Корпоративная реальность после спада токен-лихорадки: контроль бюджета становится новой нормой, но поезд ИИ не сбавляет скорость.

Эпоха «безлимитного потребления» корпоративного ИИ подходит к концу, но контроль над счетами не означает торможения.

В первой половине этого года «Токен-максимизация» (Tokenmaxxing) стала модным словом в корпоративных ИИ-кругах. Такие компании, как Meta и Salesforce, активно поощряли сотрудников потреблять как можно больше ИИ-токенов для повышения производительности. Внутри Meta даже появился рейтинг под названием «Экономика Клода» (Claudeconomics), отслеживающий топ-250 самых активных пользователей компании. Согласно данным, сотрудники Meta за 30 дней потребили более 60 триллионов токенов, а самый активный пользователь — около 280 миллиардов токенов. Сотрудники, соревнуясь за звания «Легенда токенов» и «Кэш-волшебник», заставляли ИИ-агентов часами заниматься бессмысленными исследованиями, чтобы «сжигать токены».

Затем Uber попал в заголовки новостей из-за того, что за четыре месяца сжёг годовой бюджет Claude Code и Codex, после чего ввёл для сотрудников ежемесячный лимит в 1500 долларов, а превышение требовало индивидуального утверждения.

Эти события вызвали широкий резонанс. Однако команда SemiAnalysis, проведя полевые исследования на саммите Databricks AI и пообщавшись через Slack и по телефону с более чем 50 корпоративными клиентами, пришла к совершенно иным выводам, нежели медийные нарративы.

Агентство считает, что медийные репортажи сильно преувеличивают масштаб проблемы. Крайние случаи Meta и Uber коренятся в неправильных стимулах и ослабленном внутреннем управлении, а не в общем бесконтрольном расходовании корпоративного ИИ.

Заголовки преувеличены, реальные данные более умеренны

Медийные репортажи, возможно, преувеличивают кризис корпоративных ИИ-бюджетов.

Ключевые данные подтверждают этот вывод. SemiAnalysis ссылается на данные о расходах Ramp: у 1% лучших клиентов среднегодовые расходы на ИИ на одного сотрудника составляют около 90 000 долларов, у 10% — около 7300 долларов, а медиана среди клиентов Ramp — всего 136 долларов. Уровень технологического применения клиентов Ramp уже значительно выше, чем у обычных компаний, но у клиентов из сферы медиа из списка Fortune 500 среднегодовые расходы на ИИ на одного сотрудника всё ещё значительно ниже 100 долларов.

Даже у Meta, «крупного потребителя токенов», ежегодные расходы на одного сотрудника по прейскуранту составляют около 50 000 долларов, что, по оценкам SemiAnalysis, составляет лишь от 3% до 5% доходов Anthropic от клиентов.

Собственная документация Anthropic также подтверждает это: среднемесячные расходы разработчиков Claude Code составляют всего от 150 до 250 долларов, и лишь 10% пользователей тратят более 30 долларов в день.

SemiAnalysis считает: «Преувеличенные медийные репортажи не соответствуют действительности — компании продолжают инвестировать, а потребление токенов, вызванное новыми сценариями спроса и вертикальными рынками, движет поезд ИИ вперёд с огромной скоростью».

Это означает, что корпоративное внедрение ИИ всё ещё находится на стадии неравномерного распространения. Не все сотрудники активно используют большие модели. Во многих компаниях лишь отдельные команды и должности начинают внедрение.

Контроль над бюджетом становится новой нормой, но стандарты весьма разнообразны

Среди более чем 50 опрошенных компаний большинство уже установили жёсткие лимиты на использование ИИ. Однако стандарты сильно различаются, и отраслевого консенсуса нет.

Низкие примеры:

• Один из трёх крупнейших аэрокосмических и оборонных производителей США: лимит 250 долларов на человека в месяц, некоторые активные пользователи исчерпали лимит за первые четыре дня месяца.

• Одна из крупнейших фармацевтических компаний мира: 500 долларов на человека в месяц, в особых случаях возможно запросить 1000 долларов.

Высокие примеры:

• Workday, Stripe: ежемесячный бюджет сотрудников составляет около 2000 долларов.

• Публичная компания по кибербезопасности: младшие сотрудники — 800 долларов в месяц, старшие — от 1600 до 4000 долларов, а учёные по данным получают максимальный лимит.

• Крупная туристическая технологическая компания (800 инженеров из 1500 сотрудников, годовые расходы на ИИ около 10 миллионов долларов): по умолчанию 200 долларов на человека в месяц, в зависимости от должности может увеличиваться до десятков тысяч долларов.

Логика установления бюджетов также различается. Одна из трёх крупнейших авиакомпаний США применяет наиболее уникальный подход: распределение токенов напрямую привязано к конкретным проектам и ожидаемой выручке. Например, для проекта с ожидаемой выручкой 10 миллионов долларов финансовый отдел утверждает общий бюджет расходов в 1 миллион долларов, и команда сама решает, какую долю направить на токены — затраты на ИИ включаются в финансовую модель проекта, а не в отдельный ИТ-бюджет.

«Экономия токенов» — правила выживания сотрудников

Давление бюджета породило практичные стратегии экономии токенов.

Самый типичный — «арбитраж Copilot»: подписчики корпоративной версии Microsoft 365 могут бесплатно и безлимитно использовать стандартный чат-бот Copilot, и это использование не учитывается в ежемесячном ИИ-бюджете. Одна крупная нидерландская компания по производству товаров народного потребления и здравоохранения чётко заявила, что сотрудники сначала используют Copilot для составления и интеграции идей, а затем вызывают Claude или Codex для выполнения финальных задач, экономя таким образом измеряемые токены.

Понижение модели также является распространённым приёмом. Та глобальная туристическая технологическая компания перевела для всех сотрудников модель Claude по умолчанию с Opus на Sonnet, Opus всё ещё доступен, но требует активного выбора. Тот аэрокосмический и оборонный производитель просто «отключил» Opus 4.8 и быстрый режим.

В ответ на это команда SemiAnalysis прямо прокомментировала логику руководства: «Руководство считает, что больший бюджет токенов для сотрудников побудит их автоматизировать те задачи, которые вообще не следует автоматизировать, например написание писем. Мы считаем эту антиавтоматизационную точку зрения слишком наивной».

Спрос на дешёвые токены продолжает расти, рынок TaaS/API-точек не остывает

Управление бюджетом не означает снижение числа вызовов. Компании больше заботятся о стоимости единицы.

Спрос на дешёвые токены остаётся сильным. Рынки Token-as-a-Service/API-точек как для передовых, так и для открытых моделей растут. После включения AWS Bedrock в расчёты оценка SemiAnalysis общего роста AWS в этом квартале превышает рыночные ожидания.

Поставщики TaaS также расширяются. Совокупный ARR таких компаний, как Together, Fireworks, Baseten, уже превысил 4 миллиарда долларов.

Это показывает, что бюджетное давление изменит структуру закупок. Задачи, которые можно решить с помощью дешёвых моделей, не будут постоянно требовать самых дорогих. Понижение модели по умолчанию не означает снижение использования ИИ — это оптимизация кривой затрат.

Кодирование остаётся самым сильным спросом, поезд ИИ не замедляется из-за бюджетных лимитов

Сценарии кодирования по-прежнему являются крупнейшим драйвером доходов ИИ: более 70% ARR OpenAI и Anthropic поступает из этого направления. Доля B2B у Anthropic превышает 90% (у OpenAI около 60%), что делает его структуру доходов более зависимой и стабильной от корпоративного сектора.

Следующая волна роста, как ожидается, придёт из кибербезопасности и интеллектуального труда «белых воротничков». По мере дальнейшего проникновения продуктов Cowork, CoPilot, Codex и Computer в корпорации, путь роста ARR лабораторий ИИ за счёт рынка кодирования будет повторён в более широких сценариях.

В настоящее время среднегодовые расходы на ИИ на одного сотрудника в большинстве компаний из списка Fortune 500 всё ещё значительно ниже 2000 долларов и в основном сосредоточены в инженерных отделах и отделах data science. Это означает, что внедрение ИИ в корпорациях находится на ранней стадии, потенциал роста не исчез, а лишь изменил форму — от «бесконтрольного сжигания денег» к «бюджетированным постоянным инвестициям».

Реальная ROI ИИ: повышение эффективности, но ожидания от результатов также растут

Среди опрошенных компаний существуют реальные примеры повышения эффективности за счёт ИИ, и эффект значителен.

• Отдел подбора персонала Amazon: процесс от предварительного отбора до устройства в команду раньше занимал от 6 до 9 месяцев, а с помощью ИИ-инструментов сократился до 3–4 месяцев.

• Компания, предоставляющая услуги анализа данных для 85% компаний из списка Fortune 500: работа, которая раньше занимала неделю, теперь выполняется за несколько часов.

Однако есть и обратная сторона повышения эффективности: ожидания от результатов также растут. Сотрудница компании, предоставляющей решения для юридических данных и управления рисками, призналась, что объём работы, который раньше занимал неделю, теперь сжимается до нескольких часов, «но компания ожидает, что она выполнит ещё больше работы, и в итоге она стала более занятой, чем раньше».

SemiAnalysis отмечает, что инциденты с перерасходом токенов в Uber, Meta и других компаниях обусловлены неправильными стимулами и ослабленным контролем, а не отсутствием сценариев с высокой ROI. Несмотря на массовые увольнения, Amazon благодаря повышению эффективности за счёт ИИ-инструментов нанимает новых сотрудников ещё быстрее — это самый яркий пример того, как ИИ служит «рычагом человеческого труда».

Предупреждение о рисках и отказ от ответственности

        Рынок сопряжён с рисками, инвестиции требуют осторожности. Данная статья не является индивидуальной инвестиционной рекомендацией и не учитывает особые инвестиционные цели, финансовое положение или потребности отдельных пользователей. Пользователи должны оценивать, соответствуют ли любые мнения, взгляды или выводы в данной статье их конкретной ситуации. Инвестиции на основе данной статьи осуществляются на собственный риск.