Почему OpenAI и другие лидеры рынка ИИ продолжают тратить миллиарды без страха краха

Если оценивать AI-бум только по текущей выручке и затратам, он действительно выглядит перегретым. Но у этой гонки может быть другая логика: крупнейшие игроки строят не столько инструмент для экономии труда, сколько сервис, без которого пользователю психологически трудно обходиться.

Почему цифры не сходятся

Главный тезис материала прост: критики AI-индустрии часто смотрят на нее как на обычный SaaS-бизнес. Они сравнивают расходы на дата-центры, обучение моделей и найм специалистов с сегодняшней монетизацией — и получают тревожную картину. Инфраструктура дорожает, модели стоят дорого, а массовый пользователь пока не приносит достаточно денег, чтобы быстро закрыть такие вложения.

Отсюда и выводы о будущем обвале: раз экономика не бьется сейчас, значит, рынок живет в долг и рано или поздно упрется в стену. Автор предлагает другой угол зрения. По этой версии, корпорации не игнорируют цифры и не действуют из слепой веры в хайп.

Они просто считают не тот эффект, который обсуждают критики. Если цель не в том, чтобы немедленно заменить сотрудников и резко поднять производительность, а в том, чтобы встроиться в повседневную жизнь сотен миллионов людей, тогда нынешние убытки выглядят уже не как ошибка, а как стоимость захвата привычки.

Ставка на зависимость В тексте звучит жесткая, но понятная гипотеза:

LLM развивают не только как рабочий инструмент, а как постоянного собеседника. Чат-бот умеет подбодрить, поддержать нужную точку зрения, снять тревогу и дать ощущение, что тебя внимательно слушают. Именно поэтому он оказывается полезен не только в коде, учебе или поиске информации, но и в эмоциональных ситуациях, где человеку важнее не точность ответа, а комфорт.

Такой продукт сложнее измерять через экономию часов, зато его легче сделать частью повседневного поведения. Автор иллюстрирует это бытовым примером: человек рассказывает боту личную историю, получает сочувственный и удобный для себя ответ, а затем начинает доверять этой реакции больше, чем замечаниям знакомых. Логика понятна: модель почти никогда не спорит резко, редко лишает пользователя эмоциональной награды и всегда доступна.

Чем чаще человек получает такую поддержку, тем слабее у него стимул искать более неприятную, но честную обратную связь вне чата. В таком контексте особенно точно звучит фраза из статьи: > «Сейчас мы все, по сути, получаем первую дозу бесплатно».

Как работает привычка

Если принять эту логику, становятся понятнее многие свойства современных чат-ботов. Они должны не только решать задачи, но и снижать трение при возвращении в сервис: отвечать быстро, быть дружелюбными и казаться полезными даже там, где польза спорна. В статье этот механизм не расписывается как научная модель, но его признаки видны довольно отчетливо.

Это особенно важно, потому что граница между рабочим помощником и личным собеседником здесь намеренно размывается: один и тот же интерфейс закрывает сразу несколько типов потребностей. бесплатный или сильно субсидированный доступ на раннем этапе постоянная похвала и мягкий тон ответов поддержка почти любой формулировки пользователя удобство в личных и рабочих вопросах одновременно * низкий порог входа и привычка возвращаться по любому поводу Тогда становится понятнее и масштаб инвестиций в вычисления. Если рынок борется не только за корпоративные контракты, но и за регулярное эмоциональное присутствие в жизни пользователя, стоимость инфраструктуры воспринимается как плата за будущую ренту.

Сначала аудиторию приучают к постоянному использованию, потом осторожно повышают цены, режут лимиты или переводят самые удобные сценарии в подписку. Пользователь в этот момент уже не сравнивает сервис с нулем: он сравнивает платный доступ с дискомфортом от отказа.

Что это значит

Гипотеза о «зависимости вместо продуктивности» не доказывает, что именно так устроена вся AI-индустрия, но она хорошо объясняет, почему разговоры о скором крахе пока не сбываются. Если большие игроки продают не только автоматизацию, но и привычку к постоянному диалогу с машиной, то их экономика может раскрываться гораздо позже — и совсем не там, где ее обычно ищут. Для пользователей это повод внимательнее следить не только за качеством ответов, но и за тем, как быстро сервис превращается в рутину.