Когда я впервые услышал формулировку «AI-native компания», первой реакцией было скептическое любопытство: очередной модный термин, которым удобно прикрывать отсутствие реальной стратегии. Но чем глубже погружаешься в дискуссии о том, как искусственный интеллект меняет бизнес-модели, тем очевиднее становится: речь не о технологиях как таковых. Речь о фундаментальном сдвиге в том, как устроены компании, как они принимают решения и за счет чего создают стоимость.
На недавней сессии, посвященной экономике искусственного интеллекта, разговор довольно быстро ушел от банального «как внедрить ИИ» в сторону более сложного вопроса: что значит построить бизнес, в котором ИИ не добавлен сверху, а является операционной основой. И вот тут начинается самое интересное.
AI-native — это не ярлык, а новая экономика
Мне кажется важным сразу развеять иллюзию: AI-native — это не какой-то особый статус, не знак отличия, который можно получить после внедрения пары моделей. Эксперты на сессии неоднократно возвращались к мысли, что со временем практически все компании станут AI-native, точно так же как когда-то все без исключения стали «интернет-компаниями». Просто наличие сайта или мобильного приложения перестало быть конкурентным преимуществом — оно стало гигиеническим минимумом.
С искусственным интеллектом происходит то же самое. Вопрос не в том, использует ли компания нейросети, а в том, меняет ли это ее экономику масштабирования, производительность труда и способность создавать новые продукты. Если ИИ не влияет на unit-экономику, если он не позволяет делать больше теми же ресурсами, значит, это просто дорогая игрушка, а не трансформация.
Скорость как главный актив нового времени
В ходе обсуждения я обратил внимание, как часто звучало слово «скорость». И это не случайно. Когда речь заходит о потенциальном появлении AI-native банка, способного конкурировать с гигантами, главным преимуществом называют вовсе не наличие продвинутых моделей, а именно скорость адаптации. Крупные организации проигрывают не потому, что у них нет технологий, а потому что им нужно менять команды, компетенции, роли внутри agile-структур и сам подход к продуктовой разработке.
Особенно остро эта проблема встает, когда в контуре появляются сотни агентов, взаимодействующих между собой. Возникает отдельный вызов: как сделать эту сложную систему безопасной, надежной и управляемой. И здесь уже недостаточно точечных ИИ-инструментов — нужна полноценная платформа, которая связывает агентные решения, продуктовые фабрики и бизнес-процессы. Именно поэтому скорость становится фактором выживания, а не просто приятным бонусом.
Ценность рождается не в технологии, а в перестройке процессов
Один из тезисов, который мне показался особенно прагматичным, касался того, где на самом деле возникает ценность от искусственного интеллекта. Технология и инфраструктура постепенно становятся необходимым условием, своего рода гигиенической предпосылкой. Но сама ценность появляется только тогда, когда компания перестраивает процессы и массово внедряет ИИ в реальные бизнес-контуры.
Важно различать три уровня зрелости. Первый — просто использовать ИИ в отдельных задачах. Второй — строить процесс вокруг ИИ. Третий, самый сложный — создавать бизнес-процесс изначально как AI-native. Для существующих крупных компаний третий уровень не всегда достижим напрямую. Иногда такие модели нужно строить параллельно, как отдельные направления или новые бизнесы. Но если говорить об экономическом эффекте на уровне отраслей и государства, то он связан именно с массовым внедрением и перестройкой процессов, а не с точечными пилотами.
Человек не исчезает, но его роль меняется
Отдельная часть дискуссии была посвящена производительности труда и роли человека. Мне близка мысль, что лучший сценарий — не обязательно сокращать команды, а дать существующим людям инструменты, с помощью которых они смогут делать больше. Попытки резко сокращать персонал могут приводить к просадке качества и результата. Более продуктивная логика — усилить накопленную экспертизу современными инструментами.
При этом роль человека действительно меняется. Он меньше занимается рутиной и больше отвечает за постановку целей, контроль, архитектуру решений и принятие финальных решений. В финале дискуссии прозвучала важная мысль: во главе угла все равно останется человек. Возможно, он будет находиться на периферии организационной структуры, чтобы не тормозить скорость повседневных решений, но именно человек будет принимать ключевые решения.
Маленькие компании могут обыграть больших
Интересный акцент был сделан на том, какие AI-native компании могут стать инвестиционно привлекательными. Здесь важны два параметра. Первый — рынок: есть ли в нем потенциал масштабирования и возможность построить компанию с большой устойчивой выручкой. Второй — экспертиза. Сегодня прообразы AI-native компаний часто рождаются вокруг людей с глубокой отраслевой или доменной экспертизой. Это могут быть специалисты из финансов, геологоразведки, продаж, девелопмента, управления или других областей.
Их ценность в том, что они знают боли рынка, понимают заказчиков и обладают накопленным практическим знанием. Именно такая экспертиза, усиленная ИИ, может стать основой новых компаний. Особенно перспективной зоной были названы сервисные рынки. Там AI-native компания приходит не на пустое место: ей нужно забрать бизнес у существующих игроков. Но сервисный рынок во многих доменах может быть существенно больше, чем рынок программного продукта. Поэтому новые AI-native компании с сильной отраслевой экспертизой могут конкурировать с традиционными сервисными компаниями, которые не выдержат новой скорости и эффективности.
Экономика инференса: когда сойдется математика
Отдельный блок дискуссии был посвящен стоимости инференса — то есть стоимости обработки запросов к ИИ-моделям. Вопрос был поставлен прямо: если запросы дороги, когда экономика таких продуктов начнет сходиться? И можно ли рассчитывать на снижение стоимости по аналогии с тем, как когда-то дешевела мобильная связь?
Мне запомнился пример с функциями выделения важных писем, транскрибации и саммаризации встреч. Массовое включение таких функций требует экономики, которая сходится. Возможность включать транскрибацию встреч по умолчанию появилась только после того, как была построена модель, при которой экономика начинала работать. Здесь прозвучала важная мысль: рынок движется от покупки всего софта целиком к покупке конкретной функциональности внутри продукта.
При этом вопрос не только в том, какая модель самая умная. Важно окружение, продукт и способ применения. Самая сильная модель в неграмотно построенном сценарии будет неэффективна. Искусственный интеллект — это мультипликатор. Если умножать на ноль, результат все равно будет ноль. Если же есть правильно выстроенный процесс, ИИ способен кратно усилить его эффективность.
Архитектура решений: не все задачи требуют большой модели
Еще один важный аспект — оптимизация инференса идет постоянно на уровне инфраструктуры, моделей и алгоритмов. Но не каждую задачу нужно решать через большую генеративную модель. Иногда для простой операции такой вызов избыточен. Поэтому важна архитектура: какие модели использовать, где нужна скорость, где глубина знаний, а где достаточно более легкого решения.
Это, пожалуй, один из самых недооцененных аспектов в разговорах об искусственном интеллекте. Многие компании бросаются внедрять самые мощные модели, не задумываясь о том, что для их задач достаточно более простого и дешевого решения. Грамотная архитектура — это не про то, чтобы использовать самый продвинутый инструмент, а про то, чтобы использовать правильный инструмент в правильном месте.
Будущее AI-native компаний: скорость изменения как новая метрика
В финале участникам предложили описать, как будет выглядеть AI-native компания через 10 лет и что станет ее главным активом. Один из самых радикальных прогнозов: при текущей динамике развития технологий значительная часть офисной работы может исчезнуть, а бизнесы смогут работать почти без людей. В такой модели могут остаться несколько ключевых ролей: человек, который отвечает за результат, человек, который задает направление, и человек, который формирует инсайты.
Другие прогнозы были более сдержанными: стоимость моделей и инфраструктуры будет снижаться, а жизненный цикл компаний сократится. Компании будут быстрее появляться, отвечать на запрос общества и трансформироваться. Через 10 лет работа с ИИ станет ежедневной нормой почти во всех задачах. Но во главе угла останется человек.
Мне особенно запомнилась мысль о том, что может появиться новая метрика — скорость изменения компании. Насколько быстро бизнес способен перестраиваться, может стать самостоятельным показателем его ценности. Компании, которые не будут двигаться в этом направлении, начнут терять рынок. При этом все больше будет появляться компактных команд, создающих большие бизнесы.
Основной вывод, к которому я пришел после всей дискуссии: AI-native бизнес — это не про то, чтобы добавить ИИ в существующую компанию. Это про новую модель организации бизнеса. В центре этой модели — скорость, доменная экспертиза, перестройка процессов, агентные системы, грамотная архитектура и человек, который задает цели и принимает ключевые решения. Главный вопрос ближайших лет будет звучать уже не так: «Использует ли компания искусственный интеллект?» А иначе: способна ли компания меняться с той скоростью, которую теперь задает ИИ?