Потребление электроэнергии в России в 2024 году показало рекордный прирост на 3,1%, а энергопотребление центров обработки данных (ЦОД) в стране может увеличиться в 2,5 раза в течение следующих пяти лет, заявил член правления ВТБ Виталий Сергейчук в декабре 2025 года. По его оценке, доля ЦОД и майнеров криптовалют в общем энергобалансе может достичь около 2% к 2030 году. Строительство новых энергомощностей для покрытия этого спроса потребует капитальных затрат в размере почти 6 трлн рублей до конца десятилетия.

Этот локальный тренд отражает глобальный парадокс энергетического перехода: несмотря на достигнутую стоимость возобновляемых источников энергии (ВИЭ), стремительный рост новых крупных потребителей создаёт нагрузку, которую существующая инфраструктура не всегда готова принять.

Конкурентоспособность ВИЭ и структурные барьеры

Согласно отчёту Международного агентства по возобновляемой энергии (IRENA) за июль 2025 года, 91% новых проектов ВИЭ, введённых в эксплуатацию в 2024 году, оказались дешевле, чем любые новые электростанции на ископаемом топливе. В среднем солнечная энергетика была на 41% дешевле самых доступных альтернатив на ископаемом топливе, а наземная ветровая — на 53% дешевле. Добавление 582 гигаватт новых мощностей ВИЭ в 2024 году позволило избежать использования ископаемого топлива на сумму около 57 млрд долларов США.

Однако темпы внедрения ВИЭ сдерживаются неценовыми факторами. В отчёте IRENA указано, что проекты всё чаще сталкиваются с задержками из-за узких мест при подключении к сетям, медленных процедур получения разрешений и недостаточных инвестиций в саму сетевую инфраструктуру. Эта проблема особенно остро стоит в странах «Глобального Юга», где инвестиции в сети не успевают за ростом спроса.

Искусственный интеллект как новый драйвер спроса

Бум искусственного интеллекта (ИИ) формирует новый качественный скачок в потреблении энергии. В США, в Кремниевой долине, компания Pacific Gas & Electric оценивает, что планируемое развитие ЦОД может почти утроить текущий пиковый спрос на электроэнергию в городе Сан-Хосе. В Техасе оператор электросетей ERCOT прогнозирует, что спрос на электроэнергию в штате удвоится к 2030 году, и значительная часть этого роста будет обусловлена расширением ЦОД.

Этот спрос не только объёмный, но и сложный для прогнозирования. Как отметил Лян Мин, директор Стэнфордской инициативы Bits & Watts, скорость появления новых приложений на базе ИИ делает прогнозы крайне ненадёжными. Неопределённость в том, какие проекты будут реализованы и какую фактическую нагрузку они создадут, повышает риск неэффективных инвестиций в инфраструктуру.

Вопрос распределения затрат и энергетическое неравенство

Ключевой вопрос, возникающий при интеграции энергоёмких ЦОД, — распределение затрат на модернизацию сетей. Независимые организации по защите прав потребителей, такие как The Utility Reform Network в Калифорнии, предупреждают, что при традиционных подходах тарифного регулирования расходы на новую инфраструктуру могут быть переложены на всех потребителей, включая домохозяйства. В США более 33 миллионов домохозяйств уже сталкиваются с проблемой недоступности энергоресурсов.

Отдельные штаты начинают принимать регулирующие меры. В Неваде по новому тарифу Clean Transition Tariff компания Google будет нести 100% затрат на новую генерацию, необходимую для её объектов. В Орегоне приняли закон, который не позволяет включать затраты на подключение ЦОД в счета домохозяйств.

Региональная диспропорция в инвестициях и стоимости капитала

Наряду с инфраструктурными барьерами, существенным сдерживающим фактором для развивающихся рынков остаётся стоимость капитала. Анализ IRENA показывает, что в 2024 году приведённая стоимость электроэнергии от наземных ветряных электростанций в Европе и Африке была схожей и составляла около 0,052 доллара США за кВт·ч. Однако структура затрат кардинально различалась: европейские проекты были ориентированы на капитальные затраты, в то время как в африканских проектах значительную долю составляли финансовые расходы. Предполагаемая стоимость капитала для анализа варьировалась от 3,8% в Европе до 12% в Африке, что отражает разницу в воспринимаемых инвестиционных рисках.

Иван Мишин

Пишу статьи о бизнесе и финансах. В сферу моих интересов входит макроэкономика, денежно-кредитная и фискальная политика, глобальные экономические тенденции.

Организация экономического сотрудничества и развития (OECD) в выпуске Employment Outlook July 2025 отмечает: рост доли работников старше 55 лет в сочетании с низкой вовлеченностью этой группы в цифровое обучение снижает эффективность корпоративных инвестиций в ИИ, автоматизацию и другие технологии. Несмотря на увеличение занятости, участие людей 55+ в переквалификации остается ограниченным, а их информационно-процессинговые навыки на 9–12 % ниже, чем у молодых сотрудников.

Отчёт также фиксирует снижение мобильности работников среднего и старшего возраста. Переход в более продуктивные компании — ключевой механизм повышения заработков и эффективности — становится менее характерным для группы 55+, что дополнительно ограничивает отдачу от внедрения новых технологий. Параллельно в Compendium of Productivity Indicators 2025 OECD отмечает: выгоды от цифровизации резко различаются по отраслям и существенно уменьшаются там, где сотрудники недостаточно вовлечены в использование цифровых инструментов.

 Employment Outlook July 2025  называют возникающую ситуацию «серым разрывом»: капитал и современные технологии присутствуют, но человеческий ресурс не способен в полной мере их освоить. OECD подчёркивает, что проблема обусловлена не только уровнем цифровой грамотности, но и особенностями организации труда — пожилые сотрудники реже переходят на новые функции и медленнее интегрируются в процессы, требующие регулярного обновления навыков.

В результате компании сталкиваются с феноменом «неосвоенного капитала»: приобретённые технологии оказываются недогруженными, а цифровые вложения не преобразуются в рост производительности. По оценке OECD, этот структурный дисбаланс становится одним из факторов замедления эффективности экономик, в которых трудовой рынок стремительно стареет.

По прогнозам Росстата, доля пожилых людей (старше трудоспособного возраста) вырастет — к 2046 году она может составить почти 27 % населения. Это усиливает нагрузку на экономику: растет доля граждан, которые могут быть менее активны на рынке труда и испытывать сложности с освоением цифровых инструментов. Как отмечает руководитель направления исследований политики занятости РАНХиГС Алексей Левинсон, рост доли работников 55+ «становится одним из ключевых факторов разбалансировки рынка труда: компании технологически обновляются быстрее, чем обновляются навыки сотрудников». Эксперт подчеркивает, что отставание в цифровых компетенциях создаёт «двойной эффект»: снижает эффективность персонала и одновременно уменьшает отдачу от цифровизации. 

Согласно опросу фонда «Альцрус» (2024),  33% россиян старше 55 лет испытывает сложности с базовыми цифровыми операциями: безопасным использованием интернета, онлайн-коммуникациями, обращением с электронными документами. При этом 77 % участников опроса заявляют о готовности улучшать цифровые навыки, но отмечают отсутствие понятных программ и удобных форматов обучения. Аналитики Института статистических исследований и экономики знаний НИУ ВШЭ в исследовании «Цифровая грамотность населения России – 2025» указывают, что у граждан старшего возраста чаще отсутствуют навыки работы с цифровыми сервисами, необходимыми для современных рабочих процессов: электронными системами учёта, инструментами автоматизации и корпоративными платформами. В отчёте ВШЭ подчеркивается, что «цифровой разрыв по возрасту стал устойчивой структурной характеристикой российского рынка труда».

В итоге данные OECD и прогнозы Росстата: «серый разрыв» превращается в системный барьер для экономик со стареющим населением. Медленное освоение цифровых технологий сотрудниками 55+ приводит к эффекту недозагруженного капитала — когда потенциал ИИ и автоматизации не реализуется из-за ограничений в человеческих навыках. Для России, где доля пожилых работников будет расти, это несоответствие между темпами цифровизации и возможностями адаптации персонала становится одним из факторов, способных сдерживать рост производительности в ближайшие десятилетия.

Если темпы цифровизации продолжат опережать способность сотрудников старшего возраста адаптироваться, в России сохраняется риск недозагруженного капитала: инвестиции в ИИ, автоматизацию и цифровые платформы будут использоваться не полностью. В перспективе это может замедлить рост производительности и ограничить эффективность цифровой трансформации экономики в ключевых отраслях.

Руслан Судницин

Автор статьей о макроэкономических показателях, которые влияют на экономики многих государств, также изучает о проблемы искусственного интеллекта в микроэкономике, его влияние на показатели отдельных фирм в рамках государств.

В сентябре 2025 года крупные компании (250+ сотрудников) впервые за два года снизили уровень реального использования искусственного интеллекта в производственных процессах с 14% до 12%, согласно данным анализа, опубликованного в сентябре 2025 года. При этом средние месячные расходы компаний на ИИ демонстрируют противоположную динамику, готовясь увеличиться с 63 000 до 85 000 долларов США. Это парадоксальное явление — снижение внедрения на фоне роста бюджетов — совпало с публикацией отчета Массачусетского технологического института (MIT) в августе 2025 года, который зафиксировал, что 95% пилотных проектов в области генеративного ИИ в компаниях не достигают стадии промышленной эксплуатации.

Сложившаяся ситуация является частью более широкого тренда, который аналитики характеризуют как период «отрезвления» после первоначальной эйфории от возможностей ИИ. Глобальное исследование McKinsey, актуализированное в 2025 году, показывает, что хотя регулярное использование ИИ по меньшей мере в одной бизнес-функции отмечают 88% организаций, большинство из них все еще находятся на стадии экспериментов или пилотирования и не перешли к масштабированию технологий. Разрыв между широкими заявлениями о внедрении и реальным использованием в основных процессах становится ключевой характеристикой текущего этапа.

Основной причиной сокращения реального использования является массовый провал пилотных проектов при попытке их перевода в промышленную эксплуатацию.

Проблемы интеграции и данные: Исследование MIT указывает, что основная проблема заключается не в качестве самих ИИ-моделей, а в их неудачной интеграции в корпоративные системы. Гибкие инструменты вроде ChatGPT, эффективные для индивидуального использования, не адаптируются к рабочим процессам предприятий и не обучаются на их данных. При масштабировании пилотов компании сталкиваются с низким качеством данных, их неполнотой и несогласованностью, что приводит к резкому падению точности моделей.

Технический долг и инфраструктура: Успешные прототипы, работающие на ограниченных и очищенных данных, часто не выдерживают реальной нагрузки. Решения, функционирующие для 100 пользователей, могут полностью отказать при масштабировании на тысячи одновременных запросов, требуя полного пересмотра архитектуры и многократного увеличения вычислительных мощностей.

Стратегические ошибки: Согласно отчету Лаборатории искусственного интеллекта Школы управления «Сколково», до 95% российских компаний не окупают инвестиции в ИИ. Среди ключевых ошибок — запуск точечных пилотов без дорожной карты масштабирования, отсутствие измеримых базовых показателей и слабая интеграция результатов ИИ в операционные процессы.

Смещение фокуса расходов: Растут инвестиции не в сами ИИ-модели, а в обеспечивающую инфраструктуру. В 2025 году 44% расходов направляется на обеспечение объяснимости решений ИИ, а 41% — на повышение их безопасности и надежности. Компании финансируют создание платформ данных, внедрение практик MLOps¹ и интеграцию в legacy-системы², что являются капиталоемкими подготовительными этапами.

Изменение целей инвестиций: Если первоначально компании фокусировались на инструментах для продаж и маркетинга, то исследование MIT выявило наибольшую отдачу от инвестиций в автоматизацию бэк-офиса — сокращение аутсорсинга бизнес-процессов, снижение затрат на внешние агентства и оптимизацию операций.

Тактика приобретения решений: Данные показывают, что проекты, в которых компании приобретают ИИ-решения у специализированных вендоров, успешны в 67% случаев. В то же время проекты с внутренней разработкой достигают успеха лишь в 33% случаев, что заставляет организации увеличивать бюджеты на закупку и внедрение готовых платформ.

Иван Мишин

Пишу статьи о бизнесе и финансах. В сферу моих интересов входит макроэкономика, денежно-кредитная и фискальная политика, глобальные экономические тенденции.

Организация экономического сотрудничества и развития (ОЭСР) в феврале 2025 года опубликовала доклад Behind ESG Ratings, в котором отмечается: применение искусственного интеллекта для расчёта ESG-оценок³ позволяет обрабатывать больше информации, но усиливает проблему сопоставимости данных и снижает прозрачность методик. 

В докладе подчеркивается, что большинство существующих ESG-рейтингов опираются на несопоставимые входные показатели и самоотчеты компаний. Применение искусственного интеллекта ускорило обработку данных, однако не обеспечило достоверность и устойчивость получаемых ESG-рейтингов. По словам соавтора исследования ОЭСР, доктора по экологическим системам Земли Даниэлы Рибейро, «рост машинной аналитики без единых стандартов ведет к формальному исполнению критериев и снижает доверие инвесторов к самим рейтингам». 

Эксперты объясняют (см. раздел 1.3.2), что подобная ситуация возникает не из-за технической ограниченности алгоритмов, а из-за несоответствия между ожиданиями пользователей и целями разработчиков. Большинство моделей создавалось как инструмент статистической обработки, а не как средство оценки корпоративного поведения. Алгоритмы эффективно выявляют закономерности, но не способны оценить контекст или управленческие решения, лежащие за цифрами. Как отмечают исследователи Университета Утрехта, это приводит к систематическому «смещению смысла»: инвесторы воспринимают количественный рейтинг как комплексную оценку устойчивости, тогда как по сути получают результат статистического ранжирования

В аналитической работе Unveiling the Blackbox within ESG Ratings (Wiley Online Library 2024).исследователи Фелипе Суарес Гири и Марион Хёггели отмечают, что алгоритмы выявляют статистические зависимости, которые стали незаметными для специалистов, однако их непрозрачность приводит к эффекту «чёрного ящика» и затрудняет оценку обоснованности полученных результатов. Авторы фиксируют, что даже незначительные изменения исходных показателей приводят к заметным колебаниям итоговых рейтингов.

Разработчики ориентируются на оптимизацию вычислительных процессов и точность распознавания закономерностей, тогда как инвесторы и регуляторы ожидают от алгоритмов содержательной интерпретации — объяснения, почему конкретная компания получила определённую оценку. Алгоритмы машинного обучения не предназначены для изучения контекстных факторов, таких как управленческая стратегия или социальные последствия деятельности компании, но именно этого ждут пользователи рейтингов. В результате инструмент, созданный для обработки статистики, используется как средство принятия решений, для которых он не рассчитан. Исследователи подчеркивают, что «проблема не в недостатке вычислительной мощности, а в завышенных ожиданиях к тому, что искусственный интеллект способен объективно оценивать устойчивость бизнеса».

Согласно обзору Explainable Artificial Intelligence in Finance (Frontiers in Artificial Intelligence, Vol. 7, 2024), применение технологий XAI остается ограниченным: менее 20 % поставщиков ESG-рейтингов используют методы объяснимого искусственного интеллекта, остальные компании не раскрывают логику работы своих алгоритмов, что делает результаты оценок трудными для внешней проверки. Редакция журнала указывает, что «отсутствие обязательных требований к документации алгоритмов делает невозможной внешнюю верификацию корректности оценок».

Расхождения между методиками и закрытый характер алгоритмов усиливают неопределенность в сфере устойчивого финансирования. Отсутствие единых требований к проверке моделей и раскрытию данных делает систему ESG-оценок зависимой от технических параметров, а не от реальных показателей устойчивости бизнеса. В заключении отчета ОЭСР Даниэла Рибейро отмечает: «Без прозрачных алгоритмов устойчивое инвестирование утратит признак устойчивости».

Руслан Судницин

Автор статьей о макроэкономических показателях, которые влияют на экономики многих государств, также изучает о проблемы искусственного интеллекта в микроэкономике, его влияние на показатели отдельных фирм в рамках государств.

В 2025 году количество кибератак на финансовые учреждения, включая банки, биржи и платежные системы, существенно возросло, создав серьезные угрозы для стабильности мировой финансовой системы. По данным «Лаборатории Касперского», за первое полугодие 2025 года число киберугроз в финансовом секторе России увеличилось на 13% по сравнению с аналогичным периодом прошлого года, а сам финансовый сектор занимает третье место по количеству киберинцидентов, уступая промышленному и государственному секторам. 

Михаил Горшилин, руководитель направления управляемых сервисов кибербезопасности в компании RED Security, подчеркивает: «DDoS-атаки технически эволюционируют, и активность хактивистов тоже только растет. Это говорит о том, что риски прерывания бизнес-процессов вследствие атак на веб-ресурсы становятся все более вероятными. При этом DDoS перешел в категорию инструментов не только политического, но и экономического давления. Все чаще встречаются случаи, когда злоумышленники требуют у компании выкуп за прекращение атаки и восстановление доступности ее веб-ресурсов».

Сергей Голованов, эксперт «Лаборатории Касперского», подчеркнул, что кибератаки часто происходят через внутренние уязвимости компаний. Одним из ключевых каналов проникновения остаются подрядчики и сотрудники с легитимным доступом, что требует от финансовых компаний усиления контроля, мониторинга и обучения персонала. 

В то же время статистика говорит о значительном изменении характера угроз. По данным компании Wone IT, количество атак с использованием бэкдоров — скрытых уязвимостей для доступа в системы — сократилось на 63%. Однако выросли численно другие виды угроз: количество атак через скомпрометированные онлайн-ресурсы увеличилось на 81%, а использование вредоносного ПО для кражи средств через удаленный доступ к банковским счетам возросло в 2,4 раза. В частности, летом 2025 года зафиксирован всплеск атак с применением программ-шифровальщиков (вымогателей), таких как Babuk и Proton, распространенность которых выросла на 6%. 

Таисия Бронникова

Интересуюсь макроэкономической и регуляторной политикой, влиянием законов и фискальной стратегии на бизнес и финансы.