ИИ автоматизирует для компаний «неприятные задачи» сотрудников, а не «прибыльные задачи».
Несколько дней назад GeekPark сообщал, что Microsoft, сделавшая крупную ставку на ИИ, тайно отменила лицензии Claude Code для большинства своих сотрудников.
Это крайне странно, ведь в этой волне внедрения ИИ основным маркетинговым преимуществом для корпоративных пользователей является «повышение эффективности». Если ИИ повышает эффективность, почему Microsoft решил прекратить использование Claude Code сотрудниками?
Microsoft — не единственная компания, делающая это: «сокращение использования токенов» и отказ от поощрения безудержного Vibe Coding стали новой тенденцией среди крупных технологических компаний Кремниевой долины.
Uber потратила весь годовой бюджет на AI-токены за четыре месяца. Salesforce ежегодно выписывает Anthropic чеки на сумму около 300 миллионов долларов. Один из AI-консультантов сообщил, что один из его клиентов тратит на AI до 500 миллионов долларов в месяц. Meta даже тайно убрала внутренний рейтинг «tokenmaxxing» — он был создан, чтобы поощрять сотрудников к более активному использованию AI.
Сейчас компании делают то, о чем несколько лет назад не могли даже мечтать:
Ограничить и контролировать использование ИИ сотрудниками.
Почему крупные компании纷纷转向?
«Tokenmaxxing» — отражение эпохи
Чтобы понять сегодняшний кризис затрат, нужно сначала разобраться, что такое «tokenmaxxing».
Это слово начало набирать популярность примерно в 2025 году и буквально означает «максимизация использования токенов». За ним стоит логика управления: раз компания потратила большие деньги на инструменты ИИ, сотрудники должны активно их использовать — чем больше вы используете, тем больше вы «цифровизируете» бизнес, а чем меньше — тем больше ресурсов тратится впустую. В результате многие компании ввели квоты на использование, рейтинги и даже систему оценки производительности, чтобы побудить сотрудников активнее применять ИИ.
What's the result?
Сотрудники начали использовать корпоративную модель ИИ компании для проверки погоды, написания поздравлений с днём рождения и вопросов о том, что поесть сегодня.
Исследование 2444 компаний показало, что на каждый доллар, потраченный компанией на AI-токены, 0,44 доллара уходят на устранение багов, сгенерированных ИИ, 0,27 доллара — на переписывание кода, созданного ИИ, и 0,11 доллара — на задержки при проверке и слиянии.
То есть за каждым рублем затрат на покупку ИИ скрывается почти 80% скрытых потерь.
Инвестор Шрути Ганди использовал очень точную метафору: «Компании, максимизирующие токены, похожи на компании, которые измеряют производительность, включая все светильники — тратить больше денег не означает получать больше продукции».
Более иронично то, что большинство этих компаний вообще не знают, что их сотрудники делают с помощью ИИ, и не понимают, привели ли эти задачи к каким-либо изменениям благодаря ИИ.
Эта «гонка сжигания денег» продолжалась с 2024 по 2025 год и наконец-то взорвалась в этом году. JPMorgan опубликовал резкий отчет с прямолинейным и неприятным заголовком — «Расходы на AI-токены поглощают прибыль интернета».
Shopify, Spotify, ServiceNow, Roku на финансовых конференц-звонках отметили, что ИИ стал основным источником роста операционных расходов. Общая атмосфера в отрасли начала меняться с «как круто использовать ИИ» на «стоит ли эти деньги тратить».
Когда генеральный директор начал ставить под сомнение ROI
Только 14% финансовых директоров сообщили, что видят четкую измеримую отдачу от инвестиций в ИИ.
Главный операционный директор Uber Эндрю Макдональд в подкасте сказал что-то очень искреннее — они обнаружили, что сложно связать повышение личной производительности сотрудников с общим бизнес-влиянием компании. «Если вы не можете увидеть, сколько ценных функций AI помог вам внедрить для пользователей, труднее оправдать стоимость токенов».
Это подчеркивает суть корпоративной проблемы с ИИ: повышение личной эффективности не означает роста прибыли компании.
Сотрудники используют ИИ для написания еженедельных отчетов в три раза быстрее, но выручка компании не изменилась. Инженеры используют ИИ для генерации кода в два раза быстрее, но «коэффициент утечки» кода — то есть доля кода, который выбрасывается или переписывается — выросла на 800%.
Бывший главный директор по ИИ Microsoft София Веластегуи сказала что-то, что не понравилось многим менеджерам: «Большинство людей автоматизируют задачи, которые им не нравятся, а не те, которые наиболее ценны для компании».
Проще говоря, автоматизация в компаниях затрагивает «неприятные задачи» сотрудников, а не «прибыльные дела».
Это не техническая проблема, а проблема приоритетов. Именно поэтому около 30% проектов в области генеративного ИИ остаются на этапе доказательства концепции и отменяются — стоимость неясна, ценность неясна, и руководство естественно не продлевает финансирование.
Подход генерального директора Salesforce Марка Бенйоффа является типичным.面对每年 3 亿美元的 Anthropic 账单，他的期待是一个「智能路由器」：能判断哪些查询值得用顶级模型，哪些用便宜的小模型就够了。
Сама по себе эта идея не нова — ещё в эпоху облачных вычислений «оплата по потреблению» и «оптимизация ресурсов» были стандартной практикой. Но волна ИИ пришла слишком быстро, и все сначала купили, а потом начали думать, теперь только начинают наверстывать упущенное.
Рациональное возвращение или предвестник зимы?
В последнее время Microsoft отменила большинство корпоративных лицензий Claude Code, сославшись на факторы стоимости. Это вызвало значительные дискуссии в отрасли — ведь сама Microsoft является крупнейшим инвестором OpenAI, одновременно сокращая подписки на продукт конкурента. Сколько здесь составляет стоимость, а сколько — стратегическое планирование, сложно сказать.
Но в любом случае это сигнализирует о том, что компании начинают голосовать ногами.
Harness и CloudZero почти в один день — 28 мая — выпустили инструменты управления стоимостью ИИ: один фокусируется на мониторинге расходов на ИИ и ROI в реальном времени, а другой представил «финансовую платформу управления ИИ», помогающую компаниям связывать каждый доллар расходов на ИИ с конкретными бизнес-результатами.
Само появление этих двух продуктов говорит само за себя: на рынке есть спрос, и он срочный.
HubSpot с апреля этого года изменил модель ценообразования для AI-агентов: вместо оплаты за токены теперь взимается плата за «количество решенных диалогов» или «количество сгенерированных лидов» — это направляющее изменение, которое согласовывает интересы продавца с реальными результатами покупателя. ServiceNow также проводит аналогичные изменения. Производители ИИ осознают, что если они продолжат продавать «объем использования», а не «результаты», корпоративные клиенты в конечном итоге объединятся в массовом протесте.
Эта коррекция — это необходимая боль для индустриализации ИИ или предвестник большего кризиса?
Я склоняюсь к тому, что это первое. Но есть один деталь, который вызывает некоторое беспокойство: глобальные расходы на ИИ-программное обеспечение прогнозируются на уровне 2,59 триллиона долларов к 2026 году, что на 47% больше, чем в предыдущем году, однако в то же время 94% руководителей инженерных команд заявляют, что ключевые показатели окупаемости по-прежнему отсутствуют. Деньги тратятся все больше, но никто не знает, куда они уходят и оправданы ли эти расходы — если это противоречие не будет решено, следующий «момент tokenmaxxing» — вопрос времени.
Анализ журнала Fortune говорит прямо: «Токенмаксинг — это легко, а переработка рабочих процессов — сложно». Большинство компаний сейчас занимаются оптимизацией существующих процессов, а не изобретением новых бизнес-моделей. Именно здесь заключена настоящая ценность ИИ, и именно туда ещё не дошли большинство предприятий.
Рациональная коррекция — это хорошо. Но после рациональной коррекции компаниям необходимо ответить на более сложный вопрос: должна ли ИИ быть для нашего бизнеса просто молотком или новой системой мышления?
Если вы просто используете ИИ для более быстрого выполнения старых задач, счета рано или поздно снова заставят вас столкнуться с этим вопросом.
Эта статья взята из официального аккаунта WeChat «Гик-парк» (ID: geekpark), автор: Хуа Линь Уван, редактор: Цзинь Юй