Сергей Вотяков: инвестиции в ИИ ещё не гарантируют роста производительности

Искусственный интеллект всё чаще обсуждают не как отдельную технологию, а как фактор, способный менять экономику в целом. Показательно, что эта тема уже вошла в повестку центральных банков.

5 октября заместитель главы Банка Японии Синъити Утида обратил внимание на несколько каналов такого влияния. Инвестиционный цикл вокруг ИИ создаёт дополнительный спрос и оказывает давление на экономическую активность и цены. Рост стоимости компаний, связанных с ИИ, влияет на финансовые условия, а масштабное привлечение ими капитала способно отражаться на долгосрочных процентных ставках. Одновременно ожидается влияние ИИ на производительность и рынок труда, хотя масштаб и сроки этих эффектов пока невозможно оценить однозначно.

На мой взгляд, здесь важно разделять две вещи: инвестиционный ажиотаж и реальное внедрение.

Сегодня искусственный интеллект уже является макроэкономическим фактором. Особенно хорошо это видно по Соединённым Штатам, где вокруг ИИ сформирован очень мощный инвестиционный цикл. Но история новых технологий показывает, что сначала почти всегда возникает период завышенных ожиданий. Затем внимание снижается, а технология переходит в более спокойную и практически гораздо более важную стадию — массового внедрения.

Поэтому сам по себе разрыв между объёмом инвестиций и быстрым ростом производительности не должен удивлять. Внедрение всегда запаздывает относительно научных разработок и технологического хайпа.

В России мы уже видим предприятия, которые начали этот путь. Компании инвестируют в собственные дата-центры, приобретают вычислительное оборудование и создают команды для работы с корпоративными данными. Это уже не эксперимент нескольких ИТ-компаний — технология постепенно входит в реальный сектор.

Но здесь возникает принципиальный вопрос: как измерять эффект?

Рост производительности, снижение издержек, уменьшение простоев и увеличение выручки, безусловно, важны. Однако далеко не всегда можно однозначно определить, какой именно фактор дал результат. Поэтому я бы смотрел также на изменение структуры самого предприятия.

Если внедрением занимается один сотрудник, который пытается одновременно быть аналитиком, разработчиком и руководителем проекта, системного эффекта ждать трудно. Совсем другая модель возникает тогда, когда рутинные операции автоматизируются, а количество специалистов, работающих с цифровыми системами и управляющих автоматизированными процессами, растёт.

Ещё один показатель — конкурентоспособность. Эффективное внедрение ИИ в конечном счёте должно помогать российским компаниям становиться сильнее на внутреннем и внешнем рынках, а персоналу — переходить от рутинных операций к более интеллектуальной работе. В перспективе промышленная, торговая или сервисная компания в значительной степени должна становиться ещё и ИТ-компанией.

Есть и ещё одно изменение, которое нельзя игнорировать. Ограничителем развития искусственного интеллекта становятся уже не только алгоритмы.

Сегодня это прежде всего энергия и инфраструктура передачи данных. Современные дата-центры требуют огромных вычислительных ресурсов, устойчивого энергоснабжения и высокоскоростной связи. Поэтому дальнейшее развитие ИИ будет всё сильнее зависеть от экономики электроэнергии и от возможностей инфраструктуры передачи информации.

Возникает закономерный вопрос: кто должен всё это финансировать?

В первую очередь сами предприятия. Собственники и генеральные директора должны видеть, что внедрение искусственного интеллекта даёт экономический результат — через рост доходов, снижение расходов либо оба эффекта одновременно. Именно тогда бизнес начинает выделять серьёзные ресурсы.

Роль государства при этом также остаётся значительной. Если в каком-либо направлении рынок самостоятельно развивается недостаточно быстро, нужны стимулирующие механизмы. Это могут быть субсидии на использование отечественных программных продуктов, налоговые вычеты и другие инструменты, позволяющие снизить первоначальную стоимость внедрения.

Особенно важна эта логика для регионов.

Желание иметь собственный дата-центр понятно. Но начинать нужно не со строительства объекта, а со спроса. Региональной промышленности и бизнесу должны быть нужны эти вычислительные мощности. Иначе после создания инфраструктуры возникнет более сложный вопрос — как обеспечить её загрузку и окупаемость.

Поэтому вместе с инфраструктурой необходимо создавать региональные центры компетенций и готовить специалистов. Нужны инженеры-внедренцы, аналитики, разработчики, тимлиды, руководители цифровых подразделений. Причём такие команды должны появляться не только в Москве, но и непосредственно в регионах, рядом с промышленными предприятиями.

Именно здесь проходит граница между очередным технологическим инвестиционным циклом и реальной структурной перестройкой экономики. Если инвестиции в ИИ приведут к формированию спроса со стороны предприятий, развитию инженерных компетенций, автоматизации производства и росту конкурентоспособности, технология действительно станет источником долгосрочной производительности. Если этого не произойдёт, сама по себе стоимость построенных дата-центров и закупленного оборудования экономического эффекта не создаст.