Почему эффект от AI у Microsoft есть, а у Meta - нет

Microsoft закрыла квартал, где снижение операционных расходов компания прямо связывает с переносом AI из пилотов в основные процессы - поддержку, продажи, разработку. Meta в тот же период нарастила капитальные вложения в AI-инфраструктуру быстрее, чем видимую отдачу от неё. Ben Thompson в Stratechery называет разницу между двумя компаниями «efficiency payoff»: вопрос в том, у кого AI дошёл до продакшена.

Большинство компаний в 2026 году умеют показать AI инвесторам и клиентам: чат-бот на сайте, копайлот в CRM, слайд про «AI-first культуру» на конференции. Показать AI в P&L - строку, где издержки снизились, а не выросли на стоимость подписок и интеграторов, - умеют немногие. Разрыв между демонстрацией и результатом - это разрыв между пилотом, который держится на одном инженере и ручной доводке промптов, и системой, которая работает без него неделю за неделей.

Публичные комментарии Microsoft к отчётности складываются в закономерность: экономия приходит из мест, где модель встроена в существующий рабочий процесс - обработка тикетов поддержки, код-ревью, поиск по внутренним базам знаний, генерация первого черновика документа. Модель, вызванная из чата, - демо. Модель, подключённая к системе тикетов, к базе клиентов и к пайплайну деплоя, ведёт себя как сотрудник, который не спит, не забывает регламент и не увольняется в середине проекта.

KT.Team строит именно этот контур для клиентов. LLM & Security Gateway даёт безопасный и контролируемый доступ моделей - Anthropic Claude, OpenAI, Google Gemini, Sber GigaChat, Yandex YandexGPT - к внутренним данным компании без утечки в публичные логи провайдера. RAG поверх корпоративных баз и Elasticsearch делает так, чтобы ответ опирался на факты компании, а не на то, чему модель научилась на чужих данных.

MCP связывает агента с реальными инструментами - CRM, 1С, тикет-системой, ЭДО, - так что действие происходит в системе записи, а не описывается словами в чате. Оркестрация на n8n и AI-native интеграция на Python и C# берут на себя рутину подключения источников и целевых систем - то, что незаметно снаружи и стоит основной части денег внутри проекта.