Два года индустрия жила по простой арифметике: добавил нейросеть — умножь оценку на десять. Теперь настало время делить наследство. Публичные «кладбища ИИ», каталоги закрытых сервисов, пополняются еженедельно. Цитата из исследования MIT разлетелась по сети: около 95% корпоративных пилотов с генеративным ИИ не приносят измеримой прибыли. Деньги тем временем текут вниз, к чипам и дата-центрам, а не вверх, к приложениям. Похоже, цикл лёгких денег закрылся. Осталось понять, кого именно хороним — и кто переживёт эти похороны.
Мода на каталоги закрытых ИИ-проектов началась с энтузиастов-одиночек, а быстро превратилась в отраслевой жанр: коллекции в духе «AI graveyard» обновляются чаще некоторых новостных лент. Надгробия здесь всех калибров. Humane собрал сотни миллионов долларов инвесторов на «ИИ-брелок», который должен был заменить смартфон, — и закончил распродажей активов HP с отключением сервиса. Builder.ai обещал разработку ПО силами нейросетей, входил в клуб «единорогов», а обанкротился после ревизии, вскрывшей завышенную выручку и — сюрприз — обычных программистов-подрядчиков вместо обещанного ИИ. Даже IBM в итоге тихо продала бизнес Watson Health, признав, что «ИИ для медицины» в заявленном виде так и не заработал. Есть и отдельная категория — тихие поглощения. Команды Inflection, Adept и Character.AI разъехались по Microsoft, Amazon и Google. Дипломатичное название таких сделок — acqui-hire; честное — «команда дороже компании». Общий знаменатель у всего кладбища один: почти все погибшие продавали не изменение бизнеса, а модную приставку к нему.
Рецепт стартапа первой волны был до неприличия прост: берёте API OpenAI, оборачиваете красивым интерфейсом, продаёте копирайтинг, чаты или генерацию презентаций. Хрупкость конструкции показал сам релиз ChatGPT — платформа мгновенно поглотила ценность обёрток. Jasper, успевший собрать оценку в полтора миллиарда долларов на «ИИ для маркетинга», извинялся перед клиентами и резал команду: модель научилась делать то же самое, только бесплатно. У обёрток не было ни собственной обучающей выборки, ни канала продаж. А значит, не было и защиты от конкуренции ценой до нуля. Второй капкан — ИИ-гаджеты. Rabbit R1 и тот же Pin от Humane продавали «отдельное устройство для нейросетей», но пользовательский сценарий безнадёжно проиграл смартфону, в который ассистента просто встроили. Урок получился короткий и горький: если твою функцию можно скопировать одним обновлением модели, бизнеса у тебя нет.
Хуже всех приходится корпоративным заказчикам вне техсектора. Отчёт исследователей MIT NANDA разошёлся на цитаты: примерно 95% пилотных внедрений генеративного ИИ не дают измеримого эффекта для прибыли. Причины системные, а не в кривизне рук отдельных внедренцев. Компании покупают инструменты вместо перестройки процессов: лицензия на копилот не сделает документооборот прозрачным, если там и без ИИ бардак. Исследователи описали феномен workslop — правдоподобных, но пустых генераций, перекладывающих работу на проверяющего. Экономия на одном конце цепочки съедается контролем на другом. Добавьте сюда неготовые данные, дорогие токены и пропасть между пилотом на пяти сотрудниках и продакшеном на пяти тысячах — получится POC-ад, в котором застревает большинство внедрений. Показательно, что даже Сэм Альтман публично признал: инвесторы «перевозбуждены», и часть рынка действительно похожа на пузырь. Экономика говорит сама за себя: прибыль оседает у поставщиков моделей и чипов — Nvidia продолжает собирать ренту со всей отрасли, — а не у заказчиков и не у приложений.
Смерть стартапов — не смерть отрасли. Это смена логики капитала. Деньги перетекают из приложений в инфраструктуру: дата-центры, ускорители, энергетика под них. Мегакапы вкладывают десятки миллиардов в вычислительные мощности, а лаборатории фундаментальных моделей — вроде Safe Superintelligence Ильи Суцкелвера — собирают миллиардные раунды ещё до всякого продукта. Параллельно крепнет скепсис к «цикличным» сделкам, когда вендор чипов инвестирует в клиента, который на эти деньги покупает его же чипы: на бумаге красиво, в отчётности — вопросы. Аналогия с доткомами напрашивается сама. Тогда тоже лопнули тысячи компаний, но оптоволокно, проложенное в пузыре, стало фундаментом веба, которым мы пользуемся до сих пор. Скорее всего, и здесь скелет — мощности, открытые модели, обкатанные процессы — переживёт мягкие ткани из мёртвых обёрток. Следующий раунд инвестиций будет проще и злее: вместо «ИИ вообще» — юнит-экономика, удержание клиентов и доказанное влияние на показатели.
В России хайп-цикл прошёл мягче. Ставку здесь сделали не на обёртки, а на экосистемы: Яндекс встроил YandexGPT в поиск, Алису и Нейро, Сбер развивает GigaChat и Kandinsky, подключая их к банкингу, маркетплейсам и госсервисам. Мировая статистика, кстати, отдачу обещает именно модели «ИИ для себя» — свои данные, своя дистрибуция, понятная экономика, — и российские игроки де-факто в неё попали. Корпоративный спрос подхватывают банки, ритейл и промышленность: языковые модели ставят в поддержку клиентов, документооборот и проверку контрагентов, а вендоры вроде 1С добавляют ИИ-функции прямо в свои продукты. Государство подталкивает отрасль через нацпроект «Экономика данных» и сеть отраслевых ИИ-центров на базе вузов и компаний; Сбер и Яндекс держат собственные GPU-кластеры и открывали облегчённые версии моделей разработчикам. Ограничения известны: санкционный дефицит топовых ускорителей, кадровый голод, закрытие части западных моделей — эту нишу частично заняли открытые семейства вроде Qwen и DeepSeek. Будущее не в обёртках, а в отраслевых моделях для юриспруденции, медицины и промышленности, встроенных в реальный процесс заказчика.
Кладбище ИИ — не конец нейросетей. Это конец премии за само слово «ИИ». Умирали не технологии, а бизнес-модели, не менявшие процессов: обёртки без данных, гаджеты без сценариев, пилоты без интеграции. В следующем цикле деньги потребуют скучных доказательств — удержания, маржи, измеримого эффекта. И это куда здоровее лёгких денег. Индустрия никуда не денется: она наконец учится отличать место, где нейросеть меняет работу, от места, где она просто украшает презентацию.