От токеномаксинга к ROI: Тиффани Лак из NEA о проверке реальности в сфере ИИ

Эпоха «токеномаксинга» — когда гендиректора Кремниевой долины поощряли неограниченное использование ИИ независимо от затрат — стремительно уступает место периоду пристального финансового контроля. По мере того как предприятия переходят от первоначального хайпа, фокус смещается с простого потребления на ощутимую окупаемость инвестиций (ROI).

Конец эры токеномаксинга

В начале этого года преобладающим трендом в технологической сфере был «токеномаксинг» — стремление внедрить ИИ в каждый возможный рабочий процесс для максимизации полезности. Однако астрономические затраты на использование больших языковых моделей (LLM) привели к серьезному столкновению с реальностью. Согласно громким сообщениям, такие компании, как Uber, израсходовали весь свой годовой бюджет на ИИ всего за несколько месяцев.

Это финансовое давление вынудило организации внедрить строгий контроль: некоторые компании даже сокращают количество лицензий Claude для определенных отделов или отказываются от внутренних рейтингов ИИ, как это сделала Meta. Для венчурных капиталистов, таких как партнер NEA Тиффани Лак, этот сдвиг знаменует переход от экспериментальных трат к дисциплинированному «подведению итогов ROI».

Рост модельной агностичности и стратегий развертывания

По мере того как компании пытаются справиться с этими расходами, формируется новый паттерн внедрения ИИ на уровне предприятий. Вместо того чтобы полагаться на одного провайдера, предприятия все чаще используют комбинацию различных моделей («mixing and matching»), чтобы оптимизировать как производительность, так и стоимость. Такой мультимодельный подход позволяет компаниям использовать дорогие модели с высокими способностями к рассуждению для сложных задач, одновременно применяя более мелкие и дешевые модели для рутинной автоматизации.

Для содействия этой интеграции становится необходимым новый тип специалистов: forward-deployed engineer (инженер внедрения). Лак предполагает, что эти инженеры выступают в роли «троянского коня» для внедрения ИИ в крупных организациях. Работая непосредственно на передовой внедрения, они помогают преодолеть разрыв между сырыми возможностями моделей и конкретными, ориентированными на ценность бизнес-кейсами, гарантируя, что инструменты ИИ действительно решают задачи предприятия, а не просто усложняют процессы.

Поиск ценности во всем стеке ИИ

Распространенное заблуждение на текущем рынке заключается в том, что ценность сосредоточена исключительно на уровне моделей. В то время как гонка за самой мощной LLM продолжается, Тиффани Лак утверждает, что значительная ценность создается на каждом уровне стека ИИ.

От стартапов, создающих специализированную инфраструктуру, помогающую предприятиям отслеживать расходы на ИИ, до разработчиков, создающих «персональных агентов», которые дарят «магические моменты» в потребительском опыте, — возможности становятся всё более разнообразными. По мере созревания индустрии победителями, скорее всего, станут не те, кто просто предоставляет наибольшее количество токенов, а те, кто предлагает наиболее эффективный, интегрированный и измеримый интеллект.

Основные выводы