🤖💸 ИИ начинает обходиться бизнесу дороже людей
Пока рынок продавал нам мечту «заменим дорогой труд ИИ-агентами», начала вылезать неприятная экономика.
🤓 Суть простая:
чем дешевле становится один токен, тем больше компании начинают жечь токены вообще на всё подряд.
Агентный ИИ особенно опасен для бюджета: такие системы могут тратить в разы и даже на порядки больше токенов, чем обычный запрос к модели, потому что они делают задачу в несколько шагов — сами думают, проверяют, переспрашивают, запускают действия.
И вот тут начинается парадокс:
📌 эффективность растёт,
но общий счёт тоже растёт.
По данным Fortune, Goldman Sachs ожидает, что к 2030 году потребление токенов может вырасти в 24 раза. Microsoft уже сворачивает часть лицензий Claude Code внутри компании и переводит команды на свой Copilot CLI. А в Amazon сотрудники, по сообщениям СМИ, местами даже раздували использование ИИ ради внутренних метрик 😅
То есть мы пришли к очень важному моменту:
❌ проблема уже не в том, что ИИ «слишком слабый»
❌ и не в том, что токен «слишком дорогой»
Проблема в другом:
если агент начинает делать 20–50 шагов там, где человек сделал бы 2–3 действия, экономика внедрения резко меняется.
👀 Что это значит для бизнеса?
1️⃣ Считать следует не цену запроса, а цену завершённой задачи
Не “сколько стоит один вызов модели”, а:
сколько стоит закрыть тикет, обработать лид, собрать отчёт, подготовить договор, провести саппорт-кейс.
2️⃣ Не всякий ИИ-агент даёт ROI
Если агент красиво работает в демо, но съедает слишком много токенов, проверок и итераций — он может оказаться дороже сотрудника или классической автоматизации.
3️⃣ Один из KPI 2026 года — не «сколько ИИ мы используем», а «сколько прибыли/экономии он даёт на единицу расхода»
Иначе компании начнут соревноваться не в эффективности, а в сжигании бюджета.
4️⃣ Вероятно, победят не те, у кого “больше ИИ”, а те, у кого лучше экономика процесса
То есть:
меньше лишних шагов,
меньше агентной самодеятельности,
больше контроля,
больше пользы на каждый рубль/доллар затрат.
🐚 Вывод следующий:
Следующая большая волна на рынке — это не просто “внедрить ИИ”.
Это “внедрить ИИ так, чтобы он был дешевле, чем человек + быстрее, чем человек + достаточно надёжен”.
И вот это уже намного сложнее, чем просто купить подписку на модную модель))
💬 Вопрос к вам:
В каком процессе у бизнеса сегодня выше риск “переплатить за ИИ”, чем реально получить выгоду:
поддержка, продажи, разработка, аналитика, документы?
Пишите в комментариях 👇
Пока рынок продавал нам мечту «заменим дорогой труд ИИ-агентами», начала вылезать неприятная экономика.
🤓 Суть простая:
чем дешевле становится один токен, тем больше компании начинают жечь токены вообще на всё подряд.
Агентный ИИ особенно опасен для бюджета: такие системы могут тратить в разы и даже на порядки больше токенов, чем обычный запрос к модели, потому что они делают задачу в несколько шагов — сами думают, проверяют, переспрашивают, запускают действия.
И вот тут начинается парадокс:
📌 эффективность растёт,
но общий счёт тоже растёт.
По данным Fortune, Goldman Sachs ожидает, что к 2030 году потребление токенов может вырасти в 24 раза. Microsoft уже сворачивает часть лицензий Claude Code внутри компании и переводит команды на свой Copilot CLI. А в Amazon сотрудники, по сообщениям СМИ, местами даже раздували использование ИИ ради внутренних метрик 😅
То есть мы пришли к очень важному моменту:
❌ проблема уже не в том, что ИИ «слишком слабый»
❌ и не в том, что токен «слишком дорогой»
Проблема в другом:
если агент начинает делать 20–50 шагов там, где человек сделал бы 2–3 действия, экономика внедрения резко меняется.
👀 Что это значит для бизнеса?
1️⃣ Считать следует не цену запроса, а цену завершённой задачи
Не “сколько стоит один вызов модели”, а:
сколько стоит закрыть тикет, обработать лид, собрать отчёт, подготовить договор, провести саппорт-кейс.
2️⃣ Не всякий ИИ-агент даёт ROI
Если агент красиво работает в демо, но съедает слишком много токенов, проверок и итераций — он может оказаться дороже сотрудника или классической автоматизации.
3️⃣ Один из KPI 2026 года — не «сколько ИИ мы используем», а «сколько прибыли/экономии он даёт на единицу расхода»
Иначе компании начнут соревноваться не в эффективности, а в сжигании бюджета.
4️⃣ Вероятно, победят не те, у кого “больше ИИ”, а те, у кого лучше экономика процесса
То есть:
меньше лишних шагов,
меньше агентной самодеятельности,
больше контроля,
больше пользы на каждый рубль/доллар затрат.
🐚 Вывод следующий:
Следующая большая волна на рынке — это не просто “внедрить ИИ”.
Это “внедрить ИИ так, чтобы он был дешевле, чем человек + быстрее, чем человек + достаточно надёжен”.
И вот это уже намного сложнее, чем просто купить подписку на модную модель))
💬 Вопрос к вам:
В каком процессе у бизнеса сегодня выше риск “переплатить за ИИ”, чем реально получить выгоду:
поддержка, продажи, разработка, аналитика, документы?
Пишите в комментариях 👇