Економіка AI-агентів викликає модель безкоштовного обіду Інтернету

29 квітня 2026 року Андрій Карпаті на бесіді за вогнищем на AI Ascent Sequoia висловив припущення: формується нова економіка, спрямована на нативні агенти, і всі сьогоднішні програми, документи та процеси, створені для людей, потрібно переписати «для агентів». Він говорив про інженерну реконструкцію з боку пропозиції, але залишив незаданим питання: хто буде оплачувати це переписування, якщо все має бути переписано, і як буде розподілятися вартість?

Дослідження економіки агентів починається саме з цього питання. Перша стаття «На перехресті комерціалізації ШІ: чому реклама та підписка окремо не працюють?» розглядає, як ШІ може генерувати дохід, і робить висновок, що реклама та підписка окремо не є ефективними моделями; фокус комерціалізації зміщується з «продажу доступу» на «продаж результату». Ця стаття глибше аналізує: чому бізнес-модель обов’язково має змінитися. Відповідь потрібно шукати в структурі витрат — досвід інтернет-компаній, що «додаткове обслуговування користувача майже не вимагає додаткових витрат», зараз перестає працювати, і система розподілу прибутку, побудована на цьому досвіді, потребує перерахунку. Протягом останніх двадцяти років найважливішою бізнес-вірою інтернет-компаній була: чим більше користувачів, тим нижчі витрати та вищий прибуток.

Пошукові системи, соціальні мережі, короткі відео, контент-платформи та електронні торгові платформи базуються на одній і тій самій передумові: після створення інфраструктури витрати на обслуговування додаткового користувача, додаткове відображення сторінки або додаткове розповсюдження контенту майже дорівнюють нулю. Справжнім обмеженням інтернет-компаній часто є не те, чи приносить кожне обслуговування збитки, а чи вдається отримати достатню кількість користувацького часу, даних, рекламодавців та сценаріїв транзакцій.

Реклама саме в цих умовах стала одним із найважливіших бізнес-моделей інтернету.

Оскільки контент і сторінки можна розповсюджувати майже без витрат, платформа може розбити пошук, перегляд, кліки, час перебування та шлях покупки користувача на окремі рекламні місця для продажу. Чим довше користувацький шлях, тим більше точок впровадження комерції може мати платформа; чим довше користувач порівнює, тим вища цінність реклами, рекомендацій, брендового контенту та сортування пошуку.

Але AI-агенти підривають цю віру.

AI-агент не просто розсилає вже існуючу інформацію, а виконує завдання за користувача. Кожна діалогова сесія, кожен логічний висновок, кожне читання файлу, кожен виклик інструменту, кожна перевірка результату супроводжуються реальними витратами на GPU-обчислення, електроенергію, знос чіпів та системні ресурси.

Ще важливіше, штучний інтелект не лише змінив структуру витрат інтернет-компаній, а й змінив ланцюжок користувачів, на якому ґрунтується реклама. Раніше користувачам доводилося постійно шукати та порівнювати інформацію між кількома сторінками, платформами та брендами; у майбутньому користувачі можуть просто передати свої потреби агенту, який відібре, оцінить, впорядкує, забронює або навіть завершить транзакцію.

Це означає, що безкоштовні користувачі ери AI Agent можуть втрачати гроші за кожне надання послуги, а традиційна реклама також втратить частину довгих ланцюгів, на яких заснована монетизація.

Якщо ключовим словом інтернет-економіки є «трафік», то ключовим словом економіки AI Agent є «завдання». Трафік можна дешево розповсюджувати, але завдання повинні бути реально виконані. Раніше реклама продавала увагу користувачів, куди вона спрямована, а в епоху AI важливішим питанням стає: хто розуміє завдання, хто його організовує, хто його виконує, та які бренди можуть потрапити до списку кандидатів Agent та на основі яких критеріїв відбувається прийняття рішень.

Таким чином, економіка AI-агентів — це не природне продовження інтернет-бізнес-моделей, а зворотна корекція міфу про інтернет-зростання та рекламну логіку.

Основна логіка бізнес-моделей інтернету (включаючи програмне забезпечення) може бути зрозуміла за допомогою найпростішої економічної формули:

TC = FC + MC × Q (загальні витрати = фіксовані витрати + граничні витрати × обсяг виробництва)

У традиційну епоху Інтернету, незалежно від розробки додатка, написання статті чи запису відео, основні витрати зосереджувалися на початковому етапі розробки та виробництва, тобто на високих фіксованих витратах FC. Однак після запуску продукту додаткові витрати на сервери та пропускну здатність між обслуговуванням першого та мільйонного користувача часто мінімальні, MC наближається до 0.

Ці надзвичайно низькі граничні витрати роблять відповідні бізнес-моделі природно масштабованими. Основна характеристика цифрових продуктів — їхня здатність до нескінченного копіювання з майже нульовими витратами на копіювання. Після завершення розробки програмного забезпечення та розгортання серверів граничні витрати на додавання нового користувача майже не вимірювані — це лише додаткове використання кількох КБ місця на диску та кількох КБ пропускної здатності.

Ця характеристика сприяє легшому досягненню переваги масштабу: хто першим досягне критичної точки масштабу, той зможе перетворити додатковий дохід у прибуток у більш високому відсотку, що створює потужний операційний важіль.

На цій основі інтернет розвинув три класичні бізнес-моделі.

Модель підписки: вартість копіювання програмного забезпечення надзвичайно низька, зростання кількості підписників безпосередньо відповідає зростанню доходів. Саме тому капіталовкладення довгостроково готові надавати вищу оцінку компаніям SaaS: після досягнення точки беззбитковості прибуток часто зростає значно швидше, ніж дохід.

Комісійна модель: створення інфраструктури для торгівлі, оплати та виконання угод, з фіксованою комісією за кожну транзакцію.

Модель реклами: безкоштовні сервіси приваблюють масу користувачів, а їхню увагу пакують і продають рекламодавцям. Наприклад, у випадку пошукової реклами: після того як пошуковий алгоритм і рекламна система впроваджені, кожен додатковий пошуковий запит збільшує витрати на сервери лише незначно, тоді як кожен додатковий клік на рекламу приносить додатковий дохід.

Рекламна модель може існувати довго не лише через велику кількість користувачів, а й через достатньо довгий користувацький шлях. Один користувач від моменту виникнення потреби до завершення покупки зазвичай проходить кілька етапів: пошук, перегляд, порівняння, додавання до закладок, консультації, перехід, замовлення. Платформа може продавати рекламу на сторінці результатів пошуку, робити «посів» у стрічці новин, підсилювати конверсію на сторінці деталей та продовжувати впливати на прийняття рішень у етапі ретаргетингу. Цінність реклами походить заснована на поступовому втручанні у користувацький шлях.

Платформа не несе повних витрат на обслуговування для кожного рішення користувача. Пошукові системи направляють користувачів на певну веб-сторінку, соціальні платформи — на певний аккаунт бренду, платформи коротких відео — у певний стрім, а електронні торгові платформи — на сторінку деталей товару. Платформи більше зосереджені на «зіставленні інформації з увагою».

Інтернет розповсюджує вже існуючу інформацію, а ШІ генерує інформацію в реальному часі. Ця якісна зміна від «копіювання» до «генерації» призводить до зовсім іншої структури витрат та бізнес-логіки.

Спочатку витрати на AI-виведення є явними: граничні витрати, пов’язані з використанням AI, значно перевищують нуль (MC > 0).

Кожен вхідний/вихідний токен великої моделі вимагає інтенсивної роботи GPU, що споживає реальну електроенергію та витрати на знос чіпів. Чим більші параметри моделі, довший контекст і складніше завдання, тим вища вартість однієї інференції. Вартість простої відповіді на запитання, глибокого дослідження, розробки коду або міжпрограмної операції може відрізнятися в десятки або навіть сотні разів. Економіка AI-агентів не має нульових граничних витрат, а самі граничні витрати є високо гетерогенними.

Хоча ціна за один токен швидко падає, це не означає, що гранична вартість буде постійно наближатися до нуля: разом із покращенням здібностей агентів кількість токенів, що витрачаються на одну задачу, швидко зростає з сотень до десятків тисяч — планування, виклик інструментів, читання файлів, самоперевірка та повторні спроби після невдачі вимагають величезних обчислювальних ресурсів. Токени стають дефляційними, але задачі — інфляційними; розрив між цими двома кривими становить ядро штучного інтелекту економіки: чим дешевшими стають токени, тим сміливіше люди доручають ШІ більш важкі завдання, і загальний рахунок стає ще більшим — саме це й є «парадоксом Джевонса» в галузі штучного інтелекту.

Зниження ціни на окремі токени не є одностороннім. За даними Morgan Stanley, середня ціна виводу API вітчизняних великих моделей у другому кварталі 2026 року зросла приблизно на 80% порівняно з першим кварталом 2025 року, і галузь переходить від цінової війни до ціноутворення на основі вартості. Ціни також диференціюються: комерціалізовані моделі продовжують падати, а передові моделі навпаки піднімаються. Передовий інтелект цінується за вартістю, і його витрати не знижуються синхронно з комерціалізованими.

Хоча можна знизити витрати на одиницю за допомогою пакетної обробки, підвищення використання GPU, кешування KV, створення власних інференс-кластерів та розробки власних чіпів, зниження граничних витрат значно менше, ніж у інтернет-економіці, і воно компенсується збільшенням глибини використання. Саме тому ChatGPT швидко запустив платну підписку після стрімкого зростання кількості користувачів.

Одночасно фіксовані витрати змінилися з «одноразових» на «постійні». Витрати на навчання більше не є одноразовими капітальними витратами, а перетворилися на постійні капітальні витрати, які необхідно здійснювати кожні піврока до року для ітерації нової генерації моделей. Великі моделі перетворилися на «споживчі активи» з терміном придатності 6–12 місяців — якщо їх не переосвоювати, вони швидко застарівають, а витрати на одне навчання можуть сягати кількох мільйонів або навіть мільярдів доларів. Наприклад, OpenAI отримала доходи у розмірі 13,07 млрд доларів у 2025 році, з маржею валового прибутку близько 43% (цей показник враховує лише витрати на інференс-обчислення, а найвартісніші обчислення для навчання включені окремо до витрат на дослідження та розробки), але її витрати на дослідження та розробки досягли 19,18 млрд доларів, з яких приблизно 10,6 млрд доларів було спрямовано на оплату обчислювальних ресурсів для навчання від Microsoft — це основна причина її збитків.

Тому економіка AI-агентів має такі особливості: витрати на міркування (змінні витрати) зростають лінійно з обсягом використання і є високодиференційованими; витрати на інфраструктуру та кадри (напівфіксовані витрати) зростають «сходинками» зі збільшенням кількості користувачів — коли кількість користувачів перевищує певний поріг, необхідно додати нову партію GPU-серверів; одночасно витрати на розробку (тобто витрати на навчання моделей) є надзвичайно величезними. Ці витрати накладаються одна на одну, через що AI-компанії завжди перебувають на шляху повного реінвестування прибутку, не маючи «солодкої точки» інтернет-бізнесу, коли після досягнення точки беззбитковості прибуток зростає експоненційно.

Ця логіка витрат також перетворила джерела конкурентних переваг галузі: основним бар’єром для інтернету є мережевий ефект — чим більше користувачів, тим краще працює продукт; у випадку агентів тип бар’єру змінюється — від мережевого ефекту зв’язків до інших механізмів: циклу даних та витрат на перехід. Нові бар’єри виникають завдяки накопиченому контексту — пам’яті користувача, його уподобаннях, файлах, робочих процесах та авторизованих даних. Чим довше користувач використовує агента, тим краще він адаптується під нього, і тим вищими стають витрати на перехід до іншого провайдера. Інтернет «запирає» зв’язки користувача, а агент — його робочий контекст. Саме тому галузь активно конкурує за точки входу: боротьба йде не лише за трафік, а й за первинне накопичення контексту.

Звичайно, нам потрібно подивитися на економіку AI Agent під іншим кутом: інтернет-платформи борються за «вхід для користувачів», а платформи AI Agent — за «вхід для завдань».

Якщо базовою одиницею інтернет-економіки є «відображення/кlik», то базовою одиницею економіки AI Agent є «завдання». Клік означає лише те, що користувач увійшов на певну сторінку, тоді як завдання означає, що користувач доручає AI виконати певну мету — Agent повинен зрозуміти мету, розбити завдання, використовувати інструменти, читати файли, керувати програмним забезпеченням, багаторазово перевіряти результати та, при необхідності, запитувати у користувача дозвіл. Це робить структуру витрат AI Agent більш схожою на «цифрового працівника», ніж на «цифровий медіа».

Раніше користувачі вводили в пошукову систему запит «яка будівельна компанія краща», і пошукова система виводила веб-сторінки, рекламу та результати на карті; зараз користувачі можуть прямо сказати агенту: «Допоможи мені відібрати три надійні будівельні компанії, порівняй ціни, репутацію та гарантії виконання робіт, і забронюй для мене зустріч». Бізнес-цінність першого випадку полягає у відображенні та кліках, а другого — у виконанні завдання та прийнятті рішень замість користувача. Реклама більше не просто інформація на сторінці — вона стає одним із варіантів у процесі прийняття рішення агентом, джерелом даних, надійним джерелом інформації або інтерфейсом для транзакцій, допомагаючи користувачеві завершити завдання.

Компанії, що розробляють моделі, — це не просто постачальники базових можливостей, а нове покоління операційних систем для завдань. Як AI-напрямлені компанії, так і великомасштабні корпорації переходять від «великих моделей» до «платформ агентів» і запускають серію продуктів, таких як Claude Cowork, Codex, Workbuddy — хто отримає контроль над входом користувача в завдання, той вирішить порядок виклику інструментів, пріоритети джерел даних, логіку комерційних рекомендацій та замкнений цикл транзакцій.

«Навіть за умови негативної економіки одиниці, потрібно витрачати гроші, щоб захопити точку входу» — це саме найважливіша стратегічна гра галузі зараз і джерело суперечок щодо оцінки. Бо за точкою входу стоять не лише кількість користувачів, а й кількість діалогів, а контроль над майбутнім розподілом завдань, комерційними рекомендаціями та замкненим циклом транзакцій.

Ця зміна логіки також обов’язково призведе до ще одного тренду: шарування.

Інтернет-продукти прагнуть до максимального стандартизування: одна кодова база обслуговує всіх користувачів, щоб максимізувати переваги нульових граничних витрат. AI-агенти ж природньо підходять для рівневого надання послуг — вартість завдань різної складності сильно відрізняється: вартість простого запиту та складного міркування може відрізнятися в десятки або сотні разів. Тому компанії, що розробляють AI, запускають продукти різних рівнів: безкоштовна версія використовує маленькі моделі та обмежує кількість використань; базова платна версія — середні моделі; продвинута версія — найпотужніші моделі; корпоративна налаштована версія надає власне розгортання та оптимізацію.

Ця шарова ціноутворення суттєво полягає у класифікації за витратами та оплаті за цінністю, де цінність прямо пов’язана з витратами. Чим сильніші здібності, які отримує користувач, тим вищими є витрати. Тому екосистема AI Agent розвине «економіку подвійної швидкості»: відсталий на півпокоління інтелект буде дуже дешевим (відкритий код + субсидії великих компаній, перетворюючись на інфраструктуру, подібну до води, електрики та газу), тоді як передовий інтелект завжди буде дорогим (найпотужніші моделі завжди знаходяться на найдорожчому кінці кривої витрат). Безкоштовний — це інтелект «вчора», а платний — інтелект «сьогодні».

Найглибший вплив штучного інтелекту на традиційну економіку полягає не у з’явленні нового класу AI-продуктів на ринку, а у тому, що користувацькі входи, які раніше були розподілені між веб-сайтами, додатками та програмним забезпеченням, зараз знову борються за увагу завдяки новому шару завдань-агентів. Виробники смартфонів, супер-додатки та інші гравці розробляють власні агенти, але входи ще не уніфіковані — навпаки, вони стають ще більш фрагментованими. Колишній інтернетовий прибуток формувався навколо того, «де проходив трафік», а майбутній прибуток, ймовірно, буде перерозподілено навколо того, «хто складає завдання та хто їх виконує».

Спочатку було змінено право на вхід і розповсюдження.

У епоху Інтернету пошукові системи, магазини додатків, платформи контенту та супер-додатки контролюють точки входу, і компанії борються за позиції в рейтингах, рекомендації та час, проведений користувачами. Але після появи агентів користувачам більше не потрібно відкривати додатки один за одним: замовлення авіаквитків, пошук постачальників, аналіз даних, відповіді на листи — все це можна ініціювати з одного спільного завдання. Веб-сайти та додатки не зникнуть, але все частіше стануть джерелами даних, інструментами та інтерфейсами виконання за кулисами агентів.

Це означає, що нова платформна влада більше не обмежується просто «направленням користувачів», а визначає, як саме виконуються завдання: яку модель, яке програмне забезпечення, який магазин чи який набір даних використовувати. Частина так званого «податку на розповсюдження», яка раніше контролювалася пошуковими системами, магазинами додатків та платформами трафіку, може поступово перейти до платформ агентів.

Тут є непомітний, але вирішальний вплив: AI-агенти значно скорочують шлях клієнта, що стискає простір для рекламного бізнесу.

Раніше користувачам доводилося шукати десятки разів, порівнювати кілька веб-сторінок і платформ, перш ніж перейти до етапу покупки; а в сценарії з використанням ШІ користувач може просто послідовно задати 3–5 запитів і вже завершити відбір інформації, порівняння варіантів та прийняття рішення про покупку. Чим більше індустрія заснована на високих намірах, сильному прийнятті рішень та глибокому порівнянні, тим легше ШІ змінює логіку розподілу. Користувачам більше не потрібно постійно переміщатися між результатами пошуку, сторінками з контентом та головними сторінками продавців — вони просто передають завдання прийняття рішень ШІ. У такому випадку кількість точок, де можна втрутитися з рекламою, зменшується, а вплив традиційної реклами слабшає.

Справжнім викликом є те, що реклами в відповідях ШІ мають бути високо видимими. Раніше рекламу можна було вбудовувати в користувацький шлях у різних сценаріях — у пошуковій ранжуванні, нативних рекомендаціях у стрічці, рекомендаціях впливових осіб, брендованих матеріалах тощо. Але у відповідях ШІ будь-яка м’яка, прихована або нечітко позначена комерційна рекомендація безпосередньо підриває довіру користувачів до об’єктивності платформи. Чим більше ШІ схожий на агента, який робить за користувача висновки, тим менше користувачі терплять, коли його впливають комерційні інтереси без прозорості.

Другий шок стосуватиметься платформ та посередницької економіки.

Платформи для покупок, подорожей, доставки їжі та локального життя суттєво допомагають користувачам шукати, порівнювати та об’єднувати угоди, і саме ці етапи найлегше автоматизувати за допомогою агентів. Прості посередні шари, що надають лише «списки інформації», будуть стискані, а справжніми, важливими елементами, від яких важко відмовитися, стануть ексклюзивні постачання, оплата, кредит, логістика, післяпродажне обслуговування та офлайн-виконання.

Бар’єри для входу на платформи для торгівлі змістяться з «скільки трафіку я маю» на «скільки реальних пропозицій та здатності до виконання, які не можуть замінити агенти, я маю».

Для великих компаній із замкненим ланцюжком угод, ШІ в короткостроковій перспективі справді вплине на існуючі рекламні та угодові бізнес-моделі, але в довгостроковій — участь ШІ-агентів стане новим бізнес-усиллю. Платформа, яка контролює попит користувачів, а також пропозицію, угоди, оплату, виконання та післяпродажне обслуговування бізнесу, може перетворити цінність бізнесу за допомогою уніфікованого підходу: бізнеси розміщують рекламу на електронних платформах → це призводить до зростання GMV → ШІ пропонує на першому місці бренди з високим GMV, високими оцінками та стабільним виконанням → бренди отримують замкнений цикл угод у ШІ-середовищі → платформа одночасно підвищує цінність реклами, угод та ШІ-розповсюдження.

Ключовим обмеженням є те, що ШІ не повинен стягувати надмірну плату за рекламу, як традиційні рекламні платформи. Якщо ШІ буде занадто сильно брати плату, це пошкодить його найважливіший актив — об’єктивність і довіру користувачів. Більш розумним підходом є стягнення певного відсотка плати за технічні послуги, рівень якої відповідає ринковому, зазвичай в діапазоні 1–10%, і використовується переважно для покриття витрат на обчислювальну потужність, виклики та обслуговування.

Третій рівень, а також більш глибока зміна, полягає в тому, що межа між програмною економікою та сервісною економікою починає розмиватися.

Традиційні SaaS (включаючи програмне забезпечення) суттєво залишаються інструментами. Salesforce надає CRM-систему, але справжнє підтримання відносин із клієнтами здійснюється продавцями; Adobe надає дизайн-програми, але справжній дизайн створюють дизайнерські фахівці; фінансове програмне забезпечення відповідає за реєстрацію даних, але аналіз і прийняття рішень все ще здійснюються людьми. Тому бізнес-модель SaaS довгий час базувалася на «місцях (Seat)»: компанія купує стільки облікових записів, скільки співробітників використовують програмне забезпечення. Останнім часом набирає популярність оплата за використання, змішана модель оплати стала домінуючою, але модель на основі «місць» все ще поширена у співпрацюючих програмах.

AI Agent змінює цю передумову.

Коли програмне забезпечення починає здатне самостійно читати дані, визначати наступні дії та виконувати роботу, компанії вже не купують просто «програму для одного працівника», а можливо, здатність безпосередньо виконувати завдання. Один AI-агент може одночасно керувати CRM, ERP, BI, електронною поштою та системами служби підтримки — процеси, які раніше вимагали багатьох людей, що працювали в різних програмах, тепер зводяться до одного виклику завдання. У цей момент логіка зростання «чим більше працівників, тим більше місць, тим вищий дохід від SaaS» піддається випробуванню.

Ще важливіше, сама SaaS може бути розділена на рівні: нижній рівень — це «система запису» (System of Record), яка зберігає ключові дані, такі як клієнти, замовлення, фінанси, запаси тощо; верхній рівень — це «здатності» (System of Action), які відповідають за розуміння вимог, виклик системи та виконання завдань.

Раніше обидва елементи були упаковані в одному програмному інтерфейсі, але в майбутньому можуть розділитися. Програмне забезпечення, що контролює ключові дані, права, відповідність та бізнес-правила, залишається високозахищеним; тоді як програмне забезпечення, чия основна цінність походить від інтерфейсу, процесів та функціонального упакування, піддається великому ризику — якщо агенти візьмуть на себе інтерактивний шар, вони можуть знизитися з програм, які користувачі відкривають щодня, до інтерфейсів, що викликаються фоново агентами.

Навпаки, це також призведе до того, що програмне забезпечення вперше масово вторгнеться у традиційні сектори послуг. Раніше програмні компанії боролися за корпоративні IT-бюджети, а майбутні компанії AI-агентів зосередяться на більш великих бюджетах на оплату праці, аутсорсинг та професійні послуги. Служба підтримки, базові дослідження, продажі та операції, відбір кандидатів, фінансова обробка та навіть частина консультативних робіт можуть перейти від «покупки часу людей» до «покупки завдань, виконаних машинами». Межі ринку програмного забезпечення таким чином починають ерозію з минулих «бюджетів на ПЗ (Software Spend)» до «бюджетів на працю (Labor Spend)».

Інтернет-економіка останніх двадцяти років: більше користувачів означає більше трафіку, більше трафіку — більше доходів від реклами, транзакцій та підписок, при цьому витрати на залучення нових користувачів зростають незначно. «Спочатку збільшити кількість користувачів, а потім знайти шляхи монетизації» стала найбільш класичною формулою зростання в епоху Інтернету.

AI-агент завершує ці прості лінійні зв’язки.

Оскільки AI-агенти надають не просто інформацію, а реально витрачають обчислювальні ресурси, викликають зовнішні інструменти та виконують завдання. Чим більше користувачів, не обов’язково вищий прибуток; чим складніше завдання, тим швидше можуть зростати витрати. Компаніям тепер потрібно розраховувати не лише DAU, показники утримання та тривалість сеансу, а також, скільки коштує виконання одного завдання, скільки користувачі готові заплатити за результат та яку частину вартості платформа може зберегти собі.

Речі, які справді рідкісні в епоху ШІ, змінюються.

У епоху Інтернету найбільш обмеженим ресурсом є трафік, тому компанії борються за увагу користувачів; у епоху AI Agent справжнім обмеженим ресурсом може бути високодохідне завдання, а також дані, права, інструменти та здатність до виконання цих завдань.

AI-агент — це не наступна форма продукту в інтернеті, а зміна найбільш базової одиниці торгівлі в цифровій економіці. Агент продає здатність виконувати завдання.

Коли основна одиниця економіки змінюється з «кліків» на «завдання», а з «використання інструментів» на «доставку результатів», бізнес-моделі, платформна влада та розподіл прибутку, що були побудовані навколо трафіку протягом останніх двадцяти років, необхідно переглянути.

Цей матеріал надійшов із微信-каналу «Тенсент Інститут досліджень» (ID: cyberlawrc), автор: Група досліджень штучного інтелекту та економіки