Коротка відповідь: можливо, існує «бульбашка штучного інтелекту» на певних рівнях, особливо на прикладних додатках, оцінках на основі історій та ставках на інфраструктуру з високим рівнем боргів, навіть попри те, що впровадження штучного інтелекту вже є широким. Якщо використання не призведе до стабільного доходу та покращення економіки підрозділів, очікуйте струсу. Якщо контракти, грошовий потік та утримання працівників збережуться, це буде більше схоже на структурний зсув, ніж на манію.
Одна показова ознака: використання вже широке (наприклад, згідно зі Стенфордським індексом штучного інтелекту, 78% організацій заявили, що використовували штучний інтелект у 2024 році , порівняно з 55% роком раніше), але широке використання не означає автоматично стабільні фонди прибутку. [1]
Ключові висновки:
Чіткість шарів : Визначте, чи маєте ви на увазі оцінку, фінансування, наратив, інфраструктуру чи піну продукту.
Розрив у монетизації : відстежуйте впровадження порівняно з доходом; широке використання не гарантує отримання прибутку.
Економіка одиниці : Виміряйте вартість логічного висновку, маржу, утримання персоналу, окупність та навантаження на корекцію з боку людини.
Ризик фінансування : припущення щодо використання коштів, отримані за результатами стрес-тесту; леверидж та довгострокові виплати можуть швидко виникнути.
Уповільнення управління : робота з надійності, дотримання вимог, ведення журналу та підзвітності уповільнює терміни «від демонстрації до виробництва».
Статті, які вам, можливо, буде цікаво прочитати після цієї:
🔗 Чи надійні детектори штучного інтелекту для виявлення текстів, написаних штучним інтелектом?
Дізнайтеся, наскільки точні детектори на базі штучного інтелекту та де вони дають збій.
🔗 Як мені щодня використовувати штучний інтелект на телефоні?
Прості способи використання додатків зі штучним інтелектом для повсякденних завдань.
🔗 Чи є перетворення тексту на мовлення штучним інтелектом і як це працює?
Розумійте технологію TTS, її переваги та поширені випадки використання в реальному світі.
🔗 Чи може ШІ читати курсивний почерк зі сканованих нотаток?
Дізнайтеся, як штучний інтелект обробляє курсив і що покращує результати розпізнавання.
Що люди мають на увазі, коли кажуть «бульбашка штучного інтелекту» 🧠🫧
Зазвичай це один (або декілька) з них:
-
Бульбашка оцінки: ціни передбачають майже ідеальне виконання протягом тривалого часу
-
Бульбашка фінансування: забагато грошей ганяються за надто багатьма схожими стартапами
-
Наративна бульбашка: «ШІ змінює все» перетворюється на «ШІ виправить все завтра»
-
Інфраструктурна бульбашка: масивні центри обробки даних та будівництво енергосистеми, що фінансуються на основі оптимістичних припущень
-
Бульбашка продукту: багато демонстрацій, менше закріплених продуктів щоденного використання
Тож, коли хтось запитує: «Чи існує бульбашка штучного інтелекту», справжнє питання стає таким: про який шар ми говоримо.
Швидкий огляд реальності: що відбувається 📌
Кілька обґрунтованих точок даних допомагають відокремити «піну» від «структурного зсуву»:
-
Інвестиції величезні (особливо в генеративний ШІ): світові приватні інвестиції в генеративний ШІ досягли 33,9 млрд доларів у 2024 році (індекс ШІ Стенфорда). [1]
-
Енергетика більше не є приміткою: МЕА оцінює, що центри обробки даних використовували близько 415 ТВт⋅год у 2024 році (~1,5% світової електроенергії) та прогнозує ~945 ТВт⋅год до 2030 року в базовому сценарії (трохи менше 3% світової електроенергії). Це реальне нарощування, а також реальний ризик прогнозування/фінансування, якщо впровадження або ефективність не відбудуться. [2]
-
«Реальні гроші» течуть через основну інфраструктуру: NVIDIA повідомила про дохід у розмірі 130,5 млрд доларів за 2025 фінансовий рік та 115,2 млрд доларів за весь рік від центрів обробки даних , що є майже повним відривом від «відсутності фундаментальних показників». [3]
-
Впровадження ≠ дохід (особливо у невеликих фірмах): опитування ОЕСР показало, що штучний інтелект (ШІ) використовується у 31% малих та середніх підприємств , а серед МСП, що використовують ШІ, 65% повідомили про покращення продуктивності працівників , тоді як 26% повідомили про збільшення доходу . Цінно, так, але це також кричить про «нерівномірність монетизації». [4]
Що робить версію бульбашкового тесту зі штучним інтелектом хорошою ✅🫧
Гарний тест на бульбашки перевіряє не лише вібрації. Він перевіряє такі речі, як:
1) Впровадження проти монетизації
Те, що люди використовують ШІ, не означає автоматично, що люди платять за нього достатньо (або платять достатньо протягом достатнього часу ), щоб виправдати сьогоднішні ціни.
2) Економіка одиниць (неприваблива правда)
Шукайте:
-
валова маржа
-
вартість логічного висновку на одного клієнта (скільки вам коштує створення бажаного їм результату)
-
утримання та розширення
-
термін окупності
Коротке визначення, яке має значення: вартість логічного висновку — це не «витрати на хмару». Це гранична вартість надання цінності — токени, затримка, час роботи графічного процесора, захисні огородження, присутність людини в процесі, контроль якості, повторні запуски та вся прихована робота «зробити це надійним».
3) Інструменти проти додатків
Інфраструктура може виграти, навіть якщо багато програм перестають працювати, адже всім все ще потрібні обчислення. (Ось чому погляд на те, що «все — це бульбашка», як правило, не спрацьовує.)
4) Леверидж та нестабільне фінансування
Борг + тривалі цикли окупності + наративне навантаження – ось що ставить під сумнів, особливо в інфраструктурі, де припущення щодо використання є вирішальними. МЕА явно використовує сценарії/випадки чутливості, оскільки невизначеність є реальною. [2]
5) Твердження, яке можна спростувати
Не «Штучний інтелект буде великим», а «ці грошові потоки виправдовують цю ціну»
Випадок «так»: ознаки бульбашки штучного інтелекту 🫧📈
1) Фінансування сильно сконцентроване 💸
Величезні обсяги капіталу вкладено у все, що називається «ШІ». Концентрація може означати переконання – або перегрів. Дані індексу ШІ Стенфордського університету показують, наскільки великою та швидкою була хвиля інвестицій, особливо в генеративному ШІ. [1]
2) «Наративна премія» виконує велику роботу 🗣️✨
Ви побачите:
-
стартапи швидко розвиваються до того, як продукт відповідатиме вимогам ринку
-
«Штучно відпрацьовані» презентації (той самий продукт, нова термінологія)
-
оцінки, обґрунтовані стратегічним розповіддю історій
3) Розгортання для підприємств є складнішим за маркетинг 🧯
Розрив між демонстрацією та виробництвом реальний:
-
проблеми з надійністю
-
галюцинації (вишукане слово для позначення «впевнено помилятися»)
-
проблеми з дотриманням вимог та управлінням даними
-
повільні цикли закупівель
Це не просто «невпевненість у собі». Такі системи управління ризиками, як AI RMF NIST, чітко підкреслюють валідність та надійність , безпеку , захист , підзвітність , прозорість та з покращеною конфіденційністю , тобто роботу з контрольними списками, яка уповільнює фантазію «відправити завтра». [5]
Складена схема розгортання (не окрема компанія, а лише загальний фільм):
Тиждень 1: командам подобається демонстрація.
Тиждень 4: юридичний/безпековий відділ вимагає управління, ведення журналу та контролю даних.
Тиждень 8: точність стає вузьким місцем, тому людей додають «тимчасово».
Тиждень 12: цінність реальна, але вона вужча, ніж презентація, а структура витрат дуже відрізняється від очікуваної.
4) Ризик будівництва інфраструктури реальний 🏗️⚡
Витрати величезні: центри обробки даних, чіпи, живлення, охолодження. Прогноз МЕА про те, що світовий попит на електроенергію для центрів обробки даних може приблизно подвоїтися до 2030 року, є сильним сигналом «це відбувається», а також нагадуванням про те, що неврахування припущень щодо використання може перетворити дорогі активи на шкоду. [2]
5) Тема штучного інтелекту пронизує все 🌶️
Енергетичні компанії, мережеве обладнання, охолодження, нерухомість — історія подорожує. Іноді це раціонально (обмеження енергії реальні). Іноді це тематичний серфінг.
Варіант «ні»: чому це не класична повноцінна бульбашка 🧊📊
1) Деякі основні гравці мають реальний дохід (не лише наративний) 💰
Відмінною рисою чистих бульбашок є «великі обіцянки, крихітні фундаментальні принципи». В інфраструктурі штучного інтелекту існує великий реальний попит, за яким стоять реальні гроші – заявлений масштаб NVIDIA є одним із наочних прикладів. [3]
2) Штучний інтелект вже вбудований у робочі процеси (робочий день – це добре) 🧲
Підтримка клієнтів, кодування, пошук, аналітика, автоматизація операцій – багато цінностей ШІ є непомітно практичними, а не показними. Саме такої моделі впровадження зазвичай немає .
3) Дефіцит обчислювальних ресурсів не є уявою 🧱
Навіть скептики зазвичай визнають: люди використовують ці речі у великих масштабах. А масштабування використання вимагає обладнання та потужності, що проявляється у реальних інвестиціях та реальному плануванні енергоспоживання. [2]
Де ризик виникнення бульбашок виглядає найвищим (і найнижчим) 🎯🫧
Найвищий ризик утворення піни 🫧🔥
-
Копіюючі програми без жодних обмежень та майже з нульовими витратами на перехід
-
Стартапи, що розраховані на «майбутнє домінування» без перевіреного утримання
-
Надмірно заборгована інфраструктура з довгою окупністю та нестабільними припущеннями
-
«Повністю автономний агент» стверджує , що це справді крихкі робочі процеси з упевненістю
Менший ризик утворення піни (все ще не безризикове) 🧊✅
-
Інфраструктура, прив'язана до реальних контрактів та використання
-
Корпоративні інструменти з вимірною рентабельністю інвестицій (економія часу, вирішені заявки, скорочення часу циклу)
-
Гібридні системи: ШІ + правила + людина в процесі роботи (менш привабливі, більш надійні) – і більше узгоджені з тими системами управління ризиками, які спонукають команди створювати. [5]
Таблиця порівняння: лінзи для швидкої перевірки реальності 🧰🫧
| лінза | найкраще для | вартість | чому це працює (і в чому підступ) |
|---|---|---|---|
| Концентрація фінансування | інвестори, засновники | змінюється | Якщо гроші затоплюють одну тему, може утворитися піна… але саме фінансування не доводить до появи бульбашки |
| Огляд економіки підрозділу | оператори, покупці | витрати часу | Викликає питання «чи це вигідно?» – а також показує, де ховаються витрати |
| Утримання + розширення | команди з розробки продуктів | внутрішній | Якщо користувачі не повертаються, це просто примха, вибачте |
| Перевірка фінансування інфраструктури | макрос, розподільники | змінюється | Чудово підходить для виявлення ризику левериджу, але важко ідеально моделювати (сценарії мають значення) [2] |
| Публічні фінанси та маржа | кожен | безкоштовно | Якорі, що стосуються реальності – все ще можуть бути занадто агресивно оцінені у форвардних цінах |
(Так, це трохи нерівномірно. Саме так відчувається справжнє прийняття рішень.)
Практичний контрольний список для штучного інтелекту з бульбашками 📝🤖
Для продуктів штучного інтелекту (додатки, інші пілоти, агенти) 🧩
-
Чи повертаються користувачі щотижня без підказок?
-
Чи може компанія підвищити ціни без вибухового відтоку клієнтів?
-
Який обсяг виводу потребує корекції людиною?
-
Чи є власницькі дані, прив'язка до робочого процесу або розподіл?
-
Чи падають витрати на логічний висновок швидше, ніж ціни?
Для інфраструктури 🏗️
-
Чи є підписані зобов'язання, чи просто «стратегічний інтерес»?
-
Що станеться, якщо коефіцієнт використання буде нижчим за очікуваний? (Змоделюйте випадок «зустрічного вітру», а не лише базовий випадок.) [2]
-
Чи фінансується це за рахунок великого боргу?
-
Чи є план на випадок зміни апаратних уподобань?
Для «лідерів штучного інтелекту» публічного ринку 📈
-
Зростає грошовий потік, чи це просто історія?
-
Поля розширюються чи стискаються?
-
Чи залежить зростання від невеликої кількості клієнтів?
-
Чи оцінка передбачає постійне домінування?
Закриття їжа на винос 🧠✨
Чи існує штучний інтелект у формі бульбашки? Деякі частини екосистеми демонструють поведінку бульбашок, особливо в додатках-копіях, оцінках, орієнтованих на історію, та будь-яких проектах з високим рівнем левериджу.
Але сам ШІ не є «підробкою» чи «просто маркетингом». Технологія реальна. Впровадження реальне – і ми можемо вказати на реальні інвестиції, реальні прогнози попиту на енергію та реальні доходи від основної інфраструктури. [1][2][3]
Коротко кажучи: очікуйте струсу в слабших або надмірно задіяних куточках. Базові зміни продовжуються — просто з меншою кількістю ілюзій та більшою кількістю електронних таблиць 😅📊
Найчастіші запитання
Чи існує зараз бульбашка штучного інтелекту?
Можливо, «бульбашка штучного інтелекту» утворюється на окремих рівнях, а не в усій екосистемі штучного інтелекту. Піна, як правило, накопичується в додатках-копіях, оцінках, заснованих на історіях, та ставках на інфраструктуру з високим рівнем боргів, що фінансуються на основі припущень про безпрограшне використання. Водночас, впровадження вже є широким, і деякі ключові гравці в галузі інфраструктури отримують відчутний дохід. Результат залежить від того, чи переросте використання в стійкі грошові потоки та утримання клієнтів.
Що люди мають на увазі, коли кажуть «бульбашка штучного інтелекту»?
Більшість людей мають на увазі одну або декілька з п'яти речей: бульбашку оцінки, бульбашку фінансування, наративну бульбашку, бульбашку інфраструктури або бульбашку продукту. Плутанина полягає в тому, що «штучний інтелект» поєднує всі ці шари в одному заголовку. Якщо не визначити шар, можна сперечатися один з одним. Чіткіше питання полягає в тому, яка частина виглядає перегрітою і чому.
Чи доводить широке впровадження штучного інтелекту, що ринок не є бульбашкою?
Не обов'язково. Широке використання реальне, але впровадження не автоматично призводить до стабільних фондів прибутку. Організації можуть «використовувати ШІ» експериментальними, низьковитратними або складними для монетизації способами у великих масштабах. Ключовим критерієм є те, чи стане впровадження постійним доходом, збільшенням маржі та сильним утриманням клієнтів. Якщо цього не відбувається, ви все одно можете отримати струсу навіть за високого використання.
Як я можу визначити, чи впровадження штучного інтелекту приносить реальний дохід?
Практичний підхід полягає у відстеженні впровадження порівняно з монетизацією з плином часу, а не лише статистики разового використання. Шукайте докази того, що клієнти платять достатньо, продовжують платити достатньо довго та збільшують витрати в міру масштабування використання. Нерівномірна монетизація може найчіткіше проявлятися у невеликих фірмах, де зростання продуктивності не одразу перетворюється на дохід. Якщо зростання доходів є непослідовним, оцінки можуть випереджати фундаментальні показники.
Яка одиниця економіки має найбільше значення для продуктів штучного інтелекту?
Економіка одиниці має значення, оскільки логічний висновок може приховувати багато витрат, окрім «витратів на хмарні технології». Корисним підходом є граничні витрати на отримання цінності: токени, час роботи графічного процесора, обмеження затримки, захисні бар'єри, повторні запуски, забезпечення якості та залучення людей для виправлення. Потім пов'яжіть це з валовим прибутком, утриманням персоналу, розширенням та терміном окупності. Якщо виправлення з боку людини є значним, витрати можуть залишатися вперто високими.
Чому розрив між «демоверсією та виробництвом» є таким важливим?
Демонстрація часто є найлегшою частиною; виробництво вимагає надійності, відповідності вимогам, ведення журналу та підзвітності. Галюцинації, вимоги до управління та цикли закупівель уповільнюють терміни та можуть звузити практичний обсяг того, що постачається. Багато розгортань додають «тимчасову» присутність людини, а потім виявляють, що вона є центральною для якості та контролю ризиків. Це змінює як форму продукту, так і структуру витрат.
Де сьогодні найвищий ризик розвитку штучного інтелекту?
Ризик виникнення бульбашки виглядає найвищим у додатках-копіях з майже нульовими витратами на перехід, стартапах, орієнтованих на «майбутнє домінування» без доведеного утримання клієнтів, та заявах про повністю автономних агентів, які є крихкими робочими процесами. Ці сфери сильно залежать від наративної премії та можуть швидко зникнути, якщо результати розчаровують. За закономірністю, на яку варто звернути увагу, є відтік користувачів: якщо вони не повертаються щотижня без закликів, продукт може бути невдалим.
Чи є інфраструктура штучного інтелекту (чіпи та центри обробки даних) більш чи менш схильною до розвитку бульбашок?
Він може бути менш схильним до утворення бульбашок, коли попит прив'язаний до контрактів та сталого використання, але це несе інший вид ризику. Велика небезпека полягає в фінансуванні: леверидж плюс довгі цикли окупності можуть розірватися, якщо використання буде недостатнім. Ставки на інфраструктуру дуже чутливі до прогнозних припущень, а сценарне планування має значення, оскільки невизначеність є реальною. Сильний контрактний попит зменшує ризик, але не усуває його.
Який практичний контрольний список можна використовувати для перевірки тверджень про «бульбашку штучного інтелекту»?
Використовуйте твердження, яке можна спростувати: «Чи виправдовують ці грошові потоки цю ціну?» Для продуктів перевірте щотижневе утримання, цінову силу, коригувальне навантаження та чи падають витрати на логічний висновок швидше, ніж ціни. Для інфраструктури зверніть увагу на підписані зобов'язання, моделювання використання випадків непередбачених факторів та чи є задіяна велика заборгованість. Якщо контракти, грошові потоки та утримання залишаються на місці, це більше схоже на структурний зсув, ніж на манію.
Посилання
[1] Stanford HAI - Звіт про індекс штучного інтелекту за 2025 рік - читати далі
[2] Міжнародне енергетичне агентство - Попит на енергію від штучного інтелекту (звіт про енергетику та штучний інтелект) - читати далі
[3] NVIDIA Newsroom - Фінансові результати за 4 квартал та 2025 фінансовий рік (26 лютого 2025 р.) - читати далі
[4] OECD - Генеративний штучний інтелект та робоча сила малого та середнього бізнесу (опитування 2024 р.; опубліковано в листопаді 2025 р.) - читати далі
[5] NIST - Структура управління ризиками штучного інтелекту (AI RMF 1.0) (PDF) - читати далі