Стоимость использования ИИ в компаниях растет быстрее, чем ожидалось: примеры Microsoft и Uber

Корпоративный сектор столкнулся с непредвиденной финансовой нагрузкой: стратегия тотального внедрения искусственного интеллекта для повышения продуктивности сотрудников начинает терять экономическую эффективность. Расходы на вычислительные ресурсы, необходимые для генеративного ИИ, растут быстрее, чем предсказывали профильные аналитики.

Ротация инструментов и предел «искусственной» эффективности

Ярким примером оптимизации затрат стало решение Microsoft. Компания начала аннулировать корпоративные лицензии на ИИ-инструмент Claude Code от Anthropic, переводя инженерный состав исключительно на собственный GitHub Copilot CLI. Важно отметить, что решение о переходе на Claude Code было принято лишь полгода назад для стимуляции экспериментов среди разработчиков. Теперь же использование стороннего ПО стало экономически неоправданным. При этом стоит понимать: отмена лицензий никак не затрагивает инфраструктурное партнерство; Anthropic продолжает инвестировать $5 млрд в экосистему Microsoft, обязуясь при этом закупить вычислительные мощности Azure на сумму в $30 млрд.Схожая ситуация наблюдается в Uber. Внутренняя политика компании еще недавно предполагала активное стимулирование сотрудников к работе с ИИ, вплоть до составления рейтингов эффективности отделов по интенсивности использования нейросетей. Подобная активность привела к тому, что инженеры компании исчерпали весь бюджет, заложенный на использование ИИ до 2026 года, всего за четыре месяца. Даже внутри Nvidia, компании-производителя оборудования для обучения моделей, ситуация аналогична: вице-президент по прикладному глубокому обучению Брайан Катанзаро сообщил, что расходы на вычислительные мощности в его отделе уже существенно превышают траты на оплату труда сотрудников.

Экономика токенов против прогнозов Gartner

Проблема кроется в модели тарификации: поставщики взимают плату за потребление «токенов» — базовых единиц обработки данных. Чем активнее персонал применяет ИИ, тем стремительнее растет счет. По данным Goldman Sachs, к 2030 году ежемесячный спрос на токены вырастет в 24 раза, достигнув 120 квадриллионов единиц. Использование ИИ-агентов, которые призваны делегировать рутинные задачи, неизбежно ведет к росту совокупных операционных затрат компании, даже если цена одного токена постепенно снижается.Аналитики Gartner прогнозируют, что к 2030 году себестоимость развертывания моделей с триллионом параметров снизится на 90% относительно уровня 2025 года. Однако для бизнеса это вряд ли станет спасением. Проще говоря, специализированные модели, управляющие ИИ-агентами, расходуют значительно больше вычислительных ресурсов на каждую операцию, чем классические инструменты. В результате темпы прироста интенсивности использования ИИ превышают скорость снижения удельных затрат, а поставщики технологий не готовы делиться маржой, перекладывая всю экономию на клиентов.

Масштабирование рисков

Технологический сектор продолжает экспансию в сторону ИИ-агентов. Например, в Amazon сотрудникам официально рекомендовали максимизировать использование токенов, а внутри Meta была внедрена система «Клодеономика» — таблица лидеров по использованию моделей Claude. Генеральный директор Nvidia Дженсен Хуанг и вовсе прогнозирует, что в будущем каждый сотрудник будет взаимодействовать с сотней цифровых агентов, а организация в целом перейдет на архитектуру цифровых двойников. Если текущие тренды потребления вычислительных мощностей сохранятся, подобные амбициозные стратегии могут столкнуться с дефицитом бюджета, не предусмотренным ранними бизнес-планами.*Компания Meta признана экстремистской организацией и запрещена в РФ.