Искусственный интеллект (ИИ) в августе 2025 года — это мощный инструмент: при стратегически выстроенном подходе он увеличивает капитализацию бизнеса, причём устойчиво на долгосрочном горизонте. А вот, как говорится, в неумелых руках, ИИ может привести к краху.
Компании по всему миру стали внедрять ИИ, часто честно не отвечая себе на вопрос: а вы это делаете, чётко понимая, как обращаться с этой технологией (это не только правильный промпт (запрос) составить)? Или — больше «для галочки», «все делают так — и мы туда же»? История с внедрением блокчейна, похоже, не научила многих: быстро сначала многие ввязались в использование технологии распределенного реестра (ТРР), а потом разочаровались. И зря, но это — отдельный разговор.
В целом, жизнь — лучший учитель, но всё же не стоит наступать на грабли. ИИ способен реально разорить бизнес, если не знать, как с ним обращаться эффективно. Почему же так происходит, какие «подводные камни» подстерегают и как не нарваться на них? Это не сказка про технологию «палочки-выручалочки», а суровая правда.
Ожидания против реальности
Компании, особенно в финтехе, ждут, что ИИ сразу сократит расходы на 30% или увеличит прибыль. Но реальность сложнее. Вот пример: один из российских финтех-стартапов потратил 500 млн рублей на ИИ для оценки кредитных рисков. А система? Ошибалась в 40% случаев из-за плохих данных. Результат? Убытки и потеря клиентов.
Почему так? ИИ хорош ровно настолько, насколько качественен материал, на котором он взращивается. В России, например, уже 9 из 10 финансовых компаний используют ИИ, но качество данных часто ниже плинтуса: устаревшие базы, несогласованные форматы. В США треть ИИ-проектов в банках провалилась из-за «голода» по верифицированным и валидным данным. Это как строить карточный домик — всё рушится.
Затраты, которые жгут бюджет
Внедрение ИИ — это недешево. В 2025 году аренда одного чипа NVIDIA для нейросетей в России стоит нередко более 2000 рублей в час. Крупные проекты требуют сотен, а иногда — тысячи таких чипов, плюс разработка, обучение персонала, интеграция. Средний ИИ-проект обходится в мире в десятки миллионов долларов на старте. Естественно, бизнес в этой сфере стремится в те юрисдикции, где они смогут получить поддержку из местного бюджета, а также есть возможность разделить вложения в ИИ в рамках государственно-частного партнёрства.
Ещё один вызов — увеличивающаяся зависимость от внешних провайдеров ИИ-решений и входных данных для тренировки нейросетей. Возрастают внешние риски касательно операционных сбоев и концентрации ключевых ИИ-услуг в руках считанного числа компаний. А если рынок нейросетей подмят небольшим кругом провайдеров, то это в итоге не только вопрос цен и условий, а качества предоставляемых решений.
Этика и законы
ИИ-системы подвергаются растущей критике за своё пристрастие к предубеждениям. Есть задокументированные случаи дискриминации в кредитовании и найме из-за ИИ. Например, в США алгоритмы для кредитов отказывали людям из определённых районов, основываясь на предвзятых данных. Иски против таких компаний — уже норма.
Регулирование не поспевает за технологиями. В ЕС и Китае законы о ИИ меняются каждые полгода. В России пока нет синхронизированного подхода, но в ЕАЭС обсуждают стандарты для нейросетей в финансовой сфере, чтобы совместить их развитие с ТРР. Без чётких правил компании рискуют получить штрафы или судебные иски, которые могут слишком сильно утяжелить корпоративные бюджеты.
ИИ и другие технологии: риски на миллионы
ИИ часто работает вместе с блокчейном, децентрализованными финансами (DeFi) и интернетом вещей (ИВ), но эти связки тоже могут разорить. Возьмём DeFi. ИИ-алгоритмы для автоматической торговли на блокчейне обещают доходность 20–30% годовых. DeFi-проекты и так нередко имеют уязвимости в смарт-контрактах, а тут ещё появился такой инструмент как ИИ.
К сожалению, хакеры используют ИИ для атак, а защита обходится в миллионы. ИИ-боты для трейдинга также давали сбои из-за волатильности: их нужно правильно настраивать и постоянно адаптировать, иначе они не смогут «скушать» высокую волатильность некоторых сегментов мирового финансового рынка, включая криптовалюты.
В умных городах ИИ управляет ИВ-устройствами — от светофоров до камер. Но это дорого. В Сингапуре «умный» город обошёлся в 15 млрд долларов, из них 40% ушло на ИИ и Интернет вещей (ИВ). Если экономика замедляется, как в ЕС в 2025 году, такие проекты просто замораживают.
ИИ-роботы и автономные системы — ещё одна ловушка. В производстве они повышают производительность, но их внедрение стоит дорого, если не иметь соответствующего опыта обращения с инновациями. Я, как отвечавший за корпоративную стратегию в целом ряде организаций, включая банк «Открытие» и «Открытие брокер», вижу очевидные для меня «подводные камни» внедрения ИИ.
Например, сейчас базового ИИ-робота можно заказать в КНР за сумму от полумиллиона рублей, но нужно чётко вплести таких новых «сотрудников» в общую систему операционных процессов. Я внедрял самые разные инновации по мере их появлени и, наработав большой опыт, хочу сказать следующее: нужно очень аккуратно подходить к новому, досконально просчитывать все сценарии, смотреть не только на краткосрочный горизонт, но и на долгосрочные выгоды и риски для стейкхолдеров организации.
В КНР ИИ-роботы уже управляют отдельными цеховыми структурами на фабриках, сами меняют себя аккумуляторы, однако проблемы с ИВ-сетями приводят к простоям. А ведь нужно учитывать не только физический износ ИИ-роботов, но и очень быстрый моральный износ. Кстати, в этом плане ожидаю рост бизнеса по лизингу ИИ-устройств для нужд организаций.
Экономика, где ИИ подводит
ИИ может создавать автономные системы, которые работают без людей. Но это тоже риск. Это делает работу рынков быстрее, но ошибки алгоритмов способны обрушить портфели, если не просчитать заранее соответствующий сценарий и реакцию на него.
Плюс, автономные системы требуют огромных вложений в инфраструктуру для работы с ИИ. В США инвестиции в дата-центры и чипы в 2025 году уже превысили 85 млрд долларов, а общие затраты на ИИ по итогу года пересекут рубеж в 400 млрд долларов. Во многих странах такой активности нет, что ставит местные компании в уязвимое положение.
Подведу итог: почему бизнесы разоряются?
Вот главные ловушки, связанные с ИИ
1. Устаревшие данные: ИИ часто обучается на «прошлогоднем снеге», а не в режиме реального времени
2. Высокие затраты: Чипы, разработка, интеграция — всё стоит миллионы.
3. Зависимость от поставщиков: Сбой у них — и бизнес встаёт.
4. Этические и юридические риски: Предвзятость ИИ приводит к искам.
5. Нереальные ожидания: ИИ — не волшебная палочка, а сложный инструмент.
Что делать бизнесу?
Чтобы не разориться, нужно, во-первых, вкладываться в данные — чистые, структурированные, обновляемые. Во-вторых, начинать с малого: тестировать ИИ на одном процессе, а не на всей компании. В-третьих, следить за изменением законодательства. И главное: не верить в сказки про ИИ, который решит всё.
ИИ — это необходимость, но с оговорками. Он может поднять бизнес на новый уровень, но может и разорить, если не знать, как его использовать. Компании, которые игнорируют риски, платят дорого. А те, кто действует с умом, получают преимущество.