Корпоративный ИИ: как получить реальную ценность от инвестиций

На сессии VentureBeat’s AI Impact Tour 16 апреля 2026 года Брайан Грейсли, директор по портфельной стратегии Red Hat, и Мэтт Маршалл, генеральный директор VentureBeat, обсудили новую фазу развития корпоративного ИИ. Главный вопрос сейчас не в том, что можно создать, а как максимально эффективно использовать инвестиции в искусственный интеллект.

Грейсли описал текущую реальность крупных компаний: неконтролируемое распространение ИИ-решений, рост затрат на инференс и отсутствие чёткого понимания окупаемости вложений. Это так называемый «День 2» для корпоративного ИИ, когда пилотные проекты переходят в полноценное производство, а вопросы стоимости, управления и устойчивости становятся сложнее, чем сама разработка систем.

В течение последних двух лет стоимость не была основной проблемой при оценке генеративного ИИ. Экспериментальная фаза позволяла тратить средства свободно, а обещания роста производительности оправдывали агрессивные инвестиции. Однако эта динамика меняется, поскольку компании входят во второй и третий бюджетные циклы с ИИ. Фокус сместился с вопроса «можем ли мы это построить?» на «получаем ли мы то, за что заплатили?»

Предприятия, которые сделали крупные ранние ставки на управляемые ИИ-сервисы, теперь тщательно проверяют, приносят ли эти инвестиции измеримую ценность. Проблема не только в дороговизне вычислений на GPU. Многие организации не имеют инструментов для связи расходов с результатами, что делает почти невозможным обоснование продления контрактов или ответственное масштабирование.

Доминирующая модель закупок ИИ последних лет была простой: платить поставщику за токен, место или вызов API, позволяя другим управлять инфраструктурой. Эта модель имела смысл как отправная точка, но сейчас её всё чаще ставят под сомнение организации с достаточным опытом. Они начинают переосмысливать эту модель, стремясь стать «генератором токенов», а не только их потребителем. Это может означать эксплуатацию или аренду GPU, а также выбор более подходящих открытых или небольших моделей вместо самых передовых.

Хотя стоимость токенов падает (по словам генерального директора Anthropic Дарио Амодея, примерно на 60% в год), использование ИИ ускоряется. Это компенсирует выгоды от снижения цен. Возникает парадокс Джевонса: улучшение эффективности использования ресурсов увеличивает их общее потребление. Для планировщиков бюджета это означает, что снижение удельных затрат не приводит к снижению общих счетов. Организация, которая утроит использование ИИ при снижении затрат вдвое, всё равно потратит больше.

Решение не в замедлении инвестиций в ИИ, а в создании гибкой инфраструктуры. Побеждают не те, кто движется быстрее или тратит больше, а те, кто строит инфраструктуру и операционные модели, способные адаптироваться к следующим неожиданным изменениям. Грейсли подчеркнул, что важно создавать абстракции и обеспечивать гибкость, чтобы экспериментировать без высоких затрат и рисков для бизнеса. Несмотря на то, что обсуждения ИИ стали привычными, практический опыт большинства организаций измеряется годами, а не десятилетиями. Индустрия движется быстро, и гибкость позволяет подготовиться к будущим изменениям.