Генеративный искусственный интеллект (ИИ) — это, безусловно, самая обсуждаемая технология последних лет. Однако будущее инвестиций в ИИ выходит далеко за рамки текущей лихорадки «покупаем чипы» и уж тем более — за пределы публичных рынков. Взять хотя бы Nvidia: её капитализация на март 2025 года достигла $2,9 трлн — и дальнейший потенциал роста, похоже, ограничен.

Сегодняшние заголовки восхищаются способностью генеративного ИИ создавать тексты, изображения и музыку. Но за этим блеском скрывается менее эффектная, но гораздо более глубокая трансформация. Речь о так называемом «скучном ИИ» — когда машинное обучение применяется в отраслях, давно страдающих от неэффективности и бюрократии.

Проще говоря, ИИ может «перезапустить» традиционные индустрии — такие как здравоохранение, логистика, юридические услуги, строительство и энергетика.

Привлекательность обыденного

Только в США ежегодные расходы на административные процессы в здравоохранении достигают $265 млрд, по оценке McKinsey за 2023 год. Потенциал ИИ в медицине — это не только роботы будущего, но и автоматизация выставления счетов, эффективное распределение персонала и соблюдение нормативных требований.

Сходный потенциал заложен и в логистике: согласно отчёту Interos за 2021 год, глобальные потери от неэффективности крупных компаний составляют до $184 млн в год. ИИ может сократить эти потери за счёт прогнозирования спроса, оптимизации маршрутов и автоматизации управления складами.

Как ИИ раскрывает скрытый потенциал

Некоторые характеристики делают отрасли особенно восприимчивыми к преобразованию с помощью ИИ:

  • Высокая сложность и низкий уровень цифровизации: Многие процессы всё ещё ручные, и автоматизация ИИ может сразу снизить издержки и повысить скорость.
  • Фрагментированные данные: Медицинские карты, грузовые накладные и юридические документы часто хранятся изолированно. ИИ умеет объединять разрозненные источники и находить в них ценную информацию.
  • Устоявшиеся неэффективности: Там, где проблемы стали нормой, ИИ способен дать значительный прирост в эффективности и экономии.
  • Сложное регулирование: Во многих сферах требуется постоянный контроль за соблюдением норм. ИИ может автоматизировать мониторинг и управление рисками.

Важно отметить, что эти отрасли оперируют многомиллиардными бюджетами, и даже небольшое повышение эффективности может принести огромные дивиденды.

Примеры реального влияния

  • Здравоохранение: автоматизация рассмотрения страховых претензий и оптимизация расписания персонала сокращают затраты на оплату труда и ускоряют выплаты.
  • Логистика: прогнозная аналитика снижает запасы на складах и улучшает сроки доставки.
  • Юридические услуги: ИИ ускоряет анализ документов и автоматизирует проверку на соответствие нормативам, что снижает издержки и ускоряет процессы.
  • Строительство: ИИ-платформы для планирования помогают сократить сроки реализации проектов и, соответственно, затраты.
  • Энергетика: ИИ помогает управлять энергосетями, прогнозировать поломки и снижать потери, повышая надёжность поставок.

Частный рынок — перспективная альтернатива

Новичкам в генеративном ИИ будет крайне трудно конкурировать с лидерами вроде xAI, OpenAI и Anthropic: на этом поле победителей будет немного.

А вот «скучный ИИ», к которому чаще всего можно получить доступ через частные рынки, предлагает гораздо больше точек входа:

  • Венчурные фонды, инвестирующие в узкопрофильные ИИ-стартапы для конкретных отраслей.
  • Инфраструктура и инженерные сервисы: инвестиции в компании, создающие инфраструктуру (каналы данных, облачные платформы, edge-решения) для масштабного внедрения ИИ.
  • Частные инвестиционные фонды, применяющие ИИ после приобретения активов: такие игроки используют ИИ для оптимизации бизнеса, повышения маржи и ускорения роста стоимости. Даже 10–25% прироста эффективности может обеспечить высокую доходность.

Думайте стратегически: не только публичный рынок

Это не значит, что стоит полностью отказаться от генеративного ИИ и компаний, уже получающих от него выгоду. Однако инвесторам стоит быть избирательными и — где возможно — искать более глубокую ценность в частных инвестициях, ориентированных на практическое применение ИИ.