Microsoft, Alphabet, Meta и Amazon, как ожидается, потратят в этом году более $700 млрд на капитальные расходы — в основном на дата-центры и вычислительное оборудование — расширяя инфраструктуру, необходимую для поддержки искусственного интеллекта. Чтобы вложения такого масштаба окупились, ИИ должен обеспечить значительный рост производительности во всей экономике — и мало какие отрасли предоставляют больше возможностей это доказать, чем здравоохранение.

Расходы США на здравоохранение достигли в 2024 году $5,3 трлн, что эквивалентно 18% ВВП. По некоторым оценкам, почти $1 трлн из этой суммы приходится только на администрирование. При этом спрос на медицинскую помощь продолжает опережать доступные кадры клиницистов. Если ИИ сможет снизить стоимость оказания помощи, освобождая врачей для обслуживания большего числа пациентов, экономические возможности могут быть огромными.

Крупные игроки в области ИИ уже углубляются в этот сектор. Microsoft и Mayo Clinic разрабатывают передовую модель ИИ, созданную специально для здравоохранения, а Google Cloud и CVS Health заключили долгосрочное партнерство, в рамках которого новая платформа CVS Health100 будет работать на Gemini — семействе моделей ИИ Google. Оба шага подчиняются одной логике: внедрение ИИ в конкретные административные и клинические процессы, где накапливаются затраты.

Однако для поставщиков медицинских услуг возможность ИИ сопровождается отсчетом времени. По мере того как повышение эффективности находит отражение в возмещении расходов, то, что сегодня создает преимущество, завтра может стать базой, которую от поставщиков будут ожидать.

Окно для извлечения выгоды от ИИ сужается

Для поставщиков экономика ИИ может быть предельно простой: сокращение административной работы, необходимой для оказания помощи, снижает стоимость ее предоставления. Проблема в том, что окно для получения выгоды от этой эффективности может оказаться ограниченным, прежде чем возмещение догонит реальность.

Medicare уже учитывает производительность при обновлении платежей для больниц, учреждений квалифицированного сестринского ухода, домашнего здравоохранения и других направлений. На 2026 год CMS — ведомство, управляющее Medicare, — распространила эту логику на оплату труда врачей, применив корректировку эффективности в размере 2,5% к трудовому компоненту определенных услуг, не привязанных ко времени. Корректировка учитывает рост эффективности, который CMS ожидает со временем в способах оказания этих услуг.

Это дает поставщикам основание извлекать выгоду из экономии за счет ИИ раньше. Те, кто использует ИИ для сокращения затрат на документацию, прием пациентов или координацию, могут снизить свою структуру затрат уже сейчас, до того как повышение эффективности в полной мере отразится на оплате их услуг. Те же, кто ждет, рискуют столкнуться с тем же давлением на платежи без осуществленной экономии. Со временем более эффективные постав могут наращивать это преимущество, реинвестируя в персонал, мощности и помощь пациентам.

Настоящая отдача от ИИ — в том, что происходит после ускорения работы

У здравоохранения есть то, чего не хватает многим отраслям: очевидное место для прироста производительности, создаваемого ИИ. Поскольку спрос уже превышает доступные кадры клиницистов, время, высвобожденное от документации, планирования или приема пациентов, необязательно означает сокращение числа людей, выполняющих ту же работу. Оно может означать, что больше пациентов получат помощь раньше.

Извлечение этой ценности требует начинать с работы, а не с технологии. Лучшие возможности часто прячутся на виду: документация, удерживающая врача у экрана, процесс приема, задерживающий доступ к помощи, или направление, застрявшее между этапами лечения. Успех тоже должен быть столь же конкретным. ИИ должен возвращать клиницистам значимое время, позволять им проводить больше осмысленного времени с пациентами или устранять ненужную работу, а не просто перекладывать ее в другое место.

Рассмотрим пациента, переводимого из больницы в постострую помощь. Задержка направления или недостающая информация могут повлечь звонки и ручное сопровождение, задержать помощь и повысить риск повторной госпитализации. Если ИИ помогает, чтобы такая передача пациента прошла правильно с первого раза, ценность выходит за рамки ускоренного направления: она может устранить последующую работу и затраты, при этом пациент раньше получает помощь. Инструмент, экономящий пять минут, но добавляющий еще один логин, разрозненный хранилище данных или этап передачи, просто переместил бремя.

Поставщикам также необходимо заранее решить, что они будут делать с созданными мощностями. Время, возвращенное клиницистам, может означать прием большего числа пациентов или снижение нагрузки на и без того перегруженный персонал. Когда рост производительности снижает стоимость оказания помощи, он может укрепить маржу и создать больше пространства для инвестиций в персонал, расширения доступа и улучшения помощи.

Ставка в $700 млрд требует реальной отдачи

Следующая фаза бума ИИ будет измеряться не столько объемом созданных вычислительных мощностей, сколько тем, что бизнес сможет с ними делать. Здравоохранение предлагает необычно значимый тест: способен ли ИИ изъять достаточно затрат и трения из огромной отрасли, чтобы изменить ее экономику, одновременно расширяя объем оказываемой помощи?

Big Tech уже выделил сотни миллиардов долларов на создание инфраструктуры для ИИ. Более сложный вопрос — сможет ли эта технология обеспечить производительность в масштабе, оправдывающем инвестиции. Здравоохранение может оказаться одним из самых ясных мест для поиска ответа. Ориентиры, за которыми стоит следить, конкретны: переходят ли инструменты ИИ от пилотов к работе с документацией, приемом пациентов и направлениями, где сосредоточены затраты, и как меняется структура затрат поставщиков по мере встраивания эффективности в правила оплаты.

Мнения, выраженные в авторских колонках Fortune.com, являются исключительно взглядами их авторов и не обязательно отражают мнения и убеждения Fortune.

Этот материал изначально был опубликован на Fortune.com.