Крупные технологические гиганты ограничили доступ к ИИ из-за роста расходов на 160%

По данным издания Business Insider, тренд на бесконтрольное использование искусственного интеллекта, получивший название tokenmaxxing, исчерпал себя. Крупные технологические игроки, начали ограничивать доступ сотрудников к ИИ-инструментам на фоне резкого роста расходов. Palantir и Duolingo также пересмотрели подходы к оценке эффективности персонала, отказавшись от механического учета количества сгенерированных токенов. Ситуация указывает на то, что слепое внедрение технологий ради имитации инноваций приводит к росту издержек и снижению реальной производительности.

Экономическая неэффективность разрозненного использования

Основная проблема заключается в феномене, который эксперты называют AI sprawl (разрастание ИИ). Сотрудники используют множество различных программ и агентов, создавая дублирующую работу и расходуя бюджет на ненужные операции. Исследование института Glean Work AI Institute, охватившее 6 000 цифровых работников в США, Великобритании и Австралии, выявило тревожные тенденции: 77% пользователей ИИ еженедельно работают с несколькими программами, а треть из них задействует четыре и более инструмента.

Парадокс ситуации заключается в разрыве между личной экономией времени и пользой для компании. Хотя сотрудники сообщают о средней экономии 11 часов в неделю, лишь 13% из них считают, что это значительно улучшило показатели организации. Вместо синергии происходит изоляция: работники тратят время на «ботситинг» — постоянную корректировку и уточнение контекста для нейросетей, чтобы получить usable-результат.

Конкретные примеры демонстрируют масштаб финансовых потерь. В компании Travelport один сотрудник за четыре дня израсходовал в 160 раз больше токенов, чем следующий по активности пользователь. Это привело к прямым затратам на избыточные вычисления и косвенным потерям из-за дублирования усилий. Когда два специалиста работают над схожими задачами независимо друг от друга, они генерируют почти идентичные отчеты, сжигая ресурсы, которые могли бы быть использованы для реального развития бизнеса.

Психологические барьеры и угроза коллективной работе

Давление на сотрудников с целью продемонстрировать владение новыми технологиями создает атмосферу индивидуализма. Вместо того чтобы объединять усилия, работники замыкаются в собственных «островах», пытаясь решить задачи в одиночку с помощью чат-ботов. Это ведет к потере доверия внутри команд. Исследования показывают, что появление «workslop» — документов и презентаций, созданных ИИ без должного контроля, — снижает репутацию их авторов в глазах коллег.

Кейт Нидерхоффер, руководитель BetterUp Labs, отмечает, что компании часто не отвечают на фундаментальный вопрос: зачем внедряются эти инструменты и какие цели они должны достигать. Отсутствие четкой стратегии приводит к тому, что сотрудники воспринимают ИИ как способ личной защиты от конкуренции, а не как средство для улучшения командной работы. Теория «трагедии общин», описанная Ребеккой Хиндс, применима и здесь: каждый стремится максимизировать личную выгоду от общего ресурса, рискуя истощить его и нанести ущерб коллективу.

Исторический контекст подтверждает эту тенденцию. Нобелевский лауреат Герберт Саймон описывал поведение «сатисфайсинга» — выбор варианта «достаточно хорошего», а не оптимального. В условиях, когда ИИ позволяет быстро получать ответы, сотрудники склонны останавливаться на первом доступном решении, игнорируя возможность более глубокой проработки задачи в сотрудничестве с коллегами.

Переход к централизации и управлению рисками

Рынок переходит от фазы хаотичного эксперимента к этапу структурирования процессов. Компании понимают, что без централизации workflows (рабочих процессов) невозможно получить реальную отдачу от инвестиций в ИИ. OpenAI предпринимает шаги по объединению своих продуктов, таких как ChatGPT и Codex, чтобы упростить управление. Однако на уровне предприятий часто сохраняется «теневое» использование инструментов, когда сотрудники выбирают решения самостоятельно, минуя корпоративные стандарты.

Для снижения рисков компаниям необходимо переходить от разрозненных действий к скоординированным стратегиям. Это включает в себя выявление дублирующих задач и стимулирование совместной работы. Например, если известно, что два сотрудника работают над похожими проектами, руководство может направить их к взаимодействию, демонстрируя лучшие практики на уровне всей организации.

i

Создано специально для ASECTOR

Концептуальное изображение

Текущая динамика требует от руководителей пересмотра подходов к внедрению технологий. Фокус смещается с количества использованных токенов на качество результатов и эффективность командного взаимодействия. Без решения проблемы разрозненности и отсутствия единых стандартов компании рискуют столкнуться с ростом издержек и снижением доверия внутри коллективов, что в долгосрочной перспективе может нивелировать любые технологические преимущества.

От гонки за токенами к гонке за эффективностью

Эра бесконтрольного использования искусственного интеллекта, известная как tokenmaxxing, подошла к концу. Крупные технологические компании начали ограничивать доступ сотрудников к ИИ-инструментам. Причиной стали не технические сбои, а резкий рост расходов и отсутствие прямой связи между активностью нейросетей и реальной прибылью. Palantir и Duolingo пересмотрели метрики эффективности, отказавшись от механического подсчета сгенерированных символов. Ситуация указывает на то, что слепое внедрение технологий ради имитации инноваций приводит к росту издержек и снижению реальной производительности.

Экономическая несостоятельность безлимитных подписок

Основная причина кризиса кроется в самой бизнес-модели потребления ИИ. Исследования показывают, что текущие тарифы на топовые модели от ведущих провайдеров не покрывают расходы при интенсивном использовании. Убытки возникают уже при загрузке базовых тарифов на уровне 5,7–11,4%. Это делает модель безлимитных подписок экономически нежизнеспособной не только для клиентов, но и для самих поставщиков решений [!].

Рынок движется от стратегии максимизации использования токенов к гибридным решениям. Компании Microsoft и Amazon внедряют инструменты для автоматического переключения между дорогими и дешевыми моделями. Эксперты прогнозируют, что доступ к самым передовым функциям будет ограничен платным API с оплатой строго за каждый использованный токен. Безлимитные подписки уступают место гибким схемам, где бизнес платит только за реальный результат, а не за потенциальную мощность [!].

Важный нюанс: Эра хаотичного использования ИИ закончилась не потому, что технология перестала быть полезной, а потому что ее текущая бизнес-модель (безлимитные подписки на флагманы) экономически несостоятельна для обеих сторон рынка.

Иллюзия экономии и скрытая нагрузка

Парадокс ситуации заключается в разрыве между личной экономией времени сотрудника и реальной пользой для организации. Исследование института Glean Work AI Institute выявило, что сотрудники сообщают о средней экономии 11 часов в неделю. Однако 6,4 часа из этого времени уходит на настройку алгоритмов, контекстуализацию и исправление ошибок [!]. Чистая экономия времени оказывается минимальной, а в ряде случаев отрицательной.

Вместо синергии происходит изоляция: работники тратят время на «ботситинг» — постоянную корректировку и уточнение контекста для нейросетей. Из-за перегрузки 69% пользователей отправляют результаты работы ИИ без должной проверки, перекладывая ответственность на машины [!]. Это создает риск накопления ошибок и снижения качества принимаемых решений. Низкая специализация моделей на данных конкретного предприятия заставляет сотрудников вручную вводить информацию о продуктах и клиентах, что нивелирует преимущества автоматизации.

Конкретные примеры демонстрируют масштаб финансовых потерь. В компании Travelport один сотрудник за четыре дня израсходовал в 160 раз больше токенов, чем следующий по активности пользователь. Это привело к прямым затратам на избыточные вычисления. Когда два специалиста работают над схожими задачами независимо друг от друга, они генерируют почти идентичные отчеты, сжигая ресурсы, которые могли бы быть использованы для реального развития бизнеса.

Угроза безопасности и риск потери данных

Хаотичное внедрение несет не только финансовые, но и экзистенциальные риски. В 2025 году автономные агенты ИИ стали причиной 68 инцидентов безопасности, нанося ущерб быстрее, чем успевают среагировать люди. Традиционные методы защиты бессильны перед доверенными инструментами, которые обладают правами авторизованных пользователей [!].

В 2026 году инцидент с агентом PocketOS привел к полному удалению производственной базы данных и резервных копий за девять секунд из-за ошибки в интерпретации команды. Системы контроля доступа не блокировали действия авторизованного агента, совершившего ошибку. Совпадение периметров авторизации и хранение резервных копий в той же среде превратило инфраструктуру в ловушку при сбое [!]. Единственным способом противостояния машинной скорости ошибок становится создание физически отделенного слоя восстановления с использованием стандартов неизменности данных.

Переход к кастомизации и новым ролям

Рынок переходит от фазы хаотичного эксперимента к этапу структурирования процессов. Компании понимают, что без централизации рабочих процессов невозможно получить реальную отдачу от инвестиций. Спрос на инженеров по внедрению ИИ вырос более чем в 50 раз за год, несмотря на массовые сокращения в технологическом секторе [!].

Palantir популяризировала модель работы инженеров, развернутых непосредственно у клиента. Этот подход превращает специалистов из создателей кода в консультантов, которые настраивают сложные системы под уникальные нужды бизнеса. Интеграция алгоритмов требует не готовых решений, а глубокой кастомизации под бизнес-процессы заказчика [!].

Брайан Армстронг прогнозирует, что в ближайшие 12–18 месяцев 80% рабочих задач будут выполняться на моделях с затратами на 99% ниже флагманских [!]. Это ключевой инсайт для бизнеса: вместо гонки за самыми мощными моделями необходимо искать дешевые, специализированные решения. Эксперименты показали возможность сокращения затрат на вывод данных в три раза без потери качества при комбинировании мощных и легких моделей.

Стоит учесть: Стратегия выживания смещается от покупки дорогих подписок к найму инженеров-интеграторов и использованию дешевых специализированных моделей, что требует трансформации корпоративной культуры и подходов к управлению.

Стратегический итог

Переход от хаотичного использования ИИ к управляемым процессам становится обязательным условием для технологических компаний. Текущая динамика требует от руководителей пересмотра подходов к внедрению технологий. Главный урок заключается в том, что технологический инструмент сам по себе не создает ценности; ценность создается только тогда, когда этот инструмент интегрирован в продуманный бизнес-процесс.

Для российского бизнеса этот тренд является важным сигналом. В условиях необходимости оптимизации расходов и повышения эффективности, слепое копирование западных практик без учета специфики корпоративной культуры может привести к аналогичным потерям. Фокус смещается с количества использованных токенов на качество результатов и эффективность командного взаимодействия. Без решения проблемы разрозненности и отсутствия единых стандартов компании рискуют столкнуться с ростом издержек и снижением доверия внутри коллективов, что в долгосрочной перспективе может нивелировать любые технологические преимущества.

Компании, которые смогут быстро перейти от фазы экспериментов к фазе оптимизации, получат конкурентное преимущество. Это потребует не только технических изменений, но и трансформации корпоративной культуры, где приоритетом станет командная работа и профессиональная настройка систем, а не индивидуальная гонка за показателями. В конечном счете, успех будет зависеть от способности организаций превратить разрозненные усилия сотрудников в единый, слаженный механизм, способный генерировать реальную прибыль.