Затраты на AI-вычисления удваиваются каждые 45 дней, а прирост продуктивности от ИИ при базе кода от 10 млн строк составляет всего 5%. Это данные Стэнфордского университета, которые фиксируют текущий уровень зрелости технологий. Исследование охватывает проекты с объемом кода свыше 10 млн строк, где ИИ демонстрирует минимальную эффективность. Даже в таких масштабных системах прирост продуктивности не превышает 5%, что ставит под вопрос экономическую целесообразность внедрения ИИ на текущем этапе.
Для бизнеса это означает, что вложения в ИИ растут экспоненциально, а отдача остается минимальной. Даже крупные SaaS-компании не получают значимого прироста эффективности от внедрения ИИ на текущем этапе. При этом затраты на инфраструктуру для таких вычислений стремительно увеличиваются, что делает текущую модель нерентабельной для большинства проектов.
На практике это сдерживает развитие сложных систем с помощью ИИ. Теоретический потенциал сохраняется, но реализация требует времени и новых подходов. Ограничение кроется в текущей архитектуре и качестве данных. Современные модели не способны генерировать код для сложных архитектур без значительных доработок, что нивелирует преимущества автоматизации.
Вывод: рынок ИИ переживает стадию накопления ресурсов без видимой отдачи. Инвесторы продолжают вливать средства, но бизнес пока не видит существенной выгоды. Даже при 5% приросте продуктивности, компании вынуждены нести растущие затраты на вычисления, что делает текущую модель нерентабельной для большинства проектов.
