Забыл установить лимит: одна компания за месяц сжигает 500 миллионов долларов в Claude

Автор: Бао Йилонг; источник: Wall Street Jingwen

Пик популярности корпоративного ИИ сталкивается с первой в истории настоящей кризисной ситуацией с оплатой.

28 мая, по данным Axios, ссылающегося на советника по ИИ, одна из компаний-клиентов заплатила за Claude в течение одного месяца 500 миллионов долларов, причиной стало отсутствие каких-либо лимитов на использование сотрудниками.

Аналитики считают, что многие компании, быстро внедряя инструменты ИИ, сосредоточились на функциях и продвижении, забыв о создании механизмов контроля затрат.

Технологические гиганты, такие как Microsoft и Amazon, предпринимают меры, сокращая внутренние инструменты ИИ или останавливая проекты по отслеживанию использования ИИ, чтобы остановить чрезмерное потребление, называемое "tokenmaxxing" (максимизация токенов).

Высокопоставленный в Amazon вице-президент вынужден был предупредить сотрудников:

Не используйте ИИ просто ради использования.

Основная проблема, с которой сейчас сталкивается рынок, уже не в вопросе "стоит ли внедрять ИИ", а в том, "на что потрачено так много денег и что в итоге получено".

Amazon закрывает рейтинг, внутреннее "накрутка баллов" вызывает реальные издержки

Пример Amazon с другой стороны показывает сложности корпоративного управления ИИ.

По сообщениям, ссылающихся на двух информаторов, внутри платформы разработчиков Amazon Kiro существовал внутренний рейтинг под названием "Kirorank", который оценивал сотрудников по активности использования ИИ.

Однако этот рейтинг неожиданно вызвал у сотрудников желание повысить свои позиции, поручая ИИ выполнение бессмысленных задач, что привело к росту потребления вычислительных ресурсов компании.

В этом же месяце вице-президент Amazon Дейв Тридвелл признал, что эта система оценки была хорошей идеей, но в итоге сотрудники "раздували" расходы компании за счет "tokenmaxxing".

Он ясно дал понять, что сотрудникам не следует сосредотачиваться на расходе токенов, а лучше — создавать более качественные продукты, и подчеркнул: "Не используйте ИИ просто ради использования".

Затем Amazon подтвердил в заявлении, что эта тестовая панель "не является официальным или одобренным инструментом и уже отключена".

Meta столкнулась с похожей ситуацией: сотрудники также пытались повысить свои позиции внутри компании, увеличивая расход токенов.

Этот феномен показывает, что, когда использование ИИ становится частью оценки, оно может иметь противоположный эффект, искажаю мотивацию сотрудников, превращая ее в бессмысленное потребление вычислительных ресурсов.

После этого Amazon перешел к использованию метрики "нормализованного развертывания" вместо расхода токенов, сосредоточившись на том, могут ли инженеры постоянно генерировать полезный код с помощью ИИ.

Стоит отметить, что в этом году капиталовложения Amazon, по прогнозам, достигнут 200 миллиардов долларов, большая часть которых пойдет на ИИ и инфраструктуру дата-центров.

Четыре основные проблемы: почему деньги на ИИ потрачены, а отдачи нет

По данным Axios, у корпоративного ИИ есть четыре структурных препятствия.

Неправильный выбор сценариев использования. Глава Velastegui Ventures, бывший главный специалист по ИИ в Microsoft София Веластеги, отмечает, что большинство склонны использовать ИИ для автоматизации нежелательной работы, а не для наиболее ценных бизнес-задач.

Она считает, что компании должны сосредоточить ресурсы ИИ на сценариях, которые напрямую увеличивают доходы, а не на слепом расширении.

Отсутствие контроля затрат. Запросы к ИИ не бесплатны: корпоративные тарифы по токенам быстро накапливают расходы, даже при простых ежедневных запросах, и большинство бизнес-отделов не имеют ясного понимания этого.

Человеческий фактор — главный узкий горлышко. Ввелая практику "раздачи" разрешений на использование ИИ, которая сейчас распространена, Веластеги квалифицирует как путь, не приносящий реальной отдачи.

Компании предоставляют сотрудникам множество инструментов ИИ, но без эффективных руководств и фокусировки, что снижает реальную эффективность внедрения.

Открытие данных вызывает опасения. Глава Boosted.ai Джош Пантонни, специализирующийся на финансовых ИИ-инструментах, отмечает, что когда компании опасаются утечки данных и не хотят делиться внутренней информацией с ИИ-агентами, эффективность таких решений снижается, и говорить о возврате инвестиций становится трудно.

Token-экономика: новый ключевой фактор в нарративе об ИИ

За этой дискуссией стоит более сложная логика инвестиций, которая сейчас перестраивается.

Wall Street Jingwen сообщает, что по мнению руководителя отдела Goldman Sachs One-Delta Рича Приворотски, ключевым фактором в торговле ИИ стал не "техническая осуществимость", а "способность выдержать затраты".

По его словам, цены на Token были снижены на 75% компанией DeepSeek, а Xiaomi MiMo снизила цены почти на 99%, что может привести к ценовой войне, подобной субсидированию.

Он отмечает, что инфраструктурные ограничения со временем исчезнут, и рынок не должен платить слишком высокую цену за "проблемы, которые скоро решатся".

Приворотски также предполагает, что более дешевые Token могут в первую очередь заменить дорогие сервисы логического вывода. Если спрос растет с задержкой, доходы облачных провайдеров, компаний по моделированию и инфраструктуре ИИ могут столкнуться с временными трудностями.

Он считает, что рационализация расходов на Token может стать важной темой для советов директоров уже во втором и третьем квартале этого года, не уступая по значимости самой истории роста ИИ.

По данным индекса расходов на Token от Bloomberg Silicon Data, цены на Token выросли примерно на 65% с конца февраля этого года, а за последний год цены на американское ПО для ИИ выросли на 20-37%.

Эта тенденция стоимости заставляет компании пересматривать стратегии закупки ИИ. Когда "получить 90% результата за 10% стоимости" становится все более возможным, зависимость от дорогостоящих передовых моделей может снизиться системно.

Генеральный директор Micro1 Али Ансари отмечает, что компании переживают "здоровую колебательность" — переход от чрезмерного использования ИИ к более рациональному.

Он считает:

Сейчас наиболее эффективные области ИИ — это программирование.

Борьба быков и медведей: одна и та же реальность — разные интерпретации

Что касается возврата инвестиций в ИИ, одни и те же данные при разных аналитических подходах приводят к противоположным выводам.

Оптимисты считают, что нынешняя путаница — это нормальные болезненные явления трансформации.

По мнению Джима Шнайдера из Goldman Sachs, сделанному в начале мая, к 2030 году агентский ИИ увеличит расход токенов в 24 раза, а крупные облачные провайдеры и поставщики моделей выйдут на прибыль в течение ближайших 3–12 месяцев.

Исследование JPMorgan также показывает, что к началу 2026 года наблюдается резкий рост количества пакетов Python на PyPI, чего не было при запуске ChatGPT в 2022 году, что свидетельствует о реальном росте производительности.

Пессимисты, в свою очередь, в отчете Джима Ковелло из Goldman Sachs за апрель указывают, что почти вся ценность цепочки поставок ИИ идет в карманы полупроводниковых компаний, что в истории было беспрецедентно и неустойчиво. Производители чипов должны были получать выгоду, когда клиенты получают пользу, а сейчас их процветание достигается за счет расходов всей цепочки вверх по потоку.

Образы двух сценариев происходят одновременно, и исход пока не ясен. Можно лишь сказать, что простое уравнение "рост расхода токенов = успех трансформации ИИ" разрушено.

От экстремального случая — расхода 500 миллионов долларов за месяц — до остановки рейтинга "накрутки баллов" — инвестиции в ИИ подвергаются более строгой оценке отдачи. Сколько реальной ценности принесет следующая крупная статья расходов — станет настоящим судьбоносным моментом этой рискованной игры.