Почему предприятиям сложно рассчитать окупаемость инвестиций (ROI) в ИИ
Первая волна «tokenmaxxing» — когда генеральные директора поощряли агрессивное и бесконтрольное использование ИИ — столкнулась с суровой реальностью, так как корпоративные бюджеты подвергаются тщательному анализу. По мере того как компании проходят этап экспериментов, центральная задача смещается от простого внедрения к доказательству ощутимой окупаемости инвестиций (ROI).
От tokenmaxxing к бюджетной ответственности
В начале этого года Кремниевую долину охватил «tokenmaxxing» — тренд, при котором организации доводили использование ИИ до абсолютного предела, чтобы максимизировать его возможности. Однако сейчас становятся очевидными финансовые последствия этого безудержного энтузиазма. Согласно отчетам, такие крупные игроки, как Uber, израсходовали свои годовые бюджеты на ИИ всего за несколько месяцев.
Этот всплеск потребления привел к фазе коррекции в корпоративном ландшафте. Мы наблюдаем, как организации сокращают масштабы: например, компании урезают количество лицензий Claude для определенных отделов, а Meta, по сообщениям, прекратила ведение своего внутреннего рейтинга ИИ. Эти шаги сигнализируют о переходе от менталитета «рост любой ценой» к строгой финансовой дисциплине и управлению ресурсами.
Поиск «магических моментов» и персональных агентов
Несмотря на ужесточение бюджетной политики, партнер NEA Тиффани Лак сохраняет оптимизм в отношении трансформационного потенциала ИИ, особенно в потребительском секторе. Лак подчеркивает важность поиска «магических моментов» — тех конкретных ситуаций, когда ИИ приносит конечному пользователю неоспоримую и высокоценную пользу.
Индустрия выходит за рамки простых чат-ботов в сторону разработки сложных персональных агентов. Эти агенты представляют собой новый рубеж развития ИИ, переходя от реактивных инструментов к проактивным помощникам, способным решать сложные задачи. Для венчурных капиталистов и основателей цель состоит в том, чтобы отойти от стандартных внедрений LLM и создавать специализированных агентов, которые решают труднорешаемые проблемы способами, оправдывающими их значительные операционные расходы.
Рост сферы управления расходами на ИИ
По мере того как разрыв между хайпом вокруг ИИ и реальной продуктивностью сокращается, для преодоления этого разрыва появляется новый подсектор стартапов. Предприятия в настоящее время с трудом пытаются отслеживать детализированные затраты на вызовы API моделей, вычислительные мощности и лицензии на рабочие места в сопоставлении с фактически созданной ценностью.
Это открыло огромные возможности для стартапов, специализирующихся на наблюдаемости ИИ (AI observability) и управлении расходами. Компании ищут инструменты, обеспечивающие прозрачность их ИИ-стека, позволяющие точно видеть, на что расходуются токены и приносят ли они доход или просто увеличивают накладные расходы. Способность соотносить расходы на ИИ с конкретными бизнес-результатами станет определяющим фактором для предприятий, успешно внедряющих ИИ в свои основные рабочие процессы.
Основные выводы
- Бюджетный реализм: Эпоха бесконтрольного «токеномаксинга» подходит к концу, так как такие компании, как Uber, сталкиваются с быстрым истощением бюджетов, что ведет к более дисциплинированным закупкам ИИ-решений.
- Переход к агентам: Фокус смещается с универсальных LLM в сторону специализированных персональных агентов, целью которых является создание конкретных «магических моментов» полезности.
- Новые потребности в инфраструктуре: Растет рынок специализированного ПО, предназначенного для того, чтобы помочь предприятиям отслеживать, управлять и оптимизировать окупаемость инвестиций в ИИ.