ИИ-инфраструктура: почему банки ищут клиентов среди разработчиков, а код становится дороже, чем кажется

На первый взгляд — обычный набор технологических новостей. На самом деле это картина зрелости: искусственный интеллект перешёл из демонстраций в операционную фазу, и рынок столкнулся с тем, что внедрение дороже и сложнее, чем обещали пилоты.

Главная нить — дисбаланс между инвестициями и реальной отдачей. JPMorgan смягчает условия кредитования под акции для сотрудников и инвесторов SpaceX и потенциально Anthropic. Это не благотворительность: банк охотится за новыми богатыми клиентами из сферы технологий, готовых заложить неликвидные активы. Параллельно Центробанк России констатирует, что две трети финансовых компаний уже используют нейросети — но «используют» не равно «зарабатывают». Скорее речь о необходимости не отстать.

Предыстория проста. Три года назад ИИ обещал заменить программистов, сократить издержки, ускорить рост. Инвесторы вложили десятки миллиардов. Сейчас пришло время отчитываться — и выясняется, что агенты генерируют код, который требует постоянной доработки. Автор одного из материалов фиксирует «неприятную закономерность»: мелкие фиксы вокруг ИИ-кода заполняют бэклог. Не аварии, но постоянное кровотечение рабочего времени. Другой разработчик предупреждает: опасность не в падении продакшена, а в «долге понимания» — когда команда теряет контроль над тем, как работает система, потому что писал не человек, а модель.

Эта проблема множится на дублирование. Нейросети воспроизводят паттерны — код, инварианты, политики — порождая скрытый технический долг. Кластеризация эмбеддингов помогает находить дубли, но сам факт необходимости таких инструментов говорит о масштабе явления.

Российский рынок отвечает ценовой войной. «Сбер» и «Яндекс» резко снизили стоимость генераций — GigaChat на 67%, YandexGPT Pro на 33%. Это не доброта: конкуренция за разработчиков в условиях ограниченного доступа к зарубежным моделям. Платформа GigaCowork, предоставляющая прокси к западным LLM, существует именно потому, что прямой доступ затруднён — и это создаёт параллельную инфраструктуру со своими рисками и наценками.

Для обычного человека это означает несколько вещей. Во-первых, если вы работаете в IT или смежных отраслях — навык «говорить с машиной» становится базовым, но недостаточным. Важнее умение проверять, интегрировать и отвечать за результат. Во-вторых, цены на ИИ-сервисы падают, но полная стоимость владения растёт: токены дёшевы, правка их вывода — дорога. В-третьих, финансовый сектор активно ищет новые модели монетизации через кредитование под технологические активы — что открывает возможности для тех, кто владеет акциями стартапов, и риски для тех, кто не понимает механику залога неликвидных бумаг.

Заработок на автоматизации существует, но сдвинулся вверх по цепочке: не в написании промптов, а в аудите, управлении «долгом понимания», построении систем, где агенты работают предсказуемо. Компании, умеющие формализовать бизнес-логику — цели, сценарии, роли — получают преимущество. Те, кто поручает ИИ «просто решить задачу», накапливают скрытые издержки.

За чем следить. Первое — корпоративные отчёты о реальной эффективности ИИ-агентов, не в токенах, а в часах человеческой доработки. Второе — регуляторные инициативы: тесты безопасности от Irregular для Meta, Anthropic и OpenAI дали сбой из-за методологической ошибки, что показывает хрупкость всей экосистемы оценки рисков. Третье — долговое финансирование инфраструктуры: если кредитные линии ФРС, связанные с пандемией, остаются в инструментарии, это говорит о подготовке к возможному стрессу в секторе, где уже перегреты ожидания. Четвёртое — российская динамика: при текущих темпах снижения цен локальные модели станут коммерчески привлекательными для базовых задач, но вопрос их качества при сложной обработке остаётся открытым.

Источники: FT_World — JPMorgan смягчает условия кредитования под акции, чтобы привлечь новых богатых клиентов из сферы ИИ: TASS — В ЦБ рассказали, какая часть финорганизаций использует или хочет использовать ИИ: Habr — Stop! Slopo¡: Habr — Опыт использования GigaCowork: разбираем агента с прокси к зарубежным LLM: Habr — Разработчики в вашей компании уже тратят много токенов. Как проверить реальную пользу ИИ для бизнеса?: Habr — Долг понимания: почему ИИ-код опасен не тогда, когда что-то упало: Habr — Цели, сценарии, роли. Системность в управлении бизнесом: NYT_Tech — Почему тесты ИИ от The Irregular для Meta, Anthropic и OpenAI дали сбой: Rusbase — «Сбер» и «Яндекс» снизили стоимость ИИ-генераций: GigaChat подешевел на 67%, YandexGPT Pro — на 33%: MarketWatch — Долговое финансирование ИИ-инфраструктуры может оказаться слишком масштабным, чтобы его можно было допустить к провалу: