Потребительский ИИ снова оказался в центре внимания. Персональный AI-ассистент Meta Muse вместе с мультяшным персонажем Jolly неожиданно быстро набрал популярность, OpenAI выпустила собственного агентного помощника Dots, а стартап Instinct, который специализируется на выполнении повседневных поручений, уже достиг оценки в $10 млрд.

На первый взгляд, это похоже на начало новой волны потребительского AI. Агентные системы наконец стали достаточно надежными, чтобы самостоятельно бронировать поездки, записываться в рестораны, отменять подписки и выполнять другие бытовые задачи. Для пользователя это реальная ценность, а для инвестора — потенциально новый массовый рынок.

Но у этой истории есть серьезная проблема: популярность потребительского ИИ пока не превращается в столь же убедительную экономику. Работа AI-моделей обходится значительно дороже, чем эксплуатация большинства прежних интернет-сервисов, а готовность пользователей платить за ИИ растет гораздо медленнее, чем возможности самих моделей, рассказывает Techcrunch.

Пользователей становится больше, но платить готовы немногие

О текущей ситуации напоминают данные из полугодового отчета Andreessen Horowitz State of Markets, основанные на исследовании PNC Research.

В мае 2026 года платными AI-сервисами пользовались около 2,2% потребителей, а средние расходы составляли $31 в месяц. Показатели постепенно растут, однако темпы остаются довольно линейными.

При этом возможности моделей за тот же период менялись гораздо быстрее. Существенный скачок производительности между поколениями AI-моделей почти не отражается на графике готовности потребителей платить больше или подключать платные подписки.

Andreessen Horowitz рассматривает низкий уровень проникновения как признак того, что рынок все еще находится на ранней стадии. Но есть и другая интерпретация: возможно, дальнейшее техническое улучшение ИИ само по себе не приведет к пропорциональному росту потребительских расходов.

Другие исследования дают несколько более оптимистичную картину. Bank of America в марте оценивал долю американских потребителей, которые платят за AI, примерно в 3% — на 40% больше, чем годом ранее. По данным сентябрьского исследования Menlo, ИИ ежедневно используют около четверти взрослых, а половина из них платит за такие сервисы.

Даже эти оценки, однако, не меняют главной проблемы: большая часть пользователей по-прежнему не готова регулярно платить за AI столько, сколько потребовалось бы для покрытия его стоимости.

Даже огромная аудитория может не окупить ИИ

С потребительскими сервисами есть еще одна особенность: проблема заключается не только в размере выручки, но и в стоимости ее получения.

AI заметно дороже в эксплуатации, чем многие предыдущие массовые интернет-технологии. Социальные сети и другие цифровые сервисы могут обслуживать огромную аудиторию с относительно низкими предельными затратами. Генерация ответов мощными AI-моделями требует значительно больше вычислительных ресурсов.

Поэтому даже сотни миллионов платящих пользователей не обязательно гарантируют прибыльность.

Для сравнения можно взять Netflix как пример зрелого массового онлайн-сервиса. При аудитории в 325 млн подписчиков даже средние $34 с пользователя в месяц дали бы около $11 млрд годовой выручки.

Для OpenAI это меньше трети операционных расходов, которые компания несет сегодня.

Иными словами, проблема потребительского ИИ заключается не только в том, чтобы найти достаточно много людей, готовых платить. Необходимо еще сделать так, чтобы стоимость обслуживания каждого пользователя позволяла зарабатывать на этой аудитории.

Поэтому AI-компании идут в корпоративный сектор

Именно эта экономика объясняет, почему крупнейшие разработчики ИИ все активнее ориентируются на бизнес.

OpenAI, например, в последние месяцы заметно усилила корпоративное направление. По сообщениям Axios, годовой объем регулярной выручки компании приблизился к $70 млрд, а корпоративные бронирования с июля выросли вдвое.

Даже запуск Dots демонстрирует эту стратегию. Хотя продукт позиционируется как персональный агент, OpenAI одновременно показывает его применение для разработчиков и креативных агентств.

Логика здесь достаточно проста: если популярный потребительский сервис не способен приносить достаточно денег от индивидуальных подписчиков, его возможности можно продавать компаниям по более высокой цене.

Для AI это особенно важно. Бизнес-клиент может платить значительно больше, если система экономит сотрудникам время, автоматизирует операции или заменяет часть ручной работы. Для обычного пользователя ценность ответа чат-бота или выполненного поручения часто ограничена гораздо более низкой суммой.

У Muse и Instinct есть собственные способы заработать

Muse и Instinct пытаются построить потребительский AI-бизнес иначе.

У Meta есть огромное преимущество в виде рекламной инфраструктуры и персонализированного таргетинга. Это дает компании больше вариантов монетизации и позволяет не превращать подписку на Muse в единственный источник дохода.

Meta уже рассматривает и корпоративное применение Muse, расширяя AI-агента на малый бизнес.

У Instinct другая модель. Стартап рассчитывает получать комиссию с покупок, которые пользователь совершает через агента. Если AI действительно станет посредником между человеком и магазинами, путешествиями, ресторанами и другими сервисами, такая схема может оказаться существенно масштабнее обычной подписки.

Кроме того, Instinct не обязан самостоятельно финансировать разработку собственной передовой базовой модели в том же масштабе, что крупнейшие AI-лаборатории. Это потенциально снижает одну из самых дорогих статей расходов.

Главный вопрос — сможет ли потребительский AI выйти за пределы подписок

Успех Muse, Dots и Instinct показывает, что спрос на персональных AI-агентов действительно существует. Но популярный продукт и прибыльный бизнес — не одно и то же.

Потребительский ИИ сталкивается с необычным сочетанием двух ограничений: пользователи не готовы платить бесконечно много, а выполнение запросов AI остается дорогим. Чем сложнее становится агент и чем больше задач он берет на себя, тем выше потенциальная ценность продукта — но одновременно растут и вычислительные расходы.

Поэтому крупные AI-компании постепенно приходят к одной и той же модели: потребительский продукт может быть важной точкой входа, но серьезный масштаб бизнеса приходится искать в корпоративных контрактах, комиссиях с транзакций или других источниках дохода.

Именно здесь проходит главное ограничение нынешнего потребительского AI. Технология становится заметно лучше, агенты учатся выполнять все больше повседневных задач, а спрос растет. Но базовая математика пока меняется гораздо медленнее самой технологии.