Вашингтон и Кремниевая долина вступили в новый спор об искусственном интеллекте — вокруг «управления темпом»: намеренного замедления разработки передовых моделей, пока меры безопасности, выравнивание и общество не догонят технологию. Критики называют такое сдерживание односторонним разоружением в конкуренции с Китаем. Сторонники видят в нём единственный ответственный подход к технологии, чьи создатели сами предупреждают о катастрофических рисках.

Однако обе стороны разделяют то, что можно назвать «Заблуждением вычислений к ВВП», — предположение, что каждое постепенное улучшение характеристик ИИ немедленно становится макроэкономическим результатом. Предыдущим универсальным технологиям — базовым инновациям, таким как электричество, компьютеры и интернет, которые затронули все отрасли, — требовались десятилетия, чтобы распространиться по экономике и дать измеримый рост производительности. ИИ движется по той же траектории, но ускоренными темпами, хотя в общественной дискуссии нередко предполагается, что исторические и экономические закономерности больше не действуют.

Америка уже отстаёт от передового края ИИ на годы. Коммерческие судьбы передовых лабораторий будут определяться не столько сырыми возможностями, сколько доверием и внедрением. Поэтому период сдерживания обошёлся бы экономике относительно недорого: центральная дискуссия сосредоточена не на том ограничении.

Скептицизм в отношении сдерживания небезоснователен. Это подлинная мера безопасности или маркетинговый ход передовых лабораторий и компаний в сфере кибербезопасности, стремящихся укрепить финансовые показатели перед первичными размещениями акций? Не приведёт ли замедление разработки к утрате лидерства США в пользу Китая, или Пекин ответит собственным вариантомдерживания?

Проблема передового края

ИИ достиг критической вехи возможностей. Предупреждения о катастрофических или экзистенциальных рисках больше нельзя полностью игнорировать, даже если их краткосрочная вероятность остаётся умеренной. Однако, уделяя почти исключительное внимание передовым моделям, лаборатории плохо справились и с коммуникацией с общественностью, и с вопросом доверия.

Более 100 недавних разговоров с руководителями компаний, лидерами политики и учёными в области ИИ, проведённых для готовящейся книги When Machines Act, убедили авторов, что спор о сдерживании утратил опору на базовые принципы. Ключевое различие оказалось размыто: передовые исследования, которые лаборатории ведут за закрытыми дверями, — это не то же самое, что продукты, выпускаемые для публики.

Более уместный вопрос — нужно ли лабораториям вообще замедлять исследования, или им следует просто лучше обеспечивать безопасность коммерческих продуктов.

Проблема выравнивания

С момента выпуска ChatGPT в 2022 году корпоративные лидеры мобилизовались со скоростью, редкой для современной коммерческой истории. Но структура корпоративных технологий делает широкое экономическое усвоение изначально медленным. На пути стоят фрагментированные хранилища данных, устаревшие ERP-системы, строгие требования соответствия и плохая гигиена данных.

Бюджетные шоки из-за бесконтрольного «токенмаксинга» — практики пропускания рутинных задач через куда более крупные модели, чем требует работа, — также показали, что многие повседневные рабочие процессы предприятий требуют куда более простых моделей. Лишь очень немногие задачи в средней компании из списка Fortune 500 требуют передовой системы. Поэтому сдерживание не нанесёт заметного ущерба экономическому результату и не перекроет доходы лабораторий: компаниям нужно время, чтобы усвоить уже доступные возможности.

Более двух третей высокоэффективных компаний называют данные главным барьером внедрения ИИ, согласно McKinsey. Это препятствие сохраняется, несмотря на быстрый прогресс моделей. Лишь 7% компаний описывают свои данные как «полностью готовые» к ИИ, менее четверти имеют стратегию работы с данными, а 63% либо не располагают управлением данными, пригодными для ИИ, либо не уверены, есть ли оно, — согласно отчёту Cloudera и Harvard Business Review Analytic Services и пресс-релизу Gartner.

Заблуждение вычислений к ВВП

Как подчеркнул старший партнёр McKinsey Асутош Падхи в эфире у Фарида Закарии, техническая доступность принципиально отличается от экономической трансформации. Исторически универсальным технологиям требовались десятилетия, чтобы реорганизовать рабочие процессы и дать широкий рост производительности.

Электричеству потребовалось 75 лет, чтобы поднять производительность по всей экономике. Компьютерам понадобилось 50 лет,у и мобильным устройствам — 25. Модели ИИ могут быть готовы, но организационная перестройка, необходимая для их масштабного использования, займёт значительное время. По данным опроса делового сообщества McKinsey, лишь 6% компаний сообщили о «значимом» влиянии и скромном вкладе в прибыль. Дополнительный контекст о корпоративном внедрении предоставляет отчёт State of AI.

Компании сосредоточиваются на высокодоходных и низкорисковых задачах автоматизации, которые уже решают модели одно-двух поколений давности. Один уважаемый бывший руководитель с Уолл-стрит сказал, что эти системы будут годами работать параллельно с унаследованными, позволяя компаниям убедиться, что они работают корректно и что никаких регуляторных рисков не усваивается незаметно.

Корпоративная Америка, следовательно, сама определит темп внедрения независимо от решений передовых лабораторий. Ни одна компания ни в одной отрасли не должна выпускать продукт, который считает опасным, и ИИ не исключение.

Похожая картина складывается на рынке полупроводников. Чипы старых поколений, изначально отодвинутые в сторону в гонке за новейшими ускорителями, обретают вторую жизнь как рабочие лошадки для практических задач инференса — повседневной работы развёрнутых моделей, а не их обучения, — которые составляют большую часть корпоративного спроса.

Основатель и CEO Growth Protocol Миро Димитров заявил на прошедшей на прошлой неделе Yale CEO Caucus, что нейросимволические архитектуры сократили затраты на инференс примерно в 80 раз в реальных клиентских внедрениях. Экономия в основном достигнута за счёт переноса нагрузок с крайне дорогих графических процессоров на обычные корпоративные центральные процессоры.

Три фазы внедрения ИИ

Корпоративное внедрение ИИ можно понимать как три фазы, каждая из которых определяется тем, сколько работы компания может ответственно делегировать. Прогресс ограничен готовностью данных и уровнем доверия, который системы заслужили.

Первая фаза — ассистирование. Она состоит из готовых копилотов, построенных на корпоративных платформах, таких как Salesforce. Эти инструменты соединяют данные между существующими приложениями и помогают сотрудникам работать быстрее без масштабной перестройки архитектуры. Отдача приходит быстро, а риск остаётся ограниченным, поскольку значительную часть работы по-прежнему выполняет человек.

Вторая фаза — оркестрация. Она охватывает агентские рабочие процессы — ИИ-системы, которые планируют и выполняют многоэтапные задачи от имени сотрудника, — требующие серьёзных вложений в собственные данные и в соединение удалённых озёр данных, изначально не предназначенных для совместной работы. Человек остаётся в контуре, утверждая каждый существенный шаг.

Третья фаза — автономия, при которой сквозные агентские операции работают в бесшовно связанных системах, а люди контролируют по исключениям.

Потенциальная выгода растёт с каждой фазой, но вместе с ней растут риски и требуемое доверие. Именно поэтому средний CEO компании из списка Fortune 500 остаётся на фазе ассистирования, делая крупные, но ранние инвестиции для подготовки к оркестрации. Фазы также не будут продвигаться равномерно по всей компании. Большинство предприятий будут управлять портфелем, охватывающим несколькоаз, пилотируя оркестрацию в отдельных прогрессивных подразделениях, пока остальная организация привыкает к базовому ассистированию.

Все три фазы зависят от доверия CEO к тому, что ИИ будет следовать правилам из руководства для сотрудников, соблюдать закон и сохранять основу человеческих ценностей и суждений. Поэтому инвесторы, комментаторы и рынки неверно диагностируют создание корпоративной ценности, когда опасаются, что сдерживание ради выравнивания ИИ помешает прогрессу передовых моделей.

Дискуссию дополнительно осложняют туманные обещания и предупреждения вокруг «AGI» — искусственного общего интеллекта, систем, способных соответствовать или превосходить человека в большинстве когнитивных задач, — а также возможности и катастрофические риски, связанные с достижением «сингулярности». Выравнивание само по себе субъективно: разные лаборатории и люди определяют этот термин по-разному. Ответом на любое упоминание выравнивания должен быть встречный вопрос: выравнивание к чему?

Если технологии ИИ предназначены для автоматизации человеческих задач, они должны соответствовать тем же стандартам ценностей, суждений и морального поведения, что ожидаются от нынешнего или будущего сотрудника. Если самые продвинутые передовые модели не проходят эти стандарты в тестовой среде, они не готовы к выпуску. Этот принцип согласуется с законами, которые США давно поддерживают для защиты потребителей от опасных продуктов.

Бывшая глава Федеральной торговой комиссии Лина Хан высказала похожую мысль в X: «Существует обширный свод законов, регулирующих опасные и дефектные продукты… выпуск непроверенных моделей или агентов ИИ может нарушать законы о защите прав потребителей. Поставка дефектных ИИ-инструментов без надлежащих мер по обнаружению и остановке несанкционированных или дефектных ИИ-агентов может считаться „недобросовестной или вводящей в заблуждение“ практикой по FTC Act (и аналогичным законам штатов)». Пост доступен по ссылке https://x.com/linamkhan/status/2099204390548639960.

Эти законы возлагают на компании ответственность за вред потребителям, сотрудникам, инвесторам, пациентам и конкурентам, а также рынкам и финансовым системам, от которых все они зависят.

Америка, Китай, скорость и доверие

Независимо от позиции в споре о дистилляции ИИ-моделей Китаем — технике обучения меньших моделей воспроизводить выводы больших передовых систем — Китай уже располагает системами, сопоставимыми с доступными на рынке передовыми моделями. Коммунистическая партия Китая также сигнализировала, что смещает внимание на распространение ИИ по экономике, а не на продолжение толкания передового края.

Передовые лаборатории, таким образом, участвуют в двух гонках сразу: за «AGI» или «суперинтеллект» и за долю кошелька клиентов. Их самые давние клиенты — прежде всего предприятия из списка Fortune 500 — могут подтвердить, что вернуть клиента после принятого решения о покупке крайне сложно. Китай хорошо понимает эту динамику, которая помогла ему победить в глобальной телекоммуникационной гонке, где США в значительной степени проиграли.

Коммунистическая партия Китая также выразила глубокую обеспокоенность выравниванием. Внутреннее выравнивание в Пекине делает упор на государственный контроль, партийную ортодоксию и соответствие официальным нарративам, тогда как западное — на фидуциарную надёжность, безопасность потребителей и ответственность за продукт. За идеологической пропастью лежит одинаковая коммерческая реальность: непредсказуемым, «галлюцинирующим» агентам, не следующим корпоративным правилам, не демонстрирующим здравых суждений и уважающим институциональные ограничители, нельзя доверять критически важные рабочие процессы и нельзя ожидать устойчивого экономического роста.

Администрация Трампа должна продолжать искать возможности для сотрудничества и координации с председателем Си, чтобы ИИ не вызвал массовых разрушений или катастрофы — намеренно или случайно. Поднимет ли Трамп этот вопрос — отдельный вопрос.

На CEO Caucus 93 из примерно 100 опрошенных CEO заявили, что не считают правильным называть предупреждения об опасностях ИИ «фикцией». Почти 90% сказали, что президент должен подчеркнуть необходимость совместных американо-китайских стандартов безопасности ИИ во время государственного визита, однако почти три четверти не ожидали, что он это сделает. По данным Axios, подготовительные переговоры министра финансов Бессента с его китайским коллегой могут вскоре опровергнуть ожидания этих примерно 75 деловых лидеров.

Интервал сдерживания не был бы пассивными каникулами или экономическим перемирием. Это был бы активный период оборонительного укрепления. Вашингтону и Пекину нужно время, чтобы усилить критическую инфраструктуру против атак автономных агентов, прежде чем открывать следующее поколение передовых возможностей.

Человеческое выравнивание — лишь половина задачи. В такой период первоочередным приоритетом должно быть укрепление институтов, на которых держится общество. Финансовые системы, здравоохранение и образование следует проверять на уязвимости самыми продвинутыми моделями, как показала Anthropic ограниченным развёртыванием Mythos в рамках Project Glasswing. Эти модели прорывали защиту с помощью впечатляющей инженерной изобретательности, но их атаки удавались лишь из-за системных слабостей корпоративной цифровой инфраструктуры.

Передовые лаборатории могут считать, что бегут в одной гонке к суперинтеллекту. Однако гонка, которая определит их коммерческую судьбу, — это более медленное состязание за доверие предприятий, регуляторов и граждан, которым предстоит жить с тем, что они создают. Скорость создаёт заголовки, но доверие приносит клиентов.

Эта гонка — марафон, а не спринт. Первая половина дистанции — для распределения сил, вторая — для обгонов. В каждой технологической революции, от железных дорог до интернета, самые крупные состояния доставались тем, кто понимал: граница не стоит ничего, пока не пришли поселенцы.

Мнения, выраженные в авторских материалах Fortune.com, принадлежат исключительно их авторам и не обязательно отражают мнения и убеждения Fortune. Материал обновлён дополнительными комментариями соавтора Дэвида Сигела. Эта история первоначально была опубликована на Fortune.com: https://fortune.com/2026/09/22/ai-pacing-debate-how-fast-slow-wrong-debate-frontier