АФК "Система" Черешнев Евгений: ИИ - мировая гонка, цена: данные, токены, контент, энергия, контроль
Черешнев Евгений, Старший вице-президент, ПАО АФК "Система". Конференция ЦИПР 2026, «Цифровая индустрия промышленной России». Организатор компания ООО «ОМГ». 1) ИИ уже стал массовой практикой, а не экспериментом ИИ уже используют 92% технических компаний, а внедрение идёт не только в IT, но и в производстве, сельском хозяйстве и маркетинге. В промышленности ИИ/аналитика помогают предсказывать поломки и переходить от планового ТО к обслуживанию по фактическому состоянию. В сельском хозяйстве большой потенциал дают высокоточный мониторинг и прогнозирование урожая. 2) Контента, созданного ИИ, становится слишком много В YouTube-рекомендациях уже около 21% показываемого контента — это «контент-слоп», то есть сгенерированный поток низкой осмысленности, и доля растёт. По тексту и коду ИИ и люди уже приблизились к паритету: примерно 52% контента создаётся ИИ. 3) Качество данных становится узким горлышком Ошибки и галлюцинации топовых моделей находятся примерно ближе к 8%, чем к 5%, и если такой контент возвращается в обучение, ошибки начинают множиться. Поэтому фильтрация данных и контроль качества будут резко дорожать. 4) Есть серьёзные риски утечек и приватности Всё, что вводится в промпты, может уходить не только автору модели, но и дальше по цепочке использования данных. Подчёркивается, что при сливе данных они могут привязываться к ID, группе ID и геопозиции. Отдельный риск — цифровые аватары и использование лиц/голосов людей для продаж и манипуляций. 5) Не стоит переоценивать стартапы, построенные только поверх чужой модели Прозвучала мысль, что платформенные игроки могут просто отрубить API и сделать аналогичный продукт сами — как это уже было в истории с Microsoft и рядом конкурирующих продуктов. Вывод: на одном “надстройке над моделью” устойчивый бизнес не гарантирован. 6) Токены становятся новой статьёй затрат Токены описаны как некий «налог» или часть соцпакета: люди массово их тратят в работе, а у продвинутых пользователей расходы уже заметные. Приводится пример, что разработчик с зарплатой 400 000 ₽ может тратить около 40 000 ₽ на токены в месяц. Прогноз: работодатели начнут включать токены в компенсационный пакет. 7) Национальная модель — да, но без самообмана Спикер не отвергает идею национальной модели, но призывает трезво оценивать масштаб и цену гонки. Звучит оценка: при росте до 100 трлн параметров один цикл обучения может стоить около $10 млрд. Если страна ввязывается в такую гонку, речь уже идёт о триллионных затратах. 8) Главный ограничитель — энергия Подчёркивается, что ИИ не бесплатный: обучение одного цикла крупной модели стоит около $100 млн, а энергопотребление быстро растёт. Для будущих сверхкрупных моделей может понадобиться энергия уровня целой страны на один цикл обучения. Поэтому уже обсуждаются компактные атомные реакторы; в расчётах на $10 млрд энергетика даже не учтена. ИИ уже даёт эффект в бизнесе, но его реальная цена — это не только модель, а данные, качество, безопасность, токены и энергия; без трезвого расчёта масштабирование быстро становится слишком дорогим.
Черешнев Евгений, Старший вице-президент, ПАО АФК "Система". Конференция ЦИПР 2026, «Цифровая индустрия промышленной России». Организатор компания ООО «ОМГ». 1) ИИ уже стал массовой практикой, а не экспериментом ИИ уже используют 92% технических компаний, а внедрение идёт не только в IT, но и в производстве, сельском хозяйстве и маркетинге. В промышленности ИИ/аналитика помогают предсказывать поломки и переходить от планового ТО к обслуживанию по фактическому состоянию. В сельском хозяйстве большой потенциал дают высокоточный мониторинг и прогнозирование урожая. 2) Контента, созданного ИИ, становится слишком много В YouTube-рекомендациях уже около 21% показываемого контента — это «контент-слоп», то есть сгенерированный поток низкой осмысленности, и доля растёт. По тексту и коду ИИ и люди уже приблизились к паритету: примерно 52% контента создаётся ИИ. 3) Качество данных становится узким горлышком Ошибки и галлюцинации топовых моделей находятся примерно ближе к 8%, чем к 5%, и если такой контент возвращается в обучение, ошибки начинают множиться. Поэтому фильтрация данных и контроль качества будут резко дорожать. 4) Есть серьёзные риски утечек и приватности Всё, что вводится в промпты, может уходить не только автору модели, но и дальше по цепочке использования данных. Подчёркивается, что при сливе данных они могут привязываться к ID, группе ID и геопозиции. Отдельный риск — цифровые аватары и использование лиц/голосов людей для продаж и манипуляций. 5) Не стоит переоценивать стартапы, построенные только поверх чужой модели Прозвучала мысль, что платформенные игроки могут просто отрубить API и сделать аналогичный продукт сами — как это уже было в истории с Microsoft и рядом конкурирующих продуктов. Вывод: на одном “надстройке над моделью” устойчивый бизнес не гарантирован. 6) Токены становятся новой статьёй затрат Токены описаны как некий «налог» или часть соцпакета: люди массово их тратят в работе, а у продвинутых пользователей расходы уже заметные. Приводится пример, что разработчик с зарплатой 400 000 ₽ может тратить около 40 000 ₽ на токены в месяц. Прогноз: работодатели начнут включать токены в компенсационный пакет. 7) Национальная модель — да, но без самообмана Спикер не отвергает идею национальной модели, но призывает трезво оценивать масштаб и цену гонки. Звучит оценка: при росте до 100 трлн параметров один цикл обучения может стоить около $10 млрд. Если страна ввязывается в такую гонку, речь уже идёт о триллионных затратах. 8) Главный ограничитель — энергия Подчёркивается, что ИИ не бесплатный: обучение одного цикла крупной модели стоит около $100 млн, а энергопотребление быстро растёт. Для будущих сверхкрупных моделей может понадобиться энергия уровня целой страны на один цикл обучения. Поэтому уже обсуждаются компактные атомные реакторы; в расчётах на $10 млрд энергетика даже не учтена. ИИ уже даёт эффект в бизнесе, но его реальная цена — это не только модель, а данные, качество, безопасность, токены и энергия; без трезвого расчёта масштабирование быстро становится слишком дорогим.