Каждые 10–15 лет новая технология меняет мир. Так было с ПК, вебом, смартфонами — и так происходит сейчас с генеративным AI. В своей последней презентации аналитик Бенедикт Эванс рассказывает: мы находимся внутри очередного платформенного сдвига, который размывает старые границы, запускает инвестиционные циклы на сотни миллиардов долларов и заставляет компании пересматривать все — от софта до организационной структуры.
Но самое главное: несмотря на шумиху, никто до конца не понимает, куда именно все движется и какую форму в итоге примет.
Мы изучили презентацию Эванса и подготовили для вас саммари и ключевые тезисы.
Мы в начале нового платформенного сдвига
Каждый платформенный сдвиг означает глубокий передел индустрии цифровых технологий и всех сфер, которые с ними связаны. Многие бизнесы это убивает, а для других — открывает новые возможности.
Звучит слишком громко? Вспомните, как менялся мир в предыдущие сдвиги:
- Когда появились персональные компьютеры и стали доступны в каждом доме и на каждом рабочем месте.
- Когда интернет распространился повсеместно и стал ключевым новым средством обмена информацией.
- Когда мобильные технологии вложили мощности предыдущих сдвигов в ладонь практически каждого человека.
Новый сдвиг неизбежен и мы находимся в самом его начале.
Всего за три года технологии продвинулись от экспериментальных закрытых моделей для энтузиастов до массового внедрения и новых типов продуктов, которыми пользуются сотни миллионов людей в неделю.
OpenAI запустила гонку в сегменте фундаментальных генеративных моделей и поначалу была лидером практически по всем направлениям. Но ее быстро догнали другие участники глобального IT-рынка — это десятки компаний, которые разрабатывают как коммерческие, так и opensource решения (Anthropic, Meta*, Google, Deepseek, Grok и другие). Cо временем разрыв в качестве моделей стал минимален, а лидеры в рамках решения различных задач стали меняться по несколько раз за месяц.
Теперь же конкуренция стремительно смещается с уровня фундаментальных моделей в смежные сферы: как на уровень инфраструктуры, так и на уровень продуктовых применений новых моделей к реальным проблемам. При этом до сих пор непрозрачно, как именно и где будет формироваться защищаемая бизнес-ценность.
В Бенедикт Эванс старается разобраться в имеющихся сигналах и обрисовать, что именно происходит с индустрией.
Мы уже здесь: очередная смена платформы
Технологические революции случаются регулярно. И каждый раз они перетасовывают рынок. Microsoft взошла на трон и доминировала в эпоху PC, но упустила революцию смартфонов. Лидерство перешло к Apple и Google.
Первые лидеры в каждом сегменте — от браузеров до соцсетей — часто оказывались вовсе не теми, кто удерживал итоговую победу. И сейчас происходит то же самое.
Генеративный AI — это новое явление, которое быстро меняет мир. Но как именно все будет работать, пока никто не знает.
Каждый прошлый технологический цикл начинался с неопределенности: интернет первых лет состоял из AOL, Yahoo, Pointcast, Flash, плагинов, порталов. Тогда было непонятно, кто одержит верх. То же самое было и с мобильным интернетом.
То же самое происходит и с AI.
Гиперболы, ожидания и пузырь — все как всегда
Когда появляется новая технология, вокруг много оптимизма: люди строят большие ожидания и делают смелые предсказания. В главном они обычно правы — технология действительно меняет мир. Но то, как именно она его изменит, часто неочевидно из этой точки. Это создает пузыри.
Тем не менее, когда первая волна ажиотажа проходит, технология остается и перестраивает экономику. Интернет стал базовой инфраструктурой, SaaS привел к тому, что средняя крупная компания в США использует 400–500 приложений, большинство пар теперь знакомятся онлайн.
И то же неизбежно произойдет с AI.
Этот случай особенный: мы не знаем, насколько лучше станет AI
Во всех предыдущих циклах возможные улучшения технологии упирались в физические ограничения. В случае LLM этого нет.
Модели точно будут лучше — но насколько? Есть два противоположных мнения.
- Одно — Сергея Брина: «Гонка к AGI началась».
- Второе — Демиса Хассабиса: «Для AGI нужны еще несколько прорывов».
Сейчас никто не может описать, как именно будут происходить улучшения. Это делает цикл более захватывающим — но одновременно и более тревожным.
Big Tech охватила FOMO-гиперинфляция
В последние три года крупные технологические компании находятся в состоянии коллективного FOMO. Руководители прямо говорят инвесторам: риск недоинвестировать сейчас — выше, чем вложить слишком много.
Это проявляется в цифрах:
- «Большая четверка» (Microsoft, AWS, Alphabet, Meta*) тратит почти $400 млрд на инфраструктуру в 2025 году (для сравнения, зрелая индустрия глобального телекома — ~$300 млрд).
- Планы на 2025 год изменились прямо в течение 2025 года — январские оценки были значительно ниже фактических.
- Строительство дата-центров в США обгоняет строительство офисов.
- Nvidia и TSMC физически не успевают за спросом.
Энергия становится ограничением: рост потребности в электроэнергии в США — около 2% в год, но AI добавляет еще 1% — и такой объем невозможно быстро нарастить в рамках существующей инфраструктуры.
Контуры будущего пока непрозрачны
Несмотря на три года бурного развития, форма новых рынков все еще не ясна:
- Моделей стало значительно больше, включая китайские и open source;
- Разница в качестве моделей у лидеров минимальна;
- Никакого очевидного «рва» на уровне моделей ни у кого нет;
- Лидеры меняются каждую неделю.
При этом большинство людей все еще не нашли ежедневного юзкейса для новых AI-продуктов. . Конечно, есть power-пользователи, но пока это меньшинство. Массовому рынку нужны удобные, продуманные инструменты, которые решают конкретную задачу — не «сырой» чат для всего, а понятный продуктовый опыт для решения конкретной проблемы.
За счет чего игроки могут создавать защищаемую долгосрочную ценность?
Если модели становятся похожими друг на друга, и при этом стоят очень дорого, то у всех возникает логичный вопрос — как именно мы можем создать защищаемую ценность? Где именно будут находиться бизнесы, которые станут победителями в этом новом мире?
Пока что все сводится к двум потенциальным ответам:
- На инфраструктурном уровне (в облаках и чипах с защитой через масштаб и капитал).
- На продуктовом уровне (создание новых софтверных или агентских продуктов с сетевыми и платформенными эффектами).
Microsoft, судя по росту capex/sales, делает ставку на первую стратегию.
OpenAI пытается играть одновременно на всех фронтах — сделки по инфраструктуре с Oracle, Nvidia, Intel, Broadcom, AMD; интеграции в e-commerce, реклама, вертикальные наборы данных; платформа приложений, социальное видео, веб-браузер; роботы, Jony Ive, биотех.
Стартапы же фокусируются на уровне продуктовом: «разобрать» ChatGPT на узкие вертикали — так же, как раньше разбирали Google, Excel, электронную почту или Oracle.
Как AI внедряется в классическом бизнесе
Вне технологического сегмента динамика влияния новой технологии более предсказуемая. Любая технология проходит три этапа:
- Absorb — автоматизация очевидных задач.
- Innovate — появление новых продуктов.
- Disrupt — переосмысление отрасли и процессов.
Пока что AI в основном на первом этапе: например, с его помощью можно быстрее отвечать на почту, делать саммари документов или автоматизировать саппорт.
Корпорации идут двумя путями: через системных интеграторов и через enterprise-SaaS. Accenture показывает резкий рост контрактов по GenAI, Palantir — рост выручки.
Но внедрение тормозится привычными проблемами: безопасность, легаси, данные, подбор юзкейсов. Даже сейчас 40% CIO не планируют внедрять LLM-продукты раньше 2026 года.
После автоматизации начинается самое интересное
Что произойдет, когда выполнение простых задач и базовые процессы будут автоматизированы?
Вероятно, начнут появляться AI-native продукты, которые принципиально пересмотрят подход к решению задач, изменят воркфлоу и дадут что-то принципиально новое. Зачатки этого уже можно наблюдать в сегменте кодинга или создания фильмов с помощью AI.
Компании условно получат «бесконечных интернов» — при этом может сработать парадокс Джевонса: когда труд становится почти бесплатным, объем работы не уменьшается, а растет.
Так, Британия в XIX веке получила эквивалент пятикратного увеличения рабочей силы благодаря паровым машинам. Что произойдет, если благодаря AI такую продуктивность получат современные компании?
История повторяется: и инновации, и страхи
Страхи вокруг AI выглядят новыми, но на самом деле едва ли они таковые. В 1950-х в США выходили отчеты об «автоматизации», которые почти дословно повторяют сегодняшние дискуссии. Многие технологии — от лифтов до компьютеров — вызывали похожие тревоги.
Но как только автоматизация начинает работать стабильно, она становится незаметной: так произошло, например, с автоматическими лифтами.
AI проходит тот же цикл — сначала шум и страхи, затем реальное внедрение, после чего технология может просто стать частью инфраструктуры и вовсе перестать восприниматься как что-то особенное.
Как находить идеи для применения AI/ML-технологий, проверять и развивать их в своих продуктах, мы подробно разбираем в нашем курсе «AI/ML-симулятор для продакт-менеджеров» от GoPractice.
В нем вы на практике разберете типовые кейсы внедрения AI-решений в продукт, а интерактивный формат позволит окунуться в практику и отточить навыки без рисков для реального бизнеса.
*Meta (признана в России экстремистской организацией и запрещена)
