Бизнес начал массово урезать расходы на ИИ
Компании пересматривают подход к внедрению нейросетей, фокусируясь на контроле расходов, прозрачности и оценке окупаемости. Рост бюджетов на ИИ-агентов создает финансовое давление, побуждая бизнес внедрять стандарты управления затратами и использовать умную маршрутизацию моделей.
Бюджеты выходят из-под контроля
Расходы на ИИ-инструменты стремительно растут: некоторые компании уже тратят в разы больше запланированных сумм. Например, один американский гигант потратил 500 миллионов долларов на Claude от Anthropic, а продление контрактов на такие сервисы, как Cursor, подорожало в 4-5 раз. Отдельные разработчики отмечают расходы в десятки тысяч долларов за месяц на токены. Потребление токенов на одного инженера выросло в 18,6 раза за 9 месяцев. Хотя инженеры, активно использующие ИИ, становятся вдвое продуктивнее, они тратят в десять раз больше токенов. По прогнозам Goldman Sachs, к 2030 году использование токенов увеличится в 24 раза.
Какие модели потребляют больше всего
К наиболее затратным моделям относятся Claude Opus 4.5, Claude Sonnet, Claude Haiku, GPT-5.1 и Gemini 3 Pro. Для управления этими расходами компании используют такие платформы, как Pay-i, Paid, Jellyfish, Waydev, Faros AI, Ramp, Datadog, New Relic и AWS. Появляются специализированные инструменты, например, Factory, для маршрутизации моделей. Стандарты в этой области развивает проект Tokenomics Foundation, входящий в Linux Foundation и поддерживаемый фреймворком FinOps.
Приоритет – оптимизация и контроль
Ключевой инструмент экономии — маршрутизация моделей. Она позволяет автоматически переключаться на более выгодные варианты, например, использовать Haiku вместо Opus для снижения затрат. Важно детально отслеживать использование токенов на всех уровнях для выявления расхождений в счетах. Оценка окупаемости (ROI) ИИ теперь фокусируется на реальном влиянии: качестве кода и генерируемом доходе. Вводятся ограничения по расходам на уровне групп или отдельных сотрудников.
Новая реальность: дороговизна ии
Компании отказываются от повсеместного и быстрого внедрения ИИ из-за критических перерасходов бюджета, вызванных автономными агентами и активным использованием инструментов разработчиками. Эта ситуация требует обработки огромных объемов данных для отслеживания, что значительно превосходит масштабы облачного управления. Высокое потребление токенов часто коррелирует с ошибками, затрудняя прямую связь расходов с полученным доходом.
Формируется новый рынок управления ии-расходами
Появляются новые стартапы, такие как Pay-i и Paid, разрабатывающие инструменты для повышения прозрачности расходов и демонстрации окупаемости. Jellyfish, Waydev и Faros AI предлагают решения для мониторинга ИИ-агентов. Крупные игроки, включая AWS, Datadog и New Relic, интегрируют функции отслеживания расходов на ИИ и использования GPU. Tokenomics Foundation работает над созданием стандартов потребления токенов, вводя метрики вроде «стоимость интеллекта» и «токены на ватт».
Стратегия: баланс и эффективность
Внедряются технологические ограничения, такие как маршрутизаторы моделей, способные переключаться между дорогими и дешевыми вариантами. Операционная стратегия также меняется: вместо точечной поддержки отдельных сотрудников компании стремятся повышать эффективность команды в целом. Происходит переход от модели подписки к оплате по факту использования или за полученную ценность.
Ранее по теме
Обновленный hf CLI экономит ИИ-агентам до 6 раз больше токенов
Больше новостей в нашем Телеграм. Подпишись!
Ссылка на источник тык.
