Курсы валют НБКР
Курсы валют→


Экономика иллюзий: как ИИ может раздуть новый технологический пузырь

Экономика иллюзий: как ИИ может раздуть новый технологический пузырь
Photo by Igor Omilaev / Unsplash

Искусственный интеллект удешевил разработку программ, проведение исследований и подготовку бизнес-проектов, но не отменил необходимости понимать, как они работают. Массовое производство убедительных результатов, не подкрепленных реальными знаниями и экономической ценностью, может стать одним из источников следующего технологического кризиса.

В 1950 году британский математик Алан Тьюринг опубликовал статью «Вычислительные машины и разум», в которой предложил мысленный эксперимент, получивший название «игра в имитацию». Суть заключалась в том, чтобы выяснить, сможет ли машина вести себя настолько убедительно, что собеседник не отличит ее ответы от человеческих.

Спустя 76 лет искусственный интеллект подошел к решению этой задачи гораздо ближе, чем могли предполагать современники Тьюринга. Однако теперь возникает другой вопрос: не начали ли сами люди имитировать профессиональную компетентность благодаря возможностям ИИ?

a statue of a man sitting on a bench
Photo by Yiming Ma / Unsplash

Генеративные модели позволяют человеку без опыта программирования создать приложение, без экономического образования — подготовить финансовую модель, без исследовательской подготовки — написать аналитическую работу. Внешне результат может выглядеть вполне профессионально. Проблема в том, что способность получить такой результат не равнозначна умению самостоятельно проверить его качество, обнаружить ошибки и отвечать за последствия.

Возможно, именно этот эффект формирует один из самых недооцененных рисков нынешнего ИИ-бума.

Экономика убедительных результатов

Искусственный интеллект резко снизил стоимость создания цифровых продуктов. Если раньше для разработки приложения требовались программист, дизайнер и определенный бюджет, теперь значительную часть работы можно выполнить с помощью одной языковой модели.

Снижение таких «системных требований» действительно демократизирует доступ к технологиям. И в то же время создает условия для массового производства проектов, которые прежде даже не появились бы на свет — к добру ли, к беде ли. Человек может за вечер собрать прототип сервиса, открыть ИИ-консалтинговое агентство, подготовить бизнес-план или разработать образовательную платформу. Количество потенциальных продуктов растет, однако платежеспособный спрос не поспевает за предложением.

Возникает разрыв между стоимостью создания продукта и стоимостью превращения его в работающий бизнес. Прототип может быть готов за несколько часов, но исследование рынка, поиск клиентов, обеспечение безопасности, техническое обслуживание и построение устойчивой бизнес-модели по-прежнему требуют времени и квалификации.

В результате рынок рискует наполниться проектами, которые хорошо выглядят на презентациях, но не отвечают реальным потребностям клиентов.

Похожая ситуация наблюдалась во время бума доткомов в конце 1990-х. Тогда рынок часто воспринимал наличие интернет-сайта или перспективу перевода бизнеса в онлайн как достаточное основание для привлечения инвестиций. Технологические перспективы были реальными, однако ожидания относительно скорости роста спроса и будущей прибыли зачастую оказывались завышенными.

Internet LED signage beside building near buildings
Photo by Leon Seibert / Unsplash

Исследование Организации экономического сотрудничества и развития (ОЭСР), опубликованное в 2003 году, описывало последствия инвестиционного бума в телекоммуникациях.

Компании активно строили инфраструктуру, рассчитывая на стремительный рост интернет-трафика. Но фактический спрос оказался ниже прогнозов, что привело к финансовым трудностям, сокращению инвестиций и реструктуризации отрасли.

Интернет при этом никуда не исчез. Напротив, созданная инфраструктура впоследствии стала основой цифровой экономики. Ошибка заключалась не в оценке технологического потенциала, а в сроках и масштабах его коммерческой реализации. Вот и с ИИ может произойти нечто похожее. Технология останется востребованной, но значительная часть созданных вокруг нее компаний и продуктов может не найти экономического оправдания.

Пузырь искусственной компетентности

Есть и более глубокая проблема, которая касается не только инвесторов и предпринимателей, но и обычных пользователей.

ИИ позволяет получать результаты интеллектуальной работы, не обладая всеми знаниями, необходимыми для ее самостоятельного выполнения. Постепенно это может создавать иллюзию приобретенного навыка.

Фабрика высокомерия работает следующим образом. Человек, несколько раз успешно использовавший ИИ для написания программ, начинает считать себя разработчиком. Тот, кто подготовил несколько финансовых моделей, может переоценить свои знания в экономике.

Исследование, опубликованное в феврале 2026 года в журнале Computers in Human Behavior, обнаружило любопытный эффект. В двух экспериментах с участием 246 и 452 человек ученые проверяли, насколько точно пользователи оценивают результаты решения логических задач с помощью ИИ.

Выяснилось, что ИИ помогал участникам лучше справляться с заданиями, но в среднем они оценивали свои успехи выше фактических результатов. Авторы также обнаружили связь между уровнем грамотности в области ИИ и точностью самооценки: более осведомленные пользователи не обязательно лучше понимали, насколько успешно справились с задачей.

Говоря простыми словами, человек может выполнять работу лучше благодаря ИИ, но при этом хуже понимать границы собственной компетентности.

Производительность на бумаге

Для бизнеса переоценка сотрудниками собственных навыков становится экономической проблемой. Руководители видят, как сотрудники с помощью ИИ быстрее создают отчеты, презентации, программные продукты и маркетинговые материалы. Компании запускают экспериментальные проекты, закупают подписки и внедряют автоматизацию. Возникает ощущение масштабного технологического преобразования. Но ускорение отдельных задач еще не означает роста производительности труда.

Например, сотрудник может подготовить с помощью ИИ отчет за час вместо рабочего дня. Однако если затем три специалиста будут несколько часов проверять цифры, исправлять ошибки и уточнять выводы, экономический эффект может оказаться даже ниже, чем при работе над аналогичной задачей без ИИ.

Поэтому важно оценивать не количество операций, переданных искусственному интеллекту, а конечный результат: сократились ли издержки, выросла ли выручка, улучшилось ли качество обслуживания, увеличился ли выпуск полезной продукции.

В глобальном исследовании McKinsey за 2025 год почти две трети опрошенных организаций сообщили, что еще не перешли к масштабному внедрению ИИ на уровне всего предприятия. При этом только 39% респондентов сообщили о каком-либо влиянии технологии на операционную прибыль (EBIT) компаний.
Как лопается ИИ-пузырь

Возможный сценарий развития событий

Как лопается ИИ-пузырь

ТОЧКА ПЕРЕЛОМА

Компании требуют от ИИ-проектов реальной отдачи: экономии и роста выручки

1

Корпоративные клиенты

Ревизия ИИ-проектов

Отказ от неэффективных подписок и контрактов

Сокращение спроса на ИИ-сервисы

2

ИИ-стартапы

Снижение выручки и притока клиентов

Усложнение привлечения инвестиций

Банкротства и закрытие проектов

3

Инфраструктура

Сокращение заказов на вычислительные мощности

Недозагрузка дата-центров

Проблемы с обслуживанием долгов

Меньше клиентов → ниже спрос на инфраструктуру

КАСКАДНЫЙ КРИЗИС

Падение оценок компаний · сокращение инвестиций · банкротства

Возможный сценарий, а не прогноз неизбежного развития событий.

В таком сценарии сначала компании начнут пересматривать эффективность ИИ-проектов. После завершения экспериментального этапа руководители захотят видеть не впечатляющие демонстрации, а конкретную экономию и дополнительную выручку. Сервисы, которыми сотрудники активно пользовались на старте, могут оказаться невостребованными после окончания первых контрактов.

Затем несладко придется стартапам. Многие из них создают похожие продукты и конкурируют за ограниченное число клиентов. Когда привлечение инвестиций станет сложнее, компании без устойчивой выручки начнут закрываться.

Следом пострадает инфраструктурный сектор. Развитие ИИ требует огромных вычислительных мощностей, дата-центров и электроэнергии. Если реальный спрос окажется ниже прогнозов, часть построенных мощностей будет недозагружена, а владельцы инфраструктуры столкнутся с проблемами обслуживания долгов.

Этот риск уже обсуждают международные финансовые институты. В октябре 2026 года Международный валютный фонд (МВФ) обратил внимание на взаимосвязанность финансирования внутри ИИ-индустрии. По 14 публично раскрытым сделкам с 2023 года эксперты оценили совокупные вложения в капитал примерно в $300 млрд, дополнительное долговое финансирование — в $650 млрд, а будущие обязательства по закупке услуг и чипов — в $1.4 трлн.

Подобная структура создает взаимозависимость: одна компания инвестирует в другую, которая затем обязуется покупать ее вычислительные мощности или оборудование. Пока бизнес растет, такие договоренности поддерживают инвестиции и будущую выручку. Но если ключевые участники столкнутся с финансовыми трудностями, проблемы могут распространиться по всей цепочке.

Ситуация отчасти напоминает ипотечный кризис, потрясший мировую экономику в 2008–2009 годах. В частности:

  • Финансирование создает дополнительный спрос. Компании инвестируют друг в друга, а затем используют полученные средства для закупки оборудования и вычислительных мощностей у своих же финансовых партнеров.
  • Будущие доходы становятся основанием для новых займов. Контракты на закупку вычислительных мощностей позволяют владельцам дата-центров привлекать кредитное финансирование под ожидаемые денежные потоки.
  • Риски распространяются по всей цепочке. Если доходы окажутся ниже прогнозов, компании одновременно столкнутся с падением выручки, обесцениванием активов и проблемами обслуживания долгов. Убытки могут затронуть не только непосредственных участников сделок, но и банки, облигационных инвесторов и фонды.

18 ноября 2026 года Европейский центральный банк в новом обзоре финансовой стабильности также предупредил о рисках, связанных с высокими ожиданиями доходности ИИ-компаний и растущей зависимостью инвестиций в инфраструктуру от заемного финансирования.


Кыргызстан может стать экспортером вычислений для ИИ — при каких условиях
Дешевая электроэнергия дает Кыргызстану преимущество на рынке ИИ. Почему дата-центр с выручкой $701.3 млн в год пока остается лишь расчетной моделью.
Один алгоритм на всех: как ИИ меняет конкуренцию за работу и разнообразие идей
Исследования показывают: похожие ИИ-системы могут повторять неблагоприятные оценки соискателей и делать творческие работы однообразнее.

Еще статьи из категории

Еще статьи из категории