Пока Сэм Альтман призывает индустрию «снизить темпы разработки ИИ», корпоративный мир сталкивается с практическим фиаско: многообещающие RAG-системы (Retrieval-Augmented Generation — генерация с дополненной выборкой) проваливаются на базовых бизнес-задачах. Два тренда, которые кажутся не связанными, на самом деле раскрывают одну проблему — пропасть между мощью моделей и их реальной коммерческой эффективностью.
Альтман и повестка «замедления»
На этой неделе Сэм Альтман (CEO OpenAI) публично призвал индустрию «контролировать темпы развития ИИ». На первый взгляд — забота о безопасности. Но на мой взгляд, это классический стратегический манёвр: когда ты лидер рынка, замедление гонки играет тебе на руку. Призыв к «decel» (замедлению) выгодно консервирует текущее распределение долей рынка. Новым игрокам сложнее привлекать венчурный капитал под агрессивные обещания «догнать и перегнать», если сами лидеры задают повестку осторожности. Это превращает разработку LLM (Large Language Models — большие языковые модели) в игру для корпораций с многомиллиардными бюджетами, постепенно вытесняя венчурных стартапов из верхнего эшелона.
Инфраструктурный тупик: смерть векторного RAG
Пока лидеры рассуждают о будущем, корпорации тонут в настоящем. Аналитики и инженеры бьют тревогу: классический подход к RAG, который активно продавался бизнесу последние два года, не работает для сложных запросов. Стандартная схема — нарезать документы на фрагменты, векторизовать их и искать совпадения — проваливает тесты на многоуровневую логику. Например, на вопрос «какова была наша политика возвратов в третьем квартале?» система либо выдаёт мусор, либо требует ручной настройки дорогих пайплайнов.
На мой взгляд, это сигнал о грядущей смене парадигмы в монетизации корпоративного ИИ. Рынок осознаёт, что безнадёжно переинвестировал в базовые модели, проигнорировав инфраструктуру извлечения данных. Векторный поиск хорош для простых фактов, но бизнес-логика требует понимания контекста и связей.
GraphRAG как новый золотой стандарт
В качестве решения индустрия начала массово переходить на GraphRAG — подход, использующий графы знаний вместо плоского векторного поиска. GraphRAG сопоставляет сущности и их отношения, позволяя модели «понимать» иерархию документов и внутренние связи компании.
Это создаёт совершенно новый сегмент рынка: инструменты для построения и оркестрации графов знаний. Компании, которые ещё вчера продавали бизнесу «волшебные векторные базы данных», сегодня вынуждены срочно перестраивать продукт. Инвестиции будут перетекать от разработчиков чистых LLM к провайдерам инфраструктуры — тем, кто может связать разрозненные корпоративные данные в работающий граф. Это не просто смена технологии, это пересмотр миллиардных контрактов на корпоративный ИИ-софт.
Итог
Мы входим в фазу прагматичной зрелости рынка. Идеология «модели решат всё» уступает место жёсткому инфраструктурному инжинирингу. В ближайшие месяцы ожидайте волну слияний и поглощений (M&A): крупные провайдеры облачных решений будут скупать стартапы, специализирующиеся на GraphRAG и оркестрации данных. Те, кто не сможет предложить бизнесу работающий продукт вместо хайповых демо, потеряют инвестиции.
