Еще несколько лет назад искусственный интеллект (ИИ) представляли как универсальный инструмент экономики и экономии. Предполагалось, что нейросети возьмут на себя значительную часть работы, позволят компаниям сократить персонал и резко повысить производительность. Сегодня эта картина выглядит сложнее. Некоторые компании, первыми начавшие увольнять сотрудников ради ИИ, уже возвращают людей на прежние должности. Одновременно растут расходы на дата-центры, чипы, электроэнергию и кредиты. В результате обещанная экономия нередко превращается в дополнительные затраты.
Главное противоречие нынешней технологической революции заключается в том, что инвестиции в ИИ растут быстрее, чем его способность приносить сопоставимую прибыль.
Гонка в сфере искусственного интеллекта уже стала одним из крупнейших инвестиционных проектов XXI века. По оценке Gartner, мировые расходы на ИИ в 2026 году могут достигнуть 2,52 триллиона долларов. Goldman Sachs прогнозирует, что до 2031 года в развитие ИИ-инфраструктуры будут вложены еще триллионы.
Основными участниками гонки остаются крупнейшие технологические корпорации. Nvidia поставляет вычислительные мощности, Microsoft развивает облачную инфраструктуру и финансирует OpenAI, Meta продвигает семейство Llama, Anthropic создает Claude, а китайская DeepSeek пытается доказать, что мощные модели можно разрабатывать с меньшими затратами.
Однако чем больше становится индустрия, тем острее вопрос: кто и каким образом вернет вложенные деньги? Современный ИИ требует строительства огромных дата-центров, закупки дорогостоящих графических процессоров, расширения электросетей и систем охлаждения. Необходимо оплачивать обучение моделей, хранение данных, кибербезопасность и работу специалистов, контролирующих результаты. Это не программа, которую компания один раз установила и начала использовать. ИИ представляет собой постоянно дорожающую инфраструктуру.
Показателен пример Meta. При финансировании нового дата-центра стоимостью 12 миллиардов долларов инвесторы потребовали более высокой доходности, поскольку рынок стал осторожнее относиться к рискам ИИ. При таких объемах даже небольшое повышение процентной ставки означает десятки миллионов долларов дополнительных расходов ежегодно.
Есть еще одна проблема, о которой говорят все чаще — финансовый мираж. Она связана не столько с самим искусственным интеллектом, сколько с тем, как сегодня устроено его финансирование.
В августе 2025 года глава OpenAI Сэм Альтман произнес показательную фразу: «Кто-то потеряет феноменальную сумму денег».
Эти слова звучат как предупреждение всей индустрии. Представьте ситуацию. Компания А дает миллиарды долларов компании Б на развитие искусственного интеллекта. Казалось бы, компания Б получила деньги и теперь будет создавать новые технологии. Но происходит другое: значительная часть этих денег почти сразу возвращается компании А, потому что именно у нее компания Б покупает вычислительные мощности, арендует серверы или оплачивает облачные сервисы, необходимые для работы ИИ.
Именно так сегодня работают многие крупнейшие игроки рынка. Microsoft инвестирует миллиарды долларов в OpenAI, а OpenAI затем тратит огромные суммы на аренду облачной инфраструктуры Microsoft Azure. Amazon вложила миллиарды в Anthropic, после чего Anthropic обязалась потратить более 100 миллиардов долларов на использование облачной платформы Amazon Web Services (AWS). Аналогичная ситуация складывается и с Nvidia: компании получают инвестиции, а затем закупают у Nvidia ее же графические процессоры, без которых современные нейросети просто не могут работать.
Получается своеобразный круговорот денег. Компании инвестируют друг в друга, а затем сами же становятся крупнейшими покупателями товаров и услуг своих инвесторов. В отчетах это выглядит как стремительный рост продаж, доходов и инвестиций. Но возникает важный вопрос: сколько из этого роста создают реальные клиенты, а сколько — сами участники этой системы, постоянно покупающие друг у друга?
Это не означает, что рынок ИИ — пузырь или что все эти инвестиции фиктивны. Однако такая модель делает отрасль очень зависимой от ожиданий инвесторов. Если спрос на искусственный интеллект окажется ниже прогнозов, деньги перестанут циркулировать с той же скоростью, и проблемы начнут распространяться по всей цепочке — от разработчиков ИИ до производителей чипов, банков и инвестиционных фондов.
Риски давно вышли далеко за пределы Кремниевой долины. Акции крупнейших технологических компаний сегодня находятся в портфелях банков, страховых компаний, государственных и частных пенсионных фондов по всему миру. Норвежский нефтяной фонд владеет акциями Nvidia, Apple и Microsoft. Японский государственный пенсионный фонд также инвестирует значительную часть средств в американский рынок (на технологические компании приходится около 90 % роста американского фондового рынка). Аналогичные вложения есть у европейских, ближневосточных и многих других суверенных фондов.
Именно поэтому возможные проблемы ИИ-индустрии уже давно перестали быть заботой только инвесторов Кремниевой долины. Если эта система даст серьезный сбой, последствия почувствуют не только владельцы акций технологических компаний. Давление может распространиться на весь американский фондовый рынок, курс доллара, стоимость заимствований, государственные бюджеты и мировые финансовые рынки. А это уже напрямую касается обычных людей: пенсий, накоплений, доступности кредитов, цен на товары, стоимости топлива и общего уровня жизни. Иными словами, если крупнейшая инвестиционная ставка XXI века окажется ошибочной, платить за нее будут не только миллиардеры и технологические корпорации, но и миллионы людей, которые никогда не покупали акции Nvidia, Microsoft или OpenAI.
Первоначальная логика бизнеса была простой: если ИИ выполняет работу сотрудника, человека можно уволить и сократить расходы на зарплату. Но стоимость внедрения технологии не ограничивается подпиской на программу. Компании платят за вычислительные ресурсы, лицензии, интеграцию, защиту данных, обучение персонала и контроль качества.
Особенно дорого обходятся ошибки и «галлюцинации», когда нейросеть уверенно выдает неверную или вымышленную информацию. В нестандартных ситуациях результат все равно должен проверять человек.
Поэтому после увольнения сотрудника компания нередко вынуждена не только оплачивать ИИ, но и нанимать нового специалиста, который будет выполнять сложную часть работы и контролировать автоматизированную систему.
Дополнительной проблемой становится потеря внутреннего опыта. Уволенные работники уносят знания о клиентах, прошлых ошибках, рабочих процессах и неформальных правилах компании. Быстро восстановить такую экспертизу невозможно.
Одним из самых известных примеров стала шведская финтех-компания Klarna. В 2024 году она заявила, что ее ИИ-помощник выполняет объем работы, сопоставимый с трудом примерно 700 сотрудников службы поддержки. Компания замедлила найм и сделала автоматизацию частью стратегии сокращения расходов.
Однако уже в 2025 году руководство признало, что чрезмерная ориентация на экономию ухудшила качество обслуживания. Klarna снова начала привлекать людей к работе с клиентами. ИИ хорошо справлялся со стандартными вопросами, поиском информации и типовыми обращениями. Но клиентская поддержка требует большего.
Сотрудник должен понимать эмоциональное состояние клиента, учитывать историю взаимодействия, принимать решения о компенсациях и определять, когда вопрос необходимо передать руководителю. Нейросеть может подготовить ответ, но не всегда способна оценить всю ситуацию и взять на себя ответственность за решение.
Главная ошибка компаний заключалась в том, что они попытались заменить людей целиком, хотя ИИ чаще способен автоматизировать лишь отдельные операции.
Крупная корпорация способна пережить временное ухудшение обслуживания или потерю части клиентов. У нее есть финансовые резервы и возможность компенсировать неудачу доходами других подразделений.
У малого бизнеса такого запаса обычно нет. Для небольшой компании потеря даже одного крупного заказчика может оказаться критической. При этом наиболее прибыльные клиенты часто требуют личного внимания, знания истории сотрудничества и способности быстро решать нестандартные проблемы.
Если ИИ ухудшает качество такого взаимодействия, экономия на зарплате одного сотрудника может привести к потере контракта, приносившего значительную часть прибыли.
Оставшимся работникам приходится исправлять ошибки системы, отвечать на сложные обращения и одновременно выполнять собственные обязанности. В итоге рост эффективности сменяется перегрузкой и выгоранием.
