Почему компании инвестируют миллиарды в ИИ, даже если они не получают прибыль

На первый взгляд ситуация выглядит парадоксально. Компании тратят сотни миллиардов долларов на искусственный интеллект, строят гигантские дата-центры, закупают ускорители, нанимают исследователей и заключают многолетние контракты на вычислительные мощности. При этом многие из них пока не могут убедительно показать акционерам, сколько дополнительной прибыли принес ИИ.

В 2026 году масштаб этих инвестиций уже трудно назвать обычным технологическим экспериментом. По оценке J.P. Morgan, только капитальные расходы крупнейших облачных компаний США на инфраструктуру в 2026 году могут достичь примерно $697 млрд. Четыре крупнейшие американские технологические компании — Alphabet, Amazon, Microsoft и Meta — с начала AI-бумa инвестировали более $1,1 трлн в основном в дата-центры, чипы и энергетическую инфраструктуру.

И всё же вопрос остаётся: если отдача пока неочевидна, зачем продолжать тратить такие деньги?

Ответ заключается в том, что бизнес рассматривает ИИ не только как новый продукт. Для многих компаний это одновременно ставка на инфраструктуру, производительность, конкурентное преимущество и будущую структуру рынка.

У любой крупной технологической революции есть период, когда расходы появляются значительно раньше доходов.

Так было с интернетом, мобильной связью, облачными вычислениями. Компании сначала строили сети и дата-центры, а уже потом рынок находил способы заработать на созданной инфраструктуре.

С ИИ происходит нечто похожее.

Компании пока не всегда знают, какая именно бизнес-модель окажется главной через пять лет. Зато они понимают другое: если ИИ действительно станет универсальной технологией общего назначения, отсутствие собственной инфраструктуры, компетенций и данных может оказаться гораздо дороже сегодняшних инвестиций.

Поэтому часть расходов можно рассматривать как своеобразную страховку.

Компания, которая сейчас потратит $10 млрд на ИИ и ошибётся в конкретной технологии, возможно, потеряет часть инвестиций. Компания, которая решит вообще не инвестировать, а ИИ окажется новой базовой технологией экономики, рискует потерять значительно больше — долю рынка, клиентов и способность конкурировать.

Именно поэтому для крупнейших игроков вопрос часто звучит не «окупится ли ИИ?», а «сколько будет стоить опоздать?»

Это одна из самых важных особенностей нынешнего бума.

Предположим, технологическая компания запускает AI-ассистента, но пользователи не готовы платить за него достаточно, чтобы покрыть стоимость вычислений.

Можно сделать вывод: продукт убыточен.

Но для самой компании экономика может быть гораздо сложнее.

AI-ассистент может:

Получается парадокс: убыточный AI-продукт может быть частью прибыльной бизнес-модели.

Для Microsoft, Google, Amazon или Meta ИИ нельзя оценивать исключительно как отдельное приложение с доходами и расходами. Он встроен в гораздо более крупные экосистемы.

Именно поэтому финансовая отдача от инвестиций может проявляться не там, где изначально ожидали.

Есть ещё один уровень экономики ИИ, который часто теряется за разговорами о чат-ботах.

Представим компанию с десятью тысячами сотрудников.

Если ИИ позволяет каждому сотруднику выполнять работу всего на 10% эффективнее, экономический эффект потенциально огромен. И совершенно необязательно увольнять 10% персонала. Высвободившееся время можно направить на большее количество проектов, улучшение продуктов, обслуживание клиентов или рост продаж.

Особенно хорошо это видно в программировании, поддержке, маркетинге, аналитике и подготовке документов.

Исследование McKinsey показывает, что компании уже видят экономию на уровне отдельных AI-сценариев, особенно в software engineering, производстве и IT. Однако на уровне всей организации эффект пока значительно менее очевиден: в исследовании 2025 года только 39% респондентов сообщили о каком-либо влиянии ИИ на EBIT, а большинство из них оценивали вклад менее чем в 5% EBIT. MMcKinsey & Company

И здесь возникает важный временной лаг.

Сначала компания покупает технологию → потом перестраивает процессы → затем меняется производительность → и только после этого эффект появляется в финансовой отчётности.

Поэтому отсутствие резкого скачка прибыли сегодня ещё не означает отсутствие экономической ценности.

Когда говорят «инвестиции в ИИ», часто представляют разработчиков моделей и приложения.

Но значительная часть денег идёт совсем в другое место.

Нужны:

Именно поэтому AI-бум стал одновременно бумом строительства физической инфраструктуры.

Stanford AI Index отмечает, что в 2025 году инвестиции в AI более чем удвоились, а крупнейшая категория частного финансирования — инфраструктура, модели, исследования и управление — получила $143,2 млрд. При этом расходы на вычисления и инфраструктуру у ведущих AI-компаний также быстро растут.

Получается интересная ситуация: даже если конечный пользователь пока не готов платить большие деньги за AI-сервис, кто-то всё равно должен построить инфраструктуру, на которой этот сервис будет работать.

И именно на этом этапе огромное количество денег зарабатывают поставщики «лопат» для новой золотой лихорадки.

ИИ имеет необычную структуру затрат.

Обучение большой модели может стоить очень дорого, но после создания модели её можно использовать миллионы раз.

Это создаёт сильный эффект масштаба.

Компания, которая уже располагает дата-центрами, чипами, данными, инженерами и клиентской базой, потенциально получает преимущество перед новым конкурентом.

Поэтому крупные игроки стараются инвестировать заранее.

Если через несколько лет AI-сервисы станут настолько же базовыми, как облачные вычисления сегодня, рынок может оказаться сильно концентрированным. Тогда тот, кто уже контролирует вычислительные мощности, модели и каналы распространения, получит существенное преимущество.

Отсюда и гонка инвестиций.

Для руководителей крупных компаний есть асимметрия риска.

Если компания инвестировала в ИИ, а технология оказалась переоценённой, менеджмент может объяснить это ошибкой в распределении капитала.

Но если конкурент инвестировал, получил технологический рывок и начал забирать рынок, оправдаться гораздо сложнее.

Особенно это актуально в отраслях, где скорость внедрения имеет большое значение.

Поэтому возникает эффект коллективной гонки:

«Если мы инвестируем слишком много, мы рискуем потерять деньги. Если мы инвестируем слишком мало, мы рискуем потерять рынок».

В таких условиях рациональная стратегия может выглядеть как чрезмерное инвестирование даже тогда, когда индивидуальная доходность проекта ещё не доказана.

Экономическая ценность технологии и прибыль компании — не одно и то же.

Пользователь может получить огромную пользу от бесплатного AI-инструмента, но разработчик при этом почти ничего не заработать.

Stanford оценивает потребительскую ценность генеративного ИИ в США примерно в $172 млрд в год к началу 2026 года — при том, что многие такие инструменты остаются бесплатными или стоят относительно недорого.

Это напоминает ранний интернет.

Общество могло получать огромную пользу от поисковых систем, электронной почты и веб-сайтов задолго до того, как стало понятно, какие конкретно компании смогут монетизировать эту активность.

С ИИ может происходить то же самое.

Польза появляется раньше, чем устойчивый механизм её монетизации.

Здесь важно не впасть в другую крайность.

Факт огромных инвестиций сам по себе не доказывает, что ИИ станет настолько прибыльным, чтобы оправдать любые расходы.

Уже появляются признаки перегрева.

Крупные технологические компании одновременно увеличивают капитальные расходы, берут на себя долгосрочные обязательства и пытаются обеспечить спрос на вычислительную инфраструктуру. Аналитики всё чаще обсуждают риски того, что объём будущих инвестиций может опережать реальную способность клиентов платить за AI-сервисы.

Есть и более фундаментальная проблема: инфраструктура строится быстрее, чем меняются бизнес-процессы.

Купить тысячи GPU относительно просто.

Гораздо сложнее перестроить организацию так, чтобы эти вычисления действительно увеличивали прибыль.

McKinsey прямо указывает на это противоречие: большинство организаций всё ещё находятся на стадии экспериментов или пилотов, а наиболее сильная связь с финансовым эффектом наблюдается там, где компании меняют рабочие процессы, а не просто добавляют AI-инструмент поверх существующей системы. MMcKinsey & Company+1

Иными словами, проблема постепенно смещается от вопроса «может ли ИИ что-то делать?» к вопросу «может ли компания перестроить себя вокруг того, что ИИ умеет делать?»

У инвестиции в ИИ есть несколько временных горизонтов.

Краткосрочный: снижение отдельных затрат — например, на программирование, поддержку или обработку документов.

Среднесрочный: рост производительности и появление новых продуктов.

Долгосрочный: изменение структуры самой компании и рынка.

И именно третий уровень объясняет наиболее агрессивные инвестиции.

Если ИИ действительно станет инструментом, который способен выполнять значительную часть интеллектуальной работы, последствия будут намного масштабнее, чем просто появление «умного чат-бота».

Изменятся требования к численности сотрудников, стоимость разработки программного обеспечения, скорость запуска продуктов, структура аутсорсинга и даже конкурентоспособность отдельных стран.

Поэтому руководители инвестируют не только в конкретный продукт.

Они инвестируют в возможность оказаться среди компаний, которые будут определять новую экономику.

ИИ может оказаться одновременно и настоящей технологической революцией, и инвестиционным пузырём.

Эти два утверждения не противоречат друг другу.

Интернет был фундаментальной технологической революцией, но это не означало, что каждая интернет-компания была хорошей инвестицией.

То же самое возможно с ИИ.

Технология может радикально повысить производительность, а часть компаний при этом может потратить слишком много денег, построить избыточную инфраструктуру или не суметь превратить технические возможности в устойчивую прибыль.

Поэтому в ближайшие годы, вероятно, будет происходить не столько борьба между «сторонниками» и «скептиками» ИИ, сколько отбор бизнес-моделей.

Одни компании будут продавать вычисления.

Другие — модели.

Третьи — инфраструктуру.

Четвёртые встроят ИИ в существующие продукты.

А самые успешные, вероятно, окажутся теми, кто сможет превратить снижение стоимости интеллектуального труда в реальное конкурентное преимущество.

Миллиарды долларов инвестиций в ИИ выглядят странно только в том случае, если оценивать их исключительно через сегодняшнюю прибыль.

Если же смотреть на ситуацию как на инфраструктурную гонку, логика становится понятнее.

Компании пытаются одновременно:

При этом риски вполне реальны. Расходы растут быстрее, чем доказанная отдача, инфраструктура требует огромного капитала, а большинство компаний всё ещё находится на ранних стадиях внедрения.

Поэтому нынешний AI-бум лучше всего описывать не как ситуацию, в которой компании уже знают, как заработать на искусственном интеллекте, а как ситуацию, в которой они считают слишком опасным ждать, пока это станет очевидно.Компании инвестируют миллиарды не потому, что уже доказали прибыльность ИИ. Они инвестируют потому, что потенциальная цена ошибки «не инвестировать» может оказаться намного выше цены сегодняшней ошибки «инвестировать слишком много».

И окончательный ответ на вопрос о том, оправданы ли эти деньги, появится не в момент, когда компании объявят очередные рекордные расходы на дата-центры. Он появится тогда, когда эти дата-центры, модели и AI-агенты начнут систематически превращаться в более высокую производительность, выручку и прибыль.