки, а не бежит вместе с ними. Правило воспроизводится в любой отрасли на подъёме: во время строительного бума стабильнее всех живут поставщики бетона и аренда техники, а не застройщики.
Чем государство удобно как заказчик нейросетей
Компании, обучающие большие модели, открыто объявляли о работе с государственными и оборонными ведомствами разных стран — это происходило публично, с заявлениями и пересмотром собственных правил использования. Читать этот поворот стоит не как сюжет о зловещих планах, а как ответ на вопрос из предыдущего раздела: где взять деньги, соразмерные капитальным затратам.
Государство — заказчик с уникальным профилем. Оно платит долго, планирует бюджет на годы вперёд и покупает не подписку за десять долларов, а программу с горизонтом в пятилетку. Для отрасли с гигантскими вложениями и неясной окупаемостью такой контракт закрывает главную дыру — предсказуемость выручки.
Технологии двойного назначения — не новость этого десятилетия: спутниковая навигация, шифрование и сама сеть выросли из государственных программ, а гражданский рынок получил их позже. Новое здесь другое: заказчик всегда переписывает продукт под себя. Требования к аудиту, хранению данных внутри страны, объяснимости решений и допуску персонала приходят вместе с контрактом и постепенно проникают в те самые версии сервисов, которыми пользуются обычные компании.
Обращение к модели дешевеет, зависимость от поставщика дорожает
Цена одного обращения к модели за последние годы упала многократно и продолжит падать: конкуренция между поставщиками жёсткая, а вычисления оптимизируют непрерывно. Задачи, которые ещё недавно требовали отдельного бюджета — разбор текста, черновой перевод, расшифровка разговора, — стали копеечными.
Одновременно дорожает другое: зависимость. Компания, встроившая один сервис в свой основной процесс, оказывается заложником чужих решений о ценах, лимитах, доступности из вашей страны и о том, какие задачи поставщик считает допустимыми. Правила меняются уведомлением на почте, и обсуждать их не с кем.
Отсюда три инженерных требования, которые формулирует не программист, а собственник. Держите свои данные у себя, а не только в чужом кабинете. Прокладывайте обращения к модели через один собственный слой, чтобы смена поставщика была настройкой, а не переписыванием бизнеса. И проверяйте, что процесс продолжает работать при недоступности сервиса — пусть медленнее и руками, но работает.
Об автоматизации, которая окупается в небольшой компании
Пока индустрия спорит о масштабах, деньги на этом рынке зарабатываются скучно. Окупается автоматизация процессов, где много однотипного текста, ошибка не фатальна и результат всё равно просматривает человек.
- Первичная разборка входящих обращений: определить тему, срочность, отдел. Экономит часы диспетчера, ошибка стоит одной переадресации.
- Черновики типовых документов и коммерческих предложений по шаблону компании. Человек правит, а не пишет с нуля.
- Расшифровка звонков и встреч с выжимкой договорённостей — самый быстрый по окупаемости сценарий в отделе продаж.
- Описания товаров и карточек для больших каталогов, где вручную это не делается никогда.
Не окупается там, где цена ошибки высока, а проверять всё равно придётся полностью: расчёты с деньгами, юридически значимые формулировки, медицинские и технические заключения. Автоматизация экономит время только на тех участках, где проверка результата дешевле его создания. Если сотрудник тратит на вычитку столько же, сколько потратил бы на работу, внедрение принесло убыток и красивый отчёт.
Почему проект внедрения ИИ заканчивается презентацией
Не запускайте проект «внедрим искусственный интеллект в компании» — такие проекты заканчиваются презентацией. Возьмите один процесс, который повторяется ежедневно и отнимает больше часа, замерьте это время секундомером, попробуйте закрыть его инструментом за месяц и замерьте снова. Разница в часах, умноженная на стоимость часа сотрудника, и есть весь ответ.
Параллельно ответьте себе на неудобный вопрос: что произойдёт с вашей работой, если через полгода сервис поднимет цену вчетверо или перестанет обслуживать ваш регион. Компании, которые задают этот вопрос до внедрения, платят за него неделей проектирования. Те, кто задаёт его после, платят остановкой процесса в неподходящий момент.
Комментарии