Apollo Global Management пришла к выводу, что корпоративная Америка за пределами семи технологических гигантов пока не получила финансовой отдачи от искусственного интеллекта. Анализ, опубликованный в субботу, отделяет Magnificent Seven от «S&P 493» и фиксирует у остальных плоскую выручку на сотрудника и маржу. У семи лидеров выручка на сотрудника выросла с 550 000 долларов в 2022 году почти до 800 000 долларов в этом году. Вывод важен тем, что переносит проверку ценности ИИ с прогресса моделей на рост прибыли за пределами Big Tech.
Что Apollo измерила в S&P 493
Аналитик Torsten Slok построил вывод на трех показателях: выручка на работника, маржа прибыли и рост производительности. В великолепную семерку в исследовании входят Alphabet, Amazon, Apple, Meta Platforms, Microsoft, Nvidia и Tesla. Их кривые резко пошли вверх по мере ускорения внедрения ИИ, а маржа растет с третьего квартала 2023 года. При этом показатель выручки на работника в S&P 493 с 2019 года держится около 550 000 долларов и не реагирует на расходы на ИИ.
Slok пишет, что обычные компании начинают воспринимать траты на токены как центр затрат, который давит на маржу, а не как источник роста. Различие связано с тем, как интеллект используется внутри фирмы. ИИ хорошо считает, исследует и генерирует материалы, но бизнес-результат зависит от суждений, где контекст меняет ответ. Этот разрыв объясняет, почему покупка доступа к моделям сама по себе не превращается в рост продаж или снижение удельных затрат.
Результат расходится с прогнозами о грядущей «эпохе изобилия» с меньшим объемом работы и быстрым выпуском продукции для всех. Slok отметил, что часть стартапов с венчурной поддержкой продолжает наращивать траты на ИИ-токены, тогда как зрелые компании сокращают их. Обычный корпоративный бизнес, по его формулировке, не нуждается в самой новой модели и не готов платить за нее. Пока агентный ИИ и потребление токенов сосредоточены в узком сегменте, макроэкономический эффект остается ограниченным.
Что это значит для компаний, внедряющих ИИ
Для операционного бизнеса вывод состоит в том, чтобы привязывать каждую статью бюджета на ИИ к выручке или марже, а не только к экспериментам. Крупные фирмы могут тестировать агентов в поддержке, продажах и обработке документов, оставляя лишь случаи с ростом выработки на сотрудника. Небольшим фирмам выгоднее узкие инструменты с понятной ценой, чем широкие платформенные обязательства, поскольку у них нет запаса для покрытия расходов на токены. Выбор поставщика тогда зависит от измеренной пропускной способности и доли ошибок в конкретном процессе.
Ограничения, названные Slok, стоит проверять напрямую перед масштабированием: понимание деловой культуры, ответственность за решения, этические компромиссы, справедливость и доверие. Эти факторы влияют на репутационный риск, а через него — на продажи и прибыль. Анализ не доказывает, что ИИ никогда не повысит производительность вне технологического сектора; он показывает отсутствие подтверждений в сводных данных. Покупателям следует спрашивать поставщиков, как проверяются суждения, кто утверждает действия агентов и где останавливается рост затрат при росте использования.
Маркером для наблюдения остается сам S&P 493: выручка на работника и маржа прибыли в квартальных отчетах в течение 2026 года. Если более дешевые модели начнут поднимать эти кривые, фаза отдачи началась. Если линии останутся плоскими при росте счетов за токены, дисциплина в бюджетах на ИИ станет еще жестче.
