Еще недавно стартапу было достаточно показать в презентации аббревиатуру AI (ИИ), продемонстрировать работающий интерфейс и рассказать о перспективах продукта. Сейчас этого все чаще недостаточно.
Инвесторы и корпоративные заказчики начинают смотреть глубже: на архитектуру решения, собственный код, данные и вычислительную инфраструктуру.
Причина в распространении ИИ-вошинга. Под видом самостоятельной ИИ-разработки на рынок выходят продукты, которые во многом зависят от сторонних больших языковых моделей (LLM) или представляют собой базовую автоматизацию с новым маркетинговым названием. Для рынка это уже не вопрос формулировок в презентации. Такая разница напрямую влияет на то, что именно покупает или финансирует заказчик.
Мы в ГК Softline видим, как меняется отношение к подобным проектам. Один из показательных примеров — так называемый агентский вошинг (agent-washing), когда обычные скрипты роботизированной автоматизации процессов (RPA) выдают за автономных ИИ-агентов. По данным Gartner, эта практика ставит под угрозу $234 млрд корпоративных расходов на SaaS-решения. Внедрение может закончиться после того, как заказчик обнаружит, что система не обладает заявленной автономностью.
С точки зрения Softline здесь важен сам принцип проверки. Если продукт называют ИИ-агентом, инвестору или заказчику нужно понимать, какие функции система действительно выполняет самостоятельно, а где за красивым интерфейсом остается обычный сценарий автоматизации.
Этот же подход постепенно распространяется на стартапы. В венчурных экосистемах Казахстана и Индонезии, например, появляются требования к архитектурному аудиту резидентов. Одних заявлений о «суверенной нейросети» становится недостаточно. Компании должны подтвердить, чем именно они владеют: интеллектуальной собственностью, кодом, данными и инфраструктурой, необходимой для обучения и инференса моделей.
По нашему опыту в ГК Softline, между технологическим продуктом и оболочкой над чужой инфраструктурой проходит важная граница. Использование сторонних моделей само по себе не является проблемой, вопрос в другом: где находится собственная технологическая ценность компании и насколько она контролирует критичные компоненты решения.
Меняется и отношение к рискам. По оценкам аналитиков Softline, до 80% ИИ-проектов в мире терпят неудачу. В России лишь около 6% организаций используют ИИ с измеримой эффективностью. Для инвестора это означает необходимость проверять не только технологию, но и то, способен ли проект давать измеримый результат после завершения пилота.
Мы в Softline также обращаем внимание на инфраструктурную сторону вопроса. ИИ требует вычислительных ресурсов, а рост нагрузки на дата-центры усиливает значение энергетики. Поэтому для проектов, которые предполагают собственное обучение или инференс моделей, доступность вычислительных и энергетических мощностей становится частью оценки долгосрочной устойчивости бизнеса.
В Юго-Восточной Азии этот процесс идет особенно заметно, местные фонды и государственные заказчики все чаще хотят видеть не презентацию с набором ИИ-терминов, а подтверждение того, что у компании есть собственная технологическая база. Для региона это особенно важно: устойчивость решения может зависеть от того, насколько оно связано с конкретным поставщиком моделей, инфраструктуры или других критичных компонентов.
«В Юго-Восточной Азии эта проверка становится жестче, чем на Западе. Местные фонды и госзаказчики все чаще требуют не питч-дек с упоминанием ИИ, а подтверждение владения инфраструктурой и данными — потому что именно от этого зависит, останется ли решение работоспособным после ухода вендора с рынка», — говорит Иван Горковенко, региональный директор по Юго-Восточной Азии ГК Softline.
Для нас в ГК Softline главный сдвиг здесь очевиден: рынок начинает оценивать не количество упоминаний ИИ в презентации, а контролируемость технологии. Чем дороже становятся вычисления и чем сильнее компании зависят от внешних моделей и инфраструктуры, тем важнее понимать, какие активы действительно принадлежат разработчику.
По прогнозам Softline, следующий этап развития ИИ-рынка будет связан с более жесткой технологической экспертизой. Побеждать в нем будут не обязательно компании с собственными фундаментальными моделями, гораздо важнее станет способность доказать, из каких компонентов состоит продукт, чем владеет его разработчик и насколько устойчивым останется решение, если изменятся условия работы внешних поставщиков.
Комментарии