Рынок искусственного интеллекта входит в фазу трезвого переосмысления. Иллюзия «магии ИИ», на которой последние годы строились ожидания венчурных инвесторов, постепенно уходит. На смену громким заявлениям приходит разговор о прикладной ценности, бизнес-процессах и реальной экономике внедрений.
На эту тенденцию обращает внимание Сергей Ореханов — инвестор, предприниматель, эксперт Совета ТПП РФ по финансово-промышленной и инвестиционной политике. В своём Telegram-канале он анализирует итоги года, которые подвёл один из ключевых архитекторов современной AI-индустрии — Андрей Карпати.
Эти выводы стали холодным душем для тех, кто всё ещё рассчитывал на быстрые деньги и технологические «чудеса».
Модели перестали быть откровением
Андрей Карпати фиксирует принципиальный сдвиг: в 2025 году гонка параметров и абстрактного интеллекта фактически завершилась. Большие языковые модели перестали быть откровением и стали инфраструктурным товаром.
Сегодня конкурентоспособность определяется не «умностью» модели, а:
- стоимостью внедрения;
- стабильностью работы;
- скоростью интеграции в существующие IT-контуры бизнеса;
- способностью решать конкретные прикладные задачи.
Проекты, которые строят всю ценность исключительно на доступе к API сторонней нейросети, по сути не обладают устойчивой бизнес-моделью. Их преимущество носит временный характер и может быть уничтожено очередным обновлением со стороны крупного технологического игрока.
Низкий порог входа как новая угроза
ИИ-агенты для программирования радикально снизили порог входа в разработку. Один фаундер сегодня способен выполнить объём работы, который несколько лет назад требовал полноценной команды.
Однако это привело к другому эффекту: рынок стремительно наполняется продуктами:
- без продуманной архитектуры;
- без понимания отраслевой специфики;
- без просчитанной экономики.
Создавать стало легко. Делать действительно нужные и жизнеспособные решения — по-прежнему сложно. В выигрыше оказываются те, кто понимает логику процессов заказчика, а не просто умеет быстро «собирать интерфейсы» поверх готовых моделей.
Данные становятся ключевым активом
Ещё один важный вывод, который подчёркивается в аналитике Карпати и комментариях инвесторов: эпоха обучения ИИ на открытых интернет-данных практически исчерпана. Качественный «публичный интернет» вычерпан.
Дальнейшее развитие возможно либо за счёт синтетических данных, либо через обучение на реальных действиях человека, производственных и управленческих процессах. Это автоматически усиливает позиции проектов, работающих с «полевыми» данными — в промышленности, логистике, финансах и государственном управлении.
Почему AI-стартапы стали зоной повышенного риска
На этом фоне инвестиции в стартапы в сфере искусственного интеллекта объективно становятся высокорискованными. Причина не в том, что ИИ «заканчивается», а в структуре рынка.
Крупные игроки — OpenAI, DeepSeek, Google и другие глобальные платформы — практически всегда будут:
- быстрее выпускать новые версии продуктов;
- масштабироваться дешевле;
- закрывать массовые пользовательские сценарии.
Конкурировать с ними на уровне универсальных AI-сервисов — заведомо неравная гонка. Именно поэтому фокус рынка смещается от «ещё одного сервиса» к прикладным решениям, встроенным в конкретные бизнес-процессы и отраслевые контуры.
Прикладной ИИ как новая норма
Эту тенденцию подтверждает и практика внедрений в российских регионах и промышленности. Как отмечает Ольга Чернокоз, руководитель Ассоциации инновационных решений и искусственного интеллекта «Регионы XXI век», сегодня ключевую ценность создают не универсальные продукты, а точечные решения под реальные задачи.
«Сегодня востребованы не абстрактные AI-сервисы, а решения кастомных задач на стыке бизнес-процессов конкретной компании или отрасли.
На рынке уже существует огромное количество инструментов — от языковых моделей и аналитических систем до RPA, компьютерного зрения и low-code-платформ. Ценность создаётся не в разработке “ещё одного ИИ-продукта”, а в умении правильно собрать этот инструментарий, встроить его в реальные процессы и обеспечить измеримый экономический эффект.
Именно на этих задачах сосредоточена деятельность Ассоциации инновационных решений искусственного интеллекта, которую я возглавляю. Мы занимаемся выявлением и анализом бизнес-процессов в различных отраслях, изучаем реальные потребности компаний, экономику внедрения, а также запросы органов государственной власти регионального уровня.
Вокруг Ассоциации формируется пул партнёров, каждый из которых специализируется на конкретных инструментах искусственного интеллекта и отраслевых сценариях их применения. Мы приводим этих партнёров в регионы и на предприятия под конкретные задачи, а не предлагаем универсальные решения “для всех”.
Наше сотрудничество развивается на практике, в том числе с ФГАУ „Цифровые индустриальные технологии“ при Минпромторге России, а также с региональными фондами развития промышленности. Этот опыт показывает, что сегодня наиболее жизнеспособной моделью является прикладное внедрение ИИ как инструмента повышения эффективности».
Вывод
ИИ перестаёт быть модным словом и становится рабочим инструментом. Эпоха лёгких денег на одном лишь слове «AI» завершилась. Инвесторам всё чаще приходится смотреть на экономику, а разработчикам — на реальную применимость решений.
Побеждают не те, кто громче говорит об искусственном интеллекте, а те, кто умеет внедрять его в реальные процессы — аккуратно, прагматично и с понятным результатом.