• Чому індустрія штучного інтелекту може зазнати краху?
  Витрати на AI-інфраструктуру досягнуть $2,8 трильйона до 2029 року, але фінансові повернення не виправдовують інвестиції — аналітики з Wall Street, МВФ та Банку Англії вже висловлюють занепокоєння через відсутність практичних застосувань.
• Що таке «малий» штучний інтелект і чому він важливіший за потужні моделі?
  Це спрощені форми AI для конкретних завдань у країнах, що розвиваються — діагностика хвороб рослин, медичні чатботи, прогнозування повеней — які можуть допомогти мільярдам людей у країнах з низьким та середнім рівнем доходу.
• Скільки бізнесів отримують прибуток від AI-інвестицій?
  Лише 5% компаній змогли знайти фінансову віддачу від своїх AI-ініціатив за даними дослідження MIT 2025 року, тоді як витрати становлять еквівалент $1800 на кожного американця.

Чому «великий» штучний інтелект не виправдовує інвестицій?

Гонка за потужними великими мовними моделями (LLM) перетворилася на фінансову бульбашку без чітких перспектив окупності. Сукупні витрати AI-індустрії досягли еквіваленту $1800 на кожного американця — це 2% ВВП США, що штучно завищує економічне зростання країни на 0,7%. Тільки OpenAI уклала угод на $1 трильйон протягом 2025 року, забезпечивши собі доступ до енергії, еквівалентної 20 ядерним реакторам.

Аналітики з Wall Street, Міжнародного валютного фонду та Банку Англії б’ють на сполох: практичних застосувань для виправдання таких витрат просто немає. Дослідження MIT 2025 року показало вражаючу статистику — 95% опитаних компаній не змогли отримати жодної фінансової віддачі від своїх AI-проєктів.

Парадокс у тому, що навіть власні дані OpenAI підтверджують проблему: користувачі застосовують їхній продукт переважно як персонального асистента для простих щоденних завдань. Тобто для того, для чого вже існують доступні альтернативи. При цьому більшість користувачів — мешканці багатих країн, які мають широкий вибір інших інструментів для виконання тих самих завдань.

Що таке «малий» AI і чому він важливіший для світу?

«Малий» AI — це спрощені форми штучного інтелекту, створені для вирішення конкретних проблем у країнах, що розвиваються. Замість того, щоб намагатися охопити все, як великі мовні моделі, ці системи фокусуються на одній чіткій задачі з невідкладним рішенням.

Спектр застосувань вражає: діагностика хвороб рослин через фото на смартфоні, медичні чатботи для первинної консультації, прогнозування поломок водяних насосів чи електромереж, кредитний скоринг для людей без банківської історії, раннє попередження про повені в зонах кліматичного ризику.

Цифри показують масштаб потреби: 570 мільйонів дрібних фермерів виробляють 70% світової їжі, але щороку втрачають $220 мільярдів через шкідників, які знищують до 40% врожаю. Водночас 4,5 мільярда людей не мають доступу до базової медицини, 1,4 мільярда — до банківського рахунку, 739 мільйонів дорослих не вміють читати, а 1,8 мільярда живуть під постійною загрозою повеней.

Для кожної з цих проблем не потрібен суперінтелект — потрібен AI, який працює тут і зараз.

Як «малий» AI працює на практиці?

Додаток Nuru від Університету Пенсільванії показує, як працює «малий» AI на практиці. Фермер робить фото хворої рослини своїм телефоном — система аналізує зображення через комп’ютерний зір і видає діагноз із рекомендаціями щодо лікування. Результат: точність 65% у діагностиці хвороб маніоки. Для порівняння — професійні агрономи діагностують правильно в 40-58% випадків, самі фермери — лише в 18-31%.

Економічний потенціал вражає: тільки в семи країнах Африки на південь від Сахари такі додатки можуть принести понад $6 мільярдів додаткового доходу щороку, допомагаючи 14 мільйонам фермерів. Але є проблема — використання залишається мізерним. Фермери не знають про існування додатка, не всі мають смартфони, бракує стабільного доступу до електрики та інтернету. Парадокс у тому, що для роботи Nuru постійне підключення до мережі навіть не потрібне.

На протилежному полюсі складності — Flood Hub від Google, який охоплює території з населенням 460 мільйонів людей. Система використовує величезні масиви глобальних даних компанії для навчання AI-моделі з мережами довгої короткострокової пам’яті (LSTM), яка передбачає повені навіть там, де немає належних систем моніторингу.

Але і тут не все гладко: якість даних із місцевих джерел різниться, кліматична криза спричиняє повені в раніше безпечних районах, місцева влада не завжди довіряє технологіям, а донести попередження до людей у віддалених селах — окрема проблема.

Чому країни, що розвиваються, довіряють AI більше за багаті?

Парадокс довіри: у Нігерії та Індії штучному інтелекту довіряють 76% та 77% людей відповідно. У Канаді та США — лише близько 30%. Чому така прірва?

Відповідь проста: контекст. У країнах, що розвиваються, AI — це не модний гаджет, а рятівний круг. Коли найближчий лікар за 50 кілометрів, медичний чатбот стає єдиним шансом на консультацію. Коли банк відмовляє в кредиті через відсутність кредитної історії, AI-скоринг відкриває двері до фінансових послуг. Тут немає альтернатив — є тільки AI або нічого.

У багатих країнах ситуація протилежна. Є десятки інструментів для кожної задачі, тож AI виглядає як щось зайве з неясними ризиками для приватності та безпеки. Скептицизм зростає, довіра падає.

Низьке використання AI в бідніших країнах — це не недовіра до технології. Це брак інфраструктури, смартфонів, інтернету та базової обізнаності про те, що такі рішення взагалі існують.

Як має змінитися підхід AI-індустрії?

AI-індустрії потрібен радикальний розворот: від гонки за туманним «загальним інтелектом» до простого питання — як зробити технологію достатньо хорошою, щоб розв’язати найгостріші проблеми світу прямо зараз? Часто це означає впровадити спеціалізовані знання там, де їх критично бракує — і побачити миттєвий стрибок у продуктивності чи якості життя мільйонів людей.

«Малий» AI має працювати в жорстких умовах країн, що розвиваються: вузькі набори даних замість гігантських корпусів текстів, моделі з мільйонами параметрів замість сотень мільярдів, обчислення на самому пристрої користувача або на краю мережі — без потреби в потужних дата-центрах.

Вимоги до різних застосувань кардинально відрізняються. Простий SMS-бот для агроконсультацій може працювати майже без інфраструктури — не потрібні ні постійне електроживлення, ні інтернет. Система прогнозування повеней вже потребує доступу до великих масивів даних. Освітній AI-тьютор на кшталт ChatGPT працює ефективніше з потужнішими моделями. А медичний діагностичний чатбот має бути максимально точним — тут ціна помилки надто висока.

Ключ у тому, щоб кожне рішення було «достатньо хорошим» для своєї задачі. Не ідеальним. Не універсальним. Просто — працюючим.

Хто має об’єднатися для розвитку «малого» AI?

Для «малого» AI потрібна зовсім інша коаліція — не трильйонні угоди на кшталт OpenAI, а мозаїка з різних гравців. Тут мають об’єднатися технологічні гіганти, місцеві підприємці з розумінням реальних потреб, уряди, громадські організації, НДО та міжнародні інституції — Світовий банк, МВФ, структури ООН.

Приклад того, що це працює, — компанія M-KOPA. Вона першою масштабно впровадила модель «плати по мірі використан»ня”. Людина платить невеликими сумами за сонячну панель чи смартфон — стільки, скільки може собі дозволити щодня або щотижня. Технологія стає доступною для тих, хто ніколи не зміг би заплатити повну ціну одразу. При цьому бізнес залишається прибутковим і стійким.

Саме такі гнучкі бізнес-моделі, адаптовані до реальних фінансових можливостей людей, можуть зробити «малий» AI масовим інструментом змін — а не черговою технологією для багатих.

Часті питання

• Чи може Україна стати хабом «малого» AI для Східної Європи?
  Потенціал величезний: Україна лідирує в Східній Європі за кількістю AI-компаній (243) та має армію в понад 307 тисяч IT-фахівців. Але зараз майже весь фокус — на військовому AI через повномасштабну війну з Росією. Дрони з автономною навігацією, системи розпізнавання цілей, аналіз розвідданих — ось де концентрується українська AI-експертиза. Цивільні застосування для розвитку поки що на другому плані, хоча після перемоги України у війні саме цей досвід може стати основою для прориву в «малому» AI.
• Скільки коштує розробка «малого» AI порівняно з великими моделями?
  Різниця — у десятки разів. «Малий» AI працює з вузькими наборами даних і мільйонами параметрів замість сотень мільярдів, тому не потребує астрономічних бюджетів. Додаток Nuru для діагностики хвороб рослин обходиться без дата-центрів на трильйони доларів і працює на звичайному смартфоні. Це робить «малий» AI доступним навіть для стартапів і НДО з обмеженим фінансуванням.
• Чи можуть рішення «малого» AI працювати без постійного інтернету?
  Так, і це ключова перевага. Багато застосувань «малого» AI виконують обчислення прямо на пристрої користувача або потребують лише епізодичного підключення до мережі для оновлення даних. Для сільських районів країн, що розвиваються, де стабільний інтернет — розкіш, це критично важливо. Фермер може сфотографувати хвору рослину без мережі, а додаток видасть діагноз на основі моделі, завантаженої на телефон.

Чому це важливо знати

AI-індустрія балансує на межі краху: трильйонні інвестиції не знаходять практичного застосування в багатих країнах, де й так усього вистачає. Але ось парадокс — 6,7 мільярда людей у країнах з низьким та середнім рівнем доходу відчайдушно потребують рішень, які «малий» AI може дати вже зараз. Продовольча безпека, доступ до медицини, фінансове включення — проблеми реальні, масштабні й невідкладні.

Переорієнтація індустрії на спеціалізовані рішення для конкретних проблем — це не альтруїзм, а порятунок від фінансової бульбашки. Інвестиції в AI, який «достатньо хороший» для завдань тут і зараз, зроблять дві речі одночасно: побудують довіру до технології через реальні результати й допоможуть мільярдам людей вирватися з бідності. Це не вибір між прибутком і добродійністю — це вибір між крахом і сталим зростанням.

Для України ця логіка особливо актуальна. Зараз країна форсовано розвиває AI-екосистему в умовах війни — від автономних дронів до систем аналізу розвідданих. Цей досвід екстремального впровадження технологій під тиском може стати унікальною основою після перемоги України у війні: відновлення зруйнованої інфраструктури через AI-планування, модернізація сільського господарства через точну діагностику, цифровізація медицини в регіонах. Україна має шанс перетворити військову AI-експертизу на цивільний прорив — якщо не прогавить момент.

Джерело: Foreign Policy