Как Южная Корея стала ИИ-лидером и что это значит

Почему Южная Корея так резко ускорилась

Ещё год назад Кореи не было в числе заметных игроков в публичных рейтингах ИИ. Сейчас у страны уже пять моделей в топ-30, а K-EXAONE от LG сравнивают с крупными западными системами и ставят выше лучшей европейской модели. Это не косметика. Это скачок.

На моей практике такие скачки почти всегда выглядят скучно, если смотреть изнутри: закон, бюджет, железо, доступ к закупкам, плюс несколько сильных компаний, которые не тянут одеяло каждая на себя. Вот тут всё именно так и сошлось. И поэтому история Кореи интересна не только айтишникам, но и маркетологам, и собственникам бизнеса.

Для бизнеса это ещё и сигнал простой: когда страна строит свои модели, она перестаёт зависеть от чужих очередей, чужих цен и чужих ограничений. Потом уже появляются свои продукты, свои команды и свой рынок экспертизы. И это касается не только ИТ — маркетинг, реклама, служба поддержки, аналитика тоже подтягиваются следом.

Что сработало в корейской модели

Корейский рывок начался не с красивых презентаций, а с закона и денег. В январе приняли единый акт об ИИ, а дальше уже пошли очень конкретные решения — финансирование из бюджета, приоритет национальных сервисов и понятные сроки по внедрению. Тут, как ни крути, важна именно связка, а не один отдельный шаг.

Госденьги и единые правила

На внедрение ИИ в госсектор и субсидии компаниям в этом году направляют около $7,3 млрд. Для масштаба — это больше, чем выделено на министерство культуры, спорта и туризма. Когда государство ставит такую цифру, рынок начинает шевелиться не из страха, а из расчета. На моей практике именно такой подход заставляет рынок строить планы на годы, а не на квартал.

Обычно рынки тормозит не отсутствие таланта, а отсутствие координации. Одни дают гранты, другие запускают пилоты, третьи покупают железо по остаточному принципу. В Корее, похоже, убрали эту разрозненность и собрали всё в один контур — закон, деньги, отрасли и инфраструктуру. Это и есть тот случай, когда система начинает работать как система.

Железо и дата-центры

В Корее не забыли и про инфраструктуру. Корейский Samsung занимает почти треть дефицитного рынка памяти, а Nvidia согласилась поставить в страну 260 тыс. GPU для дата-центров. Без памяти и GPU все разговоры про ИИ быстро превращаются в презентацию на 12 слайдов, не больше. Железо тут не фон. Это фундамент.

Именно поэтому рывок получился не точечным, а системным. Когда в страну одновременно заходят деньги на разработки, гарантии для локальных сервисов и GPU для дата-центров, модели начинают учиться быстрее, а компании — считать не по кварталу, а на несколько лет вперед. В такой среде даже маленькая команда чувствует, что у неё есть окно для роста.

Приоритет для своих сервисов

Корейские компании за два года обязались вложить в инфраструктуру и ИИ-разработки $49 млрд, а национальные сервисы получили приоритет при госзакупках. План до 2030 года тоже амбициозный — ИИ хотят внедрить в 95% госструктур и на 70% промышленных предприятий. На моей практике именно госзаказ часто делает рынок живым, а не просто модным.

Когда у разработчика есть шанс стать стандартом для крупных закупок, он начинает иначе смотреть на качество, поддержку и срок жизни продукта. Это уже не про быстрый MVP. Это про длинную игру, где важны устойчивость, совместимость и доверие. Ну и деньги, конечно. Без них вся эта архитектура развалилась бы очень быстро.

Где у модели появляется тормоз

Но у этой модели есть и скрип. Корейский ИИ-акт не только помогает рынку, он ещё и жёстко контролирует стартапы, безопасность разработок и маркировку контента. Причем для местных игроков правила оказываются строже, чем для иностранных компаний. Тут уже не про поддержку, а про дисциплину и постоянный контроль.

И вот здесь начинается тонкий момент. Если компания понимает, что за ошибку прилетит сильнее, чем за смелый эксперимент, она начинает выбирать не лучшие идеи, а самые безопасные. В итоге растут не самые сильные продукты, а те, которые удобнее провести через проверку. Ну и это бьет по скорости, а скорость в ИИ — одна из ключевых валют.

Помню как-то у клиента мы запускали внутреннего чат-бота для базы знаний. Продукт был простой, но его согласовывали три отдела, юристы внесли две волны правок, и срок уехал почти на месяц. Если к такой схеме добавить ещё и тяжелое регулирование, часть команд просто уйдёт в осторожность — или в другую юрисдикцию. Снаружи всё будет прилично, а внутри начнётся стоп-режим.

Для рынка это важная деталь. Пользователь не видит регламент, но очень быстро чувствует его последствия — релиз откладывается, новые фичи выходят позже, команда боится спорных сценариев. Внешне всё выглядит аккуратно, а внутри копится инерция. Потом эту инерцию очень тяжело разгонять обратно.

Что это значит для России

Для России из этой истории главный вывод не в том, что надо срочно копировать корейский закон. Нужен не дубль чужой модели, а своя рамка — короткая, понятная и без лишней бюрократии. Иначе получится знакомая история: крупные компании справятся, а средний бизнес будет жить в режиме ожидания.

Недавно сталкивался с компанией в Краснодаре. Команда из 8 человек, бюджет 120к в месяц на SMM, и полный хаос вокруг нейросетей — дизайнеры, контент-менеджер и руководитель по-разному понимали, что можно отдавать алгоритму, а что нельзя. Когда мы расписали правила, где ИИ помогает, а где нужен ручной фактчек, скорость публикаций выросла почти на треть. Без магии. Просто порядок.

Вот почему для российского рынка важны не лозунги, а четыре вещи — понятные определения, ответственность за ошибку, правила по данным и внятные условия для госзакупок. Если этого нет, компании начинают делать вид, что ИИ у них нет, а потом все равно используют его через серые схемы. А это уже плохой сценарий.

Особенно это заметно в e-commerce, медицине, образовании и сервисном бизнесе. Там уже сейчас много задач, которые ИИ может взять на себя — от генерации карточек товара до первичной сегментации запросов. Но если нет понятных правил, каждая компания изобретает свои костыли. А это лишние сроки и расходы.

Как бизнесу подготовиться без нервов

Если смотреть прикладно, бизнесу лучше готовиться заранее. Не ждать, пока сверху появится толстый документ, а спокойно разложить процессы по полкам: что генерирует ИИ, кто проверяет, где хранятся исходники, кому можно давать доступ и что делать с чувствительными данными. Короче, сначала порядок, потом автоматизация.

Минимальный чек-лист выглядит просто:

• Определить, какие тексты, картинки и видео можно делать через ИИ без риска.
• Отдельно пометить сценарии, где нужны фактчек, юрист или профильный специалист.
• Сохранить историю правок и исходники, чтобы потом можно было понять, кто что изменил.
• Не отдавать в генерацию персональные данные, коммерческие тайны и чувствительные документы.

Я тут пробовал собирать такой контур для локального бренда одежды, и самые больные места быстро стали видны. Черновики текстов можно ускорять через AI-генератор подписей для соцсетей, подбор тегов — через AI-генератор хэштегов, а визуальные задачи закрывают генератор анимированных баннеров и AI-удаление фона. Если нужен потоковый выпуск креативов, пригодится Auto Banners Bot, а для репостов и дистрибуции в Telegram — Repost Ninja Bot. Это не заменяет голову, но убирает тупую рутину.

И ещё момент. Когда у вас команда из 8 человек и 40 публикаций в месяц, очень быстро становится понятно, где люди заняты работой, а где просто переписывают одно и то же по кругу. Снимаете рутину — и у редактора появляется время на аналитику, креатив и тесты. Именно там, кстати, и лежат деньги. Проверено не раз.

Причем это работает не только для моды. У кафе, клиник, школ, локальных сервисов и B2B-команд одна и та же история — сначала контент тормозит из-за рутины, а потом из-за согласований. Если убрать часть повторяющихся операций, уходит лишний шум, и команда начинает дум��ть о воронке, а не о том, кто сегодня делает баннеры вручную.

Нужен ли России единый закон об ИИ

Да, но не в виде толстого запретительного свода. Нужна рамка, которая отвечает на простые вопросы — кто несет ответственность, как маркируется контент, где хранятся данные, что допускается в госзакупках и как работают высокорисковые решения. А вот делать из этого ещё один кодекс на 300 страниц — прям плохая идея.

На моей практике лучше всего работают короткие правила и отраслевые стандарты, которые можно быстро обновлять. Технологии меняются быстрее, чем любой парламент успевает принять поправки, и поэтому закон должен задавать границы, а не душить продукт на старте. Если же сделать его слишком вязким, бизнес снова уйдет в осторожность, а стартапы — в юрисдикции, где меньше контроля и больше шансов на эксперимент.

Я бы вообще выделил три уровня. Первый — бытовой: можно ли использовать нейросеть для черновика поста или баннера. Второй — продуктовый: кто отвечает за качество ответа, если ИИ встроен в сервис. Третий — высокий риск: медицина, финансы, госуслуги, безопасность. Вот там регулирование должно быть жёстче, а в остальных сферах — проще и короче.

Если этого разделения нет, закон будет мешать всем одинаково. А рынок устроен не одинаково — SMM-команда и разработчик системы для диагностики решают совсем разные задачи. И подход к ним тоже должен быть разный, иначе вместо порядка появится просто новый слой суеты.

Итог тут довольно простой. Регулирование нужно, но оно должно помогать росту, а не превращать рынок в комнату ожидания. Иначе выиграют самые крупные, а остальные будут смотреть со стороны и думать, как обойти правила, а не как сделать нормальный продукт.