Токены как четвертый компонент зарплаты: новый стандарт найма инженеров

По данным издания Business Insider, в технологическом секторе формируется новый стандарт оценки эффективности инженеров и формирования их компенсационных пакетов. Дженсен Хуанг, глава Nvidia, заявил, что низкое потребление токенов искусственного интеллекта высокооплачиваемыми специалистами станет поводом для серьезного беспокойства руководства. Логика проста: если инженер с годовым окладом в $500 000 тратит на работу с ИИ менее $250 000 в эквиваленте токенов, это сигнализирует о неэффективном использовании вычислительных мощностей.

Хуанг сравнил отказ от активного использования ИИ-инструментов с попыткой проектировать сложные чипы, используя только бумагу и карандаш. Для Nvidia этот подход перестал быть экспериментом и превратился в стратегический императив. Компания стремится потратить около $2 млрд на токены для своего инженерного корпуса, чтобы обеспечить максимальную продуктивность. В условиях, когда токены становятся базовой единицей измерения вычислительной работы, их расход напрямую коррелирует с объемом задач, решаемых специалистом.

Токены как новый элемент компенсационного пакета

Рынок труда в Кремниевой долине адаптируется к новым реалиям, где доступ к вычислительным ресурсам приравнивается к деньгам. Дженсен Хуанг анонсировал, что токены могут стать частью стратегии найма. Инженеры, получающие базовую зарплату в несколько сотен тысяч долларов, могут рассчитывать на дополнительный бонус в размере половины от оклада, но в форме токенов. Это позволяет специалистам увеличить свою продуктивность в 10 раз, используя мощные модели для решения задач.

Такой подход меняет структуру предложения для кандидатов. Теперь при выборе работы специалисты интересуются не только размером оклада и опционами, но и тем, какой бюджет на вычислительные мощности предоставит работодатель. Эксперты рынка, включая Томаша Тунгуза из Theory Ventures, называют токены потенциальным «четвертым компонентом» компенсации наряду с зарплатой, бонусами и акциями.

Компании начинают рассматривать доступ к инференсу (запуску моделей) как конкурентное преимущество. Стартап Arena, занимающийся оценкой производительности моделей, предлагает идею создания специализированных площадок для найма. На таких ресурсах работодатели могли бы указывать бюджет на токены параллельно с диапазоном зарплат. Сэм Альтман, руководитель OpenAI, ранее высказывал мысль о переходе от концепции универсального базового дохода к «универсальному базовому вычислению». По его мнению, в будущем каждый человек может получить долю вычислительной мощности, которую можно использовать, перепродавать или передавать на благотворительность.

Экономическая логика и реакция рынка

Переход к оплате труда через доступ к вычислительным ресурсам диктуется экономической необходимостью. Токены — это единицы, которые ИИ-системы используют для обработки текста. Чем больше текста модель читает или генерирует, тем больше токенов она потребляет. Поставщики решений традиционно взимают плату за использование, исчисляемую тысячами или миллионами этих единиц.

Для бизнеса это означает, что инвестиции в токены напрямую конвертируются в результат. Если сотрудник не использует предоставленные ресурсы, компания несет убытки, не получая ожидаемого прироста эффективности. Дженсен Хуанг подчеркивает, что каждый инженер, имеющий доступ к токенам, становится более продуктивным. Это превращает токены в ключевой инструмент конкуренции за таланты.

Ниже приведены ключевые параметры новой модели оценки и компенсации, описанные в источнике:

Специалисты, такие как Тибо Соттио (Thibault Sottiaux) из команды Codex в OpenAI, отмечают, что кандидаты все чаще спрашивают о доступном объеме вычислений. Это подтверждает сдвиг в приоритетах: доступ к мощным моделям становится таким же важным фактором, как и финансовое вознаграждение.

Идея Сэма Альтмана о том, что токены могут стать формой собственности на продуктивность, указывает на глубокую трансформацию экономики знаний. В этой модели человек получает не просто деньги, а долю в вычислительной мощности, которую можно монетизировать или использовать для решения сложных задач, например, в медицинских исследованиях.

Для руководителей и HR-директоров это означает необходимость пересмотра подходов к управлению талантами. Игнорирование фактора доступности вычислительных мощностей может привести к оттоку специалистов к конкурентам, предлагающим более выгодные условия. Компании, которые смогут эффективно интегрировать токены в свои процессы и системы мотивации, получат значительное преимущество в скорости разработки и внедрения инноваций.

Ситуация требует детального анализа того, как именно новые метрики потребления влияют на итоговую прибыль и как выстроить прозрачную систему учета расходов на искусственный интеллект внутри организаций.

Токены как новая валюта труда: от контроля расходов к управлению капиталом

В технологическом секторе формируется новый стандарт оценки эффективности инженеров. Дженсен Хуанг, глава Nvidia, сформулировал принцип, который может стать индустриальной нормой: низкое потребление токенов высокооплачиваемым специалистом трактуется как сигнал неэффективности. Логика строится на прямой корреляции между бюджетом сотрудника и объемом решаемых задач. Если инженер с годовым окладом в $500 000 тратит на работу с ИИ менее $250 000 в эквиваленте токенов, руководство видит в этом проблему. Компания планирует инвестировать около $2 млрд в токенов для своего инженерного корпуса, чтобы максимизировать отдачу от каждого сотрудника.

Этот подход меняет саму суть найма. Доступ к вычислительным ресурсам приравнивается к деньгам. Инженеры, получающие базовую зарплату в сотни тысяч долларов, могут рассчитывать на бонус в размере половины от оклада, но в форме токенов. Такой механизм позволяет увеличить продуктивность в 10 раз. Теперь при выборе работы кандидаты интересуются не только размером оклада и опционами, но и тем, какой бюджет на вычислительные мощности предоставит работодатель. Томаш Тунгуз из Theory Ventures называет токены потенциальным «четвертым компонентом» компенсации.

Важный нюанс: Переход к оплате труда через доступ к вычислительным ресурсам превращает токены из технической единицы измерения в реальный актив, определяющий рыночную стоимость специалиста.

Смена парадигмы: от обучения к массовому инференсу

Метрика расхода токенов не возникла на пустом месте. Она стала прямым следствием фундаментального сдвига в экономике ИИ. Nvidia удвоила прогноз выручки до $1 трлн на период с 2025 по 2027 год, так как рынок перешел от обучения моделей к их массовому использованию — инференсу [!]. Требования к вычислительным ресурсам для инференса выросли в миллион раз за два года. Это превратило доступ к чипам в критический фактор для функционирования ИИ-лабораторий.

В этой новой реальности оплата за токены — это не просто инструмент контроля, а отражение того, что инференс стал основным драйвером выручки. Дженсен Хуанг описывает архитектуру ИИ как «пятиуровневый пирог», где слой приложений приносит наибольший экономический эффект, превращая алгоритмы в инструменты для решения бизнес-задач [!]. Именно здесь, на уровне приложений, инженеры тратят токены, и именно здесь формируется их ценность для компании.

Риски искаженных стимулов и новые технологии

Звучит убедительно, но за фасадом эффективности скрывается системный риск. Сравнение отказа от ИИ с проектированием чипов на бумаге и карандаше выглядит убедительно, но оно игнорирует качество работы. Метрика, основанная исключительно на объеме потребления, создает искаженные стимулы. Инженер, стремящийся выполнить план по расходу токенов, может начать решать задачи избыточно сложными методами, генерировать лишний код или запускать модели там, где достаточно простых алгоритмов.

Это напоминает ситуацию с оплатой за количество строк кода в 1980-х годах: программисты писали многословный код, чтобы увеличить зарплату, что приводило к созданию громоздких систем. В случае с ИИ риск еще выше. Если эффективность измеряется только расходом, компания может столкнуться с ситуацией, когда инженеры «сжигают» вычислительные мощности на рутинные задачи.

Однако новые технологические решения меняют эту картину. Nvidia представила архитектуру Nemotron 3 Super, которая снижает затраты на память в 4 раза и ускоряет вывод в 5 раз [!]. Это опровергает тезис о том, что «сжигание» токенов неизбежно ведет к раздуванию издержек. Новые технологии делают токены дешевле, что меняет экономику: теперь можно тратить больше токенов, не теряя денег.

Параллельно OpenAI вводит многоуровневую архитектуру с моделями GPT-5.4 mini и nano, позволяющую экономить до 70% бюджета на рутине [!]. Это подтверждает тезис о риске неэффективного использования, но дает решение. Инженеры не должны просто «тратить токены», они должны уметь распределять задачи между дорогими и дешевыми моделями. Компании, которые научат инженеров использовать дешевые модели для рутины и дорогие для сложных задач, выиграют. Просто «сжигание» токенов без оптимизации архитектуры приведет к убыткам, несмотря на доступ к мощным чипам.

Стоит учесть: Ориентация на объем потребления токенов как на главный критерий эффективности может привести к раздуванию издержек без реального роста качества продуктов, создавая иллюзию высокой производительности.

От генерации кода к управлению агентами

Ситуация усложняется переходом к агентному ИИ. ИИ больше не просто генерирует текст, он управляет компьютером и закрывает бизнес-процессы. OpenAI выпустила модель GPT-5.4, способную самостоятельно управлять компьютером через анализ снимков экрана и генерацию команд [!]. Это снижает фактические ошибки на 18% и меняет правила игры.

В этих условиях метрика «расход токенов» трансформируется. Если раньше инженер тратил токены на генерацию кода, то теперь он тратит их на управление агентом. Эффективность теперь измеряется не объемом токенов, а количеством закрытых бизнес-задач агентом при минимальном вмешательстве человека. Это меняет суть «бюджета на токены»: это не зарплата, а «топливо для цифрового сотрудника», которого нанимает инженер.

Nvidia меняет стратегию с продажи чипов на создание платформы NemoClaw для безопасных агентов [!]. Это показывает, что метрика эффективности смещается с «сколько токенов потрачено» на «насколько безопасно и автономно агент выполнил задачу». Это новый критерий оценки, который требует от инженеров навыков управления рисками и контроля над автономными системами.

i

Создано специально для ASECTOR

Концептуальное изображение

Экономика вычислений и будущее рынка труда

Экономическая логика перехода к оплате через токены диктуется необходимостью конвертировать инвестиции в результат. Для бизнеса это означает, что инвестиции в токены должны напрямую конвертироваться в результат. Если сотрудник не использует предоставленные ресурсы, компания несет убытки, не получая ожидаемого прироста эффективности.

Однако здесь кроется парадокс: если эффективность измеряется расходом, то компания платит за процесс, а не за результат. Стартап Arena предлагает создание специализированных площадок для найма, где работодатели указывают бюджет на токены параллельно с диапазоном зарплат. Это подтверждает сдвиг в приоритетах: доступ к мощным моделям становится таким же важным фактором, как и финансовое вознаграждение.

В долгосрочной перспективе рынок труда разделится на тех, кто имеет доступ к «вычислительному капиталу», и тех, кто его лишен. Это изменит структуру стоимости труда: деньги станут вторичным фактором по сравнению с доступом к инструментам. Компании, которые смогут выстроить прозрачную систему учета расходов на ИИ и связать их с реальными бизнес-результатами, а не просто с объемом потребления, выйдут в лидеры. Остальные рискуют столкнуться с ситуацией, когда их инженеры будут генерировать гигабайты токенов, но не создавать ценности.

Важный нюанс: Инженер будущего — это не писатель кода, а менеджер вычислительных ресурсов, чья зарплата зависит от того, насколько умно он тратит бюджет на токены, чтобы получить результат от автономных агентов.

Для руководителей и HR-директоров это означает необходимость пересмотра подходов к управлению талантами. Игнорирование фактора доступности вычислительных мощностей может привести к оттоку специалистов к конкурентам. Компании, которые смогут эффективно интегрировать токены в свои процессы и системы мотивации, получат значительное преимущество в скорости разработки и внедрения инноваций. Ситуация требует детального анализа того, как именно новые метрики потребления влияют на итоговую прибыль и как выстроить прозрачную систему учета расходов на искусственный интеллект внутри организаций.