Apollo: у компаний вне технологической семёрки пока не видно финансовой отдачи от ИИ
Главный экономист Apollo Торстен Слок сопоставил показатели крупнейших компаний США и не обнаружил заметного роста выручки на сотрудника и рентабельности вне группы ведущих технологических корпораций. Это оценка агрегированных данных, а не доказательство бесполезности всех внедрений ИИ.
Главное
Поводом стала аналитическая записка Apollo Global Management. Слок разделил участников индекса S&P 500 на технологическую группу Mag 7 и оставшиеся компании, которые обозначил как S&P 493. Такое сравнение позволяет увидеть, где финансовые показатели заметно меняются, но не показывает результат каждого внедрённого ассистента или модели в отдельной организации.
На графиках экономист сопоставляет реальную выручку в расчёте на работника и прибыльность. У крупнейших технологических компаний, по его интерпретации, оба показателя растут, а у остальной выборки динамика выглядит почти плоской. На этом основании автор говорит об отсутствии пока наблюдаемой финансовой отдачи от искусственного интеллекта за пределами технологических лидеров.
Подробности
Ещё один аргумент касается производительности экономики в целом. В доступных макропоказателях Слок не видит уверенного ускорения, которое можно было бы связать с масштабными инвестициями в ИИ. Однако статистика больших групп не измеряет все локальные результаты: сокращение времени на отдельную задачу или улучшение качества обслуживания могут существовать без немедленного отражения в корпоративной марже.
Автор обращает внимание и на восприятие расходов на вычисления. Для компании, не продающей собственный ИИ-продукт, оплата работы моделей и токенов становится дополнительной статьёй затрат, если её невозможно связать с ростом продаж или экономией. Разработчики специализированных сервисов находятся в иной позиции: вычислительная инфраструктура непосредственно участвует в производстве того, за что платит клиент.
Что это меняет
Практический вывод здесь не в отказе от технологии, а в необходимости отделять активность по внедрению от результата. Число подключённых сотрудников или обработанных запросов само по себе не подтверждает окупаемость. Для оценки полезнее сопоставлять затраты на модели с изменением конкретных рабочих процессов и финансовых показателей, сохраняя осторожность в причинных выводах.
Оригинальная записка Apollo датирована 24 октября, а TechCrunch рассказала о ней 25 октября. Поэтому речь идёт о новой публичной интерпретации уже накопленных данных, а не о публикации свежих финансовых отчётов всех компаний. Формулировку об отсутствии эффекта следует понимать как позицию экономиста относительно выбранных метрик, а не как установленный универсальный закон.
Первоисточник
Материал подготовлен STRUCTURE по открытой публикации TechCrunch. Текст и иллюстрации первоисточника не воспроизводятся целиком.