Зарубежное издание Fortune отметило, что ранее популярная внутри компаний практика «tokenmaxxing» постепенно теряет популярность. Под термином «tokenmaxxing» подразумевается использование количества токенов, затрачиваемых сотрудниками или командами при вызове моделей ИИ, в качестве приблизительного показателя уровня инноваций и производительности труда. Однако по мере роста счетов и увеличения числа неэффективных вызовов эта практика начинает жестко регулироваться все большим числом компаний.
Статья отмечает, что такие компании, как Meta, Amazon и OpenAI, ранее применяли формальные или неформальные рейтинги токенов, поощряя инженеров соревноваться в объеме использования моделей. Проблема заключается в том, что, как только сам показатель становится целью оценки, он легко отклоняется от первоначальной цели. Ранее Bloomberg сообщал, что некоторые сотрудники Amazon заставляли AI-агенты выполнять задачи, не имеющие практического смысла, лишь для поддержания показателей использования.
Давление на издержки начинает проявляться
По мере масштабного внедрения генеративного ИИ внутри корпораций расходы на вызов моделей стремительно растут. В статье говорится, что некоторые компании уже начали ограничивать использование сотрудников сторонних AI-агентов, особенно инструментов, зависящих от высокопроизводительных моделей. Meta убрала рейтинг токенов, созданный сотрудниками самостоятельно; The Verge сообщила, что Microsoft отменила подписки Claude Code для сотрудников нескольких ключевых продуктовых отделов.
Uber также сообщила, что компания уже израсходовала весь годовой бюджет токенов за первые четыре месяца 2026 года, причем часть расходов связана с частым использованием Claude Code. Генеральный директор Salesforce Марк Бениофф заявил, что компания в этом году заплатила Anthropic около 300 миллионов долларов и надеется в будущем внедрить более интеллектуальную систему маршрутизации, которая будет распределять различные запросы между моделями с более подходящей стоимостью.
Компании больше ценят бизнес-результаты
Статья утверждает, что основная причина, по которой компании сокращают показатели токенов, заключается не только в экономии расходов, но и в разрыве между вложениями и результатами. Недавно главный операционный директор Uber Эндрю Макдональд заявил, что компании сложно напрямую связать повышение эффективности отдельных сотрудников с внедрением новых функций для пользователей или общими бизнес-результатами. Если невозможно достичь четких бизнес-результатов, труднее обосновать устойчивость затрат на модель.
Вот почему одних только данных по потреблению токенов становится все труднее считать эффективным инструментом управления. Они могут отражать масштаб вызовов, но не показывают, действительно ли эти вызовы улучшили продукт, процессы или доход.
Настоящая отдача приходит от реорганизации процессов
Статья ссылается на мнение автора Exponential View Азима Азхара о том, что текущее несоответствие между вложениями в ИИ и производительностью напоминает «J-образную кривую производительности», характерную для ранних этапов появления новых общих технологий. На этапе поиска компании часто увеличивают расходы на эксперименты, но не видят явной отдачи в краткосрочной перспективе; повышение эффективности проявляется только после перепроектирования бизнес-процессов.
Статья приводит пример модернизации электрической фабрики: изначально компании просто заменяли освещение или источники энергии, но настоящий значительный рост производительности наступил только после того, как планировка завода и отдельное оборудование были полностью перестроены вокруг новых технологий. Аналогично в случае ИИ многие компании пока остаются на этапе локального тестирования или наложения инструментов и еще не перешли к более глубокой реорганизации процессов.
Комментарии указывают, что откат гонки за использованием токенов обусловлен тем, что она решает вопрос «сколько использовано», а не «что создано». Для компаний ценность ИИ в конечном итоге должна проявляться в доставке продукта, бизнес-модели и финансовых результатах, а не в рейтингах вызовов моделей.