AI-бум в долг: результат делает инженерия

Nvidia толкает клиентов к вендорскому финансированию, потому что стоимость постройки дата-центров растёт быстрее выручки от их использования - это наблюдение Stratechery, и оно совпадает с публичным уходом Anthropic от эксклюзивной зависимости от Nvidia к диверсификации поставщиков. Компания, которая делает одни из сильнейших моделей на рынке, страхуется от инфраструктурного риска. Для бизнеса поменьше в этом сигнал: не повторять чужой финансовый рычаг и не покупать AI-мощности про запас.

Противоядие - считать не мощность и не факт внедрения AI, а time to use: сколько времени проходит от запуска инструмента до первого измеримого результата у конкретного сотрудника. Ответ «неизвестно» или «через квартал после доработок» значит: инструмент не готов к масштабированию, сколько бы параметров ни было у модели под капотом.

TTU заставляет разработчиков решать скучные, но решающие вопросы:

• откуда агент берёт актуальные данные
• кто проверяет его ответ до того
• как он уйдёт клиенту
• что происходит при сбое источника

На практике это три слоя, которые не видны в презентации модели, но определяют, доедет ли она до продакшена. LLM & Security Gateway - единая точка, через которую идут все запросы к моделям OpenAI, Anthropic Claude, GigaChat или YandexGPT: логирует, фильтрует, не даёт агенту действовать в обход политики компании. RAG на актуальных данных компании - иначе модель отвечает уверенно и неверно, а reward-hacking расцветает там, где метрику некому перепроверить.

MCP как протокол для инструментов - агент получает доступ ровно к тем системам, которые нужны для задачи, и ни к одной лишней. Это инженерия, которая превращает мощность модели в TTU, который можно предъявить финансовому директору.

Мощность модели и устойчивость бизнеса, который на ней стоит, - разные величины, и текущий цикл финансирования AI-инфраструктуры об этом прямо напоминает. Компания, которая меряет AI-проекты временем до первого реального результата, а не количеством демо, не поставит бюджет в зависимость от чужого долгового рычага и не спутает рост метрики с решённой задачей клиента.