Следите за новостями по этой теме!
Подписаться на «Гик Гайд (3 апельсина) / Цифра сегодня»
ИИ вошёл в рабочие процессы, но вместе с ним в компании пришёл неприятный вопрос: как доказать, что технология действительно приносит пользу, а не просто красиво расходует бюджет.
Организации любого размера уже используют инструменты на основе искусственного интеллекта. Однако измерить результат одной универсальной цифрой не получается. Расходы видны сразу, а рост производительности, качества и выручки может проявиться значительно позже. Практика показывает: произвольные цели вроде количества обращений к ИИ не обязательно отражают реальную пользу для бизнеса.
В этом отношении показательны игровые и real-time 3D-движки — программные платформы, которые отвечают за визуализацию, физику, сетевое взаимодействие и работу с цифровыми ресурсами. Согласно отчёту Perforce «State of Real-Time Workflows Report» за 2026 год, их всё чаще используют не только разработчики игр, но и аэрокосмическая и оборонная отрасли, государственные учреждения, образование, медиа и развлечения.
У этих технологий есть преимущество: они проверены десятилетиями работы игровой индустрии. Компании могут оценивать их отдачу на основе уже известных сценариев. ИИ пока находится на менее удобной стадии — многие организации ещё не получили устойчивый и измеримый возврат инвестиций.
Одновременно растёт спрос на системы контроля версий. ИИ увеличивает объём кода, графики, аудио и других материалов внутри проектов, поэтому компаниям необходимо понимать, кто, когда и что изменил. Если в процессах участвуют ИИ-агенты, такая прозрачность становится не роскошью, а базовой страховкой.
По данным Perforce, половина сотрудников, использующих ИИ, опасается, что технология заменит их. Ещё 49% боятся плохого или неточного результата, а 48% обеспокоены этическими и регуляторными рисками.
Brent Schiestl, руководитель направления Digital Creation и старший директор по управлению продуктами Perforce, отмечает разницу между применением ИИ для исходного кода и для готовых цифровых материалов. Автоматическое исправление ошибки в коде воспринимается спокойнее: это конкретная задача, где творчество обычно не является главным условием. Такой подход может освободить инженеров от рутинной работы.
С изображениями, аудио и видео ситуация сложнее. Многие большие языковые модели обучались на данных без согласия первоначальных авторов, поэтому генерация таких материалов вызывает больше вопросов. Чтобы сохранить доверие, компании вводят публичные правила раскрытия использования ИИ, оставляют человека ответственным за финальное решение и фиксируют происхождение материала — так называемую provenance data. В результате потребитель получает достаточно информации, чтобы самостоятельно оценить этичность применения технологии.
Для оценки эффективности ИИ компании отслеживают частоту выпусков, объём контента в каждом релизе и телеметрию использования новых функций. Также растёт значение отраслевых показателей, включая DORA-метрики, которые помогают сравнивать скорость и стабильность разработки.
Но здесь работает закон Гудхарта: когда показатель превращают в цель, он перестаёт быть хорошим показателем. Команды могут начать «улучшать» цифры вместо продукта. Кроме того, отделить вклад ИИ от остальных изменений в процессе выпуска крайне трудно.
С real-time-движками проблема долгое время была ещё прозаичнее — само название «игровые движки» отпугивало отрасли, не связанные с играми. Мешали также лицензирование, сложность инструментов для не-художников и интеграция с корпоративными системами. Epic Games пришлось отдельно искать модель монетизации Unreal Engine за пределами игровой индустрии. Perforce лишь в прошлом году перестала называть свой отчёт «State of Game Technology Report» и переименовала его в «State of Real-Time Workflows Report».
После этого стало проще увидеть, что речь идёт не только об играх, а о наборе технологий для рендеринга, физики, сетевых соединений и управления цифровыми ресурсами. Иногда новый рынок начинается не с изобретения, а с удачного переименования.
Внедрение таких систем требует затрат на GPU-вычисления, хранение крупных бинарных и 3D-файлов, передачу данных, специализированные рабочие станции и лицензии на движки и DCC-инструменты. Прямая надежда — рост выручки, но эффект может появиться лишь через несколько лет. Поэтому финансовым руководителям приходится терпеть, а не устраивать паническую распродажу проекта при первых слабых результатах.
Есть и скрытая статья расходов: организациям часто не хватает специалистов и внутренних процессов для управления новой инфраструктурой. Технический долг растёт из-за непроверенного кода, созданного ИИ, неизвестных зависимостей, лицензионных нарушений и рассинхронизации версий моделей.
В ответ появляются инструменты проверки кода с учётом ИИ, SAST/DAST-системы для поиска уязвимостей в машинно созданных программах, сканеры лицензий и происхождения материалов, а также практики контроля версий, при которых ИИ-коммиты рассматриваются как полноценные артефакты.
ИИ меняет и рынок открытого программного обеспечения. Создать и при желании опубликовать собственное решение стало проще. Но одновременно некоторые ранее открытые репозитории закрывают доступ: их владельцы не справляются с потоком запросов на слияние, созданных ИИ.
Модель лицензирования по числу пользователей тоже испытывает давление. Если компании начнут сокращать штаты или перестанут расти прежними темпами, поставщикам придётся пересматривать привычную экономику подписок.
Главный нерешённый вопрос — действительно ли ИИ меняет расчёт «создать самим или купить готовое». Шутка о том, как разработчик «сэкономил 30 тысяч долларов на подписке», потратив 100 тысяч на токены для создания собственной системы, звучит всё менее фантастично. В расчёт нужно включать не только первоначальную разработку, но и постоянное обслуживание, поддержку, контроль качества и ответственность за результат.
В корпоративном мире искусственный интеллект уже получил должность, бюджет и презентацию о будущей экономии. Теперь от него требуют показать результат — желательно в таблице, к концу квартала и так, чтобы финансовый директор не заметил расходов на вычисления, интеграцию и людей, которые исправляют машинную уверенность. Будущее пришло, но счёт выставило настоящее.
Отчёты о пользе ИИ особенно охотно выпускают компании, которым выгодно, чтобы организация продолжала покупать инструменты, лицензии и контроль над потоком цифровых файлов. Это не делает их выводы ложными; просто в рекламном жанре вопрос «а кому продают решение?» обычно лежит за пределами диаграммы. Рядом с обещанием прозрачности всегда стоит случайно аффилированный поставщик, готовый продать ещё один слой прозрачности.
Показатели производительности нужны, пока они описывают работу, а не становятся её заменой. Стоит назначить целью число запросов или выпусков — и команда начинает производить именно число запросов или выпусков. Закон Гудхарта в офисе не выглядит как философия: он выглядит как отчёт, который улучшился, а продукт — нет.
Сложнее всего посчитать то, что не помещается в график: кто отвечает за ошибочный код, кто проверяет лицензии, сколько стоит обслуживание самодельной системы после праздничного демо. «Сэкономили на подписке» звучит бодро ровно до момента, когда выясняется, что собственный продукт съел бюджет на токены, поддержку и исправление чужих галлюцинаций.
На этом фоне разговор о системах контроля версий и происхождении материалов вполне здравый. Но и здесь индустрия умеет обратить проблему в рынок: сначала ИИ увеличивает поток артефактов, потом появляются инструменты для учёта артефактов, затем отчёт объясняет, почему без таких инструментов нельзя жить. Машина производит работу, бизнес — категории расходов.
Вопрос не в том, приносит ли ИИ пользу вообще, а в том, кто и как считает её после того, как закончилась презентация. Если финансовому руководителю предлагают терпеть несколько лет, пусть заодно покажут полную стоимость терпения и назовут ответственного за результат. Иначе ROI окажется не отдачей от инвестиций, а красивой аббревиатурой, которой прикрыли надежду, что бюджет однажды начнёт оправдывать сам себя.