Крупные корпорации, которые только недавно активно внедряли генеративный ИИ в рабочие процессы, теперь сталкиваются с неприятным сюрпризом: его использование обходится в разы дороже, чем ожидалось. Microsoft, например, после нескольких месяцев активного применения инструмента Claude Code для инженеров отменила почти все лицензии и вернулась к GitHub Copilot CLI. Причина — неэффективность и высокие затраты на токены, которые выросли настолько, что перекрыли потенциальную экономию от автоматизации.
В Nvidia проблема тоже стала очевидной. Вице-президент компании Bryan Catanzaro признал, что для его команды стоимость вычислений уже превышает зарплаты сотрудников. Это означает, что даже при высокой производительности ИИ его использование в масштабе становится экономически неоправданным. Аналогичная ситуация сложилась и в Uber, где за первые четыре месяца 2026 года был полностью израсходован годовой AI-бюджет.
Статистика использования в Uber говорит сама за себя: 84% из 5000 инженеров активно применяли Claude, а 70% нового кода создавалось с помощью ИИ. Однако самые активные пользователи сжигали от $500 до $2000 в месяц на одного сотрудника. Более того, CTO Uber Praveen Naga потратил $1200 всего за одну двухчасовую демо-сессию. Инструмент, который должен был повысить производительность и сэкономить деньги, вместо этого стал причиной неконтролируемых расходов.
Эксперты отмечают, что следующий этап развития ИИ будет связан не столько с созданием более мощных моделей, сколько с оптимизацией затрат. Компании начнут строже контролировать каждую операцию и искать способы удешевить доступ к вычислительным мощностям. Это означает, что победят не те, кто предложит самый продвинутый ИИ, а те, кто научится использовать его эффективно и выгодно одновременно.
Для компаний, специализирующихся на ИИ, это открывает новые возможности для конкуренции. Теперь ключевым фактором станет не только интеллектуальный потенциал модели, но и её экономическая эффективность. Если у конкурентов окажется более дешёвая, но не менее функциональная модель, она может вытеснить даже самые передовые решения.
Ситуация показывает, что внедрение ИИ требует не только технической, но и финансовой грамотности. Компании, которые не научатся контролировать расходы на токены и вычислительные мощности, рискуют столкнуться с серьёзными проблемами. В то же время это создаёт новые ниши для стартапов, которые смогут предложить оптимизированные решения по цене и функционалу.
