После внедрения ИИ компания, кажется, стала беднее. Когда ИИ только появился, руководители думали, что наступило время сократить штат и снизить расходы. Они представляли, что один ИИ заменяет троих людей — не спит, не отдыхает, всегда на связи, не требует повышения зарплаты и социальных взносов, и работает 24/7. Звучит идеально. Но на практике ИИ не ленится и не работает сверхурочно — он просто берет деньги за каждый дополнительный запрос. В результате многие компании уже открыто говорят: «Не можем позволить себе тратить токены». Первая реакция многих: «Не может быть! ИИ ведь становится дешевле? После появления DeepSeek все говорили, что стоимость больших моделей снизилась». Но многие забывают одну вещь: модели подешевели, но компании используют их всё интенсивнее. От того, что один сотрудник иногда пользуется ИИ, до того, как все сотрудники начали его активно применять, а потом десятки агентов начали работать в фоне 24/7 — стоимость одного запроса упала, но итоговый счет в конце месяца стал всё больше и больше. Например, Uber предоставил доступ к Claude Code 5000 инженерам — за несколько месяцев они почти исчерпали весь годовой бюджет на ИИ. Microsoft тоже начал сдерживать использование Claude Code внутри компании, ограничивая неограниченный доступ инженеров. Проще говоря, фаза «используй, как хочешь» закончилась. Amazon пошёл дальше — вообще убрал внутренний рейтинг использования ИИ. Причина проста: когда «количество использованных токенов» стало показателем эффективности, сотрудники начали намеренно тратить токены ради рейтинга. На первый взгляд все активно принимают ИИ — на деле многие запросы не приносят никакой ценности, они просто делаются «для того, чтобы использовать». В одной из экспериментальных систем с несколькими агентами в MiHoYo десятки агентов в фоне начали вызывать друг друга, ждать друг друга и подтверждать друг друга: ты спрашиваешь меня, я отвечаю тебе, ты снова подтверждаешь меня — никто не завершал задачу, цепочка вызовов становилась всё длиннее. В итоге за одну ночь было потрачено около 2 миллионов юаней токенов, а реальная ценность — практически нулевая. Здесь многие могут задаться вопросом: что такое токены? Почему они могут разорить компанию? Токены — это как электричество в мире ИИ. Когда вы задаёте вопрос в чате и получаете ответ за несколько секунд — кажется, что это бесплатно. Но в корпоративной системе каждый введённый запрос, каждый вывод текста, каждый вызов модели, каждое выполнение инструмента агентом — даже общение между ИИ — потребляет токены. Более того, логика ценообразования ИИ принципиально отличается от традиционного программного обеспечения. Раньше при покупке ПО расходы были фиксированными: сколько стоит лицензия, какой бюджет на год — всё можно было спланировать заранее. ИИ же оплачивается по факту использования — и это использование растёт вместе со сложностью бизнес-процессов. Один сотрудник задаёт пару вопросов — расходы минимальны. Вся команда начинает использовать — расходы растут. А когда подключаются агенты, которые вызывают другие ИИ — счёт легко превращается из нескольких тысяч в десятки или сотни миллионов. А за последние два года общество активно поощряло использовать ИИ: повышать уровень проникновения, частоту использования, степень автоматизации. Некоторые компании даже включили потребление токенов в систему оценки персонала. В экономике есть известный закон Гудхарта: когда показатель становится целью, он перестаёт быть хорошим показателем. Зарубежные специалисты даже придумали термин «Tokenmaxxing» — примерно означающий «максимально выжать токены». Кто-то заставляет ИИ десятки раз оптимизировать один и тот же фрагмент кода. Кто-то просит сгенерировать десятки версий отчёта. Кто-то разбивает простую задачу на десятки агентов только для того, чтобы система выглядела «умнее» — ИИ превратился в пустую показуху. Пока речь идёт о небольших расходах — можно выдержать. Но настоящий взрыв расходов происходит из-за систем с несколькими агентами. Теоретически это выглядит прекрасно: один агент планирует, другой выполняет, третий проверяет, четвёртый подводит итоги — как цифровая команда. На практике же это похоже на собрание без председателя: ты спрашиваешь меня, я спрашиваю тебя; ты ждёшь меня, я жду тебя; одного подтверждения мало — нужно ещё одно. Все движутся — но задача так и не завершается. В большинстве систем с несколькими агентами 30–60% токенов тратятся именно на эти бессмысленные циклы. Проще говоря: огромные деньги не превращаются в результат — они сгорают в процессе «совещаний» между ИИ. Ещё более иронично то, что эти агенты не ленятся — напротив, они слишком добросовестны. Они строго следуют процессу: один агент вызывает следующего, тот возвращается для подтверждения первого — пока система не застревает в бесконечном цикле. Это как если бы десятки людей в конференц-зале обсуждали вопрос с вечера до утра: каждый говорит, каждый вовлечён — но никто не принимает решение. Причём собрание оплачивается по секундам. А проблема в том, что такие «собрания» постоянно копируются, дробятся и вкладываются друг в друга. Когда масштаб растёт — расходы начинают взрываться экспоненциально. Потому что стоимость ИИ не фиксирована — она растёт вместе с цепочкой вызовов и почти непредсказуема. Теперь люди уже не обсуждают «хорош ли ИИ» — они считают более реальную вещь: не приведёт ли он к взрыву счёта? Китайские модели DeepSeek и DouBao внезапно снова стали предметом обсуждения — не из-за ностальгии, а из-за простой причины: за ту же работу можно заплатить в несколько раз меньше. Проще говоря: не надо ставить дорогие модели на всё подряд. Простые задачи — на дешёвые модели, сложные — на большие. Компании начинают понимать: ИИ — это не инструмент «чем больше используешь, тем лучше». Он скорее система «чем больше используешь — тем больше тратишь». Рынок капитала тоже поменял подход: раньше оценивали компании по количеству вызовов, темпу роста и объёму потраченных токенов. Сейчас смотрят только на одно: ROI. Сколько денег ты потратил на токены — и сколько получил обратно? Один тревожный факт: повышение эффективности не означает прибыль. Код пишется в два раза быстрее — но продукт не продался ни на одну единицу больше. Это значит лишь «тратить деньги быстрее», а не зарабатывать. Ещё более абсурдно то, что эта проблема уже не единична. Одна компания потратила 500 миллионов долларов за месяц на Claude. Были случаи, когда забыли установить лимит — и токены начали взрываться. У Meta вообще был внутренний рейтинг под названием «Claudeonomics», где смотрели, кто больше всех использует ИИ. Победитель месяца потратил 31,2 триллиона токенов. Пересчитайте это: за один месяц он потратил столько же, сколько два опытных инженера зарабатывают за год. Можно сказать: одни руководители кричат «все должны использовать ИИ», а бухгалтеры уже потеют от страха. В сущности дело не в том, чтобы не использовать ИИ — а в том, чтобы перестать бездумно тратить токены.Люди начинают задавать более реальный вопрос: а действительно ли эти токены можно обменять на настоящие деньги? #AI #AIAgent @grok