Глава Palantir Алекс Карп публично прошелся по крупнейшим разработчикам больших языковых моделей и заявил, что корпоративный ИИ буксует не из-за нехватки моделей, а из-за слабой внедренческой дисциплины. Для компаний, которые уже обожглись на дорогих пилотах, это важный сигнал: рынок все меньше спорит о том, какая LLM умнее, и все больше — о том, кто вообще способен довести корпоративный ИИ до рабочего состояния.
В интервью CNBC Карп сказал, что буквально каждый корпоративный клиент, с которым работает Palantir, недоволен так называемыми frontier AI labs — OpenAI, Anthropic и другими игроками, которые строят самые мощные модели. По его версии, эти компании продают не решение прикладных задач, а веру в то, что очередное поколение модели скоро само закроет все проблемы бизнеса. Как пишет The Register, Карп назвал такой подход смесью гипероптимизма и почти религиозного отношения к технологии, которая пока не подтверждается реальной эксплуатацией в крупных компаниях.
Главная претензия у него вполне приземленная: вендоры LLM, по словам Карпа, плохо понимают, как устроен enterprise-контур. Речь не о красивых демо и не о том, может ли модель написать SQL-запрос или собрать презентацию. Речь о том, как интегрировать ИИ в разрозненные источники данных, унаследованные системы, требования по безопасности, права доступа, контроль качества и реальный операционный процесс. Здесь Palantir, конечно, говорит не только как критик, но и как продавец: Карп утверждает, что именно из-за этой боли компании идут в Foundry — платформу, которая позволяет связать данные и подключать к ним любые модели по выбору заказчика.
Самый неприятный для AI-рынка фрагмент этой истории — цифра по возврату инвестиций. The Register ссылается на недавнюю оценку Gartner: только 28% AI-сценариев полностью соответствуют ожиданиям по ROI. Остальные либо не дотягивают по экономике, либо застревают в бесконечной пилотной фазе. Для CTO, CPO и IT-директоров это уже не абстрактная дискуссия о будущем, а вопрос бюджетной гигиены. Если каждая новая интеграция с LLM увеличивает расходы на токены, требует отдельного слоя контроля и все равно не выходит в прод, то проблема не в том, что команда плохо старалась. Проблема в том, что рынок корпоративного ИИ долго продавал обещание быстрее, чем инструменты для нормального внедрения.
Карп отдельно уколол логику, которую сам назвал tokenmax: когда рост потребления токенов подается как признак полезности продукта. Для разработчиков и руководителей это звучит знакомо. Метрика легко считается, красиво растет в отчетах и отлично смотрится на слайде для инвесторов, но почти ничего не говорит о ценности для бизнеса. Более того, она может маскировать обратное: система стала дороже, но не стала полезнее. На фоне ценовой войны между поставщиками моделей этот тезис особенно чувствителен. The Register напоминает, что OpenAI, по сообщениям СМИ, рассматривает снижение цены за токен, чтобы усилить позиции в конкуренции с Anthropic. То есть даже сами продавцы моделей понимают: экономика использования стала слишком заметной темой, чтобы ее прятать за маркетингом.
Еще один слой конфликта — борьба за место в цепочке создания ценности. Карп фактически говорит рынку простую вещь: сама по себе LLM — еще не продукт для enterprise. Продукт появляется там, где есть интеграция, управление данными, маршрутизация запросов, контроль доступа, аудит и понятная связь с бизнес-процессом. Это неприятный тезис для frontier labs, потому что он смещает центр тяжести с разработчика модели на интегратора и платформенного подрядчика. Неудивительно, что Карп скептически отозвался о недавней сделке OpenAI по покупке британской консалтинговой компании Tomoro и запуске OpenAI Deployment Company. В его интерпретации это не новая стратегия, а попытка догнать тех, кто уже зарабатывает именно на внедрении.
Конечно, здесь важно держать в голове источник мотивации. Palantir не независимый аналитик, а компания, которая как раз и продает инфраструктуру, оркестрацию и enterprise-обвязку вокруг ИИ. Когда ее CEO говорит, что проблема в реализации, а не в моделях, он одновременно ставит диагноз рынку и рекламирует собственную терапию. Но даже с этой поправкой тезис трудно списать на обычный корпоративный шум. За последний год крупный бизнес действительно устал от презентаций, где генеративный ИИ обещает автоматизировать все сразу, а в реальности требует армии интеграторов, ручных проверок и постоянного контроля расходов. Для российских команд, которые строят или закупают корпоративный ИИ, отсюда следует довольно практичный вывод: выбор модели важен, но намного важнее архитектура данных, стоимость эксплуатации и то, кто будет отвечать за внедрение после демо-дня.
В ближайшие кварталы рынок, похоже, будет жестче делиться на две группы. Первая продолжит продавать сам интеллект как главный товар. Вторая будет продавать скучную, но денежную часть — внедрение, интеграцию и управляемость. И если в 2023 году почти все обсуждали, какая модель умнее, то в 2026-м разговор все чаще сводится к другому: кто поможет превратить корпоративный ИИ из дорогой подписки в работающий инструмент. Проверить исходные цитаты Карпа можно в материале .