Почему многие ИИ проекты обречены?
Почему многие ИИ проекты обречены?
Экономический механизм практически любой технологии имеет три ключевые итерации:создание стоимости (создание продукта, сервиса)присвоение (распределение продукта через предельную способность к монетизации)реинвестирование (поддержание и развитие продукта).
Сейчас ИИ-экономика сломана в среднем звене (присвоение/трансмиссия).
Стоимость создания флагманского ИИ растёт быстрее и масштабнее, чем способность эту стоимость присваивать / монетизировать; и этот разрыв не количественная случайность текущего момента, а структурное свойство, вытекающее из природы технологии.
Из чего следует асимметрия выживания: контур, где ИИ обволакивает уже созданные и успешно монетизируемые продукты (Microsoft, Google), структурно жизнеспособен через прямую и преимущественно косвенную монетизацию, тогда как контур, где ИИ продаётся как самостоятельный продукт (OpenAI, Anthropic), структурно нет.
Ключевое слово структурно. Речь не о том, что независимые лаборатории плохо управляются или временно убыточны. Речь о том, что сама геометрия их положения в цепочке создания стоимости не позволяет замкнуть контур присвоения и никакой операционный гений этого не меняет, пока не меняется геометрия из-за архитектурных ограничений ИИ технологий и специфики бизнеса.
Кривая стоимости создания и кривая монетизации растут с разной скоростью не случайно.
Масштабирование использования не удешевляет единицу ИИ (в виде токенов или законченных продуктов), как удешевляло копию софта из-за сопряжения в реальной экономике через стоимость создания и обслуживания ИИ-фабрик.
Фактор обесценивающегося актива. Обученная модель не завод, работающий 30 лет, а скоропортящийся актив со сроком конкурентной годности несколько лет. Инвестиция в обучение должна окупиться до того, как следующее поколение (своё или чужое) обнулит её ценность. Это превращает создание стоимости в бесконечную гонку за выживание / поддержку конкурентоспособности, ведь если у конкурирующего производителя условия окажутся лучше (по качеству, скорости, функционалу и/или цене), миграция к конкуренту произойдет незамедлительно (такая специфика индустрии).
Фактор гонки. Стоимость доминирования в ИИ определяется не абсолютной сложностью задачи, а действиями конкурентов. Тратить нужно столько, сколько тратит лидер, плюс дельту на обгон. Гонка делает расходы функцией от чужих расходов положительная обратная связь, толкающая кривую вверх независимо от отдачи. Пока есть хотя бы один игрок, готовый жечь капитал за лидерство (а в гонке национального масштаба с Китаем такой игрок гарантирован), планка расходов для всех держится высоко.
Что ограничивает монетизацию?
Конкуренция. Высокую чистую маржинальность можно поддерживать ровно до момента, пока аналогичную или схожую по характеристикам модель не сделал конкурент.Как только несколько моделей становятся достаточно хорошими для задачи, они взаимозаменяемы, и цена падает к предельной стоимости вычислений плюс незначительная маржа сверху (в лучшем случае).
Борьба за рынок. Чем агрессивнее борьба за рынок, тем больше стоимости утекает мимо выручки. ИИ-провайдеры вынуждены через маркетинг (бесплатный доступ к флагманским моделям) удерживать фокус внимания широкой аудитории, иначе потеря доли рынка, но с бесплатными моделями теряется потенциальная выручка, даже с минимальными лимитами доступа.
Захват маржи через механизм создания добавленной стоимости. ИИ-провайдеры, как распределители сырого интеллекта (продажа токенов или чатботов) работают, как продавцы сырья, тогда как обертка через создание ИИ-продуктов потенциально может быть доходнее (как аналог: сырая нефть или высокотехнологичные товары из нефти, как гоночная резина или фарма).
Монетизацию определяет масштаб и доля рынка, т.е игроки с низкой долей рынка в долгосрочном плане почти всегда имеют вектор к банкротству.
Суть в том, что расходы на создание ИИ в текущей конфигурации рынка растут сильно быстрее способности монетизировать.