Экономика токенов: сколько стоит настоящее внедрение ИИ
Компании массово подключают подписки на языковые модели, запускают ИИ-агентов и уверены, что вошли в эпоху искусственного интеллекта. Но $200 в месяц за подписку — это лишь верхушка айсберга расходов на внедрение новых технологий. Реальный счет складывается совсем иначе. О том, как можно сжечь бюджет впустую и как правильно оценивать новую экономику, рассказывает сооснователь Ассоциации независимых директоров Александр Иконников.
Дешевый токен, но большой счет
По данным FinOps Foundation, с 2024 года доля организаций, которые системно отслеживают траты на ИИ, выросла с 31% до 98%. Goldman Sachs прогнозирует стремительный рост потребления токенов к 2030 году. Это значит, что расходы на ИИ уже стали такой же управленческой статьей, как когда-то затраты на облачные технологии, и бюджет на них теперь считают так же строго.
Токен — это единица текста, которой оперирует модель, примерно три четверти слова. Обработка каждого токена стоит машинного времени и электричества, поэтому доступ к модели продается по счетчику — только тут учитывают не киловатты, а токены. Проблема возникает не потому, что токен дорог, а из-за того, что счетчик никто не контролирует. В конце июля были опубликованы внутренние документы Amazon; из них следует, что инструмент для сопоставления данных об авторах с карточками товаров обошелся в $1,8 млн при превышении бюджета на 860% и так и не был запущен, а перерасход не замечали пять месяцев. Конечно, это сильный пример, но он отражает суть происходящих во многих компаниях процессов. Руководители полагают, что заплатят $200 в месяц за ИИ для одного сотрудника, но тратят в десятки раз больше. А результат может быть совсем не таким, как рассчитывали.
Девять из десяти ИИ-внедрений — это провал.
После общения с десятками компаний мы видим, что у большинства нет честного ответа на вопрос, где стоит внедрять ИИ, а где это пустая трата бюджета. Статистика это подтверждает: согласно опросу «Интеллектуальной аналитики» среди примерно 50 крупных организаций, до промышленной эксплуатации доходят лишь 7-10% ИИ-проектов. Почему?
Руководители задают менеджерам два правильных вопроса еще до запуска пилота: сколько это стоит и какой будет эффект? Но обоснованного ответа обычно не получают. В итоге на практике мы видим одно и то же: купили дорогие подписки, раздали сотрудникам, запустили пилоты в разных отделах. Формально все работают с ИИ, фактически никто не считает ни совокупную стоимость, ни реальный эффект. Причин для этого две.
Главное препятствие заключается в классической оргструктуре российских компаний, в которых IT живет отдельно, бизнес-направления имеют свои цели, а служба безопасности может все зарубить на финальной стадии. Второе препятствие — формалистский подход. Когда сверху спущен приказ, сотрудники для галочки запускают общение в чате ИИ, но весь день работают в почте, CRM, учетной системе. Мы советуем использовать ранний маркер провала — долю сотрудников, которые пользуются инструментом еженедельно. Если через квартал их меньше 40% — эксперимент окончился неудачей.
Одна технология и разные результаты
Одни и те же решения в одних компаниях превращаются в прибыль, в других — в убытки. Дело не в размере бюджета и не в отрасли, а в том, с чего начали и кто отвечает за решение. Приведу примеры.