Штучний інтелект автоматизує для бізнесу роботи, які співробітники ненавидять, а не роботи, які приносять прибуток.
Кілька днів тому GeekPark повідомляв, що Microsoft, яка зробила велику ставку на ШІ, таємно призупинила більшість внутрішніх ліцензій Claude Code.
Це дуже дивно, бо в цій хвилі впровадження ШІ найбільшим маркетинговим аргументом для корпоративних користувачів є «підвищення ефективності». Якщо це підвищує ефективність, чому Microsoft вирішив припинити використання Claude Code співробітниками?
Microsoft — не єдина компанія, яка так робить: «зменшення використання токенів» і припинення заохочення співробітників до безглуздого Vibe Coding стало новою тенденцією серед великих компаній Сіліконової долини.
Uber витратила весь річний бюджет на AI-токени за чотири місяці. Salesforce щороку видає Anthropic чеки на суму близько 300 мільйонів доларів США. Один із AI-консультантів розкрив, що один з його клієнтів витрачає до 500 мільйонів доларів США на AI щомісяця. Meta навіть тихо припинила внутрішній «рейтинг tokenmaxxing» — рейтинг, який спочатку був створений для заохочення співробітників до активного використання AI.
Зараз компанії роблять те, про що кілька років тому навіть не мріяли:
Обмежити та контролювати використання ШІ працівниками.
Чому великі компанії перейшли?
«Tokenmaxxing» — відображення епохи
Щоб зрозуміти сьогоднішній кризис витрат, спочатку потрібно зрозуміти, що таке «tokenmaxxing».
Це слово почало набирати популярність приблизно у 2025 році і буквально означає «максимізація використання токенів». За ним стоїть логіка управління — якщо компанія витратила величезні кошти на купівлю інструментів ШІ, працівники повинні використовувати їх на повну, бо чим більше ви їх використовуєте, тим більше ви «цифрово трансформуєтеся», а чим менше — тим більше ви витрачаєте ресурси даремно. Тому багато компаній ввели ліміти використання, рейтингові таблиці та навіть системи оцінки продуктивності, щоб примусити працівників активно використовувати ШІ.
Який результат?
Співробітники почали використовувати корпоративну модель ШІ для перевірки погоди, написання вітань з днем народження та запитів, що сьогодні їсти.
Дослідження 2444 компаній виявило, що на кожен долар, витрачений компанією на AI-токени, 0,44 долара витрачаються на виправлення багів, згенерованих штучним інтелектом, 0,27 долара — на переписування коду, створеного штучним інтелектом, а 0,11 долара — на затримки при перевірці та об’єднанні.
Тобто на кожен гривневий витрати на закупівлю AI припадає ще майже 80% прихованих втрат.
Інвестор Шруті Ганді використала дуже точну метафору: «Підприємства, що максимізують токени, подібні до компаній, які вимірюють продуктивність, вмикаючи всі лампи — витрачати більше грошей не означає отримувати більше результату.»
Ще більш іронічно те, що більшість цих компаній взагалі не знають, що їхні працівники роблять за допомогою ШІ, і тим більше не знають, чи призвело виконання цих завдань до будь-яких змін завдяки ШІ.
Ця «гонка на витрати» тривала з 2024 року до 2025 року і нарешті вибухнула цього року. JPMorgan опублікував жорсткий звіт зі зрозумілим, незручним заголовком — «Витрати на AI-токени поглинають прибутки від інтернету».
Shopify, Spotify, ServiceNow, Roku під час фінансових телефонних зустрічей зазначили, що ШІ став основним джерелом тиску на витрати на операції. Загальна атмосфера в галузі почала зміщуватися від «як круто використовувати ШІ» до «варті чи ці витрати».
Коли генеральний директор почав ставити під сумнів ROI
Лише 14% фінансових директорів вказали, що бачать чіткий та вимірюваний прибуток від інвестицій у ШІ.
Генеральний директор Uber Ендрю Макдональд у подкасті сказав дуже відверто: вони виявили, що складно зв’язати зростання продуктивності окремих співробітників із загальним впливом на бізнес компанії. «Якщо ви не можете побачити, скільки корисних функцій AI допоміг вам запустити для користувачів, важче обґрунтувати витрати на токени».
Це речення вказує на суть корпоративної проблеми з ШІ: зростання особистої ефективності не означає зростання прибутку компанії.
Співробітники використовують ШІ для написання щотижневих звітів утричі швидше, але дохід компанії не змінився. Інженери використовують ШІ для генерації коду вдвічі швидше, але «втрата» коду — тобто відсоток коду, який викидається або переписується — зросла на 800%.
Бувший головний офіцер з штучного інтелекту Microsoft Софія Веластегуї сказала одне, що не подобається багатьом менеджерам: «Більшість людей за замовчуванням автоматизують завдання, які їм не подобаються, а не ті, що мають найбільшу цінність для компанії».
Просто кажучи, автоматизація підприємств стосується робіт, які співробітникам не подобаються, а не робіт, які приносять прибуток.
Це не технічна проблема, а проблема пріоритетів. Саме тому приблизно 30% проектів генеративного ІІ відкидаються на етапі підтвердження концепції — витрати невідомі, цінність невідома, і бос природньо не продовжує фінансування.
Підхід генерального директора Salesforce Марка Беніоффа є типовим. Стосовно щорічного рахунку в 300 мільйонів доларів США за Anthropic, він очікує «розумного маршрутизатора», який зможе визначити, які запити варто обробляти за допомогою найкращих моделей, а які можна обробити за допомогою дешевших малих моделей.
Сама ідея не є новою — ще з часів хмарних обчислень «оплата за використання» та «оптимізація ресурсів» були стандартною практикою. Але хвиля штучного інтелекту прийшла надто швидко, і всі спочатку купували, а потім думали — зараз починають відновлювати пропущене.
Розумне повернення до норми чи передвісник зими?
Недавно Microsoft скасувала більшість корпоративних ліцензій Claude Code, посилаючись на витрати. Ця подія викликала значне обговорення в галузі — зважаючи на те, що сама Microsoft є найбільшим інвестором у OpenAI, одночасно скорочуючи підписки на конкурента, важко сказати, скільки з цього пов’язано з витратами, а скільки — зі стратегічними планами.
Але будь-яким чином це є сигналом: бізнес почав голосувати ногами.
Harness і CloudZero майже в один день — 28 травня — представили інструменти керування витратами на ШІ: один зосереджений на реальному часі моніторингу витрат на ШІ та ROI, а інший запустив «фінансову платформу контролю для ШІ», яка допомагає компаніям пов’язувати кожен долар витрат на ШІ з конкретними бізнес-результатами.
Саме з’явлення цих двох продуктів говорить про те: на ринку існує попит, і він дуже терміновий.
HubSpot з 4 місяця цього року змінив модель ціноутворення для AI-агентів: замість оплати за токени тепер стягується плата за «кількість вирішених діалогів» або «кількість створених лідів» — це стратегічний зсув, який вирівнює інтереси продавця з реальним результатом для покупця. ServiceNow також проводить подібні зміни. Виробники AI усвідомлюють, що якщо вони продовжуватимуть продавати «обсяги використання», а не «результати», корпоративні клієнти рано чи пізно об’єднаються проти цього.
Ця корекція — це необхідний болісний процес індустріалізації ШІ чи початок більшої кризи?
Я схильний вважати, що це перше. Але є один деталь, що трохи хвилює: витрати на штучний інтелект у світі, за прогнозами, до 2026 року досягнуть 2,59 трильйона доларів США, що на 47% більше, ніж у попередньому році, тим часом 94% керівників інженерних команд заявляють, що ключові показники ROI все ще відсутні. Гроші тратяться все більше, але ніхто не знає, куди вони витрачаються і чи варто це. Якщо цей суперечливий стан не вирішити, наступний «токенмаксінг-момент» — це питання часу.
Стаття журналу Fortune говорить прямо: «Токенмаксінг — це легко, а переробка робочих процесів — важко». Більшість компаній зараз зосереджені на оптимізації існуючих процесів, а не на перевтіленні бізнес-моделей. Саме тут полягає справжня цінність ШІ, і саме туди ще не дійшли більшість підприємств.
Раціональне повернення — це добре. Але після раціонального повернення компаніям потрібно відповісти на ще складніше питання: чи має бути ШІ для нашого бізнесу лише молотком, чи новою інтелектуальною рамкою?
Якщо ви просто використовуєте ШІ, щоб швидше виконувати старі завдання, рано чи пізно рахунки знову приведуть вас до цього питання.
Цей матеріал з відомості WeChat «GeekPark» (ID: geekpark), автор: Hua Lin Wu Wang, редактор: Jingyu