Экономика ИИ-агентов ставит под угрозу модель бесплатного обеда в интернете

29 апреля 2026 года Андрей Карпаthy на форуме Red杉 AI Ascent заявил, что формируется новая экономика, ориентированная на нативные агенты, и всё программное обеспечение, документы и процессы, созданные сегодня для людей, должны быть переписаны «для агентов». Он говорил об инженерной реорганизации с точки зрения предложения, но оставил без ответа вопрос: кто будет оплачивать эту перепись и как будет распределяться созданная ценность?

Исследование экономики агентов начинается именно с этого вопроса. Первая статья «На перепутье коммерциализации ИИ: почему реклама и подписка по отдельности не работают?» рассматривает, как ИИ можно монетизировать, и приходит к выводу, что реклама и подписка по отдельности не могут обеспечить устойчивую монетизацию — фокус коммерциализации смещается с «продажи входа» на «продажу результата». В этой статье мы углубляемся еще на один уровень: почему бизнес-модель обязательно должна измениться? Ответ нужно искать в структуре издержек — опыт интернет-компаний, согласно которому «обслуживание дополнительного пользователя почти не требует дополнительных затрат», перестает работать, и система распределения прибыли, построенная на этом опыте, требует пересчета. В течение последних двадцати лет важнейшей бизнес-верой интернет-компаний было: чем больше пользователей, тем ниже издержки и выше прибыль.

Поисковые системы, социальные сети, короткие видео, контентные платформы и электронные торговые площадки по сути построены на одном и том же предположении: после того как инфраструктура создана, обслуживание дополнительного пользователя, дополнительное отображение страницы или дополнительная доставка контента имеют практически нулевую предельную стоимость. Настоящим ограничением для интернет-компаний часто является не «приносит ли каждый сервис убытки», а способность привлечь достаточное количество пользовательского времени, данных, рекламодателей и сценариев транзакций.

Реклама именно в этом контексте стала одним из важнейших бизнес-моделей интернета.

Поскольку контент и страницы можно распространять практически без затрат, платформа может разбить поиск, просмотр, клики, время пребывания и путь покупки пользователя на отдельные рекламные места. Чем дольше пользовательский путь, тем больше точек внедрения коммерческого контента может быть у платформы; чем дольше пользователь сравнивает, тем выше ценность рекламы, рекомендаций, брендового контента и ранжирования поиска.

Но ИИ-агент сейчас подрывает эту веру.

ИИ-агент не просто распространяет уже существующую информацию, а выполняет задачи от имени пользователя. Каждый диалог, каждое рассуждение, каждый чтение файла, каждый вызов инструмента и каждая проверка результата сопряжены с реальными затратами на GPU-вычисления, потребление электроэнергии, износ чипов и системное планирование.

Более того, ИИ не только изменил структуру затрат интернет-компаний, но и изменил пользовательские цепочки, на которых основана реклама. Раньше пользователям приходилось многократно искать и сравнивать информацию на нескольких страницах, платформах и брендов; в будущем пользователи могут просто передать свои потребности агенту, который отфильтрует, оценит, упорядочит, забронирует и даже завершит сделку.

Это означает, что бесплатные пользователи эпохи AI Agent могут терять деньги за каждый сервис, а традиционная реклама также потеряет часть пространства для длинных цепочек монетизации.

Если ключевым словом интернет-экономики является «трафик», то ключевым словом экономики AI-агентов является «задача». Трафик можно дешево распространять, но задачи должны быть реально выполнены. Раньше реклама продавала внимание пользователей, где оно проходило; в эпоху ИИ более важным вопросом становится: кто понимает задачу, кто ее организует, кто ее выполняет, и какие бренды могут попасть в список кандидатов агента и на каких основаниях принимаются решения.

Таким образом, экономика AI-агентов — это не естественное продолжение интернет-бизнес-моделей, а корректировка мифа о росте интернета и рекламной логики.

Основная логика бизнес-модели интернета (включая программное обеспечение) может быть понята с помощью самой простой формулы экономики:

TC = FC + MC × Q (общие затраты = постоянные затраты + предельные затраты × объем производства)

В эпоху традиционного интернета, будь то разработка приложения, написание статьи или запись видео, основные затраты сосредоточены на начальном этапе разработки и производства, то есть на высоких постоянных затратах FC. Однако после запуска продукта дополнительные затраты на серверы и пропускную способность при обслуживании первого пользователя или первого миллиона пользователей часто ничтожно малы, MC приближается к 0.

Такая чрезвычайно низкая предельная стоимость делает соответствующую бизнес-модель естественно обладающей сильным эффектом масштаба. Основная особенность цифровых продуктов — их способность к бесконечному копированию при почти нулевой стоимости копирования. Как только разработка программного обеспечения завершена, а серверы развернуты, предельная стоимость привлечения дополнительного пользователя практически незаметна — это всего лишь дополнительное использование нескольких КБ хранилища и нескольких КБ пропускной способности.

Эта особенность позволяет платформенной экономике легче достигать преимуществ масштаба: тот, кто первым достигнет критической точки масштаба, сможет преобразовывать дополнительный доход в прибыль в более высокой пропорции, создавая мощный операционный рычаг.

На этой основе интернет эволюционировал в три классические бизнес-модели.

Модель подписки: стоимость копирования программного обеспечения крайне низка, рост числа подписчиков напрямую соответствует росту доходов. Именно поэтому капиталы долгое время охотно присваивают SaaS-компаниям высокую оценку: после преодоления точки безубыточности прибыль часто растет значительно быстрее, чем доходы.

Комиссионная модель: создание инфраструктуры для торговли, оплаты и исполнения обязательств с фиксированной комиссией за каждую транзакцию.

Рекламная модель: бесплатные услуги привлекают огромное количество пользователей, а их внимание пакетируется и продается рекламодателям. Например, в случае рекламы по поиску: после развертывания алгоритма поиска и рекламной системы, дополнительные затраты на серверы при каждом новом запросе поиска относительно невелики, а каждый новый клик по рекламе приносит дополнительный доход.

Рекламная модель может существовать долгое время не только из-за большого количества пользователей, но и потому, что их путь достаточно длинен. Пользователь от возникновения потребности до завершения покупки часто проходит через несколько этапов: поиск, просмотр, сравнение, добавление в избранное, консультацию, переход, оформление заказа и т.д. Платформа может размещать рекламу на странице результатов поиска, продвигать продукты в ленте, усиливать конверсию на странице с деталями и продолжать влиять на решение пользователя на этапе ретаргетинга. Ценность рекламы по сути заключается в поэтапном вмешательстве в путь пользователя.

Платформе не нужно нести полные расходы на обслуживание за каждое решение пользователя. Поисковые системы направляют пользователей на определенные веб-страницы, социальные платформы — на определенные аккаунты брендов, платформы коротких видео — в определенные прямые эфиры, платформы электронной коммерции — на определенные страницы товаров. Платформы в большей степени занимаются «сопоставлением информации и внимания».

Интернет распространяет уже существующую информацию, а ИИ генерирует информацию в реальном времени. Этот качественный переход от «копирования» к «генерации» приводит к совершенно иной структуре затрат и бизнес-логике.

Во-первых, стоимость AI-выводов является явной, а предельная стоимость использования AI значительно больше нуля (MC > 0).

При вводе/выводе каждого токена крупной языковой моделью GPU работает на высокой скорости, потребляя реальную электроэнергию и расходуя ресурс чипа. Чем больше параметров модели, чем длиннее контекст и сложнее задача, тем выше стоимость одного цикла вывода. Стоимость простого вопроса и ответа, глубокого исследования, разработки кода или межпрограммной операции может отличаться в десятки или даже сотни раз. Экономика AI-агентов не только имеет ненулевую предельную стоимость, но и сама предельная стоимость является высоко гетерогенной.

Хотя цена за один токен быстро падает, это не означает, что предельные затраты будут постоянно стремиться к нулю: по мере улучшения способностей агентов объем токенов, потребляемых на одну задачу, быстро возрастает с сотен до десятков тысяч — планирование, вызов инструментов, чтение файлов, самопроверка и повторные попытки при неудачах требуют значительных вычислительных ресурсов. Токены дефляционны, но задачи инфляционны: разница между этими двумя кривыми составляет суть экономики ИИ — чем дешевле токены, тем смелее люди поручают ИИ более тяжелые задачи, в результате общая счет-фактура становится больше — именно это и есть «парадокс Джевонса» в области ИИ.

Снижение цены на отдельные токены не является односторонним падением. Согласно данным Morgan Stanley, средняя цена вывода API для отечественных крупных моделей во втором квартале 2026 года выросла примерно на 80% по сравнению с первым кварталом 2025 года — отрасль переходит от ценовой войны к ценообразованию на основе ценности. Самы цены также дифференцируются: коммерциализированные модели продолжают снижаться, а передовые модели, наоборот, повышают свои цены. Передовые интеллектуальные системы оцениваются по стоимости, и их затраты не снижаются в унисон с коммерциализированными.

Хотя можно снизить удельные затраты за счет пакетной обработки, повышения использования GPU, кэширования KV, создания собственных инференс-кластеров и разработки собственных чипов, снижение предельных затрат значительно меньше, чем в интернет-экономике, и компенсируется ростом глубины использования. Именно поэтому ChatGPT быстро запустил платную подписку после взрывного роста числа пользователей.

В то же время фиксированные затраты из «разовых» превратились в «постоянные». Затраты на обучение больше не являются разовыми капитальными вложениями, а представляют собой постоянные капитальные расходы, требующие обновления новой версии модели каждые полгода-год. Крупные модели стали «потребляемыми активами» со сроком годности 6–12 месяцев: если не проводить повторное обучение, они быстро устаревают, при этом стоимость одного обучения может достигать десятков или даже сотен миллионов долларов. Например, у OpenAI доход в 2025 году составил 13,07 млрд долларов США, валовая маржа — около 43% (этот показатель учитывает только затраты на инференс, а самые дорогие затраты на обучение отнесены к расходам на исследования и разработки), однако расходы на исследования и разработки достигли 19,18 млрд долларов США, из которых около 10,6 млрд долларов США было потрачено на оплату вычислительных ресурсов Microsoft — это основная причина убытков.

Таким образом, экономика AI-агентов характеризуется следующими особенностями: стоимость вычислений (переменные расходы) растет линейно с объемом использования и сильно варьируется; стоимость инфраструктуры и кадров (полупостоянные расходы) возрастает «ступенчато» с ростом числа пользователей — при превышении определенного порога необходимо добавлять новую партию серверов с GPU; одновременно затраты на разработку (то есть стоимость обучения моделей) огромны. Эти расходы накладываются друг на друга, заставляя AI-компании постоянно реинвестировать всю прибыль — у них отсутствует «сладкая точка», характерная для интернет-бизнеса, когда после преодоления точки безубыточности прибыль растет экспоненциально.

Эта логика затрат также переопределила источники конкурентных преимуществ отрасли: основным барьером для интернета является сетевой эффект — чем больше пользователей, тем удобнее продукт; в случае агентов тип барьера меняется: вместо сетевого эффекта на основе цепочек отношений доминируют данные-колесо и стоимость переключения. Новые барьеры возникают благодаря накопленному контексту — памяти пользователя, предпочтениям, файлам, рабочим процессам и авторизованным данным. Чем дольше пользователь использует агента, тем лучше он адаптируется под него, и тем выше стоимость перехода на другого поставщика. Интернет блокирует цепочки отношений пользователя, а агенты блокируют рабочий контекст пользователя — именно поэтому отрасль активно конкурирует за точки входа: речь идет не только о трафике, но и о первоначальном накоплении контекста.

Очевидно, нам нужно взглянуть на экономику AI Agent по-другому: интернет-платформы конкурируют за «точку входа пользователей», а платформы AI Agent — за «точку входа задач».

Если базовой единицей интернет-экономики является «показ/клик», то базовой единицей экономики AI-агентов является «задача». Клик означает только вход пользователя на определённую страницу, тогда как задача означает, что пользователь поручает AI выполнить определённую цель — агент должен понять цель, разбить задачу на этапы, вызвать инструменты, прочитать файлы, управлять программным обеспечением, многократно проверять результаты и при необходимости запросить у пользователя разрешение. Это делает структуру затрат AI-агентов более схожей с «цифровым сотрудником», а не с «цифровыми медиа».

Раньше пользователи открывали поисковую систему и задавали вопрос: «Какая строительная компания лучше?» — поисковая система возвращала веб-страницы, рекламу и результаты карт; теперь пользователи могут прямо обратиться к агенту: «Помоги отобрать три надежные строительные компании, сравни их цены, репутацию и гарантии на работы, а также забронируй для меня встречу». Коммерческая ценность первого случая заключалась в показах и кликах, а второго — в выполнении задачи и принятии решений от имени пользователя. Реклама больше не просто отображается на странице, а становится одним из вариантов в процессе принятия решения агентом, источником данных, надежным источником информации или интерфейсом для транзакций, помогая пользователю завершить задачу.

Компании, создающие модели, не просто предоставляют базовые возможности, а становятся операционными системами нового поколения для задач. Как нативные AI-компании, так и крупные интегрированные корпорации переходят от «больших моделей» к «платформам агентов» и запускают целый ряд продуктов, таких как Claude Cowork, Codex, Workbuddy — кто контролирует входную точку пользователя, тот определяет порядок вызова инструментов, приоритеты источников данных, логику коммерческих рекомендаций и замкнутый цикл транзакций.

«Несмотря на отрицательную экономическую эффективность, необходимо тратить деньги, чтобы захватить точку входа» — именно это является сегодняшней ключевой стратегической ставкой отрасли и источником споров о оценке. Потому что за точкой входа стоят не только количество пользователей и число диалогов, но и контроль над распределением задач, коммерческими рекомендациями и замкнутым циклом транзакций в будущем.

Этот сдвиг в логике также неизбежно приведет к другому тренду: иерархизации.

Интернет-продукты стремятся к максимальной стандартизации: один код обслуживает всех пользователей, чтобы максимально использовать преимущества нулевой предельной стоимости. AI-агенты же естественным образом подходят для многоуровневого предоставления — стоимость выполнения задач разной сложности значительно различается: стоимость простого вопроса и сложных рассуждений может отличаться в десятки или сотни раз. Поэтому компании, работающие с ИИ, запускают продукты разных уровней: бесплатная версия использует небольшие модели с ограничением объема использования; базовая платная версия использует модели среднего размера; продвинутая версия использует самые мощные модели; корпоративная настраиваемая версия предлагает индивидуальное развертывание и оптимизацию.

Эта иерархическая система ценообразования по сути представляет собой классификацию по стоимости и взимание платы за ценность, где ценность прямо пропорциональна затратам. Чем выше способности, получаемые пользователем, тем выше затраты. Следовательно, экосистема AI Agent сформирует «экономику с двумя скоростями»: устаревшие на полупоколение решения будут иметь крайне низкую цену (открытый исходный код + субсидии крупных компаний, превращаясь в инфраструктуру, подобную воде, электричеству и газу), тогда как передовые решения всегда будут дорогими (самые мощные модели всегда находятся на самой дорогой части кривой затрат). Бесплатные — это «вчерашний» интеллект, платные — «сегодняшний» интеллект.

Самое глубокое воздействие экономики ИИ-агентов на традиционную экономику заключается не в появлении нового класса ИИ-продуктов на рынке, а в том, что пользовательские входные точки, ранее рассеянные по веб-сайтам, приложениям и программному обеспечению, в настоящее время заново конкурируют за внимание со стороны нового слоя задач-агентов. Производители смартфонов, суперприложения и другие игроки разрабатывают собственные агенты, при этом входные точки еще не унифицированы, а, наоборот, становятся еще более фрагментированными. В прошлом прибыльные потоки интернета формировались вокруг вопроса «где проходил трафик», а в будущем они, скорее всего, будут перераспределены вокруг вопросов «кто организует задачи и кто их выполняет».

Первым измененным элементом стали права на вход и распространение.

В эпоху интернета поисковые системы, магазины приложений, платформы контента и супер-приложения контролируют точки входа, и компании борются за позиции в рейтинге, рекомендации и время пользователей. Однако после появления агентов пользователям уже не обязательно открывать приложения по очереди: бронирование авиабилетов, поиск поставщиков, анализ данных и ответы на письма можно инициировать через единый入口 задачи. Веб-сайты и приложения не исчезнут, но все чаще будут превращаться в источники данных, инструменты и интерфейсы выполнения за кулисами агентов.

Это означает, что новая платформенная власть больше не ограничивается просто «направлением пользователей», а определяет, как выполняются задачи: какой моделью, каким программным обеспечением, каким торговцем и какими данными следует воспользоваться. Часть так называемого «налога на распределение», ранее контролировавшегося поисковыми системами, магазинами приложений и платформами трафика, может постепенно перейти к платформам агентов.

Здесь есть незаметное, но критически важное влияние: AI-агенты значительно сокращают клиентский путь, тем самым сжимая пространство для рекламного бизнеса.

Раньше пользователям требовалось десять поисков, сравнение нескольких веб-страниц и платформ, прежде чем перейти к этапу покупки; в сценарии с ИИ пользователю может потребоваться всего три-пять последовательных вопросов, чтобы завершить отбор информации, сравнение вариантов и принятие решения о покупке. Чем выше намерение, сильнее решение и сложнее сравнение, тем легче ИИ переписывает логику распространения. Пользователям больше не нужно постоянно перемещаться между результатами поиска, контентными страницами и домашними страницами продавцов — они просто передают задачу принятия решения ИИ. В этот момент количество точек, где может вмешаться реклама, уменьшается, а влияние традиционной рекламы ослабевает.

Самое сложное — это то, что реклама в ответах ИИ должна быть крайне явной. Раньше рекламу можно было интегрировать в пользовательский путь через различные сценарии: ранжирование поиска, нативную рекламу в ленте, рекомендации от инфлюенсеров, брендированный контент и т.д. Однако в ответах ИИ любая мягкая, скрытая или неявно обозначенная коммерческая рекомендация напрямую подрывает доверие пользователей к объективности платформы. Чем больше ИИ напоминает агента, принимающего решения за пользователя, тем меньше пользователи готовы терпеть, чтобы его действия влияли коммерческие интересы без прозрачности.

Второй слой ударов скоро поразит платформы и посредническую экономику.

Платформы для покупок, путешествий, доставки еды и локальной жизни по сути помогают пользователям искать, сравнивать и сопоставлять сделки — и именно эти этапы легче всего автоматизировать с помощью агентов. Промежуточные слои, предлагающие просто «списки информации», будут сжаты, а настоящими, труднообходимыми элементами станут эксклюзивные поставки, платежи, кредитование, логистика, послепродажное обслуживание и офлайн-исполнение.

Конкурентное преимущество платформ для торговли сместится с «сколько у меня трафика» на «сколько у меня реальных предложений и исполнительных возможностей, которые агенты не могут заменить».

Для крупных компаний с замкнутой цепочкой сделок ИИ в краткосрочной перспективе действительно окажет влияние на существующие рекламные и торговые бизнесы, но в долгосрочной перспективе участие ИИ-агентов станет новым усилителем бизнеса. Платформа, обладающая данными о потребностях пользователей, а также о предложении продавцов, транзакциях, платежах, исполнении заказов и послепродажном обслуживании, может переорганизовать коммерческую ценность с единой стратегической позиции: продавцы инвестируют в рекламу на платформе электронной коммерции → это приводит к росту GMV → ИИ приоритизирует отображение брендов с высоким GMV, высокими оценками и стабильным исполнением → бренды получают замкнутый цикл сделок в ИИ-сценариях → платформа одновременно повышает ценность рекламы, торговли и распределения ИИ.

Ключевое ограничение заключается в том, что ИИ не должен взимать чрезмерно высокую плату за рекламу, как традиционные рекламные платформы. Если ИИ начнет брать слишком много денег, это подорвет его наиболее ценные активы: объективность и доверие пользователей. Более разумным подходом является взимание небольшого процента платы за технические услуги, соответствующего отраслевому уровню, обычно в диапазоне от 1% до 10%,主要用于 покрытие затрат на вычислительные ресурсы, вызовы и обслуживание.

Третий уровень, более глубокое изменение, — это стирание границ между программной экономикой и сервисной экономикой.

Традиционные SaaS-решения (включая программное обеспечение) по сути остаются инструментами. Salesforce предоставляет CRM-систему, но реальное управление отношениями с клиентами осуществляет персонал; Adobe предлагает дизайн-программы, но реальное создание дизайна выполняют дизайнеры; финансовые программы отвечают за запись данных, однако анализ и принятие решений по-прежнему осуществляются людьми. Поэтому бизнес-модель SaaS долгое время строилась вокруг «лицензий (Seat)»: компании покупают столько аккаунтов, сколько сотрудников используют программное обеспечение. В последние годы набирает популярность тарификация по объему использования, гибридная модель оплаты стала доминирующей, однако модель на основе лицензий по-прежнему широко распространена в коллаборативных программах.

AI-агент меняет это предположение.

Когда программное обеспечение начинает самостоятельно читать данные, принимать решения о следующих действиях и выполнять задачи, компании покупают не просто «программу, используемую сотрудником», а потенциально способность напрямую выполнять задачи. Один AI-агент может одновременно управлять CRM, ERP, BI, почтовыми и службами поддержки клиентов — процессы, которые ранее требовали нескольких сотрудников, работающих в разных системах, теперь сжимаются до одного вызова задачи. В этот момент логика роста «чем больше сотрудников, тем больше лицензий, тем выше доход от SaaS» оказывается под угрозой.

Более того, сама SaaS может быть многоуровневой: на нижнем уровне находится «система записи» (System of Record), хранящая ключевые данные, такие как клиенты, заказы, финансы и запасы; на верхнем уровне появляются «способности» (System of Action), отвечающие за понимание требований, вызов систем и выполнение задач.

Раньше оба компонента были упакованы в одном программном интерфейсе, но в будущем они могут разделиться. Программное обеспечение, контролирующее ключевые данные, права, соответствие требованиям и бизнес-правила, по-прежнему обладает высокими барьерами для входа; в то время как программное обеспечение, основная ценность которого заключается в интерфейсе, процессах и функциональной упаковке, сталкивается с большими рисками — как только агент возьмет на себя взаимодействие, оно может превратиться из программного обеспечения, которое пользователи открывают ежедневно, в интерфейс, вызываемый агентом на фоне.

Напротив, это приведет к тому, что программный рынок впервые масштабно вторгнется в традиционные сферы услуг. Раньше программные компании конкурировали за корпоративные IT-бюджеты, а в будущем компании, создающие AI-агенты, будут нацелены на гораздо более крупные бюджеты на трудовые расходы, аутсорсинг и профессиональные услуги. Обслуживание клиентов, базовые исследования, продажи и операции, подбор персонала, бухгалтерский учет и даже часть консалтинговых задач могут перейти от «покупки времени человека» к «покупке задач, выполняемых машинами». Границы рынка программного обеспечения поэтому начинают смещаться от прежнего «бюджета на ПО (Software Spend)» к «бюджету на трудовые расходы (Labor Spend)».

Интернет-экономика за последние двадцать лет: больше пользователей означает больше трафика, больше трафика означает больше доходов от рекламы, транзакций и подписок, при этом затраты на привлечение новых пользователей растут незначительно. «Сначала увеличить базу пользователей, затем найти способы монетизации» стало самым классическим ростовым уравнением эпохи интернета.

AI-агент завершает эту простую линейную зависимость.

Поскольку AI-агенты теперь предоставляют не просто информацию, а реально потребляют вычислительные ресурсы, вызывают внешние инструменты и выполняют задачи. Чем больше пользователей, не обязательно выше прибыль; чем сложнее задачи, тем быстрее могут расти затраты. То, что компании действительно должны рассчитывать, — это не только DAU, коэффициент удержания и время на платформе, а сколько стоит выполнение одной задачи, сколько пользователи готовы заплатить за результат и какую долю ценности платформа может сохранить.

То, что действительно ценно в эпоху ИИ, меняется.

В эпоху интернета дефицитным ресурсом является трафик, поэтому компании борются за внимание пользователей; в эпоху AI Agent настоящим дефицитом, возможно, являются высокоценные задачи, а также данные, права, инструменты и исполнительные способности, необходимые для их выполнения.

AI-агент — это не следующая форма продукта в интернете, а изменение базовой единицы трансакции в цифровой экономике. Агент продает способность выполнять задачи.

Когда основной единицей экономики становится не «клики», а «задачи», а не «использование инструментов», а «доставка результатов», бизнес-модели, платформенная власть и распределение прибыли, построенные на трафике за последние двадцать лет, неизбежно претерпят переосмысление.

Эта статья взята из официального аккаунта WeChat «Исследовательский институт Tencent» (ID: cyberlawrc), автор: Группа исследований AI-экономики