Техгиганты пересматривают бюджеты на ИИ из-за неконтролируемого расхода токенов

Крупные технологические корпорации пересматривают стратегии интеграции генеративного ИИ в рабочие процессы. Изначальный курс на массовое внедрение инструментов ради повышения продуктивности столкнулся с проблемой неконтролируемого роста операционных расходов: потребление токенов в ряде случаев превысило прогнозы, особенно при масштабировании автономных агентных систем.

Токенмаксинг как экономическая проблема

Феномен так называемого «токенмаксинга» — стремление сотрудников задействовать максимальное количество токенов в повседневных задачах — создал неожиданную финансовую нагрузку. Если ранее компании стимулировали повсеместное использование нейросетей, то теперь фокус сместился на оценку экономической целесообразности таких инвестиций. В частности, Microsoft начала дестимулировать использование стороннего решения Claude Code, предлагая специалистам переходить на собственный Copilot CLI. Формально компания объясняет это безопасностью и унификацией стека, однако эксперты отмечают, что основная причина кроется в контроле затрат на API.Аналогичная ситуация наблюдается в Uber. Технический директор компании Правин Неппалли Нага подтвердил, что выделенный бюджет на использование Claude Code был исчерпан досрочно — средства, заложенные на 2026 год, закончились уже сейчас. Операционный директор компании Эндрю Макдональд указывает на отсутствие корреляции между возросшим потреблением токенов и реальным приростом пользовательских функций. По его словам, для бизнеса сложно верифицировать прямую выгоду от генеративного ИИ: если команда выпускает больше кода, это не означает автоматический рост эффективности продукта на аналогичный процент.Для многих сотрудников ИИ ощущается как «бесплатный» ресурс, доступ к которому не ограничен, что провоцирует чрезмерное экспериментирование. В действительности же каждый запрос — это прямая нагрузка на бюджет компании. В компаниях уровня Amazon и Meta сотрудники нередко прибегали к ИИ даже при выполнении тривиальных задач, чтобы искусственно завысить внутренние показатели использования ИИ-инструментов, выполнение которых поощрялось руководством.

Парадокс ИИ-продуктивности

Происходящее сегодня на рынке во многих аспектах повторяет классический парадокс Джевонса: технологический прогресс, делающий использование ресурсов более дешевым, приводит не к экономии, а к росту их общего потребления. Несмотря на снижение стоимости отдельных токенов, взрывной рост объема их использования перекрывает всю выгоду от оптимизации цен.Масштабы затрат демонстрируют яркие кейсы из индустрии. Например, Петер Штайнбергер, создатель проекта OpenClaw, отмечал, что его команда в OpenAI генерировала расходы на сумму свыше $1,3 млн в месяц только на использование токенов. При таких вводных метрики эффективности начинают меняться.Примером смены курса служит Duolingo. Компания отказалась от практики оценки эффективности сотрудников на основе того, насколько активно они используют ИИ в рабочих задачах. Глава компании Луис фон Ан подчеркнул, что такой KPI приводил к искажениям: персонал начинал внедрять ИИ в процессы, где он был объективно неэффективен, просто чтобы «закрыть показатели». В итоге фокус компании сместился с процесса использования нейросетей обратно на результат, что в сложившихся условиях выглядит как попытка компаний вернуть контроль над операционными расходами.*Компания Meta признана экстремистской организацией и запрещена в РФ.