В последнее время посмотрел несколько отчетов о рынке ИИ и поймал себя на мысли, что не хочется в очередной раз пересказывать общие цифры и саммари — вы и так их регулярно видите. Но есть одна деталь, которая действительно показалась показательной. Во многих исследованиях все более заметную и уверенную долю кейсов применения ИИ занимает реальный сектор экономики: промышленность, добыча полезных ископаемых, энергетика, логистика. Это особенно интересно, если вспомнить, что именно эти отрасли традиционно были одними из самых инертных и с большим недоверием относились к «вероятностным» подходам и ML-моделям. Я хорошо помню, как 10 лет назад мы пытались продавать крупным производствам предиктивное обслуживание оборудования — и как инженеры с осторожностью воспринимали саму идею отступить от отточенных годами регламентов и инструкций в пользу предсказательных моделей. Сегодня картина заметно меняется. По данным McKinsey, именно AI-кейсы в производстве, энергетике и supply chain входят в число лидеров по реальному экономическому эффекту, а не просто по количеству пилотов (https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai). PwC в своем отчете отмечает, что до 2030 года наибольший вклад ИИ в рост мирового ВВП будет обеспечен за счет повышения производительности и автоматизации в реальном секторе, а не в медиа или ИТ (https://www.pwc.com/gx/en/issues/data-and-analytics/publications/artificial-intelligence-study.html). Более того, в ряде сценариев промышленность и энергетика показывают большую отдачу на инвестиции в ИИ, чем финансы и digital-native индустрии. Это очень хорошо ложится на тезисы, которые я когда-то формулировал в рамках моих курсов по цифровой трансформации. Экономическая выгода цифровых технологий в том, что в цифровом мире отсутствуют два фундаментальных ограничения физического мира — время и пространство. В реальности любой процесс трудно ускорить, а для выполнения действий нужно физическое присутствие в конкретном месте. Вы не можете продать больше товаров в офлайн-магазине, чем людей физически смогут до него добраться за рабочий день. В цифровом же мире время измеряется тиками процессора, а скорость и стоимость операций экспоненциально улучшаются с каждым новым технологическим циклом. Поэтому ключевой вывод всегда был прост: чтобы воспользоваться падением стоимости и ростом скорости, нужно переводить как можно больше процессов из физического мира в цифровой. Но во многих отраслях экономики это долгое время было просто невозможно. И именно здесь начинается самое интересное. С появлением роботов, GenAI, computer vision и резким снижением стоимости вычислений у нас впервые появилась возможность двигаться в обратном направлении — из цифрового мира обратно в реальный. Не случайно сейчас мы видим, как фокус крупнейших визионеров и инвесторов смещается в эту сторону: Tesla активно развивает направление гуманоидных роботов Optimus (https://www.tesla.com/AI), Джефф Безос инвестирует в стартапы в области промышленной робототехники и embodied AI, включая Figure AI (https://www.figure.ai/), а World Economic Forum прямо называет AI-драйвенную индустрию и automation ключевым источником будущего роста производительности (https://www.weforum.org/reports/top-10-emerging-technologies-2024). Количество стартапов на стыке ИИ и реального сектора стремительно растет, и именно здесь сегодня ожидается существенное влияние на ВВП. На фоне перегретых ожиданий и проблем с экономикой чисто GenAI-проектов ИИ в реальном секторе становится новой, куда более фундаментальной инвестиционной идеей.