Искусственный интеллект обходится в разы дороже сотрудников: крупные компании пересматривают бюджеты

Подробности

По данным издания Fortune, крупные компании сталкиваются с тем, что использование искусственного интеллекта обходится существенно дороже, чем зарплаты сотрудников. Это связано с резким ростом затрат на вычислительные ресурсы, инфраструктуру и оплату токенов — базовых единиц вычислительных ресурсов ИИ. В результате компании вынуждены пересматривать бюджеты и искать более эффективные подходы к внедрению технологий.

Крупные компании сокращают использование сторонних ИИ-решенийMicrosoft сократила лицензии на ИИ-помощника Claude Code от Anthropic и переводит инженеров на собственное решение GitHub Copilot CLI. При этом стратегическое партнёрство между компаниями сохраняется: Anthropic ранее получила от Microsoft инвестиции в размере $5 млрд и обязалась закупить облачные мощности Azure примерно на $30 млрд.

В Uber технический директор исчерпал весь бюджет на ИИ на 2026 год всего за четыре месяца из-за расходов на токены. Ранее компания активно стимулировала использование генеративного ИИ, включая внутренние рейтинги подразделений по интенсивности внедрения технологий. В Meta (признана в РФ экстремистской и запрещена) существовала внутренняя таблица лидеров «Клодеономика», посвящённая использованию моделей Claude. В Amazon сотрудникам рекомендовали максимально увеличивать потребление ИИ-токенов.

Вице-президент Nvidia по прикладному глубокому обучению Брайан Катанзаро заявил, что в его подразделении расходы на вычислительные ресурсы уже существенно превышают затраты на персонал. По данным Goldman Sachs, к 2030 году мировое потребление ИИ-токенов увеличится в 24 раза и достигнет 120 квадриллионов операций в месяц. Несмотря на постепенное снижение стоимости одного токена, совокупные расходы бизнеса продолжат расти за счёт масштабирования ИИ-агентов и расширения их задач. Аналитики Gartner ожидают, что к концу десятилетия запуск ИИ-моделей с триллионом параметров подешевеет примерно на 90% по сравнению с 2025 годом.

Однако это удешевление может быть нивелировано резким ростом вычислительной нагрузки: модели, управляющие ИИ-агентами, требуют значительно большего объёма токенов, чем традиционные нейросети. Из-за роста затрат компаниям приходится доказывать акционерам экономическую эффективность ИИ-проектов. Это меняет подход к внедрению технологий: вместо полной замены людей бизнес всё чаще выбирает гибридные подходы, где ИИ дополняет сотрудников, а не вытесняет их. В результате ИИ из инструмента оптимизации затрат постепенно превращается в крупную статью расходов, что может замедлить его массовое внедрение, несмотря на технологический потенциал.