Тайный конец фиксированных ставок в ИИ: великая ловушка затрат на ИИ – почему модель токенов теперь обходится компаниям в миллиарды долларов

Бюджет исчерпан за 4 месяца: как агенты искусственного интеллекта увеличивают расходы

Скрытый айсберг искусственного интеллекта: эти огромные затраты скрываются крупными поставщиками

Искусственный интеллект вошёл в повседневные производственные процессы компаний, но вместе с ним пришёл и беспрецедентный, зачастую непредсказуемый, взрывной рост затрат. В то время как на первых пилотных этапах ещё использовались субсидируемые фиксированные ставки и проводились управляемые тестовые запуски, нынешний переход к независимым, агентным системам ИИ выявляет фатальную слабость традиционных моделей выставления счетов: оплата за потреблённый токен оказывается бомбой замедленного действия для бюджетов.

Когда даже такие технологические гиганты, как Microsoft или Uber, резко сокращают свои бюджеты на ИИ или расходуют кредиты всего за несколько месяцев, становится ясно одно: существующая модель ценообразования перекладывает весь экономический риск с поставщика на покупателя. В данной статье рассматриваются пять крупнейших структурных рисков, связанных с оплатой ИИ на основе потребления, раскрываются огромные скрытые затраты на инфраструктуру и показывается, почему смена парадигмы неизбежна. Для финансовых директоров и лиц, принимающих решения в сфере ИТ, сегодняшнее правило таково: от чистой оплаты ресурсов к контрактам, ориентированным на результат, которые вознаграждают за реальную, измеримую бизнес-ценность.

В связи с этим:

• UNFRAME.AI: Ценообразование на основе токенов не работает. Модели, основанные на результатах, исправят это

Крайний провал системы выставления счетов в сфере ИИ: почему модели ценообразования на основе токенов наносят компаниям финансовый ущерб

Кто оплачивает чужие эксперименты?

Эпоха субсидируемых подписок на ИИ закончилась. Осталось лишь отрезвляющее осознание: Microsoft внутренне аннулировала тысячи лицензий Claude Code, поскольку ежемесячная стоимость для каждого разработчика составляла от 500 до 2000 долларов. Uber исчерпал весь свой бюджет на ИИ на 2026 год всего за четыре месяца после того, как около 5000 разработчиков активно использовали Claude Code. GitHub, принадлежащий Microsoft, прекратил все подписки на Copilot 1 июня 2026 года и перешел на систему кредитов на основе токенов под названием GitHub AI Credits. Эти три события не являются техническими сбоями — они знаменуют конец иллюзии.

Компании по всему миру сталкиваются со структурной переоценкой: индустрия ИИ продавала свою продукцию по ценам, основанным на пилотных проектах и ​​ограниченном количестве вариантов использования. С переходом к агентным системам, которые самостоятельно планируют, итеративно совершенствуются и выполняют задачи, потребление токенов стремительно растет, и традиционные корпоративные бюджеты просто не могут это покрыть. По данным Gartner, глобальные расходы на ИИ достигнут 2,59 триллиона долларов в 2026 году — на 47 процентов больше, чем годом ранее. Вопрос уже не в том, будут ли компании инвестировать в ИИ. Вопрос в том, кто заплатит, если цифры не сойдутся?.

Иллюзия выставления счетов за потребление

На первый взгляд, система оплаты на основе токенов кажется справедливой: вы платите только за то, что фактически используете. Однако за этой логикой скрывается фундаментальная структурная асимметрия. Традиционный корпоративный бюджет основан на предсказуемых параметрах: лицензиях на использование ресурсов, мощности серверов, объеме транзакций. Система оплаты на основе токенов, напротив, масштабируется не с количеством пользователей, а с глубиной и сложностью каждого отдельного взаимодействия. Пользователь, задающий простой вопрос, потребляет десятки токенов. Тот же пользователь, анализирующий 50-страничный договор, потребляет десятки тысяч.

Реальная проблема заключается в нелинейности. На пилотных этапах обычно участвуют активные первопроходцы, которые используют инструменты ИИ структурированным и оптимизированным способом. Однако на этапе внедрения в производство сотрудники используют эти системы интуитивно — посредством длительных обсуждений, загрузки большого количества документов, многократных итераций и сложных многоэтапных цепочек рассуждений. Эмпирические наблюдения показывают, что потребление ресурсов между пилотным этапом и началом эксплуатации в производстве часто в три-пять раз выше, а в крайних случаях — даже в десять раз выше. Таким образом, прогнозы затрат, которые члены совета директоров и финансовые директора первоначально использовали для утверждения своих инвестиций в ИИ, структурно оказываются бесполезными.

Пять категорий рисков, которые поставщик передаёт покупателю

Модель ценообразования на основе токенов систематически переносит пять категорий риска от поставщика к компании-покупателю. Это не совпадение и не сбой рынка — это сама бизнес-модель.

Бюджетный риск изначально связан с фундаментальной договорной проблемой: компания обязуется выделять годовой бюджет, основанный на удельных затратах, который поставщик может корректировать в любое время. Пример Uber прекрасно это иллюстрирует. Uber рассчитал свой бюджет на ИИ на весь 2026 год на основе моделей затрат, разработанных на этапе предварительного масштабирования. Когда использование Claude Code в масштабах всей компании выросло с 32 до 84 процентов разработчиков, бюджет был исчерпан через четыре месяца после начала года.

Риск принятия решения подчиняется своеобразной логике: счетчик токенов работает независимо от того, приносит ли реализованный рабочий процесс реальную пользу. Модель, которая потребляет 100 000 токенов за неправильный ответ, обходится так же дорого, как и модель, которая использует 100 000 токенов за правильное решение. В мире, где, согласно данным MIT, 95 процентов всех пилотных проектов GenAI в корпоративной среде не достигают измеримой окупаемости инвестиций, это безразличие модели выставления счетов к качеству — не второстепенная проблема, а её суть.

Прогнозирование рисков становится особенно актуальным при рассмотрении динамики систем искусственного интеллекта на основе агентов. Финансовые директора, привыкшие к фиксированным ценам на технологии, теперь обнаруживают, что расходы нестабильны и их трудно прогнозировать. Запросы к системам ИИ на основе агентов обходятся в 5-25 раз дороже, чем стандартные запросы к системам LLM, поскольку связь между агентами, оценщики, синтезаторы и циклы повторных попыток многократно увеличивают потребление токенов. Программист может потреблять семь миллионов токенов в день, а агент ввода данных — до 25 миллионов. Goldman Sachs оценил этот сдвиг: к 2030 году агенты ИИ могут привести к 24-кратному увеличению глобального спроса на токены.

Риск нарушения корпоративного управления особенно остро стоит в регулируемых отраслях. Модели на основе токенов направляют данные компании через инфраструктуру обработки данных стороннего поставщика при каждом вызове API. Для финансовых организаций, медицинских учреждений и страховых компаний это означает аудиторские риски и усилия по обеспечению соответствия требованиям, которые масштабируются по мере использования. GDPR требует от компаний проведения оценки воздействия на защиту данных для каждой системы ИИ, обрабатывающей персональные данные. Каждое новое потребление токенов может повлиять на периметр защиты данных компании. Чем больше токенов потребляется, тем больше данных покидает компанию — часто без прозрачности.

Риск неудовлетворительного результата — наименее обсуждаемая, но структурно наиболее значимая категория. Модели ценообразования на основе токенов измеряют потребление, а не ценность. Поставщик получает одинаковое вознаграждение независимо от того, приносит ли программа ИИ измеримое влияние на прибыль или пополняет длинный список неудачных пилотных проектов GenAI в масштабах предприятий. Согласно данным корпорации RAND, 80,3% всех проектов ИИ не приносят ожидаемой бизнес-ценности. 42% компаний приостановили большинство своих инициатив в области ИИ в 2025 году — на 17% больше, чем в предыдущем году. Gartner оценивает, что 65% компаний, внедряющих генеративный ИИ, превысят свои бюджетные прогнозы к 2026 году. Учитывая все это, а также модели выставления счетов на основе токенов, становится ясно: выставление счетов на основе потребления — это структурная ставка за счет компании.

Скрытый айсберг: что еще платят помимо цены токена?

Видимый счет зачастую составляет лишь малую часть реальной стоимости. Данные по различным отраслям за 2026 год показывают, что инфраструктура, необходимая для фактического запуска агентов ИИ в производственной среде — управление, мониторинг, соответствие требованиям и интеграция — обходится в два-пять раз дороже, чем сами затраты на вывод данных. Разработка одного четко определенного агента для управления рабочим процессом стоит от 40 000 до 70 000 долларов, а текущие эксплуатационные расходы составляют от 3200 до 13 000 долларов в месяц — большая часть которых не токенизирована.

Только затраты на мониторинг и обеспечение наблюдаемости составляют от 6000 до 50 000 долларов в год на одного агента. По прогнозам, глобальные расходы на корпоративных ИИ-агентов достигнут 201,9 миллиарда долларов к 2026 году, однако рынок самих агентов оценивается всего в 9–11 миллиардов долларов. На каждый доллар дохода от агентов приходится примерно 23 доллара затрат на инфраструктуру, интеграцию, консалтинг и внутреннюю разработку, которые не отражаются в балансе ни одного поставщика. Финансовые директора, отчитывающиеся о росте расходов на ИИ, часто описывают именно это явление: внимание привлекает именно символическая сумма. Фактический блок затрат под ней даже не классифицируется как расходы на ИИ.

Ещё одним структурным фактором является так называемое разрастание агентов. Каждый новый агент добавляет ещё одну строку в график потребления токенов — без гарантированной отдачи. Поскольку модели ценообразования токенов не стимулируют эффективное или стратегическое использование агентов, они размножаются внутри системы. В результате возникают параллельные, неконтролируемые рабочие нагрузки ИИ, которые взаимодействуют друг с другом, тем самым умножая токены.

Платформа управляемого ИИ — Изображение: Xpert.Digital

Здесь вы узнаете, как ваша компания может быстро, безопасно и без высоких барьеров для входа внедрить индивидуальные решения на основе искусственного интеллекта.

Управляемая платформа искусственного интеллекта — это комплексное и беззаботное решение для вашего бизнеса в сфере искусственного интеллекта. Вместо того чтобы возиться со сложными технологиями, дорогостоящей инфраструктурой и длительными процессами разработки, вы получаете готовое решение, адаптированное под ваши потребности, от специализированного партнера — зачастую всего за несколько дней.

Основные преимущества с первого взгляда:

⚡ Быстрая реализация: от идеи до готового к использованию приложения за считанные дни, а не месяцы. Мы предлагаем практические решения, которые создают немедленную добавленную стоимость.

🔒 Максимальная безопасность данных: Ваши конфиденциальные данные остаются с вами. Мы гарантируем безопасную и соответствующую законодательству обработку данных без их передачи третьим лицам.

💸 Отсутствие финансового риска: вы платите только за результат. Полностью исключаются высокие первоначальные инвестиции в оборудование, программное обеспечение или персонал.

🎯 Сосредоточьтесь на своем основном бизнесе: сконцентрируйтесь на том, что у вас получается лучше всего. Мы берем на себя всю техническую реализацию, эксплуатацию и обслуживание вашего решения на основе ИИ.

📈 Перспективность и масштабируемость: ваш ИИ растет вместе с вами. Мы обеспечиваем непрерывную оптимизацию и масштабируемость, а также гибко адаптируем модели к новым требованиям.

Более подробная информация здесь:

• Платформа управляемого искусственного интеллекта

Почему существующий мир программного обеспечения давно преодолел эту модель?

Полезно рассматривать нынешние дебаты о ценообразовании на ИИ на фоне истории индустрии программного обеспечения. Корпоративное программное обеспечение за последние десятилетия последовательно эволюционировало от модели, основанной исключительно на потреблении, к модели «система и SLA», в которой затраты несет поставщик. ERP-системы, CRM-платформы, облачная инфраструктура — ни один из этих поставщиков не получает оплату за вычислительное время, затраченное их программным обеспечением. Вознаграждение привязано к доступности, мощности и определенным уровням обслуживания.

Поставщики решений в области ИИ отказались от этой практики, потому что их собственная структура затрат основана на том же самом механизме учета, который они передают своим клиентам. Большинство поставщиков ИИ закупают решения у одних и тех же поставщиков базовых моделей — OpenAI, Anthropic, Mistral — и перекладывают на них переменные издержки. Разница с любым другим программным уровнем заключается в том, что предельные издержки не равны нулю. Каждый дополнительный пользователь, каждый дополнительный запрос, каждая дополнительная версия модели обходятся поставщику дороже. Эта дилемма реальна, но она не снимает с поставщиков ответственности за ее самостоятельное решение, вместо того чтобы систематически перекладывать риск на предприятия.

Параллель с классической дискуссией о SaaS весьма показательна. Когда SaaS вытеснил локальное программное обеспечение, стандартной валютой стала модель оплаты за рабочее место: один пользователь — одна цена. Искусственный интеллект разрушает эту модель, поскольку в зависимости от задачи один пользователь может потреблять в 10–100 000 раз больше ресурсов. Решение не может заключаться в том, чтобы полностью переложить этот риск на покупателя. Решение должно заключаться в коммерческой структуре, в которой стимулы поставщика и результаты для покупателя снова сойдутся воедино.

Ценообразование, ориентированное на результат, как альтернативная парадигма контракта

Ориентированные на результат модели ценообразования для ИИ — это не система скидок и не маркетинговое обещание. Они представляют собой принципиально иную коммерческую структуру: поставщик получает вознаграждение за каждое решение, за год, когда определенный бизнес-результат подтвержден в рамках определенного рабочего процесса, а не за токены, потребленные в процессе.

Этот подход приобретает все большее структурное значение. Еще в конце 2024 года компания Andreessen Horowitz выделила три ключевых сдвига, которые ИИ навязывает рынку программного обеспечения: программное обеспечение становится трудом, лицензирование рабочих мест теряет свою легитимность как единица учета, а переменные затраты становится все труднее прогнозировать. Компании, изначально ориентированные на ИИ, такие как Decagon, уже отреагировали, разработав гибридные модели, сочетающие компоненты, основанные как на потреблении, так и на результате. Структурная тенденция очевидна: по мере того, как ИИ заменяет измеримые действия — обработку заявок в службу поддержки клиентов, строки кода, проверку документов — естественной единицей учета станет результат, а не затраченные ресурсы.

Структурное отличие моделей ценообразования, основанных на результате, от токен-моделей заключается в распределении рисков. В токен-модели покупатель несет полный риск неудачи — поставщик получает свой доход независимо от результата. В модели, основанной на результате, поставщик должен повысить эффективность платформы, чтобы компенсировать колебания, и он рискует своим доходом, если услуга не достигает желаемого эффекта. Это создает непосредственный стимул к качеству, которого структурно не хватает в токен-модели. Однако это требует от поставщиков контроля над внутренними затратами до такой степени, чтобы они могли экономически поддерживать модель — требование, которому большинство нынешних поставщиков токенов не соответствуют.

Критики модели, основанной на результатах, утверждают, что она перенаправляет выгоды от повышения эффективности в сторону поставщика: если поставщику ИИ требуется меньше ресурсов для достижения того же результата за счет улучшенных моделей, то от увеличения прибыли выигрывает не компания, а поставщик. Эта критика обоснована и демонстрирует, что модели, основанные на результатах, не являются автоматически справедливыми — точное определение результата, методология измерения и механизмы ценообразования определяют реальную выгоду для компании.

Следующие переговоры: чего должен требовать каждый финансовый директор и директор по информационным технологиям

По крайней мере, в любых переговорах о продлении контракта переговорная сила находится в руках покупателя. Компании, в настоящее время владеющие контрактами на токены, должны задавать в следующем раунде продления структурированные вопросы, выходящие далеко за рамки простой цены за миллион токенов.

Главный вопрос: за что я плачу, если это не сработает? Любой поставщик, не желающий разделить риски, имеет структурно иные интересы, чем совет директоров и финансовый директор покупателя. Это не вопрос благих намерений — это вопрос структуры стимулов. Второй ключевой вопрос касается суверенитета данных: покидают ли данные моей компании мою территорию с каждым вызовом API? Для регулируемых отраслей — финансовых услуг, здравоохранения, страхования — это не просто вопрос соблюдения требований, а фундаментальный правовой принцип в соответствии с GDPR, SOC 2 и HIPAA.

Третье важнейшее требование — измеримость. 49 процентов компаний сообщают, что не могут надежно рассчитать рентабельность инвестиций (ROI) в ИИ, поскольку расходы распределены между облачными провайдерами, сервисами GPU, поставщиками API и платформами SaaS, а стандартизированных форматов выставления счетов не существует. Без основы для измерения компании не могут согласовать модель результатов или принять обоснованные решения о том, какие рабочие процессы действительно приносят положительную рентабельность инвестиций. Поэтому организационная способность измерять затраты на ИИ является необходимым условием для любых структурированных ценовых переговоров.

Компания Gartner также прогнозирует, что более 40 процентов проектов по внедрению агентного ИИ будут заброшены до достижения готовности к производству — это связано с реальными затратами и сложностью масштабирования агентных систем. Компании, заключающие сегодня контракты на основе токенов для агентных рабочих процессов без надежных систем оценки рентабельности инвестиций, рискуют попасть именно в эти 40 процентов, которые провели дорогостоящие эксперименты, а затем прекратили их.

Структурные изменения неизбежны, но темпы их осуществления определяются покупателем

Индустрия искусственного интеллекта неизбежно вступает в стадию коммерческой зрелости. Путь от фазы субсидирования к устойчивой модели ценообразования проходит именно через те кризисы, которые сейчас становятся очевидными. Microsoft, один из крупнейших в мире инвесторов в инфраструктуру ИИ, вложивший 13 миллиардов долларов в OpenAI, рассмотрел цену инструмента для программирования конкурента и решил, что не готов ее платить. Это посылает мощный символический сигнал — не только для конкретного продукта, но и для всей модели ценообразования.

Логика консолидации в индустрии программного обеспечения предполагает, что в среднесрочной и долгосрочной перспективе возобладают модели, ориентированные на результат, поскольку только они последовательно согласовывают стимулы поставщика с результатами бизнеса. Все остальные уровни современного корпоративного программного обеспечения уже прошли этот путь развития. Искусственный интеллект не станет исключением. Вопрос лишь в том, будет ли этот процесс созревания обусловлен рыночными механизмами или поколением бизнес-лидеров, которые при каждом продлении контракта задают простой вопрос: за что я плачу, если результаты не материализуются?

Решения, которые компании принимают сейчас в ходе переговоров по контрактам в сфере ИИ, определят, приведут ли инвестиции в ИИ к измеримым результатам или же они продолжат финансировать планы развития продуктов поставщиков, которые успешно передали риски на аутсорсинг. Это различие не техническое — оно коммерческое. И оно начинается со следующего подписания контракта.

Практически внутреннее решение: как Xpert.Digital устраняет операционные пробелы в B2B-маркетинге и продажах – Умный бизнес, основанный на контенте - Изображение: Xpert.Digital

Xpert.Digital — это ориентированный на данные B2B-индустрионный центр, возглавляемый Konrad Wolfenstein . Компания выступает в качестве внешнего, частично внутреннего решения для отраслевых партнеров, устраняя операционные пробелы в маркетинге, контенте и продажах — без необходимости привлечения дополнительных ресурсов со стороны клиента.

Более подробная информация здесь:

• Практически внутреннее решение: как Xpert.Digital устраняет операционные пробелы в B2B-маркетинге и продажах – Smart Content-Driven Business

☑️ Язык ведения нашего бизнеса — английский или немецкий

☑️ НОВИНКА: Переписка на вашем родном языке!

Konrad Wolfenstein

Я и моя команда будем рады быть вашими личными консультантами.

Вы можете связаться со мной, заполнив контактную форму здесь [email protected]:или просто позвонив по номеру +49 7348 4088 965. Мой адрес электронной почты

Я с нетерпением жду начала нашего совместного проекта.

☑️ Поддержка малых и средних предприятий в области стратегии, консалтинга, планирования и реализации проектов

☑️ Разработка или корректировка цифровой стратегии и цифровизации

☑️ Расширение и оптимизация международных процессов продаж

☑️ Глобальные и цифровые торговые платформы B2B

☑️ Развитие бизнеса / Маркетинг / PR / Выставки от компании Pioneer