Рынок корпоративного ИИ растет, но выручка не поспевает за токенами

Российский рынок корпоративного искусственного интеллекта развивается быстрее классического IT-сегмента, однако за динамикой скрывается экономический парадокс. Потребление токенов — минимальных единиц текста, которые обрабатывает языковая модель — увеличивается в сотни раз, а рост выручки на сопоставимый объем не следует за ним. О причинах этого разрыва, влиянии удешевления моделей на расходы на инфраструктуру, роли универсальных ИИ-агентов и вопросах ответственности за ошибки машин рассказал генеральный генеральный директор Yandex Cloud Григорий Атрепьев в интервью Ведомостям.

Оценка рынка и амбиции Yandex Cloud

По оценке Григория Атрепьева, объем российского рынка корпоративного ИИ составляет примерно 36 млрд руб. Доля Yandex Cloud на нем оценивается приблизительно в 10%. Накопленная экспертиза и технологии Яндекса позволяют компании ставить цель занять около половины рынка в ближайшие пять лет.

Генеративный и агентский ИИ — лишь часть экосистемы. В денежном выражении этот сегмент занимает около 25% всего рынка корпоративного ИИ. Прогноз предполагает превышение отметки в 8 млрд руб. уже в 2026 году и дальнейший рост двукратными темпами до 2030 года.

Что входит в сегмент

В генеративный сегмент попадает потребление моделей с оплатой за токены, а также инструменты для создания прикладных агентов, работы с кодом, внутренними базами знаний и поиска в интернете. Сюда же относятся готовые ИИ-решения для бизнеса.

Оставшуюся часть рынка формирует классическое машинное обучение:

• скоринг клиентов в финансовом секторе;
• прогнозирование закупок и распределение остатков в ритейле;
• синтетическая и распознающая речь, речевая аналитика;
• компьютерное зрение.

За последние два года классические технологии активно комбинируют с генеративным ИИ. Такой синтез заметно повышает качество решений, но одновременно усиливает нагрузку на инфраструктуру и меняет модель монетизации.

Парадокс токенов

Рост потребления токенов не трансформируется в пропорциональный рост доходов. Удешевление самих моделей частично компенсирует удорожание вычислительного железа. Бизнесу нужны не только отдельные модели, но и универсальные ИИ-агенты, способные работать с внутренними данными и выполнять прикладные задачи. Ключевыми остаются вопросы контроля качества и распределения ответственности за ошибки, возникающие при работе машин.