В своем первом посте я писал про отчет ICONIQ о метриках B2B SaaS компаний. В сентябре этого года (по меркам мира AI это очень давно) они выпустили отчет “State of AI” (https://www.iconiqcapital.com/growth/insights/2024-state-of-ai). Отчет объемный, весь пересказывать не буду, приведу лишь ключевые выводы из этого него:

1️⃣ Эпоха специализации: у AI-стартапов есть только один шанс — быть узкоспециализированными

Крупные компании, такие как OpenAI, Microsoft, Google и Meta, уже укрепились в сфере LLM, поэтому AI-стартапы вынуждены сосредоточиться на специализированных или слабо охваченных сегментах. Быстрое внедрение узконаправленных решений может стать их ключом к успеху и скорой отдаче инвестиций.

2️⃣ Растущая популярность узких и отраслевых моделей

Несмотря на доминирование крупных языковых моделей типа Claude, Llama, Grok и др., наблюдается рост интереса к небольшим специализированным моделям. Компании осознают, что смешанные стратегии (использование больших моделей вместе с узкими) могут быть более эффективными для достижения конкретных бизнес-целей.

Я общался с несколькими знакомыми предпринимателями, и они рассказывали, как используют небольшие модели, которые затачивают под конкретных клиентов. Они показывают результаты намного лучше даже по сравнению с большими общими моделями с большим количеством параметров.

3️⃣ Масштабное внедрение в инженерных и IT-командах

Инструменты типа GitHub Copilot завоевали значительное признание среди разработчиков, но потенциал AI в R&D все еще остается огромным. В будущем ожидается появление специализированных инструментов, которые помогут решать давние задачи в инженерии: обеспечение надежности сайтов, тестирование безопасности, рефакторинг кода и автоматизация QA. Кстати, мы как раз занимаемся последним пунктом.

4️⃣ Инвестиции в AI: пока только начало

На данный момент компании тратят всего около 10% своих бюджетов на программное обеспечение для внедрения Generative AI, но этот показатель стремительно растет. В 2025 году расходы на AI-проекты могут увеличиться в среднем на 22%.

Практически каждый второй SaaS добавил на свой сайт в заголовки фразу “AI-powered”. Кризис последних двух лет заставил компании думать об эффективности и снижении затрат. Однако бюджеты на AI-инструменты пропорционально выросли. Все задумываются о том, как с помощью AI делать больше меньшими силами.

5️⃣ Инфраструктурные и кадровые вызовы

Внедрение Generative AI связано с огромными сложностями. Проблемы с безопасностью данных, нехватка квалифицированных специалистов, необходимость в обучении команд и дорогие инфраструктурные изменения — все это тормозит развитие. Компании планируют тратить до $75 млн на подготовку инфраструктуры и обучение сотрудников для эффективного внедрения AI.

6️⃣ Преобладание проприетарных моделей

Около 60% всех AI-нагрузок в компаниях обрабатываются проприетарными моделями, такими как GPT-4, из-за их высокой производительности. При этом корпорации осторожно относятся к зависимости от поставщиков и изучают возможности использования открытых моделей, чтобы избежать полной зависимости от вендоров (vendor lock-in).

AI продолжает трансформировать наш привычный мир, и, как мне кажется, мы все еще находимся в начале пути. Сейчас пришло время для практического применения, и мы будем наблюдать все больше реально полезных инструментов и приложений. А поделитесь в комментариях, чем пользуетесь помимо стандартных ChatGPT/Perplexity/итд?