Последний раунд финансирования OpenAI иллюстрирует смену настроений в отрасли: инвесторы теперь требуют от искусственного интеллекта устойчивой бизнес-модели и измеримой ценности, тогда как раньше было достаточно технологического обещания. Согласно опубликованному анализу, этот поворот может быть благоприятным для будущего ИИ.
OpenAI привлекла 11 миллиардов долларов в ходе первого закрытия финансирования, хотя изначально планировала собрать до 30 миллиардов долларов. Её оценка составляет около 1 250 миллиардов долларов, что ниже первоначально намеченных целей. Эти цифры по-прежнему огромны, но теперь внимание привлекает разрыв между амбициями и реальностью.
Компания, которая помогла запустить мировую революцию генеративного ИИ, обнаруживает, что технологического энтузиазма уже недостаточно для гарантирования неограниченного доступа к капиталу. Следует ли видеть в этом начало лопнувшего пузыря? Автор считает, что «не обязательно». Он скорее видит переход от экономики обещаний к экономике доказательств, переход, который касается не только OpenAI.
Технологический прогресс, внедрение и создание ценности
С момента появления ChatGPT отрасль развивается с исключительной скоростью. Модели становятся производительнее, мультимодальные возможности растут, а агенты умеют использовать инструменты, генерировать код и выполнять сложные последовательности действий. Эти успехи неоспоримы, но возникла путаница: считается, что рост технических возможностей автоматически ведет к пропорциональному созданию ценности.
Более умная модель не обязательно более прибыльна, а широко внедренная технология не обязательно экономически устойчива. Количество пользователей, объем потребленных токенов (единиц текста, обрабатываемых моделью) или число развернутых агентов — это показатели активности. Сами по себе они не доказывают создание ценности.
Организация может множить эксперименты и наблюдать рост индивидуальной производительности без заметного улучшения своих операционных результатов. Время, сэкономленное разработчиком, не ускоряет автоматически вывод продукта в продакшн, а агент, автоматизирующий десять задач, не обязательно создает ценность, если общий процесс остается неизменным. Как резюмирует автор: «Мы научились измерять то, что производит ИИ. Теперь пришло время измерять то, что он преобразует».
Экономический парадокс ИИ
С одной стороны, стоимость использования многих возможностей инференции (запуск уже обученной модели) снижается благодаря оптимизации аппаратного и программного обеспечения, а также архитектуры. С другой — гонка за передовыми моделями требует огромных инвестиций в инфраструктуру, энергию, дата-центры и вычислительные мощности. Каждая единица обработки становится дешевле, но расходы, необходимые для сохранения конкурентоспособности, растут.
Инвестиции также не гарантируют устойчивого конкурентного преимущества. Конкурирующие модели прогрессируют, открытые альтернативы набирают производительность, а компании учатся оркестрировать несколько моделей в зависимости от своих потребностей и затрат. Где будет заключаться ценность — в моделях, инфраструктуре, платформах или в трансформации бизнес-процессов? Автор полагает, что она будет постепенно смещаться к последнему измерению, не уничтожая ценность других слоев.
Для компаний-пользователей необходимость измерения результатов сопровождается требованием гибкости. Их стратегия не должна полностью зависеть от единственного поставщика, им необходимо сохранять возможность сменить модель, контролировать свои данные и отслеживать расходы. Первая фаза революции ИИ заключалась в том, чтобы сделать эту технологию доступной для всех; вторая должна продемонстрировать, что она может создавать устойчивую экономическую ценность.
