Искусственный интеллект – новая зона риска для бюджета стартапов

Мария Азатян - финансовый директор, работающий с технологическими стартапами в сфере искусственного интеллекта, уверена, что главная задача стартапа – не только снижать расходы, но и эффективно использовать ресурсы для роста и масштабирования.

Она строит системы финансового учета, которые помогают компаниям сократить лишние расходы, найти новые источники дохода и привлечь инвестиции. Её подход позволяет превратить финансовые данные в понятную информацию для принятия бизнес-решений. Мария рассказывает о связи бизнеса и новых технологий.

- Мария, расскажите о своей карьере и как финансовый директор связан со стратегией стартапов?

- Я начинала как финансовый аналитик, быстро доросла до финансового директора, а затем осознала, что мне интереснее работать с динамичными стартапами, чем с устоявшимися корпорациями. Я прихожу в проект, выстраиваю финансовую дисциплину, помогаю расти, а когда стартап становится полноценной компанией и перестаёт быть гибким, перехожу к новому вызову.

Многие ошибочно считают, что финансовый директор должен заниматься сокращением расходов. На самом деле его роль – подсвечивать правильное распределение ресурсов, чтобы они приносили максимальную прибыль и создавали дополнительные возможности для компании.

Именно поэтому, начиная работу в новом стартапе, я разбиваю бюджет на ключевые отделы, анализирую их продуктивность и ищу внутри компании потенциальные источники дополнительного дохода.

- Таким образом, вы наперед высчитываете эффективность проекта.

- На мой взгляд, финансовый директор – это не просто контролёр, а стратег, который помогает стартапу не сбиться с курса в океане конкуренции и возможностей. Например, если речь идёт о технологическом стартапе, то наибольшее внимание стоит уделять маркетингу и продажам. Важно понимать их стратегию, а не просто выделять бюджеты «по запросу».

Сегодня, в эпоху инфлюенсеров и соцсетей, маркетинговые отделы часто требуют огромные бюджеты, и основатели слепо им доверяют. Но есть ключевой показатель эффективности: если SEO требует долгосрочной стратегии, то лиды от инфлюенсера должны приходить здесь и сейчас. Если этого не происходит, стоит пересмотреть рекламную стратегию. Аналогично, если рекламные кампании в соцсетях требуют многотысячных бюджетов, но не приносят соразмерного дохода, финансовый директор обязан вовремя заметить проблему и задать правильные вопросы.

- Почему вы считаете, что AI – новая зона риска для бюджета стартапов?

- Сегодня многие команды сливают бюджеты на AI-сервисы и AI-агентов, не имея чёткой стратегии. В условиях стремительного развития AI-продуктов стартапы тестируют десятки решений, подключают подписки, но часто забывают вовремя отказаться от неэффективных инструментов. Это приводит к тому, что бюджеты сгорают в хаосе тестирования.

В таких условиях финансовый директор должен выстраивать чёткие регламенты работы с AI-решениями, иначе значительная часть средств уйдёт на AI-«игрушки», а не на реальную ценность для бизнеса.

Я уже не раз сталкивалась с проектами, где команды обещают инвесторам прорыв в AI, но в итоге оказываются у разбитого корыта. Многие основатели и инвесторы не до конца понимают реальные издержки AI-разработок и не всегда оценивают риски чрезмерных трат. Отсутствие человека, отвечающего за финансовую стратегию проекта, превращает управление бюджетом в игру на удачу – и далеко не всегда она оказывается благосклонной.

- Что делает искусственный интеллект дорогостоящим?

- Искусственный интеллект – это не просто программа, а сложная технологическая экосистема, требующая колоссальных ресурсов. Его разработка включает мощные вычислительные системы (GPU, TPU), огромные объемы данных для обучения, дорогостоящие исследования и постоянную оптимизацию моделей. Высокие энергозатраты, юридическая защита, а также поддержка и обновление систем делают его доступным только крупнейшим компаниям и инвесторам.

Однако развитие новых алгоритмов, оптимизация процессов и переход к более энергоэффективным решениям со временем могут снизить стоимость ИИ. В будущем технологии станут более доступными, открывая новые возможности для бизнеса и общества.

ИИ — это не просто алгоритм или  код, а огромная индустрия, которая включает:  Вычислительные мощности (GPU, TPU); Данные (сбор, разметка, обработка); Исследования и разработку; Энергопотребление и  Поддержку, обслуживание и безопасность.

- Что является основными источниками затрат - оборудование, ПО или кадры?

- Основные затраты на искусственный интеллект связаны с несколькими ключевыми направлениями.

Во-первых, это оборудование: серверы, графические процессоры (GPU), дата-центры, обеспечивающие работу сложных моделей.

Во-вторых, программное обеспечение, включая специализированные библиотеки и облачные сервисы, необходимые для хранения и обработки данных.

Существенную долю расходов составляют кадры – инженеры, учёные и аналитики, занимающиеся разработкой и оптимизацией ИИ. Также критически важны исследования, направленные на создание новых архитектур и повышение эффективности технологий. Несмотря на высокую стоимость, будущее ИИ обещает снижение затрат благодаря квантовым вычислениям, новым алгоритмам и более энергоэффективным решениям.

- Какие стратегии позволяют минимизировать затраты на AI?

Компании могут использовать облачные AI-сервисы (Google Cloud, AWS, Azure) вместо покупки дорогостоящих серверов. Оптимизация моделей через квантование, дистилляцию и Low-Rank Adaptation (LoRA) позволяет сократить расходы на обучение и развёртывание. Также переход на open-source AI (LLaMA, Falcon, Mistral) помогает компаниям снизить зависимость от платных проприетарных решений.

- Какова роль инфраструктуры в формировании стоимости AI-проектов?

- Инфраструктура играет ключевую роль в формировании стоимости AI-проектов, так как требует мощных вычислительных ресурсов, стабильных сетей и значительных финансовых вложений.

Создание собственного дата-центра может стоить сотни миллионов долларов, как, например, инвестиции Microsoft в OpenAI. Хотя облачные сервисы делают ИИ более доступным, их аренда по-прежнему обходится стартапам в десятки и сотни тысяч долларов в месяц.

Для масштабных AI-моделей требуются большие объемы данных и сложные алгоритмы, что делает экономные решения неэффективными. Таким образом, разработать простое AI-приложение может любой желающий, но построить масштабную, конкурентоспособную систему под силу только технологическим гигантам.

- Какие существуют скрытые или мало очевидные затраты при внедрении ИИ?

- Одним из ключевых аспектов является кибербезопасность, так как AI-модели работают с чувствительными данными, требующими защиты от утечек и атак, что может обходиться компаниям в миллионы долларов в год.

Контроль качества данных также требует значительных ресурсов, поскольку для высокой точности AI-моделей данные должны быть тщательно очищены и размечены, а это зачастую делается вручную командами модераторов.

Тестирование и аудит AI критически важны, особенно в сферах медицины, финансов и транспорта, где ошибки могут стоить слишком дорого.

Кроме того, AI требует постоянного обновления и дообучения, иначе он быстро устаревает и теряет эффективность. Без соответствующего мониторинга AI может нарушать законы, дискриминировать или выдавать токсичные ответы, что несет риски штрафов и репутационных потерь.

Если раскрыть эту тему, то внедрение AI сопровождается множеством скрытых затрат, которые могут существенно увеличить стоимость проекта. Кибербезопасность требует защиты данных от атак и утечек, особенно если AI обрабатывает персональную или финансовую информацию.

Контроль качества данных включает их очистку, разметку и обновление, поскольку без точных и сбалансированных данных AI-модель может выдавать ошибочные результаты.

Тестирование моделей необходимо для устранения ошибок, проверки на дискриминацию (bias) и валидации корректности работы системы. Кроме того, AI нуждается в постоянном дообучении, так как он быстро устаревает без обновлений и адаптации к новым данным.

Развёртывание и поддержка включают аренду облачных мощностей, оптимизацию работы моделей и масштабирование инфраструктуры. Этический аудит и соответствие законам становятся важными факторами, поскольку нарушение AI-регулирования может привести к штрафам и запретам на использование технологий.

Стоит уяснить, что AI – это не разовая инвестиция, а долгосрочный процесс, требующий постоянных затрат и управления.

Василий Черный